OpenAI 的智能体组合求解 Navier-Stokes 方程，这被看作千禧年大奖难题的一大步。代价呢？Noam Brown 说：数百万美元。这位参与推理模型核心工作的研究员没有粉饰成本，甚至提醒外界，这次证明本质上就是一场昂贵的高强度推理实验。但他的判断也很直接：这种成本会快速下降。
Noam Brown 不是第一次看到类似拐点。此前 o3 在国际数学奥林匹克上的表现，同样经历了从巨额推理开销到能力普及的过程。Navier-Stokes 证明的底层逻辑一样：多个智能体并行搜索、长时间验证、把连续方程变成机器可检查的离散推理链条。这个范式的意义不在于一次烧掉几百万美元，而在于证明烧钱路径是可优化的。一旦路径清晰，算力成本会急速滑落，中途甚至可能出现价格下几个数量级的节点。这种“可优化性”才是 OpenAI 敢于下注的真正理由——而不是技术英雄主义。
所以从 Noam Brown 的表态里，能读出的不是炫耀，而是工程性冷静。真正值得关注的是入场券变便宜的速度。如果 Navier-Stokes 级别的证明成本降到数万美元，数学家手中的纸笔就要换一种用法了——不是被取代，而是与能持续推理的智能体协同工作。这里面的机会，比“AI 证明数学”这个标题更值得深挖。
