OpenAI的数学，第一次越过已知

奇点社区 ｜ 发表时间：2026-10-27 ｜ 栏目：AI基础科学

10 月 26 日，OpenAI 在官方博客一次性甩出三份研究手稿：数学、计算机科学、物理学各一。消息传到中文互联网，标题很快被简化成一句话——"AI 攻克了千禧年难题"。

笔者倒觉得，这句简化既说少了，也说多了。说少了，是因为这次真正值钱的不是某一道题；说多了，是因为那道被当成头号噱头的千禧年难题，恰恰是目前还不宜急于相信的一项。

把三份手稿拆开看，会发现一条很少被点破的线：OpenAI 正在把"AI 做数学"从刷题模式推进到拓荒模式。这一步，比任何单条定理都更值得盯。

刷题和拓荒，是两件事

过去几年，AI 做数学的新闻大多长这样：在 IMO（国际数学奥林匹克）、在各种 benchmark 上刷分，分数越来越高，直到拿下金牌。这类成绩很亮眼，但本质是在"有标准答案的题"上逼近人类顶尖水平——考的是匹配已知解法的能力。

这一次的数学成果不是这种题。它针对调和分析里一个叫"局部平滑猜想"的开放问题：波在聚焦时能量能集中多久。OpenAI 称其模型在任意维度下证明了这个猜想，并由此一并解决了卡克亚（Kakeya）猜想与斯坦限制（Stein restriction）猜想。

为什么"任意维度"是关键？因为前人在这条线上已经啃了很多年：2019 年有团队证出二维情形，2025 年才有人证出三维卡克亚。OpenAI 的说法是，模型直接给了全维度的证明，路径是一条全新的辅助偏微分方程。换句话说，这不是在模仿某篇已知论文，而是开出了一条此前没人走通的路。

计算机科学那边更"炸"一点。OpenAI 称其系统证伪了指数时间假设（ETH）——一个和 P 对 NP 问题紧挨着、被几百篇论文拿来当"硬性下限"的长期猜想。它的意思是：有些问题被认为计算量必然随规模暴涨、快不了；如果 ETH 不成立，一大批建立在它之上的"这题快不了"的结论就要重写。模型给出的反例是一个确定性算法，能在亚指数时间、多项式空间内精确统计固定宽度 CNF 公式的可满足赋值数目，3-SAT 情形直接构成反驳。

这里得泼盆冷水：证伪 ETH 不等于"P 等于 NP"，也不等于明天就有更快的通用算法。OpenAI 自己也说，实际收益"还需要大量后续研究"。但这恰恰说明这次的成果是开放问题，不是课本习题。

同一家公司，两种可信度

三份手稿里，很容易被忽略的细节是它们的"出炉方式"完全不同，而这正是笔者的核心判断。

数学和计算机两项，OpenAI 在拿到结果后立刻用 Lean 做了形式化核验，并把自然语言证明和机器版本一起公开了。时间线很紧：数学结果 10 月 18 日出、19 日完成 Lean 核验；计算机结果 16 日出、17 日核验。Lean 是数学圈常用的证明助手，它能把证明拆成机器可逐条检查的步骤——只要前提成立，逻辑链条就对，人不用再逐行疑神疑鬼。这也是为什么外部专家会建议"直接公开，让研究者自己组织解读"，OpenAI 照做了。

物理那份则完全是另一套剧本。它声称给出了含杨-米尔斯理论在内的四维相互作用量子场论的严格数学存在性证明——而纯杨-米尔斯的存在性与质量隙，正是克莱数学研究所"千禧年七大难题"之一。但这份材料没有公开，也没有经过机器核验，而是由大卫·格罗斯（诺奖得主）领衔的一组物理学家"带路"（OpenAI 自己用的词是 shepherd），先自己吃透、写出他们版的解释，再决定是否发布。

