OpenAI宣称攻破千年难题，杨立昆当场泼冷水

2026年9月的AI圈，刚刚经历了一场海啸。

OpenAI公布了一项轰动成果：他们调动了上万个协同AI智能体，在约88个小时内，攻克了人类数学界最神圣的圣杯之一， 千禧年大奖难题中的“纳维-斯托克斯方程”（Navier-Stokes）奇点存在性 ，甚至仅用17小时就完成了超高难度的Lean计算机形式化核验。

全球科技媒体迅速沸腾，社交网络上一片惊呼：“人类数学家要被超越了！”“AI已经在数学领域跨过了终极门槛！”

就在所有人都沉浸在“超级智能（AGI）即将降临”的狂欢与恐慌中时，图灵奖得主、深度学习三巨头之一的 杨立昆（Yann LeCun） 却站了出来，毫不留情地当头泼下一盆冰水：

“别吹了

能在形式化系统里搜出证明，根本不等于在数学上超越了人类。

那不过是一层可以被自动化的机械体力活而已。”

这番表态，随即掀起了关于“AI到底懂不懂数学”的世界级大讨论。

幻灯片流出：一场关于AGI的“公开处刑”

这场风暴的导火索，始于几天前在欧洲计算机视觉国际会议（ECCV）上流出的一张演讲幻灯片。

网友 Dylan Bowman 在社交平台 X 上贴出了一张模糊的现场照片，配文难以置信地发问：“这据说是 LeCun 上周在 ECCV 的演讲，这不可能是真的吧？”

网友发帖质疑现场流出的 LeCun 演讲 PPT：“这不可能是真的吧？”

幻灯片上的观点格外尖锐，直指当前硅谷狂热的“大模型路线”：

• 大语言模型（LLM）无法通向人类水平智能；
• 算力缩放（Scaling Law）已经撞墙；
• 所谓的“超级智能时间表”不过是某些公司的营销童话。

消息一出，网络讨论迅速沸腾

LeCun 本人不仅没有回避，反而在第二天亲自下场认领：“ 百分之百是真的。 ”

LeCun 补充道，他有一整场带着扎实验据的一小时演讲支持这些结论。

他强调大语言模型在编程、资料检索上确实有用，但 “想要理解真实世界，靠大模型根本走不通” 。

就在这时，OpenAI 的安全研究员 Tomek Korbak 忍不住在评论区抛出了那个价值连城的反问：

“等等……但它们至少在数学等领域，难道没有 超越人类水平 吗？”

OpenAI 研究员 Korbak 追问：AI 在数学等领域难道没有超越人类吗？

这句反问，代表了许多技术支持者的直觉：既然 AI 能拿到国际奥数金牌，甚至能跑出连顶级数学家都没写完的千年难题证明，这难道还算不上“超人类”？

LeCun 的核心回复，就在这一刻轰然砸下。

LeCun 核心长文：形式化证明搜索超人 ≠ 数学整体超人，那只是机械任务。

LeCun 写道：

“比人类更擅长搜索并写出定理的形式化证明， 并不等于在数学上超越了人类水平 。 形式化证明搜索，只是数学活动中恰好 可以被自动化的机械任务 ，就像算术或者积分计算一样。 推动数学前行的核心，在于 发明新概念、新框架、新定义，以及提出猜想 ，这需要直觉与创造力，而这正是当前 AI 尚不具备的能力。”

为了理解 LeCun 为何如此不屑，我们必须把视线拉回那篇让 OpenAI 名声大噪的论文。

纳维-斯托克斯方程 ，是描述水流、空气等流体运动的基本物理方程。

两百年来，物理学家和工程师一直在用它，但数学家却始终无法从严格逻辑上证明：在三维空间里，平滑流动的流体是否会在某一瞬间失控破裂，导致局部的速度变成无穷大？

这就是克雷数学研究所悬赏 100 万美元的“千禧年七大数学难题”之一。

克雷数学研究所设立千禧年大奖难题，纳维-斯托克斯方程是其中之一。

OpenAI 宣称，他们的大规模模型协同集群找到了“奇点确实会发生”的构造性证明，并且用计算机证明语言（Lean）完全跑通了形式化验证。

但数学界在最初的震惊过后，很快看清了底细：AI 确实完成了极其浩瀚的推导与验证，但 最核心的数学思想与几何解析架构，完全来自于此前人类数学家（如 Diego Córdoba 等人）数十年开辟的理论路径。

这就好比人类科学家已经画好了精密图纸、标明了矿藏方位、甚至发明了钻头原理，AI 扮演的，是一个 不知疲倦、以惊人算力在千万条歧路中疯狂试错的超级钻井机 。

它在最后一步把矿石挖了出来，但这并不等于它懂得“地质学”。

斯坦福大学教授 Andrea Montanari 随即在 X 上发出了灵魂拷问：“OpenAI 为了跑这个证明烧掉的钱，为什么不拿来资助数理科学的博士生？ 那才能培养出能理解这些结果、并提出下一代猜想的新一代人类学者！”

斯坦福教授 Montanari 质问：这笔天价算力费为何不拿去资助数学博士？

LeCun 见状立即补刀： “光那两千万美元的算力，至少就能全额资助 50 名顶尖数学博士！”

