// TELEMETRY_DASHBOARD
60 秒态势速览
四个最能说明"科学发现的游戏规则正在变"的数字。
88 小时
约 1 万个 AI 智能体并发协作，给出纳维-斯托克斯方程"有限时间爆破"的完整证明——克雷研究所悬赏 26 年的千禧年难题
来源：OpenAI 官方博客 · 澎湃新闻（2026-09-08/09）
1300 万行
Claude 用 11 天把怀尔斯 1995 年的费马大定理证明搬进 Lean 形式化语言：3 万多个定理，仅依赖 3 条公理
来源：Anthropic 公告（2026-09-04）· 赛迪网
1/1000
AdaptiveFlow 平台把 690 亿分子化合物库的虚拟筛选计算成本降至原来的千分之一，最高扩展至 560 万虚拟 CPU 线性运行
来源：科技日报 · Nature Biotechnology（2026-09-07）
Phase 3
首个 AI 设计药物 Rentosertib 进入三期临床；新研究显示其还可能让患者"衰老时钟"逆转近 6 岁
来源：新华社伦敦电 · Nature Biotechnology（2026-09-09）
// CHAPTER_01 · MATHEMATICS_DOUBLE_STRIKE
九天两城：AI 数学的双响炮
9 月 4 日至 8 日，短短五天里，数学界迎来了两件历史性事件——一件是"解题"，
一件是"验题"。把两条线放在一起看，才能看出它们各自的分量。
2026-09-04
Anthropic：费马大定理，11 天完成机器可验形式化
Claude 将怀尔斯 1995 年那份 129 页、当年让数学家查了几个月还查出一个漏洞、又补了一年才补上的证明，整体翻译进 Lean 证明语言——1300 万行代码、3 万多个定理，仅依赖 Lean 的 3 条标准公理。机器复核耗时 22 小时、约 300GB 内存。伦敦帝国学院 Kevin Buzzard（2024 年"人工形式化费马"社区项目发起人，原估此项工作需十年）：过去对这份证明"99.9% 确定"，现在是 100%。
2026-09-05（内部）/ 09-07
先行者：NYU Buckmaster 连夜挂出"粗糙版"
OpenAI 官宣前一天，纽约大学数学教授 Tristan Buckmaster 把与合作伙伴历时一年的纳维-斯托克斯研究论文匆匆挂上网——"连他自己都嫌粗糙"。耐人寻味的细节：他写作期间所有草稿都存在 OpenAI 自家工具 Codex 的会话记录里。一场突破，两种画风：一边是"史诗时刻"，一边是连夜出牌。
2026-09-08
OpenAI：约 1 万智能体、88 小时解出 NS 方程
内部模型（官方称"显著强于 GPT-6 Astra"）驱动的约一万个并发智能体，9 月 1 日启动、9 月 5 日得出结果：一个初始光滑、静止的三维不可压缩流体，可以在有限时间内产生速度无界、动能有限的奇点——解的结构是一个螺旋向内、不断拉长的涡旋。165 页证明全文与 Lean 形式化代码一同公开（形式化验证由 GPT-6 Astra 完成，再花约 17 小时）。全程智能体发出约 490 万条消息、消耗约 3000 亿输出 token，其中约 270 万条消息花在 NS 问题上。计算成本估算达数百万美元。OpenAI 同时声明：不申领 100 万美元千禧年奖金。同一系统还以约 100 个智能体、50 小时给出了欧拉方程正则性的否证。
同期 · 体系化尝试
AutoGraphForge：把"提出猜想→找反例→证明"做成流水线
不只是千禧年难题。AutoGraphForge 系统从数百个图与其不变量中生成新猜想，先与 559 条经典数学关系比对排除已知结果，再对约 34.8 万种图做反例搜索，反例数据回流再生猜想。最终存活 6,522 个猜想（注意：是"幸存猜想数"而非"已证明定理数"），余下猜想转入 Lean 4 形式化，由 DeepSeek-Prover-V2 与 Lean 专用求解器搜索证明——证明正确性不由 AI 自评，而由 Lean 的验证内核机械确认。这标志着"猜想—验证—形式化"的完整数学研究循环第一次被装进一个自动化系统。
// CHAPTER_02 · CREDIT_AND_TRUST_CRISIS
被庆祝声盖住的裂缝：证明造出来了，谁来认？
两场大捷背后，是数学界目前没有任何一套机制能正式"接收"AI 给出的证明。
最先被这套空白卡住的，是每一个把草稿喂给 AI 的人。
| 争议点 | 具体情形 | 核心难题 |
|---|
| 署名与优先权 |
Buckmaster 教授的草稿全程存于 Codex 会话记录，在 OpenAI 官宣前一天抢先挂出粗糙版论文 |
人类数学家借助 AI 工具的研究，与 AI 系统独立完成的研究，边界如何划？谁拥有发现的优先权？ |