于是出现一个耐人寻味的对照：同样是 AI 生成的证明，数学能被机器当场验真、于是敢直接摊开；物理暂时验不了、于是要等诺奖得主先"带路"。OpenAI 无意间把学界一直赖以为生的信任机制，分成了两层。

真正值钱的，是那条流水线

如果只盯着定理本身，容易高估，也容易低估。

高估的一面：杨-米尔斯那份还悬在半空，连材料都没公开，离"被学界接受"差着好几道关。笔者建议普通读者先把它当"疑似重大突破"看待，别急着写进年终盘点。

低估的一面：很多人没意识到，OpenAI 这次顺手搭起了一条新的科研生产线——AI 负责提出，Lean 负责验真，领域权威负责"带路"解读。这条线比任何单条定理都更像护城河：它把"AI 能不能做原创科学"从一个哲学问题，变成了一个可重复、可审计的工程流程。

回想 10 月初那次一口气放出 700 多篇手稿，平均用约三小时的高端订阅额度思考——当时外界还在争论"这是不是刷量"。到今天这三份，玩法已经升级：不再是堆数量，而是挑最难啃的方向，配更严的核验，再请分量十足的背书。这本身就是一个信号：头部实验室对"AI 辅助发现"的定位，已经从展示能力，转向建立可信的生产体系。

对圈外人，这意味着什么

笔者不想把这篇写成"人类要被取代了"的惊悚稿。更实在的判断有三条：

• ▪对研究者
  ：稀缺技能正在转移。过去比谁算得快、想得深；接下来可能比谁更会"给机器出的证明做牧羊人"——读懂、验证、再用人类语言讲清楚。能桥接 AI 输出与学术共同体的那种人，会变得极抢手。
• ▪对普通读者
  ：看到"AI 攻克千禧年难题"这类标题，先问一句"机器验过没"。Lean 验过的（数学、计算机），可以认真看；还没验、只靠权威背书的（物理），保持期待但别轻信。
• ▪对行业
  ：当"提出—核验—带路"成为标配，后来者拼的就不只是模型参数，而是谁能先把这套信任流水线跑顺。这或许是比单次突破更持久的差距。

笔者的判断

笔者赌这一波会被记成"AI 从解题者变成拓荒者"的转折点——但转折点成立的前提，是杨-米尔斯那份先经得起公开检验。在那之前，真正已经落地的，是卡克亚与 ETH 这两块被机器验过的硬骨头。

热闹归热闹，分清楚哪块是铁、哪块还是悬念，才是这波新闻里真正该带走的。

⚖️ 免责声明：本文为「数字科技说」基于公开信息的独立分析与解读，仅供研究与交流之用，不构成任何法律、投资或专业建议。文中观点不代表本号立场，引用数据以原始出处为准，如有偏差请以官方信息为准。

🤖 本文由人工智能技术辅助创作，相关内容仅供研究参考，不构成专业意见。

💬 这一波你怎么看？欢迎在评论区留下您的观点与线索，我们会持续跟进。

⭐ 如果这篇对你理解 AI 与科学前沿有帮助，设为星标，我们每天追踪前沿的真实动向。

📚 参考来源

• ›
  OpenAI 官方博客三项科学成果发布（2026-10-26），经腾讯新闻、CnBeta、KhanList 等转述
• ›
  腾讯新闻《OpenAI宣布三项科学新成果 数学与计算机成果通过Lean验证》（2026-10-27）
• ›
  CnBeta《OpenAI再抛三项重大科学发现 这回请外部专家"带路"》（2026-10-27）
• ›
  KhanList《OpenAI's triple threat: New proofs challenge math, computing and quantum physics》（2026-10-27）
• ›
  ExplainX《OpenAI Says Its Model Disproved the Exponential Time Hypothesis: What Is Claimed, What Is Verified》（2026-10-27）
• ›
  金十数据 / 新浪财经 快讯《OpenAI宣布AI取得三项科学突破》（2026-10-27）