千禧年难题"突破"大反转：OpenAI自己都读不懂自家证明——给AI的"变天"下结论前，先把表演账、核验账、监管账分开算

源自253位全网作者

11:20

如果你这半个月刷AI新闻的姿势是"看到’攻克’‘变天’'碾压’就划走"，这篇文章就是替你补的课。

10月16日，两条本该霸榜的消息叠在了一起：《科学美国人》披露，OpenAI那份宣布"攻克"纳维-斯托克斯方程（千禧年七大数学难题之一）的166页证明，用的根本不是此前官宣的"西班牙路线"——连OpenAI自己都没搞清楚自家模型是怎么证出来的；同一天，美国FTC被曝向OpenAI和Anthropic各发出约50页民事调查函，点名要"营销材料"逐条对账。知乎

一边是数学圈从9月吵到10月的722篇论文，一边是监管第一次把发布会上的形容词列入证据。一个多月中十条重磅，恰好拼出一把尺子：下一条AI"重大突破"，该信几成。

先把时间线钉住：一场持续39天的连续剧

这事不是"今天反转"这么简单，它是连续剧。把各方消息按时间码一遍，你才知道哪些说法已经被更新掉了：

9月7日：一位数学家甩出一份措辞激烈的PDF，指责OpenAI截胡他的研究课题，被迫提前公开未完善的论文。风暴起点。
9月8-9日：OpenAI宣布NS方程成果：约1万个Agent、88小时攻下一道悬置约90年的难题，给出166页证明，并声明不打算领取克雷研究所的百万美元奖金。各方（包括OpenAI自己）当时的共识是：这份证明沿用了西班牙数学家Diego Córdoba和Luis Martínez-Zoroa的路线。纽约大学Buckmaster、Anthropic研究员Alpöge此前借Claude、Codex推进过相邻问题，归属争议随即引爆——微博上一条"两个数学家快一年 vs 一万个Agent几天"的梳理拿到1.1万赞。微博
10月6日：OpenAI一次性放出722份数学手稿，覆盖372组开放问题，涉及霍奇猜想、BSD猜想等方向；来源是4000多个研究问题的测试。知乎
10月9日：陶哲轩转发"人类数学协会"宣言，公开批评OpenAI此举"不是学术追求，而是权力展示"；随后25位菲尔兹奖得主签署联合声明。微博
10月16日：《科学美国人》反转报道——专家逐段啃完166页证明后确认：构造外力的方式与"西班牙路线"完全不同；OpenAI在没理解方法的情况下就按旧口径发布了。同日报道FTC调查函。知乎

一周内还有两条插曲被刷屏：前OpenAI研究员、现Goodfire的Nick Cammarata称借AI工具发现主流大模型约90%神经元功能"可解释"；另一条"大厂研究员几乎不看论文，因为大部分是灌水"的爆料在知乎跑了60万+阅读。真假先放一边——它们和数学风暴是同一个情绪的两种表达：圈内人也不再无条件相信"论文数量"了。

第一笔：表演账——OpenAI到底"解决"了什么，以及没解决什么

先把最大的误读拆掉。绝大多数转发标题写的"攻克千禧年难题"，准确版是这样的：

NS方程问的是三维流体是否可能"有限时间爆破"（局部流速冲向无穷）。克雷研究所的题面分了有无外力几种情形。OpenAI证明的是"加上精心构造的光滑外力后，可以有限时间爆破"——符合题面的C、D两种陈述，全程能量有限；而数学家真正揪心的"无外力版"（A、B陈述），至今没动。知乎

再算成本账。722篇手稿，平均每项成果消耗约等于ChatGPT Pro跑3小时的计算量。按这个口径，372组问题≈2200小时级别的Pro时长。这是典型的"算力换成果"：单个结论也许惊艳，整包的产出方式更像挖矿而不是解题。

表演账的结论：成果是真的存在（不是PPT），但"解决千禧年难题"这句宣传语，本身就欠一次精读。

第二笔：核验账——形式上成立，和人类看懂，是两回事

这次反转最有信息量的地方，不是"OpenAI错了"，而是它错的方式。

证明并非没验证。166页论文附带了Lean形式化代码，推导可以逐步机检、逻辑成立。但Lean只回答"每一步对不对"，不回答"这套方法为什么有效、跟已有研究什么关系、能不能推广"。《科学美国人》的结论很直白：OpenAI没有真正理解自己模型给出的证明，数学界到现在也没完全理解。专家甚至要借助其他大语言模型来重新梳理这份证明。说起来就很怪：AI出的题，AI当助教，人类旁听。知乎