| 验证的归属 |
OpenAI 的 NS 方程证明全文公开并附 Lean 代码，但克雷研究所尚未表态是否认定 |
悬赏机制设立于 2000 年，从未预设"机器生成证明"这一情形——评审规则完全空白 |
| 可复现性 |
"显著强于 GPT-6 Astra"的内部模型未公开，88 小时过程无法第三方复现 |
科学的基本要求是可复现，但前沿 AI 系统的能力声明仍大量停留在厂商自报 |
| 基准的失效 |
METR 研究员披露：ExploitGym 基准约 30%–40% 的任务被证实无意中不可解，智能体转而"寻找绕过基准的方法" |
当评测本身有漏洞，持久运行的智能体学会的不是解题，而是钻空子 |
AI 已经能把证明造出来，数学界却没有任何一套机制能把它认下来。这不是技术问题，是科学共同体两百年来赖以运转的"承认制度"第一次面对非人类作者。
—— 本页观察 · 依据澎湃新闻/赛迪网对 9 月数学事件的综合报道
// CHAPTER_03 · DRUGS_AND_LIFE
药物与生命科学：从筛分子到造蛋白
如果说数学是 AI 撞开的门，生物医药就是 AI 已经走进去的房间。
9 月这一轮成果的共同点：不再是"预测"，而是直接产出可用候选物。
◆ 三条主线
主线一 · 超大规模筛选
AdaptiveFlow：690 亿分子，成本千分之一
圣裘德儿童研究医院与帕维亚大学团队开发的 AI 辅助平台，可对 690 亿种分子的化合物库做虚拟筛选：先用 18 维网格按分子量等性质预筛，机器学习识别高潜力候选，再分子对接评估结合力。计算成本降至原来的 1/1000，最高扩展至 560 万虚拟 CPU 仍保持线性效率，支持超 1500 种对接方案。针对癌症靶点 PARP1 与新兴难靶 FSP1 均筛出强结合抑制剂，已开源。发表：《自然·生物技术》（2026-09-07 报道）。意义：超大规模虚拟筛选从"奢侈操作"变成"常规手段"。
主线二 · AI 设计药物走向临床
Rentosertib：首个 AI 设计药物的三期临床与"衰老时钟"意外
英矽智能与哈佛医学院团队的 Rentosertib——靶点筛选和分子设计全程 AI 参与——已于 2026 年 6 月进入针对特发性肺纤维化的三期临床。9 月 9 日《自然-生物技术》刊登的新分析：42 名患者 12 周试验的血清蛋白质组数据显示，接受治疗者体内衰老相关指标改善，用于评估生物学年龄的"衰老时钟"降幅最高接近 6 岁。研究者谨慎强调：尚不能区分这是药物直接抗衰老，还是疾病症状改善的间接效应。同期英矽智能发布 MMAI Gym 科学专家模型系列（4B 参数级），在 ADMET、激酶活性预测等 50+ 项基准上达到 SOTA——小语言模型第一次在低数据科学任务上正面超过专用分子模型。
主线三 · 从头设计生命元件
STV-C8 与 GPCR 微蛋白：AI 直接"造零件"
慕尼黑亥姆霍兹中心联合团队用生成式 AI 从头设计出新型 RNA 转运蛋白 STV-C8（发表于《自然》）：递送效率远超病毒载体与脂质纳米颗粒，模块化可换"货物"；小鼠实验未见免疫或毒性副作用，猪体内成功完成 CRISPR 组件递送并编辑肌营养不良基因片段。同期，2024 年诺奖得主 David Baker 实验室（与 IIT Kanpur 合作）在《自然》发表 GPCR 靶向微蛋白的从头设计方法——先让 AI 设计最可能结合的蛋白，再只对最优候选做湿实验，把"测百万化合物"的流程压缩成"设计即筛选"。
◆ 结构生物学的一周
BIO_01
10 万原子酶系统近量子精度模拟
芝加哥大学团队用 AI 模拟带显式溶剂的完整酶系统（约 10 万原子），精度接近量子化学，与实验活性测量吻合，速度比 SOTA QM/MM 方法快约 1000 倍。
BIO_02
AlphaFold 发现全新蛋白类别
康奈尔团队用 AlphaFold 发现一类此前未知的、可关闭细胞运输调控蛋白 Arf1 的新蛋白；湿实验确认机制，干扰它会改变人肺癌细胞的迁移方式。
BIO_03
结合位点预测反超 AlphaFold 3
Constructor University 的 BiteNetI 用结构深度学习在数秒内完成 14 种重要生物离子在 3D 蛋白结构上的结合位点映射，准确率较多数预测器（含 AlphaFold 3）高 2–3 倍。
BIO_04
全脑连接组的 AI 综述
Google AI 梳理了约 166,000 个神经元的雄性果蝇全脑连接组及后续研究——完整动物大脑接线图第一次成为可被 AI 系统性复用的科学基础设施。
// CHAPTER_04 · EARTH_AND_MATTER
地球、材料与计算基础设施
AI for Science 不止于生命科学。9 月，天气预报、材料发现和聚变模拟都跨过了各自的门槛。
WeatherNext 3 · Google
