OpenAI攻克千禧年难题：88小时，一万个AI智能体如何破解90年数学坚冰
2026年9月8日，OpenAI宣布其内部未公开的AI模型与约1万个协同工作的智能体一道，仅用88小时便攻克了克雷数学研究所七大千禧年大奖难题之一的纳维-斯托克斯方程存在性与光滑性问题。这一OpenAI攻克千禧年难题的壮举，标志着人工智能首次在人类最顶尖的数学挑战中交出答卷——尽管这份答卷能否被数学界正式认可，仍是悬而未决的问号。
什么是千禧年大奖难题
千禧年大奖难题（Millennium Prize Problems）是克雷数学研究所（Clay Mathematics Institute，简称CMI）于2000年公布的七个数学难题，每个问题的首位正确解答者将获得100万美元奖金。这七道题分别是：P与NP问题、霍奇猜想、庞加莱猜想、黎曼假设、杨-米尔斯存在性与质量缺口、纳维-斯托克斯存在性与光滑性、以及贝赫和斯维讷通-戴尔猜想。
七道题中，此前仅有庞加莱猜想被俄罗斯数学家佩雷尔曼（Grigori Perelman）在2010年左右正式解决。其余六道题，包括此次OpenAI宣称攻克的纳维-斯托克斯方程，在过去二十多年里始终无人能解。
纳维-斯托克斯方程：流体世界的“牛顿第二定律”
纳维-斯托克斯方程（Navier-Stokes equations，简称N-S方程）是19世纪由法国工程师克劳德-路易·纳维（Claude-Louis Navier）和英国数学家乔治·加布里埃尔·斯托克斯（George Gabriel Stokes）分别独立提出的偏微分方程组。它用牛顿第二定律（F=ma）描述黏性流体的运动规律，将水、空气乃至血液视为连续介质，通过速度、压力、黏性等变量刻画其流动。
从飞机机翼的空气动力学设计，到天气预报中的大气环流模拟，再到医学中的血流动力学研究，N-S方程是现代工程与科学不可或缺的基础工具。然而，方程本身写得出来、工程上用得起来，不代表数学家就理解透了它的全部性质。
90年未解的核心问题
N-S方程在数学上的核心困境在于：给定一个三维不可压缩流体，初始状态足够光滑（即速度场处处可微且无奇点）、总动能有限，那么这个流体在纳维-斯托克斯方程的驱动下，是否会永远保持光滑？还是说，在某个有限时刻，流体的某一点速度会趋于无穷大——出现所谓的“奇点”（singularity）？
如果永远光滑，那么N-S方程对现实世界流体的描述在数学上是完备的；如果出现奇点，就意味着在特定条件下，连续介质模型本身会失效——物理上不可能出现无限速度，因此方程在那一点上“崩了”，要继续描述流体行为，就必须转而追踪单个分子的运动。
1934年，法国数学家让·勒雷（Jean Leray）证明了N-S方程在广义意义下存在解，但广义解允许不够光滑。从“存在某种解”到“解永远光滑”之间，这道缺口悬置了约90年。2000年，克雷数学研究所正式将这一问题列为千禧年大奖难题。
OpenAI给出的答案：否定性证明
OpenAI此次给出的证明走的是反例路线。其结论是：一个初始光滑且静止的三维不可压缩流体，在受到光滑外力作用后，可以在有限时间内发展出奇点——即流速趋于无穷大，而总动能始终保持有界。
这个解的结构是一个涡旋（vortex）：一团旋转的流体螺旋向内，不断被拉长，“像一根不断拉长变细的意面”。核心区域越缩越小、越转越快，但参与高速运动的流体体积缩得足够快，因此“速度无穷大”和“能量有限”可以同时成立。
OpenAI明确表示，这一证明对应克雷数学研究所官方问题表述中的“C”情形（三维全空间、带光滑外力）和“D”情形（三维周期空间、带光滑外力）。换句话说，OpenAI攻克千禧年难题的成果并非回答“不给任何外力时三维流体会不会自己爆破”，而是在“允许施加光滑外力”的条件下构造了一个爆破反例。
