文章总结： 文章分析OpenAI宣称用约一万个AI智能体在88小时内生成Navier-Stokes千禧年问题证明并附Lean形式化验证证书一事，指出该证明尚未获独立同行验证，且与Buckmaster-Alpöge团队存在署名争议；核心洞见是AI证明的正确性与可理解性正在分离，形式化验证不等于问题定义正确；建议跟踪Clay研究所与学术社区的验证进展，勿将声明视为已定结论。 综合评分： 70 文章分类： 其他

OpenAI 声称解决 Navier-Stokes 千禧难题：争议、验证与启示

原创

AI Online AI Online

人工智能online

2026年9月9日 08:18 上海

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

OpenAI 于 2026 年 9 月高调宣布用约 10,000 个 AI 智能体在 88 小时内生成了 Navier-Stokes 千禧年问题的证明，并提交了 Lean 形式化验证证书[1][3]。然而截至本文分析时，该证明尚未通过独立同行验证，且存在竞争团队的署名争议[5][8]。这意味着当前阶段，声明的正确性仍待确认，但 AI 驱动数学证明的技术路径已清晰可见。

IMPORTANT

声明的正确性仍待确认，但 AI 驱动数学证明的技术路径已清晰可见。

声明背景：谁在说解决了什么问题

OpenAI 于 2026 年 9 月 8 日公开宣布其 AI 模型找到了 Navier-Stokes 方程的解[1]。Navier-Stokes 方程描述流体运动，是流体力学的核心工具。千禧年问题的关键在于追问：这些方程的解是否始终存在且光滑，还是可能在某些条件下崩溃（数学家称之为”blow-up”）[1]。解决此问题意味着证明或否定解的全局存在性，附带 100 万美元奖励。

NOTE

问题本质：证明或否定 Navier-Stokes 解的全局存在性与光滑性。

值得注意的是，就在 OpenAI 发布声明前数小时，另一个由 Buckmaster-Alpöge 团队领导的独立研究也发布了相关成果，围绕工作来源和署名展开了公开争议[5]。这表明围绕优先权的竞争可能影响了信息发布的节奏。

关键在于，OpenAI 的完整证明细节是否已公开，GitHub 仓库仅显示 Lean 形式化验证材料[4]，内部证明内容并未完全披露。这对独立验证造成了技术障碍。

技术路径解析：AI 如何生成数学证明

核心判断是，OpenAI 采用的并非单一模型推理，而是多智能体协作框架。根据公开报道，其系统使用约 10,000 个 AI 智能体协同工作，耗时 88 小时完成证明生成[3]。每个智能体可能负责特定子问题或验证路径，最终由 Lean 形式化验证工具提供机器可检查的正确性保证[4]。

Lean 是一种依赖类型论的形式化证明助手，能够验证证明步骤的逻辑一致性。这意味着 AI 生成的证明可以在 Lean 中通过形式验证，但不一定符合人类数学家的阅读习惯。Buckmaster 将 AI 生成的证明形容为”the most horrendous I have ever read”——形式上正确，但风格上无法被人类直接理解[5]。

这里出现了一个新问题：AI 生成的数学证明，其”正确性”和”可理解性”正在分离。传统同行评审依赖人类专家逐行检查逻辑，而 AI 证明正在重新定义”评审”的含义——从人工审查转向形式化验证。

IMPORTANT

AI 生成的数学证明，其”正确性”和”可理解性”正在分离。

从技术工程角度看，多智能体协作生成证明的可行性已获验证。但具体架构细节（如智能体间如何通信、优先级如何协调）尚未公开，这限制了技术复现的可能性。

验证现状与不确定性

核心判断是，截至本文分析时，OpenAI 的声明尚未被独立验证。Kingy.ai 的调查明确指出”Navier–Stokes solution has not been publicly verified”[8]。这并非否认声明的可能性，而是强调学术验证需要时间和独立复现。

IMPORTANT

截至本文分析时，OpenAI 的声明尚未被独立验证。

传统数学验证流程包括：同行评审、专家逐行检查、以及可能的反例寻找。即使有 Lean 形式化证书，数学界接受仍需更长时间，因为形式化验证只能保证逻辑一致性，无法保证问题定义的理解是否正确。

NOTE

形式化验证只能保证逻辑一致性，无法保证问题定义的理解是否正确。

更复杂的是，Buckmaster-Alpöge 团队的工作与 OpenAI 的工作之间存在关联性争议[5]。这可能导致验证过程涉及优先权判定，而非单纯的正确性检查。Clay Mathematics Institute 是否收到正式提交、审核时间线如何，目前均无公开信息。

