1万个AI想了88小时，解开了人类几十年的题Noam Brown – Agent swarms, alignment, & recursive self-improvement

一个叫 Navier-Stokes（流体力学里悬赏一百万美元的世纪难题）的题被解开了。用的是一万个AI智能体，一起想了88小时，烧掉1300亿个字。

换算一下：同样这堆字，一个人类全职想，要从古苏美尔想到今天，四千年。

为什么要凑这么多AI

一个AI想得越久答得越好，但你总不能让用户等三年。所以就像人类开公司一样：一个人干不完，就拉一支队伍并行干。

代价是有的。四个AI一起干，确实快一倍，钱也多花一倍；十6个还是快，只是效率略降。写论文这类活儿凑一万个AI基本没用——一万个人一起写小说也一样。

但别把功劳都给「AI团队」

Noam Brown 本人泼了冷水：这次解题，多智能体系统的功劳他连10%都不肯给。真正的原因是底层模型本身就够强，并且学会了和别的AI发消息协作，最后用得跟人类在 Slack 上聊工作差不多。

更关键的是：训练时从没给过它「世纪难题」级别的练习，全是能自动判分的简单题。它能跳这么远，说明能力是泛化的。

为什么这不是一夜之间出超级智能

数学只需要闷头想，AI 最擅长这个。但改进 AI 本身要跑实验、要排队等 GPU，这一步没法靠聪明绕过去。

作者判断：递归自我改进会带来加速，也许快三倍，但不是快一百倍。他自己也承认可能错。有意思的是他讲了个细节——就在解出题的两周前，一位前沿实验室的研究员还愿意赌一千美元，说2027年前不可能。

一句话：AI 现在最快的不是变聪明，是让人不断低估它。