AI攻克千禧年大奖难题的说法引发署名争议：技术突破如何走向可信验证？

【软盟资讯·新闻导读】OpenAI称其内部AI系统在约88小时内生成了纳维—斯托克斯方程相关证明，并公开论文与Lean形式化材料。由于克雷数学研究所仍将该问题列为未解决，且研究来源、独立复核和署名归属均出现争议，这一事件目前更适合被视为一项待验证的重大技术声明。

9月8日，OpenAI公开宣布，其内部AI系统针对纳维—斯托克斯方程的“存在性与光滑性”问题生成了有限时间爆破相关证明。公开报道显示，OpenAI称该项目调动了约1万个并发AI智能体，核心探索阶段持续约88小时，之后又使用GPT-6 Astra完成Lean形式化和验证工作。公司同时发布了一份论文手稿以及相应的形式化材料，并表示重点是展示AI参与数学研究的能力，而不是申请克雷数学研究所设置的100万美元奖金。

这项声明很快引发关注，也在数学界和AI行业掀起争议。纽约大学数学家Tristan Buckmaster在OpenAI发布相关成果前后公开了自己的研究进展与质疑，认为自己与Anthropic研究员Levent Alpöge此前已经沿着相近方向开展研究，并对OpenAI的研究来源、发布时间安排和署名处理提出疑问。OpenAI则给出了不同说法，称其团队和智能体在公开发布前没有看到两人的研究草稿，也没有为此次解题直接访问特定用户资料。

目前，外界真正需要厘清的并不是“AI是否已经攻克千禧年大奖难题”这一句标题，而是这句话究竟对应了哪些可以被核验的事实。至少在这个事件中，数学结论是否成立、证明过程是否完整、形式化代码是否覆盖关键论证、研究路线是否独立，以及成果应当由谁署名，属于五个不能混为一谈的问题。

“生成证明”不等于“学界确认解决”

纳维—斯托克斯方程是描述黏性流体运动的经典方程，相关模型可以用于表达气流、洋流和血液流动等现象。工程实践中，人们长期使用它的近似解法；但克雷数学研究所提出的难题关注的是更严格的数学问题：在三维不可压缩条件下，从光滑初始数据出发的解，是否始终保持光滑，还是可能在有限时间内出现奇异性。

这也是为什么“AI生成了一份证明”与“数学问题已经解决”之间存在明显距离。OpenAI的表述集中在一种带光滑外力条件下的有限时间爆破构造，并将其与克雷问题的某些表述选项联系起来。报道中提到，相关工作涉及外力驱动的路径，而这与公众通常理解的“证明所有三维流体解都会爆炸”并不是一回事。

判断该成果是否满足克雷数学研究所的正式要求，不能只看论文标题、模型规模或智能体数量。研究者需要确认问题定义是否完全对应官方表述，初始条件和外力条件是否符合要求，推导过程中是否存在隐含假设，以及所得结论是否确实覆盖了需要证明的范围。只要其中一个条件没有对应上，媒体标题中的“破解”就可能比数学结论本身走得更远。

截至相关报道发布时，克雷数学研究所仍将纳维—斯托克斯问题列为未解决。这个状态本身并不等于OpenAI的工作一定错误，但意味着这项工作尚未获得足以改变公开学术状态的确认。对于科技新闻和AI产品宣传而言，这个区别必须被保留下来。

88小时和1万个智能体说明了什么

这场事件最容易传播的部分，是“1万个AI智能体、约88小时、数百万美元成本”这样的数字。它们直观地展示了大规模并行推理的资源投入，也说明AI实验室正在尝试把数学研究从单模型问答，推进到由多个智能体分工搜索、互相检查和持续修正的工作流。

但这些数字并不能直接转换为证明的可信度。智能体数量只能说明同时运行了多少个计算单元，不能说明每个单元承担了多大工作，也不能说明最终结论是否经过独立数学家检验。88小时代表的是一次系统运行和探索周期，同样不能与人类数学研究所需的理解、构造、解释和同行评审简单比较。

从技术角度看，多智能体系统更像是一支高速扩张的研究团队：有的智能体尝试提出路线，有的负责寻找反例，有的负责整理中间结果，还有的尝试将自然语言推理转成形式化代码。这样的架构能够显著扩大搜索空间，但搜索空间扩大并不等于错误率自动下降。多个智能体可能共享同一个错误前提，也可能在同一条看似合理的路径上重复犯错。

Lean形式化材料的公开，则提供了比普通自然语言论文更严格的一层检查路径。形式化系统可以发现某些推导不符合既定规则，也能帮助研究者定位定义、命题和证明之间的关系。不过，形式化验证的价值取决于形式化对象是否完整、基础定义是否正确，以及代码是否真的覆盖了论文声称的全部关键步骤。如果只形式化了局部结果，就不能把局部通过检查理解为整篇证明已经被验证。

因此，AI数学成果至少需要经历“模型生成—研究者整理—形式化检查—独立复核—正式评议”这样的连续过程。任何一个环节被省略，新闻传播都可能把“候选证明”误写成“已解决问题”。