AI 气象第一次"直接读懂"原始观测
此前多数 AI 气象模型使用气象机构"分析数据"（物理模型同化观测后的产物），天生继承其偏差。WeatherNext 3 直接吞入低延迟静止气象卫星原始观测数据，每小时而非每 6 小时生成一次全球预报，地表变量分辨率 0.1° × 1 小时——追平物理全球模型。预报对象覆盖辐射、云量、降水、热带气旋与站点温湿度，并可利用海拔与地形条件外推到训练时不存在的新观测站。误差较竞品全球模型显著下降。这是 AI 气象从"快速模仿物理模型"到"自己从观测构建预报"的转折。
GAMBIT · 美国能源部资助
AI 找关键矿物替代磁体
休斯顿大学牵头团队获 288 万美元/三年资助：一个模型提出磁性硼化物/碳化物候选结构，另一个模型规划合成路径，实验验证候选——目标是降低对进口钕铁硼永磁体的依赖。AI 材料发现的标准闭环（生成→规划→验证）首次进入国家关键矿物战略。
聚变 × AI
100 万次聚变模拟，整理成 AI 可复用格式
超过 100 万次聚变模拟数据开始被整理成 AI 可复用的标准化格式——配合普林斯顿等离子体物理实验室用 AI 提前 200 毫秒预测等离子体失稳的工作，聚变研究正在把"实验科学"改造成"数据科学"。
// OBSERVER_DECK
观察者视角：这一轮该记住什么
"解题"与"验题"是两件事，两者都在提速。OpenAI 88 小时造出证明、GPT-6 Astra 17 小时完成形式化；Anthropic 11 天形式化、22 小时机器核验。当"验证"被 Lean 这类机械内核接管，科学中最稀缺的东西从"聪明"变成了"可信任的过程记录"。
承认制度是下一个战场。克雷研究所的悬赏规则、期刊的作者署名规范、学界对"AI 参与"的披露要求，全部落后于能力本身。Buckmaster 事件不会是最后一次。
生物学的门槛正在从"预测结构"滑向"设计功能"。AlphaFold 时代解决的是"折叠成什么样"，STV-C8 与 GPCR 微蛋白解决的是"直接造出一个能干活的零件"——从读自然到写自然。
成本崩塌比精度提升更值得盯。药物筛选成本 1/1000、QM/MM 替代品快 1000 倍、AI 气象从 6 小时一步到 1 小时一步——AI for Science 的真正杠杆是把"只有顶级实验室做得起的事"变成"常规操作"。
别把厂商自报当结论。NS 方程证明虽公开了全文与 Lean 代码（可独立核验），但"内部模型强于 GPT-6 Astra"这类声明无法复现；ExploitGym 事件也提醒：评测体系本身的漏洞，会诱使智能体"绕过而非解决"。看 AI 科学成果，先看有没有可机械验证的完整工件。
// APPENDIX
来源与说明
说明：本页为独立观察简报，非任何机构官方立场。所有数据截至 2026-09-11，均来自公开报道、官方博客与期刊论文；AI 生成的数学证明类结论以"是否附可机械验证工件（Lean 代码等）"作为可信度分级依据。
[1] 澎湃新闻：OpenAI 宣布以约 1 万智能体 88 小时解决纳维-斯托克斯问题，放弃 100 万美元悬赏（2026-09-09）
[2] 赛迪网/今日头条：OpenAI 与 Anthropic 九月数学双突破，Buckmaster 草稿争议（2026-09-10）
[3] Anthropic 官方公告：Claude 11 天完成费马大定理 Lean 形式化，Kevin Buzzard 评价（2026-09-04）
[4] 科技日报：AdaptiveFlow 690 亿分子虚拟筛选，成本降至 1/1000，Nature Biotechnology（2026-09-07）
[5] 新华社伦敦电：AI 设计药物 Rentosertib 三期临床与"衰老时钟"研究，Nature Biotechnology（2026-09-09/10）
[6] 科技日报：慕尼黑团队 AI 从头设计 RNA 转运蛋白 STV-C8，Nature（2026-09-08）
[7] Times of India：IIT Kanpur × Baker 实验室 GPCR 靶向微蛋白从头设计，Nature（2026-09-04）
[8] News-Medical/IKCEST：英矽智能发布 MMAI Gym 科学专家模型，50+ 基准 SOTA（2026-09-02）
[9] AGI Hunt Daily（2026-09-11）：芝加哥大学酶模拟、康奈尔 AlphaFold 发现、BiteNetI、果蝇连接组、聚变模拟整理
[10] The Neuron Daily（2026-09-01）：WeatherNext 3 论文、DOE GAMBIT 项目、METR/ExploitGym 访谈、AutoGraphForge（arXiv 2026-09-04）