AI如何做到：一万个智能体的协作
OpenAI攻克千禧年难题的过程，本质上是一场规模空前的AI多智能体协作实验。
技术架构
OpenAI使用了一个未公开的内部模型，官方称其能力“显著强于GPT-6 Astra”。但真正关键的并非单模型能力，而是部署了约1万个并发AI智能体（Agent）协同工作。
这些智能体并非各自为战。研究团队于9月1日启动系统，让不同智能体小组分别探索所有未解决的千禧年难题。在纳维-斯托克斯问题上，不同小组被分配了相反的任务方向——一部分尝试证明“解永远光滑”，另一部分尝试构造反例。这种双向搜索策略避免了整个系统陷入单一思维路径。
关键节点
据OpenAI披露，整个流程的关键时间节点如下：
- 9月1日：系统启动，约1万个智能体开始并行探索
- 约50小时后：约100个智能体先攻克了相关的欧拉方程（Euler equations，即无黏性极限情形）的正则性问题，产出“欧拉正则性的否证”
- 9月5日：距首批智能体启动约88小时，纳维-斯托克斯问题的核心解答出炉
- 后续17小时：使用GPT-6 Astra完成Lean形式化验证
整个过程中，智能体之间共交换了约490万条消息，消耗约3000亿输出词元（token）。其中纳维-斯托克斯问题相关任务产生约270万条消息，消耗约1300亿输出token。
Lean形式化验证：机器证明的“双重锁”
OpenAI随公告一同发布的，除了一份165页（或166页）的数学推导论文外，还有一套用Lean编程语言编写的形式化验证代码。
Lean是一种定理证明辅助系统，可以把数学证明拆解成计算机能够逐条复核的形式化步骤。传统数学论文依赖同行评审——专家阅读、判断、争论；而Lean形式化验证则是把整个推理过程交给计算机验算，原则上每一步都可被机械地复核。
OpenAI研究员塞巴斯蒂安·布贝克（Sébastien Bubeck）称这是“过去十二个月所看到轨迹的一个惊人顶点”。
成本：数百万美元换百万美元奖金
OpenAI研究员诺姆·布朗（Noam Brown）在社交平台承认，这项成果花费了“数百万美元”。据《新科学家》估算，若客户想复现同样的计算，成本可能高达1500万美元；另有报道估算在1500万至2250万美元之间。
而克雷数学研究所为每道千禧年难题设置的奖金是100万美元。OpenAI明确表示不打算申领这笔奖金。单次投入数倍于悬赏、且主动放弃奖金——这组数字本身就说明，OpenAI攻克千禧年难题的商业逻辑与学术奖金无关。
争议与质疑：优先权、数据与“变体”
OpenAI宣布这一成果的同时，也迅速陷入了三重争议。
优先权争议
在OpenAI官宣前约12小时，纽约大学柯朗研究所数学家特里斯坦·巴克马斯特（Tristan Buckmaster）与Anthropic研究员莱文特·阿尔珀格（Levent Alpöge）先公开了相近成果。两人用Claude、Codex等AI模型做研究，8月15日做出关键结果，8月22日完成Lean验证。
巴克马斯特指控OpenAI在听闻其未发表工作后加紧推进项目，并曾要求将阿尔珀格从署名中移除。他还感叹，其中一篇论文“只能被描述为AI生成的垃圾（AI slop）”。
OpenAI承认其工作受到两人研究进展传闻的启发，但否认看过对方的工作。公司首席研究官马克·陈（Mark Chen）在记者会上回应称，“没有任何人或AI系统通过检索用户数据来解决这个问题”。
