一句话看懂：据 X 用户 Saito 转述一档播客内容，OpenAI 的模型据称给出了流体力学经典难题 Navier-Stokes 的反例证明，但 MIT 教授表示读到第二页就读不下去。数学界第一次面对“答案有了、人却看不懂”的局面。
事件核心：发生了什么
据 Saito 在 X 上引述的播客内容，上个月 OpenAI 的模型据称解开了悬置近百年的 Navier-Stokes 方程基础问题，给出的答案是“反例”：存在某种搅动方式，可在有限时间内让流体失控。MIT 工程教育副院长 Justin Solomon 在节目中表示，这份证明前两页之后他就读不动了。他说“勺子”主体构造由西班牙数学家早先以纸笔完成，AI 补上了最后一公里。
验证层面也出了问题。模型不擅长自查证明，业界做法是把证明翻译成 Lean 代码，由非 AI 的软件核对正确性。Solomon 提到，顶尖 AI 证明动辄几十万行代码，人类已难以逐行检查。目前公开信息显示，该证明是否已通过同行评审、是否满足 Clay 奖的评审条件，尚未确认。
为什么重要
过去“它是对的”和“有人看懂了它”几乎是一回事，这次两件事第一次分开。陶哲轩的说法被引述为：证明稀缺的时代结束，进入“证明过剩”时代。对 AI 行业来说，这意味着大模型的推理能力开始触及前沿数学的验证边界——生成答案越来越便宜，验证没有跟着便宜。谁 token 多、算力足，谁先摸到答案，正在成为数学竞赛的新变量。OpenAI 等少数公司控制着算力和模型供给，大学研究者手里的模型可能落后两代。
对用户/开发者/创作者的影响
对开发者，Lean 这类形式化验证工具的价值在上升。把正确性外包给另一套软件，正从数学圈扩散到更广的 AI 应用。对普通用户，一个直接变化是：AI 给出“重要结论”时，附带的自信措辞未必可靠，Solomon 就收到过陌生人邮件称“AI 说我证明了新结果，需要 MIT 教授验证”。对内容创作者和研究者的现实问题是：写 prompt 的人算不算做了数学？功劳怎么归因？Clay 奖未来的奖金归属，目前没有答案。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这份证明能否走完同行评审，是否满足 Clay 奖“学界放几年不被推翻”的规则；二是 Lean 等验证工具是否会成为 AI 数学输出的标配；三是 AI 能否提出真正的新问题，而不只是在已有知识围成的凸包里连线。Solomon 的判断是：提出对的问题、判断答案的分量、把结果变成理解，这些暂时还写在人类这边。