LeCun 锋利回应：两千万美元至少能资助 50 名数学博士。

LeCun 进一步拆解：千禧年难题中此前唯一被彻底解决的“庞加莱猜想”，是由俄罗斯数学天才佩雷尔曼（Grigori Perelman）凭借革命性的新几何概念独自攻克的。

而在纳维-斯托克斯问题上， “最底层的基本概念是数学博士们拼凑出来的，AI 不过是用算力完成了其中机械性的形式化拼图。”

奥数金牌如同“学术界刷题”，数学远非速算竞赛

很多普通读者会疑惑：此前 Google DeepMind 的 AlphaGeometry、AlphaProof 在国际数学奥林匹克竞赛（IMO）上大杀四方，拿下银牌甚至金牌水平，难道还不能证明 AI 的逻辑思考能力吗？

DeepMind 官网宣布 AlphaProof 与 AlphaGeometry 2 在奥数中达到银牌水准。

对此，LeCun 拿出了一个极具杀伤力的现实案例。

2022 年菲尔兹奖（数学界诺贝尔奖）得主、法国数学家雨果·迪米尼-科潘（Hugo Duminil-Copin）曾亲口告诉 LeCun： “我这辈子从没参加过数学竞赛，而且我非常不擅长做竞赛题。”

LeCun 翻出早前推文：菲尔兹奖得主不擅长做竞赛题，深刻的数学研究在于学会“提出正确的问题”。

LeCun 指出： 奥数比赛，考的本质上是在既定规则下、极短时间内的极限解题速度。

这种在固定沙盒里找答案的事情，AI 现在确实很拿手。

但职业数学家的日常全然有别

网友 @thecsguy 在评论区道破了天机： “数学竞赛本质上就是学术界的 LeetCode（程序员刷题）。 世界上最伟大的研究，往往来自那个能对着同一个抽象问题死磕三年、而且还没发疯的人。”

网友锐评：竞赛就像学术界的刷题，最好的工作属于能盯住一个问题三年的人。

一个直观的类比是：AI 就像一个把《国际象棋》棋谱背得滚瓜烂熟、每秒能推演几亿步的超级棋手。

它在棋盘上天下无敌

但数学研究的本质，是 在没有人告诉你规则的前提下，凭空发明出一种全新的、美妙的、充满解释力的新棋种。

只会下棋的机器，永远不知道什么叫“值得发明的游戏”。

照妖镜下的真相：“多刺的球”与“裁判陷阱”

这场辩论最精妙的洞察，来自于评论区的一位网友 @benshanyoufeng。 他提出了一个极其传神的比喻：

“人类的数学成就，其实是一个 长满尖刺的球体 。那些刺破黑暗的重大突破往往是偶然的，由极其罕见的天才灵感和有限的人类注意力塑造而成。 到目前为止，AI 在数学中所做的事， 其实是在磨平这些尖刺、填平其中的沟壑 。它把庞大而均等的算力，倾泻到那些并非缺少新概念、仅仅是因为人类精力有限而未被填补的空白处。”

精彩洞见：人类数学是多刺的球，AI 只是在填补人类注意力未及的沟壑。

这段话直击了当前大模型的阿喀琉斯之踵。

为什么 AI 频频宣称在“围棋、国际象棋、写代码、形式化数学”这几个领域超越人类？

因为这些领域都有一个绝对客观的“裁判”（Checker/Compiler/Verifier）！

在 Lean 语言或者编译器构筑的确定性世界里，AI 可以不断自我对弈、疯狂报错、暴力搜索，直到“绿灯亮起”。

计算机证明助手 Lean：提供机器可核验的确定性世界。

然而，一旦脱离了“有裁判”的环境，踏入未知的科学蛮荒之地，AI 的短板便暴露无遗， 它没有“品味”（Taste）。

AI 可以在几秒钟内推导出一万个在逻辑上完全正确、但在科学上毫无价值的平庸定理。 它不知道哪个定义是深刻的，哪个猜想能开启下一个世纪的物理学革命。

寻找证明是算法，但提出问题是艺术

回归常识：被误解的“超级智能”

LeCun 为什么一次又一次顶着全行业的嘲讽，扮演那个不合时宜的“大模型唱衰者”？

在 BBC 的一次专访中，LeCun 曾随手竖起桌上的一支笔，松开手，笔啪地倒在桌上。

他说：“大模型试图预测这支笔倒下的每一个像素轨迹，一旦猜错就陷入幻觉。

但具备常识的智能系统，只需要掌握‘重力会让物体坠落’这一层抽象物理规律。”

BBC 专访：LeCun 演示竖立的笔，直指当前大模型缺乏对物理世界的直观理解。

在数学世界里，这个道理同样适用

今天的 AI，确实是一台前所未有的超级知识蒸汽机。 它能帮数学家省去翻检数十万行繁琐推演的苦力，能帮我们在巨大的组合迷宫里以超人速度排查死胡同。

但蒸汽机的出现，并没有取代瓦特； 挖掘机的轰鸣，也无法代替建筑大师构想圣家堂的穹顶。

当越来越多人把“快速解出答案”奉为神迹时，杨立昆的清醒弥足珍贵。 他提醒了整个科技界一个最古老的常识：

算力可以穷尽已知规则的迷宫，但只有人类那份带着直觉、好奇心与审美偏见的灵魂，才能在黑暗中为科学点亮下一盏灯。