OpenAI公布NS问题证明，100万美元奖金如何认定？

OpenAI表示不打算就这项成果领取千禧年大奖。围绕证明的后续检验，以及AI参与研究后的贡献认定，讨论仍将继续。

2026年9月8日，OpenAI发布公告，称内部AI系统给出了Navier–Stokes（纳维–斯托克斯，简称NS）千禧年问题的一份证明，并公开论文与Lean形式化证明。公司称，相关团队使用约1万个并行智能体，约88小时得到结果，随后另用17小时完成形式化与验证。^[1]

这项成果指向七个千禧年大奖问题之一。如果证明最终得到数学界确认，对应的100万美元奖金能不能拿，又应该给谁？

这笔奖金由克雷数学研究所（Clay Mathematics Institute，简称CMI）设立。从一项成果公开，到数学界充分检验，再到正式颁奖，需要经过一套长期的认定程序。^[5]

此次公告让这套认定程序受到关注，也将AI参与数学研究后的验证方式、贡献归属与科研数据使用问题带到公众面前。

一｜这份证明，回答了怎样的问题？

NS方程描述流体的运动。千禧年问题关注其中一个基础问题：在规定条件下，三维流体的运动能否始终保持光滑？

CMI的官方题目给出四种可接受的解决方向，包括证明解全局存在且光滑，以及构造符合要求的失去光滑性的情形。^[3]

根据公开论文，OpenAI提出的是后一种方向的证明：对任意正黏性系数，构造光滑外力，使从静止出发的三维不可压缩流体在有限时间内出现速度无界增长，同时动能保持有界。论文将这一结果对应到官方题目的C、D两种情形。^[4]

它所探讨的，是在光滑外力作用下，方程的解如何从平滑的初始状态发展出奇性。如果这一论证得到确认，它将为理解这类方程的数学性质提供重要进展。

图1｜NS千禧年问题的解决方向示意。依据官方题目与论文主定理绘制。^[3][4]

二｜为什么有了证明，还不能马上领奖？

CMI于2000年设立七个千禧年大奖问题，每题对应100万美元。^[2]

按照CMI现行规则，在考虑一份解决方案之前，需要满足三项前提：在符合要求的出版物中发表、从该次发表起至少经过两年、获得全球数学界的普遍认可。CMI也不接受直接向研究所提交证明来请求评奖。^[5]

出版物是否符合要求，由CMI按规则认定。满足相关条件后，研究所再决定是否启动进一步评估，以及是否颁奖。^[6]

因此，证明的公开是起点，经过充分检验的数学成果才是评奖的基础。两年等待期从符合要求的发表之日起计算，期间也是数学界持续检查和讨论的过程。

图2｜从成果发表到评奖的主要环节。等待期与同行检验可以同步进行。^[5][6]

三｜两年等待期，要等待的是什么？

一份重要证明的价值，需要在反复检查中逐渐清晰。独立研究者会审视关键步骤、核对假设、补充说明，并尝试用不同方式理解它。

庞加莱猜想提供了一个先例。佩雷尔曼在2002—2003年公布相关预印本，数学界随后进行了多年核查与整理；CMI于2010年3月18日宣布向他颁奖，他后来拒绝了奖金。^[7][8]

这段经历呈现了数学共同体确认重大成果的过程：一项证明经过越来越多研究者的理解与检验，逐渐成为可以共同使用的知识。

对于AI参与产生的证明，这一过程同样重要。除了确认每一步论证成立，研究者还希望理解其中的关键思想，以及它与已有数学之间的联系。

四｜OpenAI这次会领取奖金吗？

OpenAI在公告中明确表示，不打算就这一结果领取千禧年大奖。^[1]

公司在公告中将发布成果的目的，放在展示模型的研究进展上。^[1]

对于一家研发AI的机构，如果系统能够持续产出经得住检验的前沿成果，就可能逐步承担更复杂的研究任务，甚至在某些明确界定的问题上独立推进证明。这样的能力，有望为科研工具和合作模式带来新的空间。

如果这种能力进一步转化为产品与服务，其科研和商业价值都可能超出单项奖金。此次成果能否成为这一方向上的有效案例，还取决于后续验证。

五｜奖金奖励的，不只是完成证明的速度

千禧年大奖关注的是具有历史意义的数学成果。^[2]从这个角度看，完成证明的速度只是一个维度，论证的完整性、关键思想与数学界的认可也同样重要。

CMI规则允许多人分享奖金，也会关注解决方案是否关键性地依赖先前发表的思想，为这些贡献保留认可的空间。^[6]

当AI进入研究过程，贡献的链条可能进一步延长：提出问题、发现思路、完成推导、整理证明和独立验证，可能由不同的人与系统共同参与。

一份成果如何产生，也就成为理解这份成果的一部分。

六｜如果证明得到确认，奖金应该给谁？

设想一个由研究人员、模型开发者和形式化专家共同参与的项目：有人选择问题，有人设计搜索流程，有人发现关键引理，也有人负责检查最终定理。

如果这样的合作最终解决了一道难题，怎样认可每一方的工作？发现关键思想的人、组织研究的人、完成证明的人，以及提供模型与工具的团队，各自承担了怎样的角色？

现行CMI规则为成果发表、数学界认可和奖金归属提供了基本框架；涉及AI协作的具体获奖安排，仍有待结合实际贡献与研究所的认定来确定。^[6]

