专题 · FULL STORY

Navier-Stokes 之争：功劳归属与质疑

OpenAI 宣称 AI 解决千禧年大奖难题 Navier-Stokes 后，争论持续发酵：Noam Brown 澄清多智能体贡献不足 10%，万级 agent 耗费约 1300 亿 token 的成本引发热议，数学界则对宣称本身提出质疑，事件仍在发展中。

2026-09-18 ~ 2026-09-22 · 5 集 · 35 条

第 1 集 · Navier-Stokes 证明之争：万级 agent 集群贡献几何(2026-09-18,12 条)

一场围绕「AI 发现 Navier-Stokes 数学证明」中智能体集群贡献度的技术争论在研究社群展开，焦点是 OpenAI 研究者 Noam Brown 的判断：agent 集群（swarm）组件对该发现的贡献可能仅约 10%。多方博主以数据与推演回应，争论延伸到串行与并行测试时计算（TTC）哪条扩展路线更划算。目前双方均属个人估计与推演，尚无权威结论。

已确认

  • Elie Bakouch 转述了与 Noam Brown 交流的细节：Brown 认为 agent 集群在 Navier-Stokes 类发现中的实际贡献很低，更正后的表述为「贡献可能仅约 10%」。
  • Bakouch 另引数据称，随 agent 数量增加，同等预算下并行 test-time scaling 的效率低于串行扩展且延迟更高；他强调这只是 1→5 个 agent 的数据，不能外推到 1→1 万。
  • 反方 scaling01、ChaseBrowe32432 等提出反驳：该证明若没有将并行 TTC 扩展到 10,000 个智能体，根本不会出现。即使假设单个串行 agent 效率比 swarm 高 100 倍，也需约一年时间才能生成完成证明所需的 token 量。
  • scaling01 还从争议图表中提取数据：内部模型每翻倍算力增益约 0.17 logits，Astra 带来约 0.18 logits/翻倍，即并行扩展的贡献约为换新模型的两倍；他指出图中横轴仅约 30 倍算力差异，却被对方用来论证「一代模型升级收益大于一万倍并行算力」。
  • ChaseBrowe32432 据此推演模型代际进步：再过一代模型，约 16 个子 agent 跑 88 小时可解决 NS 相关基准问题；再过两代，单个 agent 在 88 小时内即可胜任。
  • ARC Prize 创始人 Greg Kamradt 从另一角度发问：若把 1 万个 agent 投到 Navier-Stokes 问题上，它们是如何「选择」研究方向的？其所引观点认为 human-in-the-loop 在这类大规模集群发现中扮演重要角色。

尚未确认

  • 「集群贡献约 10%」只是 Brown 的个人估计，反方的 token 生成时间与 logits 测算也均属自行推演，双方均未提供完整原始数据；Kamradt 的疑问也尚无来自当事团队的解答，暂无权威结论。

为什么重要

  • 这场争论直指测试时计算 scaling 的核心问题：串行深化与并行扩展哪条路线更划算。若并行万级 agent 真是关键，则大规模 agent 集群是当下通往重大科学发现的可行路径；若模型代际升级更高效，资源应投向基础模型迭代。Kamradt 的追问则补充了第三个维度——即使并行集群有效，其研究方向的自组织机制与人机分工仍需解释。结论将影响实验室的算力分配策略。

第 2 集 · Noam 澄清：多智能体对千禧年难题贡献不足 10%(2026-09-19,3 条)

围绕「AI 求解纳维-斯托克斯千禧年大奖难题」的功劳归属，X 上出现争论。eliebakouch 贴出 Noam 的原始引文澄清：攻克该问题的努力并非源于多智能体，他甚至不会把 10% 的功劳归给多智能体，比此前流传版本更明确地否定多智能体的作用。这场争论聚焦于 AI 数学突破应归功于何种技术路线。

第 3 集 · AI 解 Navier-Stokes 耗 1300 亿 token 价值引热议(2026-09-20,2 条)

围绕 AI 能力上限的讨论升温。一位从业者发文论证对 AI 前景乐观的理由，称人类抽象、结构化逻辑思考能力在演化上很新，且在理论计算上限中占比极小，并举例 OpenAI 模型解决 Navier-Stokes 问题消耗了相当于人类 4000 年思考量的 token。X 用户 intoverflow 进一步指出，前沿模型解该问题约消耗 1300 亿输出 token，按 Dwarkesh 估算折合约 4000 人年研究，但并未换来新理论。

第 4 集 · 曝 OpenAI 用约 1 万个 Agent 协作攻克 Navier–Stokes 难题(2026-09-20,2 条)

据 OpenAI 披露及与 Noem Brown 的访谈信息，OpenAI 正在开发一个尚未公开的内部多智能体 LLM 系统，近期用约 1 万个并发 agent 协作攻克隆性 Navier–Stokes 问题。各 agent 探索不同的证明路线并交换了数百万条消息，约在启动 88 小时后得出结果。该问题为千禧年大奖难题之一，此事展示了大规模多智能体协作在数学研究上的潜力。

