AI写88小时，人类读7周，数学家开始读懂OpenAI千禧难题证明

1万个智能体跑了88小时，留下一份没人读得动的证明

9月8日，OpenAI的公告震动数学界：一个尚未发布的新模型，调动约1万个AI智能体并行攻关，用88小时写出了纳维-斯托克斯方程的“存在性与光滑性”证明。这道千禧难题自2000年设立以来，七道题中仅庞加莱猜想被正式攻克，而这一次AI把目标对准了流体力学最坚硬的内核。

时间线是这样的：8月28日新模型开始训练，9月1日研究人员得知“两道千禧难题可能已在别处被解决”的传闻后，决定让系统全力冲击剩余未解问题。最早突破的是一道简化题——约100个智能体用50小时证明了无外力欧拉方程的正则性否定，这是纳维-斯托克斯的无摩擦版本。成功之后，团队才将并发规模扩大到约1万人，集中火力转向完整问题。9月5日，AI在启动约88小时后给出答案，随后GPT-6 Astra又花了17小时，将证明翻译成Lean证明助手语言,交给机器逐行检查。

这份作业有多大？166页纸，270万条智能体消息，1300亿个输出token，相当于约100万本书的文字量。OpenAI技术团队成员透露，这笔算力支出是该团队此前数学成果投入的约1000倍。若把当周所有尝试计入，总消息数达490万条、消耗约3000亿token——按已公开的费推算，账单落在2250万美元量级。

然而，证明交出来了，几乎没人读得动。10月14日，Nature旗下期刊《通讯-物理》刊发社论，作者写道：专家们相信它是对的，但还没人真正理解它。以前是人类出题，AI答不上来；现在是AI交卷，人类看不懂。

“它超出人类所想，但没超出人类理解”：七周后，专家开始看清思路

转折出现在10月26日。法国国家科学研究中心研究主任、纽约大学库朗研究所数学教授Scott Armstrong在X上发了一条长推，转述了几组偏微分方程专家的内部交流结果：他们基本读懂了这份证明的思路。Armstrong本人研究流体湍流，算得上内行看门道。他的评价是：它也许超出了人类原本能想到的范围，但没有超出人类的理解。

读懂的关键在于识别AI的“解题路径”。专家发现，AI并没有发明新工具，而是在凸积分方法等既有数学工具中做出了前所未有的组合。用Armstrong的话说，把这些工具组合起来的方式“绝对疯狂”，文献里从没有过，也没听说有谁想过能借助凸积分构造出这样的爆破解。有人质疑这只是对海量文献的复述，一位网友Joel Fish声称结果“合情合理”，并估算OpenAI为此花掉约1500万美元，“拿这笔钱请数学家未必做不出来”。Armstrong的回击只说了一句话：既然材料都在文献里，这条路人类为什么没走？

AI负责开拓想象边界，人类负责看懂。这场接力，人类刚跑完第一棒。

复旦学者写“教辅”，另一组人却要求核对原稿与机器版

人类“消化”的公开成果已经出现。9月下旬，复旦大学数学家雷震与合作者Xiao Ren发布了一篇解读预印本，把OpenAI原稿中构造流动轮廓的部分重新推导了一遍，力求让同行读得懂。他们在文中称，OpenAI的工作是纳维-斯托克斯千禧难题上的一项重大进展。这份解读像是一份教辅——AI交了草稿，人类开始给它写学习材料。

但读懂思路只是第一步。另一项要命的工作是核对“译文”有没有偏离“原意”。Lean证明助手可以把数学命题和推导写成形式语言，逐行检查每一步推理是否成立，但机器只检查它收到的东西，就像核对译稿：译文通顺，还得看它有没有改掉原意。

10月6日，Bastounis、Circelli和Hansen三位研究者发表预印本，指出OpenAI原稿与Lean版本中的部分陈述和推导存在差异。他们声明自己并未判断文字证明是否正确，也就是说，这项质疑不能被简化成“证明被推翻”。它真正要求的是把一件事查清楚：机器验证过的内容，究竟能为原稿的哪些结论提供保证？用评论者的话说，机器能保证每一步没算错，但保证不了题目没抄错。

下半场考的是人类：读懂、核查、传递，一道题包了三件事

现在，数学界面临一个此前从未有过的局面：AI用88小时生成证明，人类用7周才刚看懂思路，而确认全对还需要更长的时间。看懂与验证是两件事，千禧难题的下半场才刚刚开始。

一位研究者要将AI的答案变成真正可用的知识，至少要做三件事：第一，把证明思路用人类可读的语言重新表述，让同行能接着往下想；第二，逐条核查并对照说明，讲清哪些结论已经被验证、哪些还有待解释；第三，把其中的方法提炼出来，用到别的问题上。只有这样，一份AI答案才能长出新的研究。

AI这一棒的账很好算：88小时，1万个智能体，数百万美元。人类接棒后的账却很难算：读懂、核查、讲清楚，每一步都需要专家持续投入时间。可没有人类这一棒，AI交出的只是一份没人敢用、也无法使用的答卷。

这场事件还引发了关于规则本身的讨论。菲尔兹奖得主陶哲轩称赞这是一个“非凡的成就”，但他也直言厌倦了“靠新闻稿、社交媒体发布数学研究成果”的风气，并提醒：好问题将比好答案更稀缺。克雷数学研究所所长Martin Bridson则表态，奖金评审要审慎从容，成果必须经过同行评议与学术评估。

当AI想得比人快，人类理解、核查和传递知识的速度，也开始决定科学能走多快。千禧难题的下半场，主要考的是人类。