中研網深度：10,000個AI智能體、3,000億token——OpenAI攻克千禧年難題的賬本與野心

OpenAI 88小時攻克90年數學難題，中研普華產業研究院算了一筆賬：數百萬美元換一場IPO敘事值不值?

2026年9月8日，OpenAI宣布其內部未公開的下一代AI模型，借助約10,000個并發AI智能體協同工作，耗時88小時，攻克了克雷數學研究所七大“千禧年大獎難題”之一——納維-斯托克斯方程(三維不可壓縮流體)存在性與光滑性問題。公司同步公開了一份165頁的數學論文及Lean形式化驗證代碼。OpenAI表示不申領該題對應的100萬美元獎金。

中研網深度：10,000個AI智能體、3,000億token——OpenAI攻克千禧年難題的賬本與野心

這一事件引發多重反響：資本市場迅速響應，易方達亞洲半導體ETF(03486)當日漲超2%;數學界則在興奮與憂慮中展開討論，菲爾茲獎得主陶哲軒既將其比作“燈塔”，又警告AI可能削弱人類對數學的理解;與此同時，紐約大學數學家巴克馬斯特與Anthropic研究員阿爾珀格就研究優先權提出公開質疑。OpenAI研究員塞巴斯蒂安·布貝克稱此為“過去十二個月所看到軌跡的一個驚人頂點”。這是繼龐加萊猜想之后，第二個宣稱被解決的千禧年難題，也是首次由AI系統主導攻克此類頂級數學難題。

一、分步拆解

第一步：為什么是現在?——IPO窗口與模型迭代的競速邏輯

追問：OpenAI為何在CEO奧爾特曼公開呼吁“放緩AI研發”后立即高調宣布這一突破?

表層看，這是一次科研成就的發布;深層看，這是OpenAI在IPO前夕的戰略敘事。奧爾特曼近期密集表達“前沿AI模型研發需要放緩節奏”的觀點，然而OpenAI旋即披露新模型已攻克千禧年難題。這種“勸剎車自己卻猛踩油門”的矛盾姿態，撕開的是OpenAI當前的焦慮狀態。

中研普華產業研究院的分析框架提示我們關注企業生命周期與資本市場預期的共振。據行業數據，GPT-6預訓練投入超過10萬張Blackwell GPU。按每張GPU約3萬美元估算，單次預訓練的硬件成本即達30億美元級別，疊加電費、冷卻、人力等運營成本，訓練下一代模型的邊際成本極高。在IPO估值敏感期，OpenAI必須向資本市場證明：其一，模型能力仍保持代際領先(官方稱新模型“顯著強于GPT-6 Astra”);其二，巨額資本開支具有合理性——攻克千禧年難題正是最有力的“能力認證”。

第二步：為什么是納維-斯托克斯?——算力規模與問題難度的匹配方程

追問：OpenAI為何選擇這一特定難題作為“能力展示”?

納維-斯托克斯方程描述流體運動，廣泛應用于飛機設計、天氣預報和血流研究。其核心難題是：三維不可壓縮流體的光滑解是否會在有限時間內形成“奇點”——即速度等物理量出現失控。這一問題自1934年勒雷證明弱解存在以來，懸而未決近90年。

中研普華產業研究院的數據分析框架要求我們量化投入產出。據OpenAI披露，該項目于9月1日啟動，9月5日得到核心結果，累計產生約270萬條消息和約1,300億輸出token;整個過程中智能體共發送約490萬條消息，消耗約3,000億輸出token。OpenAI研究員Noam Brown承認成本高達數百萬美元。這意味著：攻克一道數學難題的算力成本，已接近訓練一個中等規模基礎模型的量級。選擇納維-斯托克斯方程，是因為它既有足夠的學術聲望來證明模型能力，又具備可被Lean形式化驗證的數學結構——后者使得AI的推理過程可以被機器逐行核驗。

第三步：為什么是“多智能體協作”?——科研范式的范式轉移

追問：OpenAI此次突破的本質，是“更強的模型”還是“新的科研組織方式”?

中研普華產業研究院的產業分析模型強調識別技術范式的結構性變化。OpenAI此次的真正創新不在于單模型的能力提升，而在于展示了一種新的科研工作方式：研究人員不再只是向模型提出數學問題，而是讓大量Agent同時搜索證明路徑、交換中間結果，再由后續Agent繼續驗證和推進。系統從約100個智能體先花50小時攻克相關的歐拉方程問題，隨后將Agent數量擴充至約10,000個，集中攻關納維-斯托克斯問題。

這標志著AI科研從“單模型問答”向“多智能體科研協作系統”的躍遷。中研普華產業研究院的研究框架將此類變化定義為生產方式的重構——當1萬個AI智能體可以并行探索、交叉驗證數學證明時，科研的邊際產出曲線正在被重新定義。

第四步：為什么有爭議?——AI科研時代的新博弈規則

追問：優先權爭議的本質是什么?