然而，OpenAI也在声明中承认，“不排除”来自用户使用OpenAI产品的匿名化数据间接帮助改进了模型。这使争议从数学证明本身扩展到了AI科研时代的研究优先权问题：如果研究人员长期使用AI平台开展尚未发表的研究，而模型公司随后训练出能够解决同类问题的系统，功劳到底该归谁？
学术认定争议
即便抛开优先权争议不谈，OpenAI攻克千禧年难题的成果距离被克雷数学研究所正式认定仍有漫漫长路。
克雷数学研究所的授奖规则明确规定：一项解答必须先在合格刊物上发表、发表之日起满两年、并且“获得全球数学界的普遍接受”——三个条件同时满足才会被受理。截至2026年9月9日，这份论文公开尚不足一天，三道门槛一道都没过。
此外，OpenAI攻克的并非N-S方程的最强版本。CMI官方问题表述接受四种解答，其中C、D两项允许构造“带光滑外力的爆破反例”，OpenAI攻的是这两项。它没有回答“不给任何外力时三维流体会不会自己爆破”，也未回答全局正则性。因此有评论指出，把这份结果直接等同于“千禧年难题被解决”，是宣传语，不是学术结论。
数据隐私争议
巴克马斯特还担忧自己和阿尔珀格存储在OpenAI的Codex模型中的研究数据可能被用于训练或参考。OpenAI否认研究人员和AI智能体访问了具体用户数据，但承认不能完全排除两人在用OpenAI产品研究流体方程时产生的脱敏交互记录间接助力模型能力提升。
这揭示了一个更深层的问题：当AI模型公司同时是科研基础设施的提供者和科研成果的竞争者，边界在哪里？
学界反应：陶哲轩的“灯塔”与“警告”
加州大学洛杉矶分校教授陶哲轩（Terence Tao）被公认为当代最杰出的数学家之一。他对OpenAI攻克千禧年难题的反应，准确地概括了数学界复杂的心情。
陶哲轩将千禧年难题比作“灯塔”——“它们是吸引人类科学家努力投入的伟大的聚焦点”。他点赞了AI在这一领域的突破，称巴克马斯特和阿尔珀格的工作是“非凡的成就”。
但他同时多次公开警告，最新的AI系统最终可能损害数学领域。他的核心论点是：如果AI技术能在人类数学家几乎不参与的情况下解决最困难的问题，就可能削弱人类对数学的理解。“解决问题所需的努力往往很有启发性，它能教会你一些东西。就像去健身房，目标是把一个重量举一百次。现在，AI可以解决问题，却无法从中真正获得任何价值，就像有机器替你在健身房举重。”
陶哲轩把话挑明了：真正的价值不在最终答案，而在一次次试错中“发现精确障碍、调整假设”的失败路径——那才是新洞见的来源。
清华姚班传奇毕业生、现为加州大学伯克利分校EECS助理教授并加入OpenAI负责大模型数学推理研究的陈立杰则表示，自己今年早些时候曾预测AI可能在2027年发表数学顶级论文、2028年前后解决一个千禧年大奖问题，但现实的发展速度超过了预期。“这是一个非常不可思议的时代。”他写道。
更广泛的图景：AI数学推理的加速
OpenAI攻克千禧年难题并非孤立事件，而是一条加速曲线上的最新节点。
2026年以来的密集突破
2026年5月，OpenAI内部模型以“无穷次数域”的技巧推翻了悬置80年的厄尔多斯单位距离猜想（Erdős unit distance conjecture）。此后，Anthropic的Claude Fable 5模型找到了雅可比猜想（Jacobian conjecture）的反例，该猜想已悬置近一个世纪。就在OpenAI宣布N-S证明的前一周，一个AI模型在11天内完成了费马大定理的形式化证明。
这些事件叠加在一起，勾勒出一个清晰的趋势：AI正在从“做数学题”走向“做数学”。
研究范式的转变