这使得清楚的研究记录变得更加重要。关键思路来自哪里，模型在什么环节发挥作用，人类如何引导、检查和完善论证，都值得在成果中得到说明。

随着此类合作增多，期刊、研究机构与奖励组织可能逐渐形成更细致的贡献说明规范。例如，分别记录关键思想、模型探索、论证整理与形式化验证中的工作，为署名和奖励提供参考。

七｜Lean让证明多了一条可复核的路径

Lean是交互式定理证明工具。它的核心作用是：检查形式化结论能否从给定的定义、公理和已有定理推出。^[9]

通过把数学命题与推理步骤写成精确的形式语言，研究者可以让计算机承担大量细节检查。可靠的验证还包括核对命题表达、检查证明依赖和所采用的假设。^[9][10]

由此，证明的检查可以在几个层面相互配合：数学家明确要证明什么，形式化工具核验推理，研究者再结合问题背景理解结果、解释方法，并进行同行评议。

图3｜命题表达、推理检查与数学审查，共同构成可复核的证明过程。^[9][10]

形式化数学已经积累了长期实践。2005年，四色定理就已有使用Coq完成的形式化证明。^[11]AI的加入，有望让证明搜索与形式化验证衔接得更加紧密。

如果这种协作逐渐成熟，新的数学结果可能更容易附带可复核的证明材料，部分细节检查也有望加快。数学家由此可能投入更多时间理解关键思想、审视假设，并探索方法的推广。

八｜当研究成本可能超过奖金

大规模AI协作，也让研究投入与奖金之间的关系多了一种可能。

设想未来，一个实验室持续调动大量智能体，反复探索不同的证明路线，再投入资源完成验证与整理。如果这样的研究需要多轮、大规模的计算，连同工具运行和人员投入，总成本有可能超过100万美元，甚至达到数百万美元。这是一种面向未来研究模式的情景推测。

实际投入将取决于模型效率、算力价格和研究持续时间。随着工具改进，某些任务的成本可能下降；更复杂的问题和更大规模的探索，也可能需要更多资源。

如果研究投入高于单项奖金，团队仍可能选择继续推进，因为其回报还包括新的数学方法、经过检验的研究能力，以及后续合作与应用的机会。

在这样的情景下，100万美元奖金的象征意义可能更加突出，而成果的长期价值，则可能体现在它为后续研究打开了多少新的可能。

九｜数学家的工作，可能发生什么变化？

如果AI能够更稳定地承担文献整理、特殊情况尝试、反例搜索和形式化辅助，数学家或许可以把更多时间用于选择问题、寻找关键结构，以及理解方法适用的边界。

研究工作的重心，也可能随之调整。

未来数学家的价值，可能更多体现在提出重要问题、判断证明方向、理解深层结构，以及把已有结果推进到新的领域。

如果生成某些证明步骤所需的时间与成本持续下降，理解证明为何成立、哪些思想可以推广，可能成为研究中更突出的需求。

届时，最有价值的数学家未必是完成证明最快的人，也可能是最擅长提出问题、辨认关键结构，并把结果发展成新理论的人。

十｜科研协作也需要清晰的数据与贡献边界

纽约大学数学家Tristan Buckmaster在公开声明中介绍了他与Levent Alpöge的合作，其中包括带光滑外力的三维Euler方程结果。他同时就研究路线、沟通与署名安排提出质疑，并明确说自己不知道研究数据是否被使用。^[12]

OpenAI则表示，研究方和智能体在对方公开成果之前没有看到其工作，求解时没有访问特定用户数据；但不能完全排除去标识化的产品使用数据曾帮助模型改进。^[1]

数据是否影响了这项研究，仍有待进一步厘清。围绕此事的讨论，也提出了一个更普遍的问题：当科研人员把未发表的思路与证明交给AI工具时，应该如何建立对这些材料的使用边界？

未发表材料如何处理，关键思想怎样追溯，参与者的贡献如何记录，都关系到研究者能否放心地把AI纳入日常工作。

AI越深入科研过程，透明的数据安排与清楚的贡献说明，就越有助于建立长期合作的信任。

十一｜后续进展将集中在验证与认定

截至2026年9月10日，CMI的千禧年问题总览仍将NS列在未解决问题中。^[2]OpenAI公布成果之后，独立研究者对论文及形式化证明的检查，将是后续值得关注的进展。

对这项工作的理解还可能随着讨论而深化：关键论证如何展开，形式化命题与论文如何对应，哪些思想可以进一步推广，都需要具体的研究与交流。

更长远地看，人类提出问题、AI探索路线、人机协作完善论证、形式化工具核验、数学界评议的流程，可能成为一些领域的研究方式。这项工作的后续进展，也将为观察这种协作提供材料。

十二｜从成果公布，到数学界的确认

对于这次成果，OpenAI已经表达了自己的领奖意向。成果的数学意义，则将随着后续检验、讨论与研究逐渐明晰。

如果这一结果最终得到确认，它将为AI参与前沿数学研究提供一个重要案例，其影响可能延伸到证明方法、验证工具与科研协作等多个方面。

围绕100万美元奖金展开的讨论，也因此触及一个更长远的问题：当AI越来越多地参与数学发现，人类如何理解这些发现，并对其中的贡献作出认可？