一位纽约大学数学家公开指控 OpenAI，在纳维–斯托克斯存在性与光滑性问题上采取了不当的抢跑方式。这个问题属于克雷数学研究所设立的“千禧年大奖问题”，完整解决方案的奖金是 100 万美元。

目前能确认的事实还不够支撑“OpenAI 已经解决了问题”或“OpenAI 窃取了某份证明”这样的结论。公开线索没有交代双方方案的完整内容、提交时间、是否使用过未公开材料，也没有显示克雷研究所已经认定谁拥有优先权。把一场尚待核验的学术争议直接写成“算力碾压学术”，会比事实走得更快。

OpenAI被指在纳维–斯托克斯问题上抢跑，关键事实仍未闭合

纳维–斯托克斯方程描述水、空气等流体的运动。它在工程和物理学中早已被广泛使用，但数学家至今没有证明：在三维情况下，给定合理的初始条件，方程的解是否始终存在，并且保持光滑，不会在有限时间内出现奇点。

克雷研究所于 2000 年公布七个千禧年大奖问题，每题奖金 100 万美元。奖金只是最醒目的数字，真正难的是证明必须经数学界严格审查，不能靠一个模型输出、一次演示或一篇未经同行检验的预印本过关。

这也是当前争议最容易被误读的地方。报道标题使用了“career-making math problem”，强调它可能决定数学家的职业声誉；但“谁先生成了一个答案”和“谁先完成了可验证的证明”，在数学界是两回事。

关于这起事件，读者至少要区分三层信息：

层次目前能说什么不能直接推出什么
事件层面一位纽约大学数学家指控 OpenAI 在相关问题上不当抢跑不能直接推出 OpenAI 已解决纳维–斯托克斯问题
技术层面AI 可以协助搜索思路、整理推导和检查局部步骤不能把模型生成文本等同于完整数学证明
规则层面克雷研究所需要审查完整、严谨且可复核的解决方案不能仅凭发布时间或公司声明认定奖金归属

真正需要追问的是时间线：数学家何时形成了自己的结果，是否把未公开内容输入了 OpenAI 的产品或研究系统，OpenAI 何时获得相关信息，双方何时公开了什么。只要这些节点没有被文件、邮件、预印本版本记录或机构声明固定下来，“抢跑”就仍然是指控，而不是已经成立的事实。

百万美元奖金背后，争的是优先权和证据链

数学研究的优先权，通常依靠论文提交记录、预印本时间、研讨会报告和同行见证来建立。牛顿与莱布尼茨围绕微积分优先权的历史争议，留下的教训很简单：谁先想到并不容易证明，谁先公开、公开了多少、内容是否足以支撑结论，同样重要。

AI 工具把这条证据链变得更复杂。

一名独立数学家可能把尚未发表的引理、草稿或反例输入聊天工具，只为让模型检查表达或寻找漏洞。平台是否保存数据、是否允许用于改进模型、哪些员工或系统能够访问，这些条款会影响研究者对风险的判断。即便平台没有直接“拿走”一份证明，模型输出与原始材料之间的关系也可能很难在事后解释。

这对靠一项成果建立学术声誉的年轻研究者尤其现实。他们未必有法律团队，也未必能把每次讨论都变成正式记录。一个更稳妥的做法，是把关键证明保存在带时间戳的版本库或机构系统中；向外部 AI 工具提供材料前，先确认数据保留和训练政策；涉及未公开成果时，尽量只提交已经公开的片段，或使用明确承诺不留存数据的环境。

对 OpenAI 这样的公司，问题也不只是“模型有没有用”。如果研究团队接触过外部数学家的未公开材料，公司需要说明访问路径、数据政策和成果形成时间。技术能力越强，举证责任就越重。否则，任何后来出现的相似证明都会被怀疑是模型能力，还是研究资料流入的结果。

与 AlphaProof 等系统相比，数学证明的门槛高得多

近年的 AI 数学进展确实很快。2024 年，Google DeepMind 宣布 AlphaProof 与 AlphaGeometry 2 在国际数学奥林匹克相关测试中达到接近顶尖选手的成绩。Lean 等形式化证明系统也让机器验证具体推理步骤成为可能。

但这些成果与解决纳维–斯托克斯问题之间，隔着明显的难度和流程差异：

比较对象主要能力与千禧年大奖问题的差距
数学大模型生成思路、公式和候选证明可能出现隐蔽错误，通常需要人类复核
AlphaProof、Lean 等形式化系统在规定语言和规则中验证推理形式化本身可能耗费大量工作，且不自动产生新定理
纳维–斯托克斯完整解答处理三维偏微分方程的全局存在性或奇点问题需要原创数学、严密论证和长期同行检验

这并不意味着 AI 在数学研究中没有价值。它可以帮助研究者筛选文献、测试特殊情形、寻找计算反例，也可能把原本几个月的机械推导压缩到几天。变化在于，证明的“生产速度”提高后，证明的来源、版本和贡献边界反而更需要记录。

纳维–斯托克斯问题还有一个现实限制：即使有人提交了一份看似完整的证明，数学界也不会因为公司名气或模型参数而缩短审查周期。历史上，佩雷尔曼在 2002 至 2003 年通过预印本公布庞加莱猜想证明，相关成果仍经历了多年核验，克雷研究所直到 2010 年才正式授予千禧年大奖。这个案例说明，重大数学成果的确认速度，往往跟不上新闻传播速度。

接下来最值得看的不是 OpenAI 是否发布更强的演示，而是三份材料能否出现：

  • 被指控抢跑的具体证明，以及双方方案的重合部分；
  • 清楚的提交、公开和讨论时间线；
  • 克雷研究所或独立数学家对证明有效性和优先权的判断。

在这些材料出现前，普通用户没有必要因为这场争议就更换数学工具；研究团队却有理由收紧未公开成果的输入权限。AI 可以参与证明过程，但不能替研究者保存证据，也不能替学术共同体完成裁决。