1万个AI Agent 88小时攻克千禧年难题：科研范式正在被改写，但争议也来了

引言

2026年9月8日，OpenAI扔出了一颗炸穿科学界的炸弹。

一个比GPT-6 Astra更强、尚未对外发布的下一代模型，组织约1万个并发AI Agent，用88小时，给出了纳维-斯托克斯方程存在性与光滑性问题的完整证明。

这道题是克雷数学研究所七大千禧年难题之一，悬赏100万美元，困住了全世界顶尖数学家近90年。

消息一出，整个科技圈和数学圈都炸了。有人欢呼"AI科研时代来了"，有人质疑"这算不算算力截胡"，菲尔兹奖得主陶哲轩也下场参与讨论。

这篇文章不想简单站队，而是想聊聊：这件事到底意味着什么？争议的焦点在哪里？对我们普通开发者又有什么启发？

一、事件回顾：OpenAI到底做了什么

先把事实理清楚。

当地时间9月8日，OpenAI在官方博客和社交媒体上宣布：借助约10000个并发AI Agent协作，耗时88小时，完成了三维不可压缩纳维-斯托克斯方程存在性与光滑性的完整证明。

同步公开的还有：

• 一份166页的论文
• 用Lean定理证明器写的形式化验证代码

纳维-斯托克斯方程是什么？简单说，它是描述流体运动的基本方程，小到水龙头出水，大到海洋环流、星系旋转，都归它管。但这个方程的解是否一定存在、是否光滑，数学界一直没有证明。

2000年，克雷数学研究所把它列入七大千禧年难题，每道题悬赏100万美元。20多年来，只有庞加莱猜想被证明（佩雷尔曼，2003年），其余六道依然悬而未决。

OpenAI这次的成果，如果最终通过数学界的长期审查，将是AI首次在基础科学领域做出真正意义上的原创性突破——不是辅助，不是加速，而是自己发现了人类没找到的答案。

二、技术拆解：1万个Agent是怎么协作的

很多人好奇：1万个Agent一起干活，到底是怎么组织的？

虽然OpenAI没有公开全部技术细节，但从已披露的信息和行业常识来看，大致是这样的协作模式：

1. 任务拆解与分发

证明一个数学难题不是一步到位的，需要拆成无数个子问题。1万个Agent不是都在做同一件事，而是被分配了不同的子任务：有的在探索证明思路，有的在验证引理，有的在写形式化代码，有的在检查逻辑漏洞。

这就像一个大型科研项目，有总负责人，有各个方向的小组，有写论文的，有做实验的，有审稿的。

2. 多轮迭代与自我修正

Agent不是一次就做对的。它们会不断尝试、失败、修正、再尝试。88小时里，这1万个Agent可能经历了成千上万轮迭代。

关键在于，Agent之间可以互相"看到"彼此的进展。一个Agent发现了一个有用的引理，其他Agent可以基于它继续推进。一个Agent走进了死胡同，其他Agent可以绕开。

