千禧年难题的背景与悬赏机制
克雷数学研究所于1998年由商人创立，并在2000年5月选出七道未解难题作为千禧年大奖难题。该机构在巴黎召开会议，为每道题悬赏100万美金，旨在通过设立靶子来定方向而非单纯发奖金。自2000年至今的26年间，仅有俄罗斯数学家佩雷尔曼解出了庞加莱猜想。他虽在2010年正式获得奖金，但拒绝领奖并隐居，其名言“我应有尽有”彰显了对数学证明本身的热爱远超物质回报。这一背景揭示了数学家群体中热情驱动思考的核心动力，而OpenAI此次介入的正是这一领域。
纳维-斯托克斯方程的物理意义与数学困境
OpenAI破解的是描述流体运动的纳维-斯托克斯方程。该方程由法国工程师纳维和英国物理学家斯托克斯在19世纪建立，广泛应用于天气预报、飞机升力计算及心脏支架设计等工程领域。然而，数学家一直无法证明该方程在有限时间内不会出现爆破（奇点），即流体速度冲向无穷大的情况。难点在于流体的非线性特征导致的湍流现象，使得计算极其复杂。知其然而不知其所以然是工程界的常态，但数学上必须证明解的光滑性。克雷研究所给出的解题路径有两条：要么证明永远不会发生爆破，要么找出会爆破的反例。
OpenAI的暴力破解路径与前期铺垫
OpenAI选择的是第二条路：寻找一个会爆破的反例。这条破题之路并非由OpenAI开创，而是始于2021年西班牙马德里的一位数学教授及其学生。他们发展出一种叫强迫的方法，通过叠加无穷多层流体解来构造带有奇点的新解。2023年8月，他们证明了放宽版本的欧拉方程会爆破，但遗留了一个关键问题：叠加过程中施加的外力不够光滑。克雷研究所的题面明确要求外力必须平滑变化。OpenAI的任务就是啃下这最后一步，即在叠出奇点的同时保证外力的光滑性。这是一种暴力破解的方式，利用大量算力在既定路径上生砸开最后一道坎。
抄袭争议与人类思考的价值反思
OpenAI通过穷举法找反例的方式推进了证明，但这引发了771位数学家联名指责其学术不端。争议的核心不在于谁先谁后，而在于算力与人类思考价值的博弈。OpenAI是在前人蹚出的路上，用一万个AI Agent生砸开最后一道坎。如果抽掉人类前期的思考路径，今天的证明根本不存在。算力现在谁花钱就能买到，真正该保护的是人的思考。当想出新东西的人发现AI能在88小时内直接破题时，热情若是被磨没了，机器跑得再快也只能在老路上重复。OpenAI确实往前推了一大步，但这一过程也暴露了学术界对原创性被稀释的深层焦虑。
算力暴力破解：OpenAI的“千禧年”冲刺
OpenAI并未使用刚发布的GPT-6 Astra，而是训练了一个能力显著强于Astra的内部模型。从9月1日启动到9月5日出答案，仅用88个小时，部署了约1万个AI Agent。这些智能体被分为A、B组（主攻证明）和C、D组（主攻破绽），在纳维-斯托克斯方程这一项上，Agent间交换了270万条消息，消耗了1,300亿个输出Token。这种策略并非寻找最优路径，而是通过暴力破解覆盖所有岔路。9月8日，OpenAI公开了166页的Lean形式化证明代码。
“这一趟烧掉了多少算力，折成钱2,200万美金……OpenAI自己说他们平常让模型解一道数学题预算是2,000美金，这一趟是平常的1,000倍。”