署名争议涉及的不是简单的先来后到

Buckmaster与Alpöge的质疑，使事件从技术成果争论转向了科研贡献归属。公开资料显示，两人此前曾围绕相关流体方程和外力驱动路径开展研究，并在OpenAI发布前公开了自己的研究结果。Buckmaster认为，两组工作在研究方向上存在值得解释的相似之处，因此要求说明OpenAI何时获悉相关进展、如何确定研究路线，以及为什么没有将相关研究者纳入贡献讨论。

OpenAI方面则表示，其团队没有看到两人的未公开草稿，解题尝试始于听到“两个千禧年难题已被解决”的传言，并称最终证明在具体路径上存在差异。围绕这些说法，目前公开报道呈现的是双方各自的陈述，而不是已经完成事实裁定的结论。

在科研伦理中，“谁先提出想法”“谁完成了证明”“谁提供了关键技术路线”“谁负责整理和验证”，并不总是同一个问题。尤其当AI工具参与研究时，贡献链条会变得更加复杂。研究者可能提供问题选择、关键猜想或研究方向，AI系统则负责搜索、变形、试错和形式化；平台团队还可能负责算力调度、系统设计与最终编辑。若没有完整的时间记录和实验日志，事后很难准确判断某个想法究竟来自公开知识、用户输入、团队内部研究，还是模型在搜索过程中独立组合出的结果。

这也是AI科研工具面临的新型治理问题：当平台既向研究人员提供模型服务，又拥有自己的前沿研究团队时，用户未公开研究是否被访问、是否进入模型改进流程、去标识化数据能否被间接利用，都需要更清晰的规则。OpenAI称没有为此次解题访问特定用户资料，同时也有资料提到公司无法完全排除去标识化产品使用数据对模型改进产生帮助的可能。两者并不等价，却足以说明数据边界和研究归属仍需要更加明确的制度安排。

可信验证应当公开哪些内容

对于科研人员和AI产品决策者而言，这场争议提供了一份可操作的审查框架。

首先，应核对问题定义。需要明确AI声称解决的是原始问题、等价变体，还是增加了外力、改变了边界条件后的相关问题。问题形式发生变化并不意味着结果没有价值，但成果名称必须与实际结论一致。

其次，应检查证明链条。不能只阅读摘要和结论，还要确认关键引理、极限过程、正则性条件、能量控制以及奇异点构造是否彼此衔接。任何依赖“显然成立”或由模型自动补全的关键步骤，都需要由熟悉该领域的研究者重新审查。

再次，应区分形式化验证与独立同行复核。Lean材料能够帮助验证被写入系统的形式化陈述，却不能替代数学家判断问题是否建模正确、证明是否具有足够解释力。独立复核者还应尽量在不依赖原团队口头说明的情况下，从公开材料重建核心论证。

最后，应保留完整的贡献证据，包括研究日志、模型调用记录、版本信息、提示与输出之间的关系、人工修改痕迹以及最初提出关键路线的时间线。对于AI参与的论文，作者声明不能只写“使用了某模型”，而应说明模型承担了什么工作、哪些部分由人类研究者确认、哪些内容仍属于待验证假设。

对于企业而言，这些要求不仅是学术规范，也关系到产品信任。如果一家AI公司把候选结果包装成确定性突破，短期内可能获得巨大关注，但一旦关键证明被发现漏洞，受损的不只是单个项目，还包括用户对AI科研工具的整体信任。

从技术突破到可信成果还有一段距离

这起事件的价值，或许不在于它是否立即改变了纳维—斯托克斯问题的公开状态，而在于它把AI数学研究中最容易被忽略的环节推到了聚光灯下。大模型和智能体能够快速探索复杂空间，形式化工具能够提高部分推导的可检查性，充足算力也能让过去需要长期试错的研究获得新的实验速度。但速度、规模和自动化程度，都不能替代独立判断。

对于媒体，报道应把“公司宣布”“论文公开”“形式化材料可访问”“独立复核完成”“学术界确认”分别表述。对于研究机构，应建立AI生成成果的披露和署名机制，明确人类作者对最终结论承担什么责任。对于使用AI工具的科研人员，则应保存过程记录，避免让模型成为不可追溯的黑箱合作者。

在学术研究中，真正有生命力的突破不是最先登上热搜的声明，而是经过同行能够重复检查、质疑并最终接受的证明。AI可以让候选答案更快出现，却不能替整个学术共同体完成最后的信任程序。

【软盟观察】这场争议提醒市场，AI能力的评价标准正在从“能不能生成答案”转向“能不能解释答案、验证答案并承担答案的责任”。对科研机构来说，未来最重要的竞争力未必只是模型规模和智能体数量，而是能否建立可审计的研究流程：哪些数据被使用，哪些路线由谁提出，哪些步骤经过形式化检查，哪些结论仍等待独立复核，都应当留下清晰记录。对AI产品决策者而言，涉及科学发现、工程安全或医疗判断的系统，不宜把模型输出直接包装为最终结论，而应设置人工复核、版本留痕和争议处理机制。对于科研人员，使用AI并不会自动削弱原创性，但如果无法说明关键思想和证明过程的来源，署名与知识产权风险就会迅速上升。此次事件尚不能证明OpenAI的数学成果已经被学界接受，也不能仅凭争议就判定其研究存在不当行为。更稳妥的判断是：AI已经具备参与高难度数学探索的能力，但从“提出候选证明”到“获得可信学术成果”，仍必须经过公开材料、严格验证、独立复核和公平署名这几道不能省略的程序。