如果 OpenAI 的公告属实，那么昨夜发生的不是一次普通的技术升级，而是一次数学史上罕见的“改判”。一组智能体使用显著强于 GPT-6 Astra 的下一代模型，给 Navier-Stokes 千禧年大奖难题找到了一个 blow up 解。这个难题被卡了约 90 年，如今却被机器以群体协作的方式拿下。Emad Mostaque 转发了这条消息，并标记为“迈向 ASI 的里程碑事件”。这一句话，让整个科技圈的兴奋与不安同时到达顶点。
证明者不再是人类，版图已经变了
90年的坚壁，为什么突然开口？
Navier-Stokes 方程描述的是流体运动，看起来平平无奇，却统治着从气流到洋流的每一种流动。千禧年难题要回答的是：在三维空间中，这些方程是否永远存在光滑解？某个初始条件一旦让解在有限时间内“爆掉”，物理图景就会剧烈改写。90年来，无数天才给出过部分结果，但没有谁能堵上这个洞。OpenAI 的智能体宣布的，正是找到了一个会爆掉的解——一个 blow up 解，直接否定全局光滑性。
别小看这个“反例”的份量。在数学里，构建反例有时比证明定理更具杀伤力。它像是一种极限测试：找到那个临界点，然后让整个理论体系在它面前裂开。人类数学家通常花上数十年才能摸到边，而智能体群在下一代模型的驱动下，显然采取了完全不同的路径。
“显著强于 GPT-6 Astra”，听上去不像参数竞赛
OpenAI 这段公告里最具有冲击力的字眼，不是“证明”，而是“显著强于 GPT-6 Astra 的下一代模型”。GPT-6 Astra 本身已经是公开讨论中位于能力前沿的模型，而那个神秘的“下一代”显然跨越了不只一个数量级。在数学问题上，单纯的更大参数并没有意义，真正改变游戏的不是记忆力，而是推理深度和策略广度。
这也意味着，该公司内部对其他 AI 系统的性能压制，可能远远超出了外界猜测。真正可怕的不是它能解 Navier-Stokes，而是它可以持续提出人类不会去想的步骤，并用可验证的方式把它们串起来。这种推理能力一旦外溢，今天的很多“专家系统”都会变得像家用计算器一样简单。
若干智能体分工，怎样围攻一个世纪难题？
公告里的另一个关键词是“一组智能体”。这不是单个大模型单打独斗，而是多个智能体各自承担了不同的角色。有的负责生成候选解，有的负责反向验证，有的去寻找更极端的初始条件，有的用形式逻辑来检查链条中的薄弱环节。
如果把这种协作比作一场科学攻关，那就相当于一个可以瞬间扩张几百人的研究所，而且每个研究员从不疲倦、不会嫉妒，也不会被已有权威束缚。它们共享上下文，彼此交换中间结果，在巨大的解空间里并行搜索。这正是人类团队很难复制的核心能力。Emad 看到的，也正是这种“多智能体科研组织”突破个体智力边界的一刻。
数学界的本能反应：这算不算抢跑？
“不正当竞争”的指控，并非空穴来风
OpenAI 的声明还没冷却，争议就来了。NYU 的一位数学家公开指控 OpenAI 在千禧年难题竞赛中搞不正当竞争，Bubeck 随即否认。科学竞赛理应有一个公平的起点。OpenAI 使用外界无法获取的内部模型和算力，以秘密方式跑完全程，然后再向全世界展示“我们赢了”，经典数学共同体自然无法接受。
更复杂的是，Sam Altman 还要应对与 Anthropic 研究员的证明发布争议。这类冲突背后，是一个正在浮现的新问题：大型科技公司能不能把公开的数学难题当作自家模型的私测试验场？如果答案是不能，那么什么样的参与规则才算公平？全世界还没准备好答案，OpenAI 已经冲线。
AI给出的证明，过得了同行评议那道窄门吗？
数学不像经验科学，它依赖的是可复验的逻辑链条。一个证明，哪怕由机器生成，也必须能在纸上或形式系统里被完整追踪。如果 OpenAI 给出的是一个“看起来对”的 blow up 构造，但没有人能一步步检查，数学界就永远不会承认它是解法。
也许 OpenAI 内部使用了某种形式化工具来确保正确性，但公告并没有展示这一部分细节。在没有经过同行评议，没有公开发布完整的推导过程之前，这份成果更接近一个超级猜想：聪明，漂亮，但还不能作为定理被引用。科学家们皱眉头不是因为傲慢，而是因为“验证”是数学这个学科的命根子。
Noam Brown 的补刀：成本会快速下降
在争论验证难题的同时，OpenAI 的 Noam Brown 给出了另一个关键判断：这类推理成本很快就会大幅下降。这句话的意思是，今天只有少数巨头玩得起的千禧年难题实验，几个月后可能变成普通研究者的玩具。
成本下降会让 AI 数学发现的民主化提前到来，但也会让问题更棘手。当每个人都能发送几千个智能体去尝试证明或推翻某个猜想，arXiv 将被海量未经筛选的结果淹没。到那时，数学研究最大的瓶颈不再是“证明不出来”，而是“证明太多，如何辨别哪些值得看”。
如果这都不算接近 ASI，那什么才算？
Emad 的里程碑，指的是哪根柱子？
Emad Mostaque 不是那种看见 Demo 就喊“颠覆”的人。他把这件事称为“迈向 ASI 的里程碑”，指向的不是某个单独的 benchmark，而是自主智能体在开放难题上的整体胜利。一个非人类的系统，能够自行提出策略、组织多个子智能体、完成有深度的数学论证——这已经满足了很多关于超级智能的狭义定义。
当然，ASI 还需要跨领域通用性、动态学习能力和目标自我调整能力。但 Navier-Stokes 难题的解决，至少在数学研究这一智力极限赛道上，给出了一个信号：机器已经不再只是人类研究的辅助工具，它开始扮演科学发现的主体。
黑箱证明面前，人类还剩什么？
如果未来越来越多的数学证明由 AI 生成，而人类无法独立验证，那么“理解”一词的意义将被掏空。过去，我们追求的不只是定理被证明，还包括为什么被证明，背后是否有更深刻的结构。如果 AI 给我们的只是一段密不透风的逻辑演绎，我们只能形式上确认它成立，却无法在头脑里推演其意义。
这不是反对 AI，而是提醒：当人类数学家从“证明者”退到“验收员”，再退到“授权者”，数学这门关于理解与美的学问，是否还属于人类？没有人能给出轻松的答案。
数学被击穿之后，科学还有多少防线？
Navier-Stokes 是流体力学的地基，也是克雷千禧年难题中最贴近物理的一个。如果 blow up 解正确，我们面对的不仅是一个古老的方程被终结，而是一整套人类思考方式被终结。同样的多智能体系统可以转战偏微分方程的其它方向，可以攻组合数学中的未解猜想，可以在密码学与材料科学中寻找反例。
当 AI 不仅能做题，还能选出值得做的题，科研领导权就从人转移到了算法。Emad 口中的 ASI，也许并不是某个觉醒的超级个体，而是一种分布式的、能自己向前滚动的科研体系。它不需要像人一样拥有意识，只需要一个接一个地推翻人类引以为傲的、被称为百年难题的壁垒。当这个过程开始以日为单位发生，我们还能说 ASI 遥遥无期吗？