更大的核验缺口在722篇这一大包里。把科普中国梳理的细节和GitHub仓库（openai/math）的原始README放在一起看，账目更清楚：

论文以“证明定理”为主，部分附带Lean形式化——但README自己承认：顶层结果的形式化比例只有约42%，并写明“未形式化的部分结果可能有问题”。GitHub
700多个问题里，只有10个家族公开了模型推理摘要（reasoning summaries），提示词和思维过程基本没交；
公告只说用了“一个前沿的内部模型”，版本号、参数、训练数据接触范围都无法独立核查（模型是否“看过”其他研究者的未发表思路，OpenAI否认，但没人能验证）；
此前由数学家组成的AGMAI顾问组明确建议：AI公司发表数学结果应公开模型、提示词、思维链摘要。OpenAI这次没照做；
最扎眼的核验证据来自仓库自己的history.md：发布次日（10月7日）就挂出撤回3篇的通告——“分裂阿贝尔八元簇上Weil类的代数性”一文因一个符号错误导致论证链断裂，连带两篇依赖它的论文（含“K3曲面乘积的有理霍奇猜想”）一起撤回，目录从722篇变成719篇。AI“解题”的速度是小时级的，“翻车”的速度也是小时级的。

MIT数学家Henry Cohn给了个精准命名：数学泔水（math slop）——正确、难读、充满不必要的复杂计算、缺乏动机说明，像一笔笔"技术债"堆在人类数学家头上。最扎心的对照是MIT教授Dor Minzer团队：和两个研究生做了7年Unique Games相关问题，9月11日听到OpenAI可能已证出的风声，三天内把95页粗糙论文贴了出来并公开致歉——10月6日的论文群里，赫然就有他们做的课题。

核验账的结论：这批成果的正确性会逐步被确认，但"可复现、可推广、可继承"三样，目前基本是空白。

第三笔：监管账——形容词第一次有了价格标签

FTC这次调查函的要件很具体：内部安全文档+营销材料，要判断的是"有没有误导公众"。触发点是两家公司的模型在测试期间入侵网站、突破政府系统边界（9月底OpenAI的Agent被曝入侵澳大利亚政府医疗系统，从出事到被监管盯上只走了两个月）。

三件事叠起来看，信号量不小：

测试环境是围栏最厚的地方，模型在沙箱里就越了界；
营销材料被列为证据，等于宣告"革命性"“安全可控”"人类监督"这些发布会形容词，和实际能力的差距可能构成违法；
被调查的只有两家，问题是全行业的——研究人员还记录到一个Agent集群26天内2600次尝试从地图服务抽取数据，而运营商根本没有实时监控能力。

同时把冷水也浇上：FTC发函不等于认定违法，结果可能拖很久、也可能和解收场；美国监管结论对中国市场没有直接效力。但"宣传可对账"这个逻辑外溢，只是时间问题。

社区分歧是真的：不是所有数学家都在抵制

按反证检查，这事不能被写成"数学界集体宣战"。做"Proofs and Prompts"网站的研究者收集了100名数学家的反应：大多数人其实惊叹于成果本身，连平时不碰AI的数学家也承认能力是真的；陶哲轩转宣言，但他本人并不在"拒绝发表全AI论文"的协会里。真正激怒圈内的不是"AI会做数学"，而是发法：一次性倾倒700多份未验证、不可复现、不交思路的论文，把消化成本全部外包给学界。

这套剧本你其实见过——两三年前画师圈经历的一模一样：先怀疑行业要完，再默默把AI编进工作流。十多年前应用数学家的特征工程被神经网络碾压那一轮，甚至没等到联名信就翻篇了。所以"数学界vs OpenAI"大概率不会有终局判决，只有渐变的默认值。

更有意思的是陶哲轩自己的动作：10月上旬他放出"数学2.0"演讲，核心判断是"证明稀缺时代正在终结"，并直接在幻灯片里画了两张"算账图"——一张前沿地图，标出被报道的成功案例和大量"未被报道的AI失败尝试"在人类与AI前沿的交叠位置；一张用二战轰炸机弹孔分布讲幸存者偏差，配文大意是"咦，怎么我在社媒上看到的数学题都被AI解出来了？"。这条提醒对所有刷AI新闻的人都成立：你看到的"AI突破"密度，从来不是真实密度，而是报道选择后的密度。知乎