第 5 集 · OpenAI 宣称 AI 解 Navier-Stokes 难题引数学界质疑(2026-09-20,16 条)

OpenAI 于 9 月 8 日前后宣称其 AI 智能体解决了千禧年大奖难题之一的 Navier-Stokes 方程存在性与光滑性问题，该问题悬赏百万美元。宣称随即在数学界引发广泛争论，焦点集中在成果的独立性、署名归属、求解对象是否为原始难题以及 OpenAI 宣传的可信度；由于 OpenAI 尚未公布解法，目前没有独立验证的完整证明。

已确认

  • 据 @emmanuelvivier 转述的 Wired 报道，NYU 教授 Tristan Buckmaster 与数学家 Levent Alpoge 一直在独立研究该问题；Buckmaster 公开指控 OpenAI 在得知该问题接近被解决后，部署数万个 agent 抢先完成成果，涉嫌「偷用」其 Codex 会话中的研究思路。
  • 据 @scientificamerican 与 @PolarBearby、@AnkaReuel 转述的《科学美国人》报道，三位数学家指出 OpenAI 的证明「钻了题目空子」：其求解的可能是对参数/假设作了不同设定后的变体问题，而非数学界公认的原始千禧年难题，等于「回避了问题本身，而非解决它」。
  • 据 @nordicinst 转述的《卫报》社论，数学界部分人士称此事件引发该领域的「存在性危机」，批评者指出 OpenAI 的结果仍依赖人类数学家，人类对该成果不可或缺。
  • 据 @burnytech 转述，@polynoamial 澄清 AI 并非陶哲轩团队解决 Navier-Stokes 的功臣；@hallerite 亦表示千禧年难题不会就这么被解决，前沿模型目前也无法协调 1 万个 agent 的集群。
  • 据 @teortaxesTex，Rohit Krishnan 转发相关消息并惊呼「This is insane!」；由于 OpenAI 未披露解法，teortaxesTex 建议一个双赢做法：先公开无歧义的问题描述及答案的哈希，供外界在官方正式发布前验证与复现。
  • 据 @gerardsans，AI 研究者 Gerard Sans 指出 OpenAI 并非第一次向公众歪曲技术细节，而是多年反复出现的行为，建议对 OpenAI 的任何公告都当作营销看待，即「一点技术真理加大量夸张」。
  • 据 @IAmSamFin，Sam Fin 转引一条「半小时得到 27 个引理」的推文，半开玩笑开价 10 亿美元换 20 分钟内给出 50 个引理；他并补充背景称，据称 OpenAI 在 Navier-Stokes 上的突破实际只是一个引理。这一说法与学界对成果实际分量的质疑相互呼应。
  • 据 @burnytech 转述的 New Scientist 报道，数学领域数百年来仅经历印刷术与计算机两次根本性扰动，AI 的冲击被认为更为剧烈，数学家角色面临重塑。
  • 并非所有研究者都持否定态度。据 @acoolrandomusername，研究者 Acer 发文称 OpenAI 的内部数学模型已解决让研究者「彻夜难眠」的数学难题，批评学界仍在以「那不过是 Erdős 问题」的论调持续低估这一领域取得的重大进展。
  • 据 @skdh，在 Gary Marcus 参与的相关争论中，物理学家 Sabine Hossenfelder 为 OpenAI 辩护称，所采用的策略在 Clay 数学研究所的规则下是明确被允许的，数学家事后改口称「这不是我们本意」的说法站不住脚。
  • 据 @arannayebi 转述 @haider1 的帖子，OpenAI 新训练的内部模型除宣称攻克 Navier-Stokes 外，还声称在数学大多数领域解决了 100 多个长期悬而未决的开放问题，进展速度令 OpenAI 内部数学家都感到意外；该说法同样未经独立验证。

尚未确认

  • OpenAI 宣称的成果本身、解法细节、「部署数万个 agent 抢先完成」的指控细节、「求解的是变体而非原始难题」的质疑、「成果只是一个引理」的说法，以及「另解决百余个开放问题」的说法，目前主要来自媒体转述与当事人单方说法，尚无独立验证的完整证明、求解对象确认与署名结论。

为什么重要

  • 这一事件集中暴露了 AI 参与前沿数学研究时的知识产权与署名难题：模型训练与会话数据可能吸收未发表的研究思路，成果归属难以界定。
  • 《科学美国人》的质疑与 Hossenfelder 依 Clay 规则的辩护形成直接冲突：争议核心在于「解的是什么题」以及事后变更判题标准是否合理，凸显重大科学宣称需要精确界定求解对象并接受独立核查；公开题目与答案哈希等可复现机制可作为降低信任成本的折中方案。
  • 舆论呈现两极：一面是对夸大宣传的反弹与对人类数学家作用的坚持，另一面是如 Acer、Hossenfelder 所代表的观点——学界可能系统性低估 AI 数学能力进展。这一分歧本身值得关注。
  • OpenAI 多次被指夸大宣传，进一步削弱公众与学界对 AI 实验室重大宣称的信任，凸显对厂商公告独立核查的必要性。