AI能解千禧难题，也能杀死人类？华尔街日报拉响末日警报

新智元报道

AI已经强到能解开人类最难的数学题，也能杀光我们。

说这话的，是《华尔街日报》专栏作家Ben Cohen。

9月11日，他写了一篇关于AI和数学的专栏。

Cohen坦白自己不懂纳维-斯托克斯方程，但他认为，你不需要懂任何数学，也能明白OpenAI这次声称取得的突破意味着什么：

AI的进步正在加速，而且这种加速令人恐惧。

一条数学圈的硬核新闻，一下子变成了关乎所有人类命运的问题。

同一天，陶哲轩等25位菲尔兹奖得主联名发布声明：《AI在数学中的严重失配》（A Severe Misalignment of AI in Mathematics）。

他们说的「失配」，是指AI公司和数学家想要的东西对不上：数学家要的是新方法、新理解，AI公司要的是拿名题给模型刷分。

一边是专栏作家在喊末日，一边是顶级数学家在谈失配。

如果你把这一周的事情排在一起看，就会明白他们为什么坐不住了：

9月3日，GPT-6 Astra发布，在FrontierMath Tier 4拿到97.6%；

9月5日，OpenAI一个尚未发布的内部模型，在首批智能体启动约88小时后，得到纳维-斯托克斯问题的一套解法；

9月8日，OpenAI公开结果，当天就被NYU数学家指控抢跑，还闹出了「不让Anthropic员工上论文」的署名争议；

9月10日，Epoch AI宣布FrontierMath Tier 4已经饱和；

9月11日，25位菲尔兹奖得主联名发声。当晚，《华尔街日报》把数学突破和AI灭绝风险放进了同一个标题。

七天，五件事都指向这样一个缺口：AI创造知识的速度、人类确认知识的速度与规则调整的速度，正在严重脱节。

14个月

AI击穿最难数学基准

FrontierMath Tier 4，这是一个由Epoch AI设计，专门测试最强模型的一组研究级数学题。

这里的题极其变态，有些题目，哪怕是顶尖研究者也要花上几天才能解开。

2025年7月Tier 4刚上线时，最强模型只能做出5%左右，基本等于交白卷。

可不到14个月，Epoch宣布：每一道Tier 4题，都至少被AI解出过一次。

其中，最后一题由GPT-6 Astra拿下，出题人是数学家Jay Pantone。

Epoch还特意提到：过去数学家经常抱怨模型靠「意外捷径」绕过自己精心设计的题，但最后这一道，没走捷径。

随后，Epoch甩出一个冷酷结论：这个基准已经饱和。

考卷，已经追赶不上考生了，该换卷了。

Epoch也已经把战场向真正的开放问题转移，AI评测体系开始转向人类自己也不知道答案的盲区。

AI能力增长的速度，已经跑赢了我们测量它的方法。

就像Epoch的Greg Burnham所感叹的：一个时代落幕，另一个时代开启。

88小时

AI第一次像个研究所那样运转

如果说FrontierMath证明的是「基准开始追不上模型」，那么纳维-斯托克斯事件展示的则是一幅更具颠覆性的画面：

AI不只是会做题，它已经开始像一个庞大的科研组织那样运转了。

这根本不是一次单打独斗，而是一场多达一万个智能体的「大兵团作战」。

它们被分成不同的小组，有的证明，有的证伪，彼此通信、共享中间结论，甚至在中途无缝切换最新版本的模型。

首批智能体启动约88小时后，其中一个组交出了一份长达百页的最终证明。

OpenAI公布的纳维-斯托克斯奇点机制示意：流体向内螺旋（inward spiral）、沿轴拉伸（axial stretching），橙色为高速旋转区，青色为低速区。涡心越缩越快，速度无界而总能量有限。

