OpenAI 这周做了一件大事：宣布攻克悬赏百万美元的纳维-斯托克斯千禧难题，同时被一位数学家公开指控一周内复制了他一年的研究路径——值得关心的是后者。
这是什么
简单说，这是一场关于"AI 是否用你的未发表思路训练一个替代你的模型"的争议。
主角是纽约大学数学家巴克马斯特（Buckmaster）。他和合作者研究纳维-斯托克斯问题长达一年，全程用着几个大模型，包括 OpenAI 的 Codex（OpenAI 推出的代码大模型），草稿和对话都存在云端。按他的说法，OpenAI 用不到一周就走完了同一条路径。他还透露，OpenAI 曾提过一个条件：让他和同事先发表、申报那一百万美元，代价是把在 Anthropic（OpenAI 的主要竞争对手）任职的同事从发现者署名里抹掉。他拒绝后公开整件事，并称收到高度暗示"被收买"的回复。OpenAI 在 X 上称这些说法"虚假且具煽动性"。
回避不掉的真问题是：OpenAI 是否用了巴克马斯特的云端数据训练模型？对此 OpenAI 闪烁其词。
行业怎么看
数学界反应两极。支持者认为这是 AI for Math（用人工智能解决数学问题）首次在千禧难题级别展现真实推理能力；批评者则指出，一周内复刻一年的路径更像"已知答案反向回溯"，不是独立发现。
开发者圈的沉默更耐人寻味。原作者观察到，多数工程师没讨论这件事，理由很直接："维护几个月的系统，AI 几小时就能生成一样的"，这种处境开发者太熟了。但更让我们警觉的是另一面——开发者对"用 API key（调用 AI 模型的密钥）和对话喂给不知底细的中转站"容忍度极高，曾经的反蒸馏（阻止他人用自己模型的输出训练新模型）讨论早已退潮。
风险恰恰在这里。如果 OpenAI 真的用未发表研究训练模型，今天是数学家，明天可能是律师、医生、任何把脑力劳动上传云端的知识工作者。一位在 X 上转发此文的高频评论者说得直接：这是在用你的劳动训练一个替代你的工具。
对普通人的影响
- 对企业 IT：API key、内部草稿、客户对话上传云端的合规边界需要重审，"我们用了 AI"不再是免责理由。
- 对个人职场：把未发表方案、客户数据喂给 AI 助手前多想一秒——你可能在帮对手训练替代你的工具。
- 对消费市场：短期无感知，但"用你的数据训练替代你的模型"被默许越久，咨询、法律、医疗等知识服务的信任地基都会松动。
