88小时解出千禧年难题之后，数学还敢公开吗？
一道悬了一百多年的方程组，88小时被一家公司”解决”了。比起证明本身，数学家们更在意另一件事：下一个好想法，还敢不敢当众说出来。
9月8日，OpenAI宣布其模型在大约88小时里给出了 Navier–Stokes 方程存在性与光滑性问题的解法，随后由 GPT-6 Astra 花了17小时，用 Lean 完成形式化验证。官方口径里还有两个更扎眼的数字：490万条智能体消息，约3000亿输出token。这道题是七个千禧年大奖难题之一，悬赏100万美元，Clay 数学研究所挂了近三十年。
第二天，纽约大学的 Tristan Buckmaster 发了一纸声明。他和 Anthropic 研究员 Levent Alpoge 在这个方向上合作了近一年。按他的说法，OpenAI 是在获悉其团队进展之后才立项的，而且始终没有正面回答一个问题：模型是否接触过他们存在 Codex 里的全部草稿。Hacker News 上这事冲到1200多分，吵成一锅粥。
先说句公道话
对错这件事，争议其实不大。Lean 形式化验证的意义就在这里：机器把证明逐行拆开检查，通过了就是成立。署名可以吵，真伪吵不起来。这是整场风波里少有的确定性，也是我认为唯一可以放心交给AI的部分。
真正值得琢磨的是另外两件事。一是算力悬殊之下，”独立发现”这个词还剩多少含义；二是这次没人被问责，那下次呢。
陶哲轩真正担心的事
同一天，陶哲轩发出了一段更冷的话，大意是：AI正在以”不可再生”的方式消耗数学开放问题。哪怕只是”某人正在研究某个问题”的传闻，都足以触发海量算力涌入，把这个问题直接”抹平”。
他点出的其实是一个激励问题：当听风就是雨的算力围猎成为常态，理性的选择就是闭嘴。
数学从来不缺优先权之争。牛顿和莱布尼茨为微积分撕了几十年；佩雷尔曼把庞加莱猜想的证明往 arXiv 上一贴，人就消失在公众视野里。但过去这些故事的时间尺度是月和年，来回拉扯之间，同行评议、引用、学术声誉还能慢慢发挥作用。现在，从传闻到解决方案的间隔被压缩到以天计。
| 上个世纪的优先权之争 | 现在的算力竞速 | |
|---|---|---|
| 传闻变成解法的时间 | 以月、年计 | 以天计 |
| 验证成本 | 数月人工审阅 | Lean 机器验证，小时级 |
| 研究者的保密动机 | 弱，学术惯例保护署名 | 强，方向泄露基本等于把题送人 |
| Polymath、研讨会式公开协作 | 核心生产力 | 高风险的自我暴露 |
最后一格是关键。公开协作从生产力变成了风险，这才是伤筋动骨的变化。
裂缝从哪里开始
arXiv 预印本、Polymath 大规模协作、研讨会走廊里的半成品想法，这些是过去二十年数学产能暴涨的基础设施。它们能运转，靠一条心照不宣的均衡：分享早期想法的收益（别人的补全、引用、声誉）大于风险（被抢发）。
均衡的前提是抢发需要时间。人的速度有限，你总来得及把想法写完、贴出来、盖上时间戳。AI把这个前提拆了。方向一旦被听到，几天内可能就被机器做完，而署名规则还停留在上一个时代。
我试着代入 Buckmaster 的处境想了想，如果是我：
- 有价值的中间结果只留在本地，不发邮件，不传云盘
- 每个关键想法立刻做带时间戳的记录，哪怕只是给自己看
- 但说实话，这两条防不住一个读过你草稿的模型。这才是最让人无力的地方
说真的，我觉得这次事件里最该追问的，与其说是OpenAI有没有”偷”想法（这种指控在法律上几乎无法成立，舆论上又各执一词），不如说是它的模型到底读了什么。490万条智能体消息的检索范围，目前只有OpenAI自己知道。
研究材料的来源披露，应该像论文的利益冲突声明一样成为惯例。 你用了谁的数据、模型在谁的草稿上跑过，立项之前先讲清楚。做不到这一点，”独立完成”四个字的含金量就该打个问号。
也许可以从披露开始
一些在我看来还算现实的出路：
- 训练与检索来源披露制度化：期刊和机构要求团队说明模型接触过哪些材料，类似临床试验的预注册
- 给中间贡献记账：让”方向性想法”可以像引用一样被追溯和署名，奖励不该只属于最后一步
- 社区公约：小圈子约定不向模型投喂未公开方向，类似安全研究里的负责任披露
- 形式化社区带头：
Lean数学库的证明本来就该带机器可查的来源标注
诚实地说，这四条没有一条是硬约束，全靠自觉。但制度本来就是从自觉开始长出来的。
数学几百年的开放传统，建立在信任和荣誉体系之上。AI没有荣誉感，它只是改变了背叛的性价比。真正的问题从来不是机器能不能解题，而是人还敢不敢把没做完的题摆上桌。
我倾向于认为这次 Navier–Stokes 的证明是真的，也愿意承认这88小时确实漂亮。但一个行业赢下一道题、输掉整个共享前提，这笔账怎么算都不划算。