过去一天，一条关于 Claude 的数学传闻在社交媒体快速扩散：Anthropic 是否已经解决了纳维-斯托克斯方程相关的存在性与光滑性问题，也就是一个仍被 Clay 数学研究所列为未解决状态的千禧年大奖难题。
这波讨论的直接引爆点，是博主 Andrew Curran 的一则帖子。Curran 发文「预测」，Anthropic 已经完成这一难题的突破，成果正在接受专家评审，并可能在 Anthropic IPO 前对外公布。该帖随后获得超过 250 万次浏览，并被越来越多账号转发。
但截至目前，公开渠道中仍看不到对应论文、完整证明文本或专家评审材料。Clay 数学研究所也依然将纳维-斯托克斯存在性与光滑性问题列为未解决的千禧年大奖难题。
传闻为何出现
这条消息并不是凭空冒出来的。一个重要背景，是数学家陶哲轩在 9 月 3 日发布的一组帖子。他当时以纳维-斯托克斯方程为例，讨论如果 AI 未来能够解决重大开放数学问题，数学研究会发生什么变化。
纳维-斯托克斯方程描述的是水、空气等流体如何运动。数学界长期悬而未决的问题是：在三维不可压缩情况下，如果从光滑初始状态出发，解是否能始终保持光滑，还是会在有限时间内形成奇点。Clay 数学研究所已将这一问题列入千禧年大奖难题，奖金为 100 万美元。
陶哲轩在帖子中设想了一种未来研究流程：自主 AI 系统拥有大量计算资源，持续尝试不同的数学构造，分析失败原因，调整方案，验证结果，最后形成一个极其复杂的候选证明，并借助 Lean 等形式化证明系统完成机器验证。
他的重点并不在于断言某个难题已经被解决，而在于另一个问题：如果 AI 在封闭环境中走完整套探索路径，人类最终只拿到一份已经验证完毕的结果，那么探索过程中产生的大量中间知识，可能很难被数学共同体有效吸收。
在传统数学研究里，一个困难问题往往会在多年推进中沉淀出大量副产品，包括新的引理、新工具、新研究方向，以及后续值得继续追问的问题。陶哲轩担心，这些内容可能在 AI 主导的研究过程中被压缩，甚至丢失。
由于帖子中的假设场景写得相当具体，包括 AI 搜索候选结构、做数值检验、形成庞大的 Lean 证明文件，并最终解决纳维-斯托克斯正则性问题，社交平台上很快出现了猜测：陶哲轩是否掌握了尚未公开的信息。
随后，相关讨论进一步演变成更直接的说法，即「Claude 已经解决了纳维-斯托克斯」。Curran 的帖子则把这种猜测推到了更大范围。
陶哲轩随后出面澄清
随着猜测持续扩大，陶哲轩专门作出澄清。他表示，目前并不了解纳维-斯托克斯问题出现任何重大新进展，自己此前的讨论只是一个假设性的 AI 研究场景。
不过，他也提到，按照现在 AI 技术的发展速度，这种场景已经具备一定现实可能性。
陶哲轩随后把讨论引向「机会成本」。像纳维-斯托克斯这样的开放问题，几十年来一直在推动新方法、新问题和新研究者的出现。如果 AI 可以很快给出最终答案，数学界接下来要面对的，不只是是否接受答案本身，还包括如何把机器探索中的过程、方法和失败路线，重新沉淀为可供人类理解和继承的数学知识。
这已经不再只是一个抽象设问，而是在 AI 数学研究中逐渐变成现实议题。
AI 在数学研究中的门槛正在变化
这条传闻之所以会迅速引发大范围关注，也和近几个月 AI 在数学领域连续跨过多个门槛有关。
就在前一天，Anthropic 公布了 Claude 对费马大定理的形式化工作。费马大定理早在 1990 年代就已经由安德鲁·怀尔斯等数学家证明，但数学界长期希望把这套极其复杂的证明完整翻译成 Lean 等形式化语言，让计算机逐步核查每一步。
Anthropic 表示，Claude 在 11 天里基本自主完成了端到端的 Lean 形式化，最终代码规模达到约 1300 万行。过程中生成了约 3.03 万个可机器验证的定理，其中约 2.95 万个进入最终证明。长期参与费马大定理形式化项目的数学家 Kevin Buzzard 也对这项结果给出了积极评价。
