据《The Information》援引一名了解相关进展的人士消息，OpenAI已接近攻克“千禧年大奖难题”中的另一道题目——霍奇猜想。该人士透露，OpenAI员工预计，霍奇猜想有望在不久后得到解决。这距离该公司宣布解决另一道千禧年难题“纳维-斯托克斯存在性与光滑性问题”尚不足一个月。
克莱数学研究所于2000年提出的“千禧年大奖难题”共包含七道题目，霍奇猜想与纳维-斯托克斯问题均在其中。霍奇猜想研究的核心问题是：由多项式方程定义的几何形状中，某些几何特征能否始终用更简单的代数结构来描述。该问题属于代数几何领域，自提出以来始终未获证明。
值得注意的是，即便找到解法，OpenAI可能也不会立即对外公布。消息人士称，公司正在考虑如何与数学界合作发布这一成果，以避免再次引发公关争议。此前OpenAI宣布解决纳维-斯托克斯问题时，曾在数学界和AI研究社区引发广泛讨论，部分研究者对解法的严谨性和验证方式提出质疑。
据前述人士透露，OpenAI在攻克纳维-斯托克斯问题过程中或已投入数百万美元。当时使用的是其下一款预训练模型的一个变体，内部代号为“Doug”。这一细节表明，OpenAI正在将尚在开发中的前沿模型能力应用于高难度数学推理任务，而非仅依赖已公开发布的模型。
在OpenAI内部，部分研究人员认为，继软件工程之后，数学是大模型最自然的下一块试验场。两者存在一个关键共同点：都依赖一步步的逻辑推理，且结果往往可以自动验证对错。这一特性使得数学成为评估和训练大模型推理能力的理想领域。一些研究人员甚至判断，过去一年席卷软件工程领域的自动化进程，未来6至9个月也可能在数学领域上演。
攻克高难度数学问题对OpenAI而言还有更深层的战略意义。机器学习研究本身离不开大量数学工具，而研究工作的自动化是AI开发商迈向“AI开发AI”的重要一步，这种能力通常被称为递归式自我改进。通过让前沿模型挑战从未有人解决过的数学难题，研究人员可以判断模型究竟进展到了什么程度，以及其复杂推理能力有多强。
如果模型能够攻克纳维-斯托克斯问题和霍奇猜想这种级别的难题，也可能说明它们具备处理生物学、化学等领域中难度相当问题的潜力。这些学科同样依赖复杂的数学建模和推理，AI若能在纯数学领域取得突破，其能力向其他科学领域的迁移将具备想象空间。
当地时间9月8日，OpenAI宣布其内部未公开的AI模型已成功解决纳维-斯托克斯存在性与光滑性问题。据当时披露的信息，该模型性能远超最新发布的GPT-6 Astra。更早之前，Anthropic旗下的Claude也曾尝试攻克黎曼猜想，引发业界对AI数学能力的关注。数学家陶哲轩在评论OpenAI的成果时，既对AI展现出的推理能力表示认可，也对验证机制和潜在风险表达了担忧。
从行业视角看，OpenAI在数学领域的连续动作反映出大模型竞争正在从通用能力比拼转向高难度推理能力的纵深较量。数学作为可自动验证的推理任务，为模型能力评估提供了相对客观的标尺。若OpenAI确实在短期内接连攻克两道千禧年难题，这将在一定程度上验证其下一代模型在复杂逻辑推理方面的进展。但与此同时，解法验证的严谨性、与学术界的协作方式，以及成果发布的时机选择，仍是该公司需要审慎处理的议题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
