胡说|快评:AI大模型破解千禧难题开始帮科学家求解
这一周，朋友圈被“AI 解出千禧难题”刷屏。但别急着鼓掌，也别急着泼冷水——真正值得盯的，不是一道题有没有被证出来，而是大模型第一次把“解题”这件事的主语，从人换成了机器。
AI 没取代科学家，只是把求解器的位置往前推了一大步。
一、一句“AI 解了千禧难题”，哪句是真的
先拆这句热搜标题。据科学网等 2026-09-18 报道，OpenAI 在 2026 年 9 月公布了一份关于三维不可压缩 Navier–Stokes 方程的长篇证明，并附带了 Lean 形式化验证。听起来像“人类七大数学难题之一被攻破”，但话说到这儿就得踩一脚刹车。
Navier–Stokes 是千禧年七大难题之一，问的是流体方程在任意时刻是否都有光滑解。OpenAI 做的，是这个方程的“强迫变体”——不是原题最硬核的那个版本。科学网评论就点明了：变体算不算解出原题，业界本就有分歧；而且它给出的是“数值证据”，不是数学圈通常认的严格“形式化证明”，能不能站住，得交给数学界慢慢检验。
所以“AI 解了千禧难题”这句，真有一半、假有一半。把它当科普爽文看可以，当科学定论看就过了。
热搜负责制造高潮，证据负责泼冷水——两句话里，往往只有半句能信。
二、88 小时、1 万个 AI：这次到底做了什么
把泡沫挤掉，剩下的干货其实更吓人。据多家科技媒体 2026-09-09 转述，这次 OpenAI 用的是下一代内部模型，驱动了约 1 万个 AI 智能体，连续跑了 88 小时，啃下这道方程的构造性数值证据，还顺手用 Lean 做了形式化验证。
注意两个信号。第一，是“1 万个”而不是“1 个”——这不是单个天才模型的灵光一现，而是把一大群 AI 当成研究团队来排兵布阵，分工、试错、互相校验。第二，是“88 小时”里有 Lean 全程盯着——机器给出的每一步，都得经得起形式化系统的死磕，不是嘴上说说“我觉得对”。
这跟过去 AI 写段代码、补篇文献摘要，完全不是一个量级。它开始干的是科研里最苦、最像“核心”的那块活：构造证据、自证逻辑。
不是单个天才开窍，是上万智能体排成军团——科研第一次有了“流水线”。
三、从辅助到求解器：AI for Science 的位置迁移
把镜头拉远，单看这一道题会看窄。AI for Science 正从「辅助工具」走向「主力求解器」——这是 2026 年最实的迁移。
前几年我们聊 AI 科研，画面是：博士生让模型搜文献、改代码、画图表，模型更像勤快的外包，活儿接得又快又杂。现在这条线往前推了——从“帮你查”到“替你想”，从“写代码”到“构造证明”，模型开始坐在了原来只有人类才坐的那张椅子上。
这不是取代，是位移。工具不会论文答辩，但工具能先把九成笨功夫干完，把人腾出来去做那真正需要直觉和品味的最后一跃。位置变了，锅就没那么好甩了。
工具往前坐了一格，人就被腾出来去做那件机器做不了的事：拍板。
四、科学家的角色，被重新定义
位置一迁移，科学家的活法就变了。过去评价一个研究者，看的是他亲手推了几页公式、跑了几版仿真；往后，核心竞争力可能变成：会不会给 AI 出题、能不能审 AI 的证、敢不敢对机器的结论说“不”。
这对老派学者未必友好。你引以为傲的十年手感，在 1 万个智能体面前可能一夜贬值；但换个角度，一个好问题、一个对的直觉，反而因为有了“无限算力打手”而变得更值钱。
真正的危险不是 AI 太强，是研究者退化成只会点“生成”按钮的监工。把关权还在人手里，可别自己先交了。
以后拼的不是谁算得快，是谁能问出 AI 答不上来的好问题。
结语
回到开头那道题。Navier–Stokes 是信号，不是终点。大模型进科研主战场这件事，已经不是“会不会”，而是“多快”。别纠结一道题的真假，去想你的领域里，哪块苦活第一个被机器端走。
千禧难题只是第一声枪响，真正的变局是：科研的门槛，正在被算力拆掉。
互动提问
AI 独立证明数学难题，你信不信？
- 信，迟早独立拿下千禧难题
- 不信，永远需要人类把关
- 折中：AI 出证据，人类做裁判
- 不关心，这题跟我没关系
直接敲 1234，你押哪边。
数据来源： ① 科学网等（2026-09-18）：OpenAI 公布三维不可压缩 Navier–Stokes 方程长篇证明，并附 Lean 形式化验证。 ② 多家科技媒体（2026-09-09）：下一代内部模型驱动约 1 万个 AI 智能体、88 小时，给出存在与光滑性（强迫变体）构造性数值证据并附 Lean 验证。 ③ 科学网评论（2026-09-18）：变体是否算解出原题业界有分歧；其为「数值证据」而非严格「形式化证明」，需数学界长期检验。 ④ 行业分析（2026-09）：AI for Science 正从「辅助工具」走向「主力求解器」，模型开始承担科研核心环节的构造与验证。