再往前一个月，Anthropic 在 8 月 10 日宣布，一个尚未公开的 Claude 研究模型在尝试黎曼猜想时，对一个相关问题取得进展：把已知满足黎曼猜想条件的 ζ 函数零点比例下界，从 41.6% 提高到 67.2%。黎曼猜想与素数分布密切相关，同样属于千禧年大奖难题之一。
今年 5 月，OpenAI 也公布了一项离散几何结果。一个通用推理模型构造出新的单位距离点集，推翻了一个围绕 Erdős 平面单位距离问题长期存在的猜想。相关证明随后由外部数学家检查。该结果解决的是这一问题中的一个重要猜想，但整个单位距离问题本身仍有进一步研究空间。
到 8 月，OpenAI 又集中公布了十项数学和理论计算机科学结果，其中包括对多个长期开放问题的解决或实质性推进。
几年前，大模型在数学领域最受关注的成绩，更多还是奥数题层面的表现。现在，研究对象已经开始进入开放问题、论文级结果和大规模形式化证明。
数学研究中的稀缺资源正在变化
随着 AI 生成数学推导的能力增强，验证的重要性也在上升。语言模型可以快速产出大量推导，但其中也可能夹带非常隐蔽的错误。Lean 这类证明助手能够把证明拆解为机器逐步检查的形式。AI 生成证明的速度越快，形式化验证作为基础设施的地位就越高。
陶哲轩此前也多次提到，未来数学研究中的瓶颈，可能会逐渐转向检查、整理和理解，而不是单纯产出推导。
另一个变化出现在数学家的工作分工上。如果常规推导、文献搜索、计算实验乃至部分证明都可以交给 AI，人类研究者投入更多精力的地方，可能会转向选题、提出合适猜想、设计研究路线，以及把机器生成的结果提炼成能够解释的新理论。
陶哲轩把这种未来称为一种「大数学」模式：复杂问题被拆成许多模块，由人类、AI 和形式化证明系统共同参与，再通过机器验证把结果重新组合起来。
当答案变得越来越「便宜」，数学研究里真正稀缺的部分是什么，这个问题也随之变得更现实。过去，一个重要开放问题可以持续支撑一个研究方向几十年，研究者在过程中走过的弯路，本身就可能孕育新理论。AI 如果大幅压缩这一过程，最终答案会更快到来，但数学界也需要重新设计保存研究过程、分配贡献和培养下一代研究者的方法。
陶哲轩这次以纳维-斯托克斯为例，讨论的正是这种变化。
目前仍停留在传闻阶段
就眼下的信息看，「Claude 已经攻克纳维-斯托克斯千禧年难题」仍停留在社交媒体传闻阶段。公开渠道中尚未出现论文、证明文本或评审材料，Clay 数学研究所的公开状态也没有变化。
不过，这场带有误读色彩的讨论已经反映出一个变化：几年前，「AI 解决千禧年难题」更像是科幻设定；到了 2026 年，人们已经开始认真讨论，如果这种情况真的出现，数学界该如何应对。
参考链接
- Andrew Curran 相关帖子：https://x.com/AndrewCurran_/status/2096062392442724805
- 陶哲轩帖子：https://mathstodon.xyz/@tao
- Anthropic 费马大定理形式化工作：https://www.anthropic.com/research/formalizing-fermats-last-theorem
- Anthropic 黎曼猜想相关进展：https://www.anthropic.com/research/riemann-zeta
- OpenAI 离散几何结果：https://openai.com/zh-Hans-CN/index/model-disproves-discrete-geometry-conjecture/
- OpenAI 十项数学进展：https://openai.com/zh-Hans-CN/index/ten-advances-in-mathematics/
- 陶哲轩关于 AI 与数学、理论物理的文章：https://academy.openai.com/public/blogs/terence-tao-ai-is-ready-for-primetime-in-math-and-theoretical-physics-2026-03-06
- IEEE Spectrum 相关报道：https://spectrum.ieee.org/ai-in-mathematics