实际上，验证 AI 数学证明的难度正在改变学术出版的节奏。传统上，论文发表后才进入评审；而 AI 生成证明可能需要”先验证再发布”的新范式。

误区与决策：如何评估 AI 数学声明

以下表格列出常见误区及可执行验证步骤：

| 误区 | 实际情况 | 验证命令/步骤 | | — | — | — | | “Lean 验证通过=问题已解决” | Lean 仅验证逻辑一致性，不验证问题定义理解 | 检查 GitHub 仓库的 issue 区是否有关于问题定义争议的讨论[4] | | “OpenAI 解决了千禧年问题” | 声明尚未被独立验证，存在竞争争议 | 访问 Clay Mathematics Institute 官网确认是否收到正式提交 | | “AI 生成的证明可读懂” | Buckmaster 形容其”most horrendous”[5] | 下载 Lean 仓库文件尝试阅读，感受实际可读性 | | “10,000 智能体架构可完全复现” | 协调机制和具体参数未公开 | 参考开源多智能体框架（如 LangChain Agents）构建简化版本进行实验 |

决策路径建议

1. 关注验证进展而非结论：跟踪 Clay Mathematics Institute 的官方公告和学术期刊的后续评审

2. 区分技术可行性与学术确认：多智能体生成证明的技术路径已验证，但具体声明的正确性仍待确认

3. 评估适用边界：当前 AI 证明生成依赖形式化验证环境，非结构化数学问题可能不适用

4. 保持审慎的乐观：这是 AI 数学能力的真实进展，但接受声明需要独立验证支撑

可执行清单：如何跟进与验证

1. 检查验证状态

• 指标：是否出现独立团队的复现报告    – 参考区间：验证周期通常为数周至数月    – 操作：每周检查相关学术社区（如 MathOverflow）的讨论帖

2. 评估形式化质量

• 指标：Lean 证明文件的行数、依赖库的完整性    – 参考区间：完整证明通常超过数千行    – 操作：克隆 GitHub 仓库，使用 leanproject get-openai.NavierStokesAndEuler 拉取依赖，运行 lean --make . 验证编译状态[4]

3. 跟踪争议进展

• 指标：Buckmaster-Alpöge 团队与 OpenAI 是否达成共识或持续对峙    – 操作：关注 Glitchwire 等科技媒体的跟进报道[5]

4. 理解技术限制

• 指标：AI 生成证明的可读性评分（若有）    – 注意：即使形式正确，人类数学家可能需要数月才能理解证明动机

代码示例：验证 Lean 证明仓库的基本状态

以下 Python 脚本演示如何通过 GitHub API 检查仓库状态（估算版本，需自行验证）：

import requests from datetime import datetime

获取 Lean 版本信息（估算，需自行验证）

def check_lean_proof_status(repo=”openai/NavierStokesAndEuler”):     url = f”https://api.github.com/repos/{repo}”     headers = {“Accept”: “application/vnd.github.v3+json”}     try:         resp = requests.get(url, headers=headers, timeout=10)         resp.raise_for_status()         data = resp.json()         stars = data.get(“stars”, 0)         last_commit = data.get(“updated_at”, “unknown”)         print(f”仓库: {repo}”)         print(f”Star数: {stars}”)         print(f”最后更新: {last_commit}”)         return data     except requests.RequestException as e:         print(f”请求失败: {e}”)         return None

if __name__ == “__main__”:     info = check_lean_proof_status()     if info:         print(“仓库状态检查完成”)

运行此脚本可获取仓库基本状态，但完整的证明验证需在本地安装 Lean 环境（版本 4.x 估算，需自行验证）并编译项目文件。

总结与判断

适合场景：关注 AI 驱动数学证明的技术进展、研究形式化验证与 AI 协作的可能性、以及跟踪学术验证流程。

不适合场景：将声明作为已解决的数学事实使用，或基于此做出高风险决策。

我的判断是，OpenAI 的声明代表 AI 数学能力的真实进展，多智能体协作生成证明的技术路径已通过 Lean 形式化验证获得初步支撑。然而，在独立验证完成前，不应将其作为确定结论使用。值得关注的是，AI 生成证明的”可验证性”与”可理解性”正在分化，这可能重塑未来数学研究的方式。对于工程师和技术管理者，关键是跟踪验证进展、评估技术可行性，而非急于接受或否定声明。

IMPORTANT

在独立验证完成前，不应将 OpenAI 的声明作为确定结论使用。

核心启示在于：AI 正在改变”解决数学问题”的含义——从”人类能理解的证明”到”形式上可验证的证明”。这一转变的影响将远超当前这一事件本身。

参考来源

[1] OpenAI has solved the Navier-Stokes Millennium problem using $15m of AI effort | New Scientist

[2] OpenAI Says It Has Cracked One of Math’s ‘Millennium Problems’ – The New York Times

[3] OpenAI says AI model solved one of mathematics’ Millennium Prize Problems | Anadolu Ajansı

[4] GitHub – openai/NavierStokesAndEuler: Lean certificates accompanying Navier-Stokes and Euler results

[5] Two Teams Claim Progress on Fluid Dynamics’ Hardest Problem. The Fight Over Credit Has Already Begun. — Glitchwire

[6] On the Navier–Stokes Millennium Prize Problem | OpenAI

[7] OpenAI AI solves Navier-Stokes Millennium Prize Problem | Quartz

[8] Navier–Stokes and AI: What Is Proved, Claimed and Unknown | Kingy.ai

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：人工智能online AI Online AI Online《OpenAI 声称解决 Navier-Stokes 千禧难题：争议、验证与启示》