OpenAI此次工作的真正意义，或许不在于“证明了对还是错”，而在于展示了一种新的科研工作方式：研究人员不再只是向模型提出数学问题，而是让大量Agent同时搜索证明路径、交换中间结果，再由后续Agent继续验证和推进。
OpenAI研究员丹·罗伯茨（Dan Roberts）描述他们的角色“就像一只蜜蜂，在不同小组之间异花授粉，传递不同的信息片段”。这不再是“人用工具”，而是“人引导一群智能体协作”。
这种范式的转变，可能比某一道题的证明本身更具深远影响。
OpenAI攻克千禧年难题意味着什么
回到核心问题：OpenAI攻克千禧年难题，究竟意味着什么？
第一，这是AI第一次在人类最顶尖的数学挑战中交出完整答卷。无论最终能否通过数学界的正式认定，这一事件本身已经改写了“AI能做什么”的认知边界。
第二，证明的质量验证方式发生了质变。与各大实验室此前自报的基准分数不同，Lean形式化证明在原则上可以被任何数学家机械地逐行复核。这意味着AI的数学成果第一次具备了可被机器完全验证的透明度——尽管“可验证”不等于“已被验证”。
第三，OpenAI攻克千禧年难题也暴露了AI科研的治理真空。优先权争议、数据使用争议、学术认定争议——这些并非偶然摩擦，而是AI深度介入基础科研后必然会浮现的制度性问题。克雷数学研究所的授奖规则写于2000年，那时“AI证明数学定理”还是科幻小说。
第四，正如陶哲轩所警示的，工具越是强大，人类越需要思考自己在这场智力探索中的角色。如果AI能解题而人类不理解解题过程，那么数学就不再是“理解”，而沦为“黑箱输出”。这不仅是数学的问题，也是所有依赖数学推理的学科的问题。
最后，也是最耐人寻味的一点：OpenAI选择不申领100万美元奖金。这个决定本身就是一个信号——OpenAI攻克千禧年难题的目的，从来就不是那笔奖金。它是AI竞赛中的一张王牌，是向世界证明“我们走到了哪里”的一块里程碑，也是为即将到来的更大规模AI能力展示所做的一次预演。
FAQ
Q1：OpenAI攻克的是哪个千禧年难题？
纳维-斯托克斯方程的存在性与光滑性问题（Navier-Stokes existence and smoothness problem），这是克雷数学研究所2000年设立的七大千禧年大奖难题之一。
Q2：OpenAI用了多长时间？
约88小时。系统于9月1日启动，9月5日得出核心解答。后续Lean形式化验证又花了约17小时。
Q3：用了多少个AI智能体？
约1万个并发AI智能体协同工作。
Q4：OpenAI的证明结论是什么？
证明了一个初始光滑、静止的三维不可压缩流体，在受到光滑外力作用后，可以在有限时间内产生奇点（流速趋于无穷大），而总动能始终保持有界。
Q5：这个证明被数学界正式认可了吗？
还没有。克雷数学研究所要求解决方案必须在合格刊物上发表满两年、并获得全球数学界普遍接受，才会进入奖金认定程序。OpenAI的论文公开尚不足一天。
Q6：OpenAI会领取100万美元奖金吗？
不会。OpenAI明确表示不打算申领这笔奖金。
Q7：这次计算花了多少钱？
据估算，计算成本高达数百万美元，有报道称约1500万至2250万美元。单次投入已数倍于悬赏奖金。
Q8：陶哲轩怎么看这件事？
陶哲轩一方面将千禧年难题比作“灯塔”，点赞了AI的突破；另一方面警告，如果AI能在人类几乎不参与的情况下解决最困难的问题，可能会削弱人类对数学的理解。
Q9：此前有千禧年难题被解决过吗？
有且仅有一个：庞加莱猜想，由俄罗斯数学家佩雷尔曼解决。
Q10：OpenAI证明的是N-S方程的全部问题吗？
不是全部。OpenAI攻克的对应CMI官方问题表述中的“C”和“D”情形——即允许施加光滑外力的版本。它没有回答“不给任何外力时三维流体会不会自己爆破”。