OpenAI在2026年9月21日宣布，一个由九位数学家组成的“数学与人工智能顾问组”已经成立。OpenAI同时声称，其8月28日开始训练的内部模型除给出纳维—斯托克斯问题的一个解答外，已“解决100多道”分布在多个数学领域的长期开放问题。

最需要读者区分的是：顾问组成立是可以核验的事实；“100多道难题已解决”目前仍是OpenAI的报告，独立顾问组官网也采用“OpenAI报告称”这一表述。公开页面没有列出全部问题、完整证明与逐项外部审查结论，因此不能把这个数字直接等同于数学界已经确认的一百多项新定理。

普林斯顿高等研究院Fuld Hall建筑，数学与人工智能顾问组由该机构承办
顾问组由普林斯顿高等研究院（IAS）承办。图片来源：Wikimedia Commons，作者Zeete，CC BY-SA 4.0；本图保持原始画面，仅用于说明承办机构。

这个顾问组为什么现在出现？

时间线很关键。9月8日，OpenAI发布了一份由内部系统生成、并用Lean形式化的纳维—斯托克斯问题解答，称该证明给出了三维流体方程在有限时间形成奇点的构造。9月11日，27位菲尔兹奖得主联合发布《A Severe Misalignment of AI in Mathematics》，承认AI可能加速数学研究，同时警告把“攻克著名难题”当作模型竞赛指标，可能挤压解释、归因、教学和同行消化新方法所需的时间。

9月21日的公告正面回应了这种担忧。OpenAI称，内部模型推进速度已超过公司数学研究人员的预期，因此需要讨论如何让数学界获知进展并有时间适应。独立顾问组则写得更具体：当前任务是就“如何协调发布OpenAI报告由内部模型产生的大量重要数学结果”提出建议。

这意味着争议已经从“AI能不能做数学”推进到“当机器产出速度超过人类评审速度时，谁来决定何时公布、怎样归因、什么才算理解”。

顾问组能做什么，不能做什么？

顾问组初始成员来自高等研究院、剑桥、牛津、斯坦福、哈佛、伯克利等机构，包括François Charles、Camillo De Lellis、Timothy Gowers、Martin Hairer、Nikhil Srivastava、Ulrike Tillmann、Ravi Vakil、Edward Witten和Melanie Matchett Wood。

事项 公开说明中的职责 不应误读为
结果审查 评估新结果的重要性，建议审查与发布方式 已替所有“百余项结果”背书
传播协调 为论文、证明、解释和社区沟通的节奏提供建议 拥有阻止OpenAI发布的决定权
学术标准 就归因、研究规范和专业标准提出意见 替代期刊同行评审或学术共同体
工具与学习 建议AI工具如何支持数学研究和教学 决定OpenAI内部模型训练速度

独立性设计有四个可核对的边界：成员不接受OpenAI付费；可主动提出公司未要求的意见；可公开建议；成员构成由小组自行调整。与此同时，小组明确没有任何AI公司的决策权，最终决定仍由公司承担责任；OpenAI也明确排除了一项职责——顾问组不负责建议公司放慢或加快内部数学进展。

数学与人工智能顾问组官方网站列出的宗旨、独立性原则与当前任务
独立顾问组官网公开了宗旨、独立性规则和当前任务。来源/使用依据：agmai.org官方公开页面截图，用于报道性引用；页面内容与OpenAI公告交叉核对，版权归原权利人。

形式化证明为什么仍然需要人类评审？

Lean等证明助手能把每一步推理转换成机器可检查的形式，并由较小、可审计的内核验证结论是否从给定定义、公理和前提推出。这比只让大模型生成一篇自然语言证明多了一层强约束，也有助于发现跳步和隐含假设。

但“内核接受”并不能一次回答所有学术问题。评审者仍需确认形式化定理是否与原始开放问题完全一致，定义和边界条件有没有被悄悄改变，所依赖的库与公理是否合适，证明是否真正带来可理解、可推广的方法，以及对已有工作的归因是否充分。

因此，技术验算、数学意义和学术治理是三个不同层次：

  • 技术层：形式化代码是否通过证明内核，依赖是否完整、可复现。
  • 数学层：命题是否对应原问题，方法是否正确、重要并能被专家理解。
  • 共同体层：如何排序大量结果，怎样给出归因，谁承担审查劳动，何时公开才不会造成信息洪水。

OpenAI已经公开纳维—斯托克斯论文与Lean证明链接，但9月21日所称的“100多道”结果尚未按同样粒度公开。顾问组眼下最现实的工作，不是替一个总数盖章，而是建立一套能逐项落地的发布门槛。

数学家协作审查AI生成证明、依赖关系和形式化验证步骤的原创概念图
AI原创概念图，非真实现场：示意数学家检查AI生成证明的逻辑依赖、形式化验证与解释质量；不代表OpenAI、顾问组或任何成员的真实会议、人员与系统界面。

接下来应观察哪些可核验信号？

1. 是否公布完整结果清单

至少需要问题的准确表述、首次完成时间、作者与模型贡献、自然语言证明、形式化代码、依赖版本以及外部评审状态。只公布数量，外界无法判断这些问题的难度分布、是否存在重复，也无法复核“解决”的标准。

2. 顾问建议是否真正公开

顾问组承诺在官网发布给AI公司的建议。这些公开文件将比成员名单更能说明独立性是否有效：建议里是否包含可操作的发布顺序、归因规范、撤回与更正机制，以及公司是否采纳或解释未采纳原因。

3. 人类评审资源如何分配

如果AI持续产生大量候选结果，稀缺资源会从“找证明”转移到“理解、核验和传播证明”。需要看到公司是否提供可复现材料、审查时间和基础设施，而不是把确认责任无偿转移给少数专家。

4. 形式化结论与数学解释能否同步

数学界公开声明强调，解题只是获得理解的一种代理指标。真正有长期价值的发布，应说明新方法与既有理论的关系、能解决哪些相邻问题、又在哪里失效。机器可验与人类可学并不是二选一，两者缺一都难形成稳固的新知识。

我们此前分析OpenAI自动化研究工具以及Anthropic对AI研发提速指标的披露时，都遇到同一条边界：企业数据可以证明内部流程发生变化，却不能自动替代第三方复现。数学顾问组的价值，最终也要由公开材料、可重复审查和对异议的处理方式来衡量。

结论

这次事件最重要的信号，不是“AI已经一次性终结一百多道数学难题”，而是AI公司和数学界开始搭建结果洪流到公共知识之间的治理层。顾问组拥有公开发声与独立判断空间，却没有公司决策权，也不介入内部研发节奏；它能否发挥作用，取决于OpenAI是否提供足够材料、接受公开建议，并让验证速度而不是宣传速度决定结论何时成立。

资料来源

资料核验时间：2026年9月22日09:16（北京时间）。本文由小花儿AI使用AI辅助整理公开资料。