在OpenAI宣布前約12小時，紐約大學數學家巴克馬斯特與Anthropic研究員阿爾珀格先行公布了相關流體方程的研究成果。巴克馬斯特指控OpenAI在獲悉其未發表工作后加緊推進項目，并曾要求將阿爾珀格從署名中剔除。OpenAI否認使用兩人的未公開研究成果，但承認項目啟動的契機是9月1日聽聞“兩個千禧年難題已被解決”的傳言。

更深層的問題是數據主權。OpenAI承認不能完全排除兩人在用OpenAI產品研究流體方程時產生的脫敏交互記錄“有可能間接助力模型能力提升”。這使爭議從數學證明本身擴展到了AI科研時代的研究優先權悖論：如果研究人員使用AI平臺開展未發表研究，而平臺方隨后訓練出解決相同問題的模型——誰才是真正的“發現者”?中研普華產業研究院的博弈分析模型將此視為平臺經濟中“數據-能力”閉環的新一輪博弈。

二、博弈格局分析

事件涉及四方核心利益相關者：

OpenAI：IPO前夕需向資本市場證明模型代際領先。據行業分析，AI產業正處在“能力加速—敘事擴散—硬件預期升溫”的正向循環中。攻克千禧年難題的直接商業價值在于：強化算力需求敘事，推高估值預期。

數學界：以陶哲軒為代表。興奮在于AI打開了數學發現的新通道;憂慮在于如果最難的問題可以在人類很少參與的情況下被AI解決，人類對數學的理解本身可能被削弱。

競品公司(Anthropic等)：優先權爭議背后是AI科研競賽的白熱化。據市場信息，Anthropic團隊此前可能在室溫超導研究上取得進展。OpenAI此次加碼科學發現，也是在回應競品在基礎科研領域的布局。

資本市場：ETF異動顯示市場將此次事件解讀為算力需求擴張的確認信號。AI推理需求擴張直接拉動存儲與先進制程景氣。

從88小時到室溫超導：中研普華產業研究院預判AI科研的下一站

三、趨勢推演與總結

基于中研普華產業研究院的分析框架，可預判以下趨勢：

第一，AI科研的“成本壁壘”將進一步抬高。數百萬美元攻克一道數學題的成本結構，意味著只有極少數擁有萬卡級算力集群的機構才能參與頂級科研競賽。中研普華產業研究院的研究指出，這或將加速全球AI算力基礎設施的集中化。

第二，“多智能體協作”將成為AI能力輸出的新范式。OpenAI CEO奧爾特曼已暗示，將采用相同的萬級智能體協作方式嘗試尋找室溫超導體。AI科研探索正從數學延伸至材料科學、物理學等更廣闊的前沿領域。

第三，學術評價體系面臨重構。克雷數學研究所規定任何解決方案須在符合條件的出版物上發表至少兩年并獲全球數學界普遍接受。AI生成的165頁證明如何納入傳統學術評審流程，將是未來數年的制度性挑戰。

第四，AI競賽的敘事邏輯正在從“參數規模”轉向“科學發現能力”。中研普華產業研究院認為，OpenAI此次事件標志著AI產業競爭進入新階段——不再是模型參數的軍備競賽，而是用AI重新定義“發現”本身的能力競賽。

當10,000個AI智能體用88小時完成人類數學家90年未能跨越的證明，我們見證的不僅是一次技術突破，更是一場關于“誰有資格定義科學發現”的規則重構。正如中研普華產業研究院的分析所揭示的，在AI科研時代，最稀缺的資源或許不再是算力，而是界定“發現”歸屬的制度共識。

中研普華產業研究院將持續跟蹤這一變局，為行業與市場提供專業、客觀的研判參考。本文分析基于公開市場數據及中研普華產業研究院自有數據庫及公開市場信息綜合整理。本文著作權歸中研普華產業研究院所有。未經中研普華產業研究院書面授權，任何機構和個人不得以任何形式轉載、復制、摘編或利用其他方式使用本文的全部或部分內容。已獲授權的使用，應在授權范圍內使用并注明來源。違反上述聲明者，中研普華產業研究院將追究其相關法律責任。