OpenAI 的数学突破揭示了加密安全中的下一个薄弱环节

OpenAI 最新的数学突破可能会让自动定理证明更接近智能合约安全工作流程。

9月8日，这家 AI 公司表示，大约 10,000 个并发 AI 智能体在约 88 小时后产生了一个解决 Navier-Stokes 流体运动问题的方案。在软件证明助手 Lean 中的形式化和验证又花费了使用 GPT-6 Astra 的 17 小时。

该系统生成了一个解析证明，表明最初平滑的流体在有限时间内可能产生奇点，同时保持有限能量，确立了 Millennium Prize 表述中的情形 C 和 D。OpenAI 发布了该证明及其 Lean 形式化版本，供独立审查。

对于加密开发者来说，更直接的意义在于这一过程。形式化验证使用数学规范和定理证明来确定智能合约代码是否按预期运行，在这个领域，人工指导会使验证变得昂贵且耗时耗力。

AI 可能会将安全瓶颈移向上游

OpenAI 实验的规模与数学家 Terence Tao 在公告发布前五天描述的情景非常相似。

Tao 警告说，由巨大计算资源支持的自主 AI 系统最终可能会生成复杂的 Navier-Stokes 解决方案，并在 Lean 等系统中对其进行形式化验证，同时将大部分迭代发现过程置于公众视野之外。

他的担忧集中在研究人员在这个过程中可能会失去什么。失败的方法和中间发现往往能产生比最终证明更持久的见解，而一个很大程度上自主的系统可能会交付正确的结果，却无法将同样深度的理解传达给人类。

随着定理证明变得更加自动化，这种担忧也延伸到了智能合约安全领域。

Ethereum 文档指出，形式化验证可以确定合约是否满足开发者预先指定的属性。编写不当或不完整的规范可能会导致漏洞在验证成功的情况下依然逃过检测。

因此，功能更强大的 AI 系统可以减少构建证明所需的工作量，同时增加决定这些证明应涵盖哪些内容的重要性。访问控制、提现条件、会计不变式和特权函数在证明器进行测试之前，仍然必须准确表达。

这可能会重塑 DeFi 协议、跨链桥和代币化资产平台形式化验证的经济效益，此前人工努力限制了该技术的部署广泛程度。

下一个考验是，能够处理研究数学的系统是否可以适配生产软件，并生成开发者和审计员能够进行有效检查的证明。

能够将自动定理证明与严格规范设计相结合的公司可以在部署前验证更多合约，同时将人类专业知识集中在定义绝不能发生的故障上。