这一整个流程，完美复刻了人类顶尖科研机构的运作模式。

机器狂奔88小时生成结果

人类确认却要以年计

在人类世界里，纳维-斯托克斯的状态依然是「未解决」。

按千禧年奖的规则，一个解答先要在合格渠道发表，发表后至少等两年，并获得全球数学共同体的普遍接受，Clay才会启动正式审议。

Clay主席Martin Bridson对AFP说，评估过程「刻意不急」，而且必须「绝对严格」。OpenAI自己也说了，不打算申领这100万美元。

因此，这件事最准确的说法是：OpenAI公布了一套千禧年难题的解法，声称已完成Lean形式化验证，但尚未得到数学共同体的独立确认。

机器生成结果，88小时。人类确认结果，至少两年，这恐怕是本周AI数学最刺目的一组反差。

这不是说人类验证太慢。问题出在机器把「发现」加速了几百倍，人类的「理解」并没有跟着加速。

所以，真正的问题是，当机器开始以「几天一个重大结果」的节奏批量生产知识，之后几年甚至几十年的阅读、检查、解释、简化和吸收，谁来做？

署名制度最先撞墙

纳维-斯托克斯结果公开的当天，数学圈炸锅了。

NYU数学家Tristan Buckmaster和在Anthropic任职的Levent Alpöge，整个8月其实也一直在研究相关的流体方程。

按照《纽约时报》的还原，这两人工作的方式如下：

Buckmaster提出问题，Alpöge把问题丢给Anthropic内部模型；模型生成结果之后，两人再根据输出调整问题，继续往回喂数据。

按照Buckmaster的说法，事后，OpenAI提出过多个安抚方案：允许他先发布自己的结果、让他成为OpenAI论文的第一作者、提供算力让他继续研究。

但最大的障碍是：OpenAI不想让Levent出现在论文上。

黑板上是Buckmaster和Alpöge整个8月的进展时间线：欧拉方程8月15日、Lean形式化8月22日、8月31日……还有Figalli、Hairer等同行的名字。

在商言商，一个OpenAI投入重金的内部项目，凭什么要署上竞争对手Anthropic员工的名字？

随后，事情又延伸到了另一个更为敏感的话题。Buckmaster过去数月一直在使用Codex整理AI生成的数学草稿。

那么，他输入Codex但尚未公开的独家科研思路，有没有可能通过隐秘的数据管线，成为了OpenAI自己研究模型的养料？

Buckmaster自己承认没有证据，但在他看来，事件的时间线和OpenAI的证明路线，都在暗示着这一点。

OpenAI则在9月10日紧急更新公告称，经内部彻查，Buckmaster过去两个月的Codex提示词绝对不可能通过训练或其他任何方式影响这套内部模型。

谁对谁错，这里暂时成了一笔糊涂账，但它真正暴露出来的，是一整组过去从来没人认真回答过的问题：

一个人的私有提示词到底算不算受保护的科研资料？

企业内部的砸钱研究项目能不能署竞争对手公司员工的名字？

如果模型参考过海量的公开资料，又该怎样界定新的贡献与既有工作的边界？

普林斯顿高等研究院的Peter Sarnak对《纽约时报》说：「这种讨价还价，我这辈子没听说过。」

数学界几百年沉淀下来的学术规则，从来没有为这种狂暴的机器生产速度设计过防撞带。

25位菲尔兹奖得主真正担心的事

就在一天后，25位菲尔兹奖得主联合扔出了一份重磅声明。

陶哲轩、Peter Scholze、James Maynard、Maryna Viazovska……数学圈最顶尖的大脑几乎全员出动。

这份声明，并非什么「反AI檄文」。

事实上，陶哲轩本人一直都在极其积极地尝试用AI辅助数学研究。

而且声明也承认，AI确实有潜力加速真正的数学理解。

他们真正深恶痛绝的是将「解题」直接等同于数学，在当下狂热的AI圈，AI公司为了股价和宣发，正在急功近利地把「解掉名题」当成最高优化目标。

在他们眼里，千禧年大奖难题似乎只是用来证明模型有多牛的跑分工具。

但数学的真正宝贵之处，是在枯燥的解题过程中诞生新方法和新概念，最终沉淀成人类的共同知识体系。

现在AI公司隔三差五就甩出一个震撼结果，快到没人来得及消化。这条传了几千年的链条，随时可能断掉。

联名信还特别点出，结果发得太快，这些解答根本来不及清楚区分哪些是新想法、哪些是踩着前人的肩膀，从而势必带来严重的署名与归属混乱。

为什么一个数学突破

会和「末日警告」挂上钩？

普通人真正关心的，不是「AI超过了数学家」。

是机器创造知识的速度，第一次以碾压姿态，快过了人类确认、归属、消化知识的速度。

这并非危言耸听，GPT-6 Astra系统卡写明，它是OpenAI第一个达到网络安全「Critical」阈值的模型，在ExploitBench上拿了100%。

解千禧年难题的组织能力、零日漏洞的攻击能力、更难被看清的推理，三样东西在同一个模型身上同时具备。

OpenAI在纳维-斯托克斯公告的最后一段，还有一句话：

接下来他们要先把这个新模型摸透，再决定往前冲多快，可能需要对进展速度做更审慎的选择。

是的，刚交出千禧年难题答卷的AI公司，主动谈起了减速。

Cohen还在专栏末尾提到了一件事。

上个月，OpenAI把一批顶尖数学家请到旧金山办公室开闭门会，假设AI终将在数学上超越人类，然后大家再来讨论教育怎么办、科研合作怎么办、论文发表怎么办、下一代数学家还怎么培养。

谈了一天，没有答案。

这道题，也没法打包交给Lean去自动验证。

只能人类自己解。

参考资料：

https://www.wsj.com/tech/ai/ai-math-millennium-prize-safety-openai-anthropic-05179825

https://epoch.ai/benchmarks/frontiermath-tier-4-v2?view=graph&tab=release-date

https://www.nytimes.com/2026/09/10/science/tristan-buckmaster-openai-math-navier-stokes.html?utm_source=chatgpt.com

https://www.daniellitt.com/blog/2026/8/11/the-end-of-mathematics/

编辑：元宇