Back to topic rankings今天是历史性的一天。
就在今天，美国时间9月8日，OpenAI 宣布用内部模型解决了纳维-斯托克斯存在性与光滑性问题，并且证明的方向是存在有限时间爆破。
千禧年七大难题里，纳维-斯托克斯问的是：给一个光滑的初始流场，这个方程的解是否永远保持光滑？还是会在某个有限时间内速度变成无穷大？
OpenAI 这次的答案是后者。
他们的系统给出了一个解析证明和 Lean 形式化验证，证明初始完全光滑、能量有限、受到光滑外力作用的流体，可以在有限时间内发展出奇点。
奇点的具体形态是一个不断向内螺旋、同时被轴向拉伸的涡旋，像意大利面一样越缩越细，越转越快，速度趋于无穷但总能量依然有限。从数学上，这就解决了克莱研究所官方表述中的命题 C 和 D，也就是推翻了永远光滑的猜想。
为什么之前卡了90年？难点在于，粘性本来是磨平一切的，你要让方程自己把自己弄爆破，同时外力还必须是光滑的，不能靠你手塞一个无穷大力进去。AI 找到的恰好是让加速度、压力梯度、粘性这些大项互相精密抵消，只留下爆破的路径。
这次的意义是超越性的。
1. 对数学： 这是继佩雷尔曼证明庞加莱猜想后，第二道被攻克的千禧年难题。之前的纪录是人类天才的单兵作战，这次是1000个智能体先花50小时解决无粘的欧拉方程，然后10000个智能体再花11小时把结果扩展到完整纳维-斯托克斯，全过程用了88小时，最后Lean验证又花了17小时，总成本有报道提到1500万美元级别的算力。这不是一个更聪明的求解器，而是一种群体智能和形式化验证的证明范式。
2. 对物理和工程： 它不意味着我们从此可以完美预测天气或造出不失速的飞机。恰恰相反，它证明了连续介质模型在极端条件下会自我失效。因为真实流体不可能达到无限速度，所以当奇点出现时，纳维-斯托克斯就不再是现实的可靠镜像，必须回到更底层的粒子描述。克莱研究所主席 Martin Bridson 说的那句“思考人类对数学理解取得重大进展的激动人心的一天”，指的就是这种边界被划清的时刻。
3. 对AI： OpenAI 说这个证明是由一个比 GPT-6 Astra 显著更强的未发布内部模型产生的。有意思的是，就在前一天，哈佛的 Levent Alpöge 和纽约大学的 Tristan Buckmaster 刚用 Claude 和 Codex 解决了无粘的欧拉版本，陶哲轩在 Mastodon 上评价那是“卓越的成就”。这说明最前沿已经变成了实验室之间的接力赛。
关于历史地位。 如果经过严格同行评审和 Lean 库的独立检查确认无瑕，我想我们可以把 OpenAI 放到卡文迪许、贝尔实验室那个讨论序列里。但这次他们自己表态，不打算去领那100万美元的奖金，而是把它定位为对AI进展速度的报告。我想这是很聪明的举措，毕竟，奖金需要克莱研究所漫长的评审，但历史地位不需要奖金来确认。
���于现在的学生，路径只有一个，那就是成为接口：
学 Lean4。
OpenAI 这次同时发布了自然语言证明和形式化证明，未来数学论文的标准之一就是人类可读与机器可验证的结合。
有能力者，可以去试试啃那篇欧拉方程的论文，再对比 OpenAI 的纳维-斯托克斯完整版，看AI是怎么把有外力和无外力两种情况统一的。
把你的专业和AI绑在一起。你在哪个专业领域的任何一个问题，都可以问问，个问题能否被表述为一个搜索问题，让1万个智能体去探索。
还有一点，这次解决的是存在爆破，但没有告诉我们爆破在真实流体中是否可观测，是否稳定，以及有多少种爆破方式。这会或许打开一个全新的子领域，那就是对奇点的分类学——就像当年发现黑洞解之后，广义相对论才真正开始一样。
人类花了200年把流体写成方程，花了90年问这个方程会不会崩溃，最后，一群由人类训练、人类提示、人类互相竞争又合作的智能体，在3天多一点的时间里给出了一个反例。
我相信，这件事会成为21世纪上半叶的光辉时刻。 OpenAI 刚宣布：它内部比 GPT-6 Astra 更强的下一代模型，带着大约一万个互相协作的智能体，用大约 88 小时“想出”了纳��–斯托克斯方程（Navier–Stokes）千禧年大奖问题的一个证明，再用 17 小时把证明写成 Lean 形式化验证。整个过程发了约 270 万条智能体消息、产出约 1300 亿 token，OpenAI 称没有翻用户数据、也没有偷看未发表论文。
