1 万个 AI 干 88 小时，抢一个 100 万美元的奖：数学界为什么怒了

先看两个字：25 和 1 万。

25，是联名发表声明的菲尔兹奖得主数量。1 万，是一家公司派去解一道数学题的 AI 智能体数量。

一边是人，一边是机器；一边是声明，一边是证明。这两件事发生在同一个月，围绕的是同一个问题。而它们之间的矛盾，比问题本身更值得看。

争议的中心是纳维-斯托克斯方程的存在性与光滑性问题。它是克莱数学研究所 2000 年设立的七个千禧年大奖难题之一，悬赏 100 万美元。

9 月 7 日，纽约大学的数学教授特里斯坦·巴克马斯特（Tristan Buckmaster）和 Anthropic 的数学家莱文特·阿尔珀格（Levent Alpöge）公开了他们关于这个问题的初步证明。两人在研究中使用了 AI 工具。

第二天，OpenAI 公布了自己的完整证明。按其自己的说明，这项攻坚开始于 9 月 1 日，因为「听到传闻说有两个千禧年难题被解决了」。动用的规模是：约 1 万个 AI 智能体、连续工作 88 小时（接近 4 天）、约 130 亿输出 token（如果算上探索其他问题的总消耗，约 3000 亿 token）。按公开定价折算，仅这一个问题的算力成本就在数百万美元量级。

然后是三方反应。

数学家的反应：那份 166 页的论文，多位受访数学家说「几乎读不下去」。牛津大学的詹姆斯·梅纳德说得更直接：到目前为止，很难从这份 AI 证明中提取出任何人类能理解的洞察。布朗大学的哈维尔·戈麦斯-塞拉诺说，这份论文「不是写给人类看的」。

奖项层面的反应：OpenAI 表示没有申领这笔奖金的打算。而《科学美国人》随后提出了一个更尖锐的质疑：OpenAI 可能解的是一个「带外力」的变体，也就是问题陈述里允许加入外部作用力的那一种，而数学家真正关心的，是没有外力、仅靠流体自身性质能否「爆破」的那个版本。芝加哥大学的路易斯·西尔维斯特的判断是：最重要的问题仍未解决。

学界组织的反应：9 月 11 日，25 位菲尔兹奖得主联合发表声明，谴责 AI 公司与数学界之间存在的「misaligned goals」，目标不一致。1998 年菲尔兹奖得主柯蒂斯·麦克马伦给了一个特别形象的类比：数学家是登山者，巴克马斯特和阿尔珀格已经在山腰建好了营地；而 OpenAI 四处物色可以空投的位置，发现营地后立刻空投了一队「机械登山者」，抢在所有人之前登顶，只因为他们有一架飞得比谁都高的直升机。

巴克马斯特本人还提出了一个更具体的指控：他称 OpenAI 的研究员塞巴斯蒂安·布贝克曾要求他把合作者阿尔珀格的名字从署名中去掉，理由是阿尔珀格受雇于 Anthropic。他拒绝后，对方说了一句「你为什么要毁掉自己的职业生涯？」

我一位在高校做数学研究的朋友（下称老陈）看完这件事，说了一句让我印象很深的话：数学界其实不排斥 AI，他们排斥的是「结论扔过来，过程没有」。因为数学的价值一半在结果，一半在别人能不能沿着你的路再往前走一步。

判断框架：发现正在从「谁想得早」变成「谁算得起」

这条新闻最容易被读成「AI 又攻克了一个人类难题」。

但真正的变化在另一层：科学发现的优先权机制，正在被算力重写。

学术界的整套激励结构建立在「优先权」上，谁先发表，谁获得声誉、职位、经费。这套机制运转了一百多年，前提是：发现的速度取决于人的智力投入，而人的智力投入是可比的。你比我聪明、比我勤奋，你先发现，我服气。

现在出现了一个新的变量：发现可以被购买。 当一支团队能在一周内烧掉数百万美元算力，去追一个别人用几个月推演出来的方向时，「谁先发现」这个问题就变成了「谁先付得起」。

麦克马伦说的那句「没有恰当的引用，没有对此前工作的说明，只是按下按钮，然后得到了一个结果」，讲的就是这件事。它不只是学术礼仪问题，而是整条知识生产链条的激励被短路了。

再往下一层：这件事对 AI 行业本身也不全是好消息。如果 AI 的「科学突破」无法转化为人类可理解的知识，那么它的价值就停留在公关层面。数学界之所以没有一致指责证明「错了」，而是质疑它「读不懂」，恰恰说明问题不在正确性，在可传递性。

三个认知点

一、算力可以买到结果，但买不到理解。 166 页的证明配上刚好编译通过的机器验证代码，能证明「结论正确」，却回答不了「它为什么正确」。而后者才是科学。

二、当投入差距达到三个数量级，竞争就不再是竞争。 一个月薪几万美元的团队和一次数百万美元的算力冲刺，不在同一个游戏里。这会让学术界的评价体系面临一次结构性调整。

三、这件事真正的教训，是「信息来源」比算力更关键。 巴克马斯特的指控核心不是算力，是他的研究方向「可能被获知」。如果这个指控成立，那它提示的是所有前沿实验室共同的新风险：你的内部知识，可能在你自己都不知道的时候，已经变成了竞争对手的输入。

今天就能做的一件事

找一张纸，写下你手上正在做的事里，有哪些是「需要长期积累、别人短期买不到」的，有哪些是「只要对方愿意砸资源就能追上的」。把这两类的比例弄清楚，比关心谁的模型更强有用得多。

*本文只做产业与学术生态分析，不涉及任何证券投资建议。事件细节引自 NPR、Scientific American、中国新闻网等公开报道，相关指控为当事人单方陈述，OpenAI 已作否认，最终结论以权威机构认定为准。*