一万个AI智能体，连续工作88个小时，最终交出了一份据称破解纳维-斯托克斯方程难题的证明。

这听上去像是人工智能征服数学高峰的历史性时刻。然而，当全球顶尖数学家拿到这份证明时，他们的第一反应不是欢呼，而是困惑。

2026年9月，美国科技媒体报道了这场围绕OpenAI数学成果的激烈争论。争论的焦点不只是证明对不对，更在于人类是否还能读懂它。

一道悬赏百万美元的流体难题

纳维-斯托克斯方程是描述流体运动的一组基本方程，诞生于19世纪上半叶，距今已有近200年历史。

从飞机机翼周围的气流、血管中的血液，到天气预报和海洋环流，工程师和科学家每天都在用它解决实际问题，而且效果相当可靠。

但令人尴尬的是，数学家至今无法从理论上证明，这组方程在三维空间中是否总能给出光滑、合理的解。

换句话说，人们天天在用它，却说不清它在极端情况下会不会“崩溃”，比如流速在某一点突然变成无穷大。

2000年，美国克雷数学研究所将其列为七大“千禧年大奖难题”之一，并为解决者提供100万美元奖金。

二十多年来，无数顶尖数学家在这道题前止步，它也因此被视为数学皇冠上最耀眼的明珠之一。

截至目前，七道千禧年难题中只有庞加莱猜想被公认解决，由俄罗斯数学家佩雷尔曼完成，而他本人最终拒绝了奖金。

正因如此，任何声称解决纳维-斯托克斯难题的消息，都会在数学界掀起轩然大波。

AI证明写得像“天书”

据报道，OpenAI此次调动了一万个AI智能体协同作战，连续运算88个小时，最终生成了相关证明。

这相当于组建了一支规模空前的“数字数学家军团”，让它们在海量可能的推理路径中分头探索、相互接力。

然而，这份证明的可读性成了一大难题。即便是长期钻研这一领域的专家，也难以从中顺畅地理出整体思路。

英国牛津大学数学家、菲尔兹奖得主詹姆斯·梅纳德坦言，要从这份新的AI证明中真正提炼出人类能够理解的东西，一直非常困难。

美国布朗大学数学家哈维尔·戈麦斯-塞拉诺说得更直接：这篇论文不是写给人类看的。

他认为，这份证明需要经过大幅改写，才能为科学界提供真正有价值的洞见。

这揭示了AI数学的一个深层矛盾。在数学家眼中，一个好的证明不仅要正确，还要能够解释“为什么”。

一个优雅的证明往往会带来新的概念和工具，进而推动整个领域向前发展，这才是数学家追求的真正价值。

一份只有机器能读懂的证明，就像一台没有说明书的精密仪器，即便它能运转，人类也很难从中学到什么。

剽窃指控与“解了哪道题”的争议

除了可读性问题，这项成果还卷入了一场剽窃风波。

美国纽约大学数学家特里斯坦·巴克马斯特公开指责OpenAI未经许可、也未注明出处，使用了他尚未发表的研究成果。

巴克马斯特长期研究流体方程，他表示OpenAI的研究路径与他自己的思路高度相似，并怀疑对方通过其编程工具Codex获取了相关内容。

OpenAI否认了这些指控，但也承认，无法完全排除用户数据曾被用于改进模型的可能性。

这一回应并未平息争议，反而让人们更加关注AI训练数据与知识产权之间的灰色地带。如果研究者在使用AI工具时输入的未发表成果可能被模型吸收，那么学术界的信任基础将面临严峻考验。

更根本的质疑，来自问题本身。

美国芝加哥大学数学家路易斯·西尔韦斯特雷指出，最重要的那个问题其实仍未解决。

他解释说，OpenAI处理的是所谓“受迫”版本，也就是需要引入外部作用力的情形，而不是数学家最关心的、没有外力干扰的纯粹版本。

这就好比宣称攀登了珠穆朗玛峰，结果被发现是乘直升机飞到了半山腰。风景或许同样壮观，但意义已大不相同。

此外，已有一些新的数学证明对OpenAI的解法是否真正触及问题核心提出了挑战。

当机器开始做人类看不懂的数学

这场风波折射出AI介入基础科学研究时的普遍困境。

一方面，AI展现出惊人的计算和搜索能力，能够在海量可能性中找到人类难以发现的路径。

另一方面，数学的价值从来不只是得出结论，更在于构建理解。一个证明如果无法被人类检验、消化和传承，它在学术共同体中的地位就难免尴尬。

历史上，四色定理的计算机辅助证明也曾引发类似争论，但那份证明至少思路清晰，只是计算量巨大。如今的AI证明则可能连思路本身都难以被人类把握。

未来，数学界或许需要建立新的规范：AI生成的证明应当如何验证，如何署名，又如何转化为人类可以理解的知识。

形式化证明工具可能是一条出路。借助这类工具，机器可以自动检查证明的每一步逻辑是否严密，从而减轻人工审阅的负担。

但即便证明被确认正确，“理解”这件事仍然需要人类亲自完成。

一万个AI智能体可以在88小时内写出一份证明，但要让这份证明真正照亮人类的认知，也许还需要数学家们花上更长的时间。