3. 形式化验证兜底

数学证明最怕的是"看起来对但其实有漏洞"。OpenAI这次用Lean做了形式化验证，把每一步推理都变成了机器可以检查的逻辑。

这意味着，只要Lean验证通过，证明的逻辑链条就是严谨的——除非前提本身有问题。这比传统的"人工审稿"要可靠得多。

4. 模型能力是基础

当然，这一切的前提是模型本身足够强。OpenAI用的是一个比GPT-6 Astra更强的内部模型，推理能力、数学能力、长上下文能力都达到了新的高度。

没有足够强的基础模型，再多Agent也只是"三个臭皮匠"，凑不出诸葛亮。

三、意义：AI科研时代真的来了吗

这件事最大的意义，不是"AI解出了一道数学题"，而是它展示了一种全新的科研范式。

传统科研模式：一个或几个科学家，花几年甚至几十年，靠人脑慢慢推导、验证、写论文。

AI科研模式：上万个Agent并行探索，几天时间完成人类几十年的工作量，然后用形式化验证确保正确性。

这不是简单的"加速"，而是范式级别的变化。

以前，科研的瓶颈是"人脑的思考速度"；现在，瓶颈可能变成了"怎么提出好问题"和"怎么判断方向对不对"。

如果这种模式跑通了，未来的科研可能是这样的：

• 科学家提出猜想和方向
• 成千上万的Agent并行探索各种证明路径
• 形式化验证确保每一步都正确
• 科学家负责解读结果、提炼意义、提出新问题

科学家从"做计算的人"变成了"提问题的人"和"判方向的人"。

这和AI编程领域发生的事情一模一样：以前开发者写代码，现在开发者管Agent；以前科学家做推导，现在科学家管Agent。

四、争议：算力截胡还是学术公平？

但这件事的争议也非常大，核心集中在学术伦理上。

纽约大学教授Tristan Buckmaster与Anthropic的数学家公开质疑：OpenAI是否利用了用户存放在Codex中的草稿思路进行"算力截胡"？

什么意思呢？就是说，可能有数学家在Codex（OpenAI的编程工具）里写过关于纳维-斯托克斯方程的证明思路、草稿、笔记。这些数据被OpenAI用来训练模型，然后模型"参考"了这些思路，先于原作者完成了证明。

如果是这样，那问题就大了：

• 这算不算剽窃？
• 数学家在AI工具里写的草稿，知识产权归谁？
• 大公司是不是可以靠算力优势，把别人的半成品思路抢先做成成品？

菲尔兹奖得主陶哲轩也表达了谨慎的态度。他认为，AI生成的证明需要经过数学界的长期审查，不能因为是AI做的就盲目相信，也不能因为是AI做的就一概否定。

还有一个争议点：OpenAI没有公开这个模型。外界无法复现、无法验证、无法独立审查。一个不透明的系统做出了重大科学突破，这本身就和科学的"可复现性"原则有冲突。

这些争议不是小事，它们关系到未来AI科研的规则怎么定：数据怎么用？成果怎么归属？大公司的算力优势会不会形成新的学术垄断？

五、对开发者的启示：Agent协作的未来

作为开发者，我们可能更关心的是：这件事对我们意味着什么？

1. 多Agent协作是下一个大方向

1万个Agent协作解决一个复杂问题，这展示了多Agent系统的巨大潜力。未来，不管是编程、设计、运维还是科研，多Agent协作都会成为常态。

现在我们还在用单个Agent写代码，未来可能是几十个Agent分工协作：一个写前端，一个写后端，一个写测试，一个做Code Review，一个负责部署。

2. 任务拆解能力越来越重要

1万个Agent能高效协作，前提是任务被拆解成了Agent可以执行的子任务。不会拆解任务，再多Agent也只是乌合之众。

这和我们之前说的"管Agent思维"是一致的：未来开发者的核心能力不是写代码，而是定义问题、拆解任务、审查结果。

3. 形式化验证会越来越重要

AI生成的代码、证明、设计，都需要可靠的验证机制。Lean这种形式化验证工具，未来可能会从数学圈走向软件工程圈。

想象一下：未来AI写完代码，自动用形式化验证确保没有bug，这比人工测试可靠多了。

4. 数据伦理和知识产权会成为新战场

如果AI可以"参考"用户的草稿抢先做出成果，那每个用AI工具的人都要思考：我在AI里写的东西，安全吗？会被用来训练模型吗？会被别人抢先吗？

这会催生新的需求：私有化部署、数据隔离、知识产权保护工具。

5. 不要焦虑，要拥抱

最后还是那句话：能淘汰你的不是AI，而是比你更早学会用AI的人。

AI Agent能攻克千禧年难题，不代表数学家要失业了，而是数学家的工作方式要变了。开发者也一样，AI能写代码了，不代表开发者要失业了，而是开发者的工作方式要变了。

结语

OpenAI用1万个Agent、88小时攻克千禧年难题，不管最终证明是否通过审查，这件事本身已经足够震撼。

它告诉我们：AI已经从"辅助工具"进化到了"自主探索者"，从"帮人干活"进化到了"自己发现知识"。

科研范式正在被改写，学术规则正在被重新讨论，开发者的工作方式也在发生深刻变化。

争议会有，阵痛会有，但趋势不会变。与其担心被替代，不如早点学会怎么和AI协作——毕竟，未来属于那些会驾驭AI的人。

参考来源：OpenAI官方博客、第一财经、华尔街见闻、36氪、今日头条等公开报道。