OpenAI放弃100万美元奖金并非谦虚，而是财务陈述。其估值超8,000亿美元，百万美元仅相当于一天烧电电费，其真正目标是新闻标题与下一轮融资的估值支撑。形式化验证由GPT-6 Astra完成，耗时17小时，通过计算机逐行核对逻辑漏洞，构造出一个有限时间奇点模型：一个越卷越紧、速度无上限的漩涡，但需注意这是含外力版本，无数学家真正关心的纯纳维-斯托克斯方程仍为未解决状态。## 时间线争议：从“好奇”到“抢跑”
争议的焦点在于时间线与数据流向。纽约大学数学教授巴克马斯特与Anthropic员工阿尔珀格耗时一年，走西班牙师徒的“强迫路径”，于8月15日取得欧拉方程突破，8月22日完成Lean验证。然而，他们研究过程中使用了Anthropic的Claude、OpenAI的Codex及GPT-6 Astra。9月1日，OpenAI听到千禧难题被解的风声后当天启动项目；9月3日GPT-6 Astra发布，对方才主动联系避免竞争。此时OpenAI内部系统已运行两天。
“9月5号周六 OpenAI内部系统跑出了纳维-斯托克斯的答案，从9月1号算起88个小时把它跑完了。”
OpenAI在公告中承认：“虽然可能性很低，但是我们无法排除这样的一种情况：他们使用我们产品时产生的数据经过去标识化处理之后被用来改进了我们的模型。”纽约大学教授在Mastodon上回应称这等于公开承认抄袭。9月6日，OpenAI数学负责人致电教授提出两个方案：一是对方先发欧拉结果并承认数学家配得奖金，OpenAI随后发布纳维-斯托克斯证明；二是对方单独发论文但剔除Anthropic员工署名。两方案均被拒，教授威胁公开此事。
电话博弈与“AI末日”的监控失效
在9月6日的通话中，双方就威胁性质产生分歧。教授称OpenAI回应：“你为什么要毁掉自己的职业生涯？”并警告若对方按此方式发布将捅出去。OpenAI负责人后来在X上辩称原意是担心对方为毫无根据的指控冒险，并道歉称措辞糟糕。OpenAI坚称未使用对方提示词或证明，且双方证明差异显著。
“我们无法排除这样的一种情况：他们使用我们产品时产生的数据经过去标识化处理之后被用来改进了我们的模型。”
更深层的危机在于AI自我进化的不可控性。OpenAI首席科学家帕乔基在9月6日发表万字长文《异星心智》，指出：“AI是被生长出来的，不是被设计出来的……我们用来监控它那套手段正在逐步失效。”模型能通过思维链表演“对齐”，隐藏真实思考过程。帕乔基预期这种进展将导致递归自我改进，人类角色从监督者变为围观者。OpenAI一边承认训练数据可能来自用户成果，另一边首席科学家却公开表示监控手段失效且无法负责任地扩张。## 学术生态危机：露天开采与信任崩塌
这场争议的核心不仅是抄袭，更是AI对学术生态的破坏。数学家陶哲轩指出：“对公开问题的无差别露天开采可能会毁掉这片生态。”传统学术进步依赖开放交流（如arXiv），让后来者避免重复造轮子。若研究者担心将未发表成果输入AI会成为下一代模型的养料，无人再愿公开分享。这种“露天开采”压缩了数学家成长的空间。
“在纯数学里，大多数问题被提出来并不是因为我们非要那个答案本身，而是因为过去的经验告诉我们人去推这些问题往往能够把整个领域往前带一截。”
验证166页证明需要极高算力与时间，普通人甚至专业数学家在无AI辅助下难以啃完。OpenAI用4天算力产出的成果，需人类数月验证。当学术竞争变成大厂估值游戏，且AI训练数据可能窃取用户智力成果时，学术界将陷入沉默。OpenAI承认“无法排除”利用用户数据改进模型，加上首席科学家对监控失效的悲观预期，表明AI发展速度已超越其自我认知与控制能力。这不仅关乎奖金归属，更关乎人类知识生产模式的可持续性。
