OpenAI在2026年10月27日宣布的三项成果，不是“解决了什么”，而是它们以什么方式宣称“解决”，以及这种宣称方式本身暴露出的张力。三项成果分别指向调和分析中的局部平滑与Kakeya猜想、复杂性理论中的指数时间假说（ETH），以及量子场论中量子色动力学与杨–米尔斯理论的存在性。数学和计算机科学成果已通过Lean形式化验证工具完成机器验证，物理学成果则声称正由诺贝尔物理学奖得主等专家审查，但三项成果均“仍需学术界进一步独立确认”。

数学：局部平滑与Kakeya猜想——宣称的边界需要区分

调和分析方面的核心宣称是“证明了适用于所有维度的局部平滑猜想”，并由此解决Kakeya猜想和Stein限制猜想。局部平滑猜想关心的是波动方程解的能量能否在时间上保持某种一致性集中；Kakeya猜想则源于一个几何直觉问题：一根单位线段在空间中转向所有方向，最少需要多大体积。

这里有一个需要仔细区分的层次。已有学术讨论指出，OpenAI相关手稿所证明的并非“所有版本”的局部平滑猜想，而是Sogge猜想在三维欧氏空间半波方程中的一个特定版本；将这一结果表述为覆盖整个调和分析问题链的普遍突破，存在夸大成分。换言之，即便机器验证通过，“证明了什么”与“宣称证明了什么”之间仍可能存在范围上的滑动。Lean验证能确认一个形式化证明在给定公理下没有逻辑错误，但它不能自动确认这个形式化陈述恰好就是数学共同体所理解的那个猜想。

计算机科学：ETH为假——后果是“重绘地图”，而非“旧结论崩塌”

复杂性理论方面的宣称更为激进：指数时间假说（ETH）为假。ETH是过去二十余年间大量细粒度复杂性结果的硬度前提，它大致断言，一般性的可满足性问题不存在显著优于暴力搜索的算法。如果ETH被推翻，意味着那些以ETH为条件推导出的“下界”不再具有原来的认识论分量。

但报道本身也给出了一个冷静的限定：以ETH为条件的结果并不会因此“崩塌”，而是“什么可被证明为昂贵的版图需要重绘”。这是一个重要的区分。ETH为假，并不自动意味着我们找到了更快的SAT算法；它意味着过去以ETH为“最坏情况假设”搭建起来的硬度图景，失去了一块承重石。真正的影响不在于旧定理失效，而在于旧定理所依赖的推理结构需要被重新审视。这一成果将由ETH提出者Russell Impagliazzo、Ramamohan Paturi与MIT教授Ryan Williams领衔的小组核验，说明OpenAI自身也清楚，机器验证不足以替代领域奠基者的判断。

物理学：杨–米尔斯存在性——分量最重，也最需要谨慎

物理学宣称涉及量子色动力学（QCD）的存在性以及“标准模型的完备化”，具体指向纯杨–米尔斯理论在四维时空中的严格数学存在性证明，并涉及质量间隙问题——这正是克雷数学研究所七大千禧年难题之一。如果这一宣称成立，其分量远超另外两项：它触及的是标准模型数学基础的严格化，而非某个局部猜想的推进。

但正因分量如此之重，谨慎的必要性也最高。千禧年难题的认定权在克雷数学研究所，而非OpenAI或任何单一审查小组。物理学成果目前的状态是“正由诺贝尔物理学奖得主等专家参与审查”，尚未完成正式发表与独立复现。在数学物理中，“存在性证明”的严格性标准极高：需要明确构造或非构造地证明满足Wightman公理或Osterwalder–Schrader公理的对象存在。一个AI生成的证明，即便通过了某种形式化检查，距离数学物理共同体接受一个千禧年级别的结论，仍有漫长的路。

真正值得分析的问题：Lean验证之后，还剩什么？

三项宣称共享一个结构：用形式化验证或指定专家小组核验，来为“机器独立发现”提供认识论担保。OpenAI特别强调这些成果展现了“AI独立发现并证明复杂科学理论的能力，而不只是回答问题或辅助研究”。Lean验证的意义在于，它将“证明是否正确”这个问题，从依赖人类数学家逐行阅读，转变为可以在给定形式系统内机械检查的对象。

但这恰恰也是争议所在。2026年10月，以陶哲轩为首的25位菲尔兹奖得主联合发表声明《人工智能在数学中的严重错位》，批评AI公司与数学共同体之间正在出现“严重错位”；陶哲轩本人将OpenAI批量产出的数学成果称为“有毒废料”，并指出问题不在于证明的真假，而在于推导能否被理解、是否充分引用前人工作、新方法能否经过同行讨论融入现有知识体系。发布声明次日，OpenAI因一处符号错误撤回3篇数学手稿。这一细节很有分析价值：它说明形式化验证并不能完全免疫低级错误在流程中的混入，也说明“通过Lean”与“被数学共同体接受”是两个不同层级的标准。

因此，对这三项发现的恰当分析不是判定“真或假”，而是识别它们各自处于验证链条的哪个位置：数学和计算机科学成果处于机器验证已完成、领域同行核验待完成的阶段；物理学成果处于宣称已提出、独立审查待完成的阶段。三者都尚未到达“被科学共同体接纳为知识”的终点。

OpenAI展示的是AI在形式系统内生成可检查证明的能力正在快速提升；而科学共同体面临的真正问题，是如何在“证明过剩”的条件下，重建一套能够消化机器产出、又不被其规模与速度裹挟的审查与整合机制。我只能说这种探索意义重大，这条路还很长！！！