BT财经

境内金融信息服务备案编号:

【京金信备(2021)5号】

2026年11月16日

注册 / 登录

OpenAI让AI解千禧难题:百万美元与看不懂的证明

一万分身攻下奇点

9月初,OpenAI在官方博客上放出一个消息:他们调用了大约一万个AI智能体,用88个小时,解决了流体力学里最难的纳维-斯托克斯方程中的奇点问题。

这组数字单独拎出来任何一个都足够制造话题。一万、八十八、一千万美元——但如果只记住这些,你就错过了这件事真正值得讨论的部分。

因为就在OpenAI宣布成果的同一天,一个由五位数学家组成的护送委员会给出了审阅意见。主席是诺贝尔物理学奖得主David Gross。原话是:我们还不敢说完全看懂了这个证明。

换句话说,花了$1000万级别算力,召集了上万“AI打工人”,干了一件连数学界顶尖学者都不敢轻易盖章的事。这就是当前AI基础能力边界的真实写照:它在大规模搜索和并行推导上的暴力美学令人震撼,但在高端逻辑推理和严谨验证上,仍然需要人类科学家兜底。

值得注意的是,纳维-斯托克斯方程本身是描述流体运动的偏微分方程,涉及空气动力学、气象预测和水下航行器设计等众多工程领域。它的奇点问题关注的是当流体速度趋于无穷大时,方程是否仍然存在有意义的解——这是一个困扰数学界数十年的理论难题。

Lean验证:机器写的证明,人得看懂

事情还没有完。

OpenAI的方案并不是AI交卷就结束。在88小时的攻关之后,团队还需要把整个证明过程转化为Lean语言的形式化版本,再额外投入了17小时进行验证。

Lean是什么?它是一个专门用于数学形式化验证的工具,由微软研究院院士Leonardo de Moura开发。它的核心功能是:把数学证明写成计算机能逐行检查的逻辑链条。

这意味着什么?证明不是由AI独立完成闭环的,而是AI负责生成线索和中间步骤,人类数学家负责最终审核和形式化确认。这个过程很像一位博士生在导师指导下做研究——博士生提出想法和数据,导师把关逻辑严密性。只不过这里的导师是一个叫Lean的机器系统,而学生是一万个同时工作的AI智能体。

这种模式的价值不在于AI替代了人类数学家,而在于它改变了科学发现的方法论。当传统上需要数年才能完成的单线程推理可以被拆解成成千上万个并行的子任务时,整个科研周期的速度可能会被重新定义。值得注意的是,Thomas Hales团队此前已用Coq和mathlib完成了纳维-斯托克斯方程随机解存在性的证明工作。此次OpenAI的贡献在于将这一路径推广到了更广泛的场景,而非从零开始发明新方法。

还没碰到的硬骨头

如果说纳维-斯托克斯方程只是一个开胃菜,那么真正的正餐在哪里?

OpenAI选择的这个题目属于克雷数学研究所定义的七大名 problem之一。但值得注意的是,千禧难题有七个,每一个都是独立的不同领域。

同一时期,Anthropic也声称自己的AI在数学证明上有所突破——但仔细看一下,他们解决的问题更接近欧拉方程这类经典方程,而不是千禧难题本身。

更关键的是,在杨-米尔斯理论这一千禧难题中,还有一个被称为质量间隙的子问题尚未被AI触及。这是整个命题最关键的部分之一,也是克雷数学研究所标注的100万美元悬赏所在的区域。换个说法:目前AI展现出的能力,更像是在数学迷宫里做了大规模的广度优先搜索,找到了几条前人没走过的路径;但它还没有能力判断哪些路径通向终点、哪些只是死胡同。对投资人和创业者来说,这个区分很重要。

$1000万买到了什么?

回到那个最直接的财务问题:这大概$1000万的算力开销,到底值不值?

如果你把它当成一次买断式成果购买,答案可能是否定的——毕竟连护送委员会都说不敢完全看懂,离正式发表论文还差着一段距离。但如果你把它看成一场关于方法论的试验,这笔账就得重新算。

关键在于两点。第一,270万条消息交换。这说明在一万个智能体之间存在着密集的信息沟通和协调机制。每个智能体不是孤立解题,而是在共享上下文、互相校验。这种群体智能的模式如果能够在更多领域复制,其价值远超过任何单一问题的解答。第二,算力边际成本的持续下降。2026年的大模型推理成本已经显著低于2023到2024年的高峰期。同样的$1000万在今天可能撬动比当时更多的计算资源。

对于AI赛道投资者而言,这个案例释放的信号是清晰的:资本正在从训练更大的模型转向探索AI能做哪些以前做不了的事。从自然语言处理到数学推理、从图像识别到材料设计,基础科学的交叉应用将成为下一轮估值重定价的核心驱动力。但这不意味着Claude、Sora或其他竞品立刻就会落后——这只是方法论的初步验证,距离规模化、稳定化仍有相当长的路要走。

三个可以跟踪的观察指标

如果你想在这个赛道保持前瞻判断,关注以下三个指标会比盯股价更有意义。

第一个是Lean等工具在主流数学期刊中的采用率。如果越来越多的数学论文开始附带形式化验证代码,说明AI辅助证明正在从实验走向常规流程。目前处于早期阶段,但增长曲线陡峭。

第二个是各大AI公司公布的科学任务占比变化。不是总用户量或总API调用量,而是明确用于科学研究、论文阅读、公式推导的任务比例。这个数字的上升直接反映资金和方法论的重心转移。

第三个是克雷数学研究所官网上的里程碑更新。千禧难题的每一个子问题解决都会实时更新。只要质量间隙那块匾额还是空的,整个故事就没有写完。追踪这三个指标,你就能比别人更早看清:AI破解数学难题到底是昙花一现的噱头,还是一套新范式的起点。



版权声明:本文版权归BT财经所有,未经允许任何单位或个人不得转载,复制或以任何其他方式使用本文全部或部分,侵权必究。
帮助中心
联系我们
联系我们

 

商务合作:

 

公司地址

北京市丰台区汉威国际广场一区一号楼629

 

 

商务合作

周先生

Tel: +86-17743514315

Email: info@btimes.com.cn

官方微信公众号

北京领讯时代信息技术有限公司 | Copyright ©️ 2026 财经时报 版权所有 京ICP备19043396号-7

京公网安备 11010602007380号 | 境内金融信息服务备案编号:京金信备(2021)5号

网信算备110106674807801230011号


声明:未经授权,不得复制、转载或以其他方式使用本网站的内容。BT财经尽最大努力确保数据准确,但不保证数据绝对正确。