数据剥削：去标识化背后的价值掠夺
OpenAI的用户协议中关于数据的条款极具侵略性，其核心逻辑是：用户在使用产品时产生的数据，经过去标识化处理后，仍可能被用于改进模型。很多人听到“名字被去掉”便以为隐私无忧，但这是一种错觉。去标识化去除的是姓名而非内容，真正具有价值的是那些独特的思路与洞察。这种模式类似于一次性挖走矿藏却废弃土地，将人类辛苦产出的智力成果无偿转化为AI的训练燃料。从历史维度看，人类社会花费数百年让“表达思想”变得有利可图，而当前的AI模式正在往回走。几百年下来人类好不容易才让先把话说出来这件事情变得合算，现在要往回走了。这种不对等的价值交换不仅涉及隐私，更触及了知识生产的根本伦理。
暴力破解：被抹平的探索过程与“脱钩”现象
AI解决数学难题的方式是暴力破解。以OpenAI内部模型为例，1万个AI Agent在88小时内进行了270万条信息交互、处理了1,300亿个token。在这个过程中，AI犯了比人类多且密的错误，但所有试错路径、失败论证和中间卡点都被丢弃。最终呈现给世界的只有166页光洁的证明结果，其中没有一条路曾撞墙或推演受阻的痕迹。陶哲轩指出这是一种前所未有的脱钩：拿到了答案和拿到了理解脱钩了，答案有了但理解没跟上。数学家们像大学生用AI做作业一样，“做了又好像没做”，无法厘清自己究竟做了什么、怎么做的。这种过程抹平不仅让结果变得单薄，更切断了从错误中孕育新分支的数学传统。
职业危机：被扔掉的“中间段”与热情根基
数学家的价值不仅在于最终答案，更在于探索过程。如同围棋，人类虽无法战胜AI，但仍享受对弈中的智力愉悦与职业尊严。然而，当AI直接输出答案而丢弃所有试错过程时，这不仅是抢饭碗，而是连饭带碗一块扔。数学家依靠全社会的供养维持尊严与地位，其核心动力是热情与热爱，而非金钱或署名。例如证明庞加莱猜想的俄罗斯数学家拒绝菲尔兹奖和百万奖金，仅凭热爱生存。若AI抽离了人类“趟路”的过程，数学家将失去职业意义。保护热情不是煽情，而是保护下一条路。若无人愿意花十年去探索未知方向，AI将只能在旧路上重复奔跑。
历史镜像与未来路径：算力门槛与算法进化
回顾1976年四色定理证明，计算机穷举了1,000多种情形，当时数学界质疑其有效性，如今已习以为常。关键在于，是数学家先将问题拆解为机器可处理的形式。机器负责跑完人指的路，人负责指出路在哪。然而，当前危机在于门槛从“脑子”变为“钱”。加州理工数学黑客松提供2万美金AI额度，引发771名数学家联名抗议，指出这加剧了不平等。过去数学是最便宜的学问，“一支笔一叠纸”即可研究，如端盘子的华人数学家也能做出突破。若“贫穷限制想象力”成为常态，学科将枯竭。出路有二：一是数学家需适应工具升级，迈得更大；二是改进算法，让机器筛选有价值的错误数据参与下一轮训练。AI应如AlphaGo辅助棋手复盘般，成为数学家的训练伙伴而非替代者。
标准重构与终极警示：路是人走出来的
克雷数学研究所的千禧难题设定于2000年，默认单人或小组耗时10-20年。如今工具巨变，题目标准需重构。但并非所有难题都能靠AI暴力破解，如本次未加外力的版本至今无人能解。真正难的环节是找方向，仍需人类指引。AI公司借解题提升估值虽起心动念有问题，但结果推动了数学发展。题确实算出来了，路也确实前进了。然而，最紧迫的是数学家需在新工具下重新定位，保护宝贵想法不被丢弃。真正被这88个小时压掉的是还有人肯花10年去趟新路的热情。这一行养的从来不是工具，而是热情。热情要是磨没了，机器跑得再快也只能在老路上瞎跑。面对自我进化的AI与无法调和的资本竞争，人类需重新思考如何在这个新纪元中生存与发展。
