OpenAI的数学突破演变为信任危机

那场未曾发生的公告。

9月8日，OpenAI宣布已解决七大千禧年大奖难题之一——纳维-斯托克斯存在性与光滑性问题。这是一道困扰数学界百年的谜题，探讨流体力学方程是否总是能产生可预测的结果。这家估值接近万亿美元的公司的数学部门，动用了一个比GPT-6 Astra更强大的内部模型，部署了约1万个AI智能体，在88小时内交换了490万条消息。总计算成本高达数百万美元。

然而，不到一天时间，整件事就演变成一场关于"是谁构建了这个答案、谁拥有这项成果"的公开争论。

两位数学家早已近在咫尺。

据 Axios 和 Forbes 的报道，此前已有传言称，纽约大学教授特里斯坦·巴克马斯特（Tristan Buckmaster）和与Anthropic合作的研究员莱文特·阿尔波格（Levent Alpoge）已接近解决纳维-斯托克斯问题。OpenAI察觉到这股热度后，决定介入这场竞争，而非让叙事从自己身边溜走。

关键在于，巴克马斯特和阿尔波格都并未真正解决千禧年大奖难题本身。正如韩国媒体所述，他们的工作涉及与纳维-斯托克斯方程相邻的方程——这或许是有意义的进展，但远未达到克莱数学研究所所需的完整证明。OpenAI的博文直接承认了这一背景，表示该公司正是受到这两位研究者先前工作的传闻的驱动。

这一声明很重要。这意味着OpenAI进入的是一个已有他人奠定基础的问题——却在发表成果时，未披露其模型在多大程度上受到那些先期工作的启发。

关于数据访问的争议。

这场争端围绕一个具体的技术关切爆发。据 WCCF Tech 报道，巴克马斯特在社交媒体上发帖称，他曾询问OpenAI，其模型是否读取或训练于他 Codex 会话中的数据——Codex是研究人员用于协作计算的私有计算环境。OpenAI的研究员塞巴斯蒂安·布贝克（Sébastien Bubeck）据报道确认，模型并未读取用户数据。但当巴克马斯特进一步追问该模型是否以这些数据作为训练素材时，他表示没有得到任何答复。

布贝克后来对记者表示，OpenAI没有使用这两位数学家的未发表成果，也未访问过共享服务器的资料。但他公开承认了一种可能：使用OpenAI产品所产生的数据"可能有助于我们改进模型"。这并非对直接窃取成果的承认，而是对大规模AI训练结构性现实的坦诚——模型会吸收来自用户所生成内容的一切信号，而"在你的工作上训练"与"因为你使用了我们的工具而改进"之间的界限，薄得足以消失。

巴克马斯特随即提出了更严重的指控。他声称布贝克向他提出了两个选项：要么OpenAI在发表成果时将巴克马斯特和阿尔波格列为共同贡献者并分享100万美元奖金，要么阿尔波格被排除在任何致谢之外。布贝克称该说法"虚假且具有煽动性"。

双方均未出示录音或书面文件来平息争端。这是一场各执一词的对峙——而这恰恰是这类纠纷在任何一方开始做数学之前，惯常呈现的模样。

透明度缺口才是真正的主角。

使此案与一般学术争议在结构上截然不同的是：OpenAI只发布了一项声明，除此之外别无其他。没有证明，没有方法，没有中间结果，没有原始计算痕迹。相比之下，两位数学家的论文可随时供同行评议。

这并非新事。这是OpenAI的标准剧本——先宣布，后发布细节，让社区在追赶验证的同时由公司对叙事全面控场。但一旦应用到千禧年大奖难题，这就颠覆了数百年的数学实践。在纯数学中，证明不是声明。证明是一份任何人都可以阅读、核查和复现的文件。一份需要数月后才能独立审验的AI生成证明，不是证明——它是一份披着数学外衣的新闻稿。

谁赢谁输。

如果OpenAI最终交付了一份可供验证、经同行评议的纳维-斯托克斯问题解决，那么这家公司获得的将不仅仅是声誉。它将获得作为人类级数学洞察生产者的合法性，而非仅仅是文本的生产者。对于一个准备以接近万亿美元估值进行IPO的公司来说，这种叙事具有巨大的商业分量。它在向投资者传达一个信息：OpenAI不仅自动化语言，还自动化发现。

但这种胜利的代价是公信力的侵蚀。公司每周发表的速度越快，而核查的速度越跟不上，学术界就越学会以审慎怀疑的态度对待其后续公告。AI衍生数学的信号噪声比将不断下降，真正的突破也将与夸张成果一同面临同样严苛的审计。

如果巴克马斯特和阿尔波格的工作被吸收而未获归属，他们将在短期内失利。但无论结果如何，他们在长期上都会输，因为他们树立的先例——严谨的数学努力可以被算力碾压——将打击那种孕育出他们成果的、耐心且渐进的工作方式。

接下来会发生什么。

克莱数学研究所尚未公开回应。在没有通过数学界独立评审的证明之前，它不会颁发100万美元奖金——这一过程通常需要数月乃至数年。OpenAI表示无意争夺该奖项——这是一个战略上干净的位置，既避免了从纯数学中牟利的观感，又保留了公告本身的 headline 价值。

最可能的结果是长期的不确定性时期。OpenAI将发布某种形式的支撑材料。独立数学家将尝试对其进行验证。关于先期工作和数据来源的争议将在期刊、社交媒体和会议厅浮现。数学界本就因AI生成声明的节奏而压力重重，届时将被迫制定评估来自封闭系统成果的新标准。

更深层的启示。

OpenAI与这两位数学家之间的碰撞，表面上并非关于某一个难题。真正关乎的是，当验证真理的制度——大学、期刊、同行评议——遇上能以超越这些制度处理速度的方式产出看似已验证成果的行动者时，会发生什么。

纳维-斯托克斯难题不是最后一个千禧年问题。庞加莱猜想已于2003年被解决。黎曼猜想至今尚未破解。还剩五个。每一个最终都会吸引AI系统前来，在数小时内生成候选证明，而非过去的数十年。真正的问题是：验证生态能否跟上生成生态的步伐。

目前，还不能。OpenAI那88小时的高强度推进是令人印象深刻的计算工程。但它是否构成数学，完全取决于接下来会发生什么——以及该公司是否选择让下一步变得透明。