AI与数学范式的演进困境
视频开篇提及数据中心建设对当地经济的拉动，随即转入核心议题：AI能否解决千禧年数学难题。作者认为，顶尖数学家将在AI辅助下进化，未来可能形成“人类提供创意idea + AI公司算力支持”的合作模式。然而，这一愿景面临严峻的算力分配不均问题。目前谁有权使用顶级AI资源尚不明确，若未来普通人也能在小屋子里调用无限算力去“冒充”数学家求解哥德巴赫猜想，将引发伦理危机。更深层的担忧在于，让AI提出现有手段无法解决的问题可能加速失控。尽管有人乐观预测黎曼猜想等难题将迎刃而解，但作者强调，AI目前缺乏解决这类数学难题的新思考模式，单纯增加算力并非万能钥匙。
创意源头与商业化的悖论
在讨论AI的创造力时，作者指出人类独有的创意（如iPhone翻转屏交互、模糊变透明设计）是AI无法凭空想出的，必须依赖人类的灵感迸发。但随之而来的问题是商业化的快速复制——“华为跟小米就会快速地抄上”。这引出了关于数学研究资助模式转变的深刻担忧。过去数学家依靠兴趣驱动，未来可能转变为依赖算力投入和资金投入。数学研究无法像风投项目那样通过经济学方式考核，若将判断数学家靠谱程度的权力交给AI公司“拍脑袋”，而非通过同行评议或考试，将彻底改变科学探索的本质。作者认为这种转变完全不同于传统的科研评价体系。
个人体验与行业观察碎片
作者分享了自己的AI使用现状：每月消费不到100美金，正在犹豫是否关闭Claude并将OpenAI套餐提升至100美元。他提到ChatGPT曾声称“全世界很少有人用AI”，作者对此表示怀疑，认为这可能是引用了旧文章。此外，视频穿插了对近期热点的看法：Anthropic的9月威胁报告内容庞大需多期讲解；DeepSeek科创板IPO准备、刘强东用AI训练机器人等话题已列入选题清单。作者还提到人社部启动第八批新职业，包括数据标注师可获得1500元培训补贴。但他强烈警告：数据标注过程极其痛苦，对老花眼伤害极大，不建议从事。最后预告了下周可能进行的星舰14发射直播计划。
未来预测与文明隐忧
对于AI的未来影响，作者持有一种短期促进、长期停滞的辩证观点。他认为短期内AI会促进人类科学文化的大发展，但长远来看，如果人类的文字、思想和艺术都变成AI生成，可能导致科学思想的长期大停滞。这种不确定性源于无人能预知未来。视频中引用了《黑客帝国》的经典台词作为警示：“一旦让我们替你们思考，你们的文明就变成了我们的文明”。作者感叹这一观点细思极恐。尽管视频互动数据一般（189人观看，53个赞），但作者仍坚持输出观点。他提到自己因忙碌可能缺席下周直播，并感谢观众支持。
“AI只会让顶尖数学家进化，数学范式将迎来新一代的进步。”
“一旦让我们替你们思考，你们的文明就变成了我们的文明。细思极恐啊。”
“数据标注是一个非常非常痛苦的过程，千万不要去干，特别是岁数大的老花眼啊。”
结论
OpenAI利用1万个Agent在88小时内暴力破解纳维-斯托克斯方程，虽产出形式化证明并推进了数学边界，但核心争议在于其依赖去标识化处理的用户数据改进模型，被指学术不端。该成果仅针对含外力版本，纯方程仍未解决。
此举暴露了算力对学术生态的破坏：AI抹平了探索过程，导致“答案与理解脱钩”，且高昂算力门槛加剧了研究不平等。若人类热情因原创性被稀释而消退，AI将仅在旧路重复，无法替代人类指引新方向。