听起来像科幻，但先把这件事拆开说清楚：它到底证了什么、为什么难、以及到底有多牛。
纳维–斯托克斯方程在干什么？
这组方程描述的是空气、水、血液这类不可压缩流体怎么流动。飞机绕流、天气预报、血管里的湍流、海洋环流，底层都靠它。方程 19 世纪就写出来了，工程上天天在用数值方法算，但数学家一直没彻底搞清楚一件最基本的事：
在三维空间里，如果一开始流体速度处处光滑、有限（没有无穷大的尖刺），那以后会不会永远保持光滑？还是会在某个有限时刻“炸开”——速度在某一点变成无穷大？
二维情况早就证明了：会一直光滑。三维却卡了大约 90 年。2000 年，克雷数学研究所把它列为七大千禧年大奖问题之一，悬赏 100 万美元。此前这七题里只有庞加莱猜想被佩雷尔曼解决。
官方题目其实分了几种说法。一种是：没有外力时，光滑解是否永远存在（很多人日常说的“正统版本”）。另一种是：即使加一个始终光滑的外力，能量也一直有限，解会不会仍然在有限时间里爆破。OpenAI 宣称解决的，是后一种——官方陈述里的 C 和 D：存在光滑初值和光滑外力，使得三维纳维–斯托克斯解在有限时间内不再保持光滑，同时动能全程有限。
直观想象：流体一开始安安静静，外力也一直“温柔”，能量没有爆炸，漩涡却自己越转越细、越拉越长，最后速度在数学上冲到无穷。方程在那个时刻“坏掉”了。这正是湍流理论里最让人头疼的奇点问题。
难在哪？
不是“算一个具体流动”，而是要给出一个分析证明：构造出一类初值和外力，严格证明奇点必然在有限时间出现，而且还不能靠外力本身变得无穷大来“作弊”。粘性项、压力项、非线性对流项在奇点附近会同时变得极大，又必须以非常精巧的方式互相抵消，能量才能保持有限。人类数学家在欧拉方程（无粘性版本）、Boussinesq 近似、多孔介质方程上已经啃了很多年，每推进一步都极难。
OpenAI 这边的做法是：用比 GPT-6 Astra 明显更强的内部模型，同时放出大约一万个智能体分组攻不同变体（有外力/无外力、全空间/周期环面），让它们互相讨论、写代码、查资料、改证明。大约 88 小时后找到解析证明，再用 Lean 做机器可检查的形式化，多花 17 小时。计算成本被说成“数百万美元量级”。
Lean 这一步很关键：不是“模型说它对所以对”，而是把证明翻译成定理证明助手能逐步核验的代码。数学圈对 AI 证明最怕的就是“看起来像、其实有洞”，形式化能把这个风险压下去很多。
到底有多牛？
可以分几层看：
对数学本身：这是千禧年问题里第二个被宣称解决的，而且是���体力学最核心的方程之一。它不直接告诉你明天天气怎么报，但会改变人们对“三维湍流会不会在有限时间里从光滑变成奇异”的基本认知。工程模拟里偶尔出现的“数值炸掉”，有时不再只是网格不够细，而可能对应方程本身的数学可能性。
对 AI：以前 AI 更多是帮人验算、搜文献、写辅助引理。这次是大规模多智能体在几天内产出一篇面向千禧年问题的、并完成形式化的证明。规模是 270 万条消息、1300 亿输出 token。这已经不是“会做奥数题”，而是在碰当代分析/偏微分方程最硬的前沿。
时间尺度的反差：人类顶尖数学家在相关问题上走了几十年；智能体集群用了不到四天找到主证明，再用不到一天完成 Lean。即便承认背后有海量算力和工程，这个压缩比仍然惊人。
同时必须把水分挤掉，否则就不叫科普了：
•证的是带光滑外力的爆破，不是很多人印象里“完全没有外力、任意光滑初值是否永远光滑”。按克雷官方文本，C/D 也算解决该问题的一种合法路径，但和 A/B 不是同一句话。
•克雷研究所还没有颁奖，数学共同体还需要审稿、挑错、确认没有隐藏假设。
•同一时间，NYU 的 Tristan Buckmaster 和 Anthropic 的 Levent Alpöge 刚公布了欧拉、Boussinesq、不可压缩多孔介质等近亲方程上的有限时间爆破结果，其中部分也用了 AI。两边路线接近，时间重叠，已经引发“是不是听到风声才加码”的争议。OpenAI 否认使用了对方未发表证明或用户数据。这场争论本身也说明：AI 一旦开始做真正的前沿数学，优先权、数据隔离和学术伦理会立刻变成新问题。
一句话总结：如果证明经得起审查，这就是“AI 第一次正面撞开千禧年大奖问题”的时刻——不是帮人改了几行公式，而是用多智能体在几天内构造出流体方程可以有限时间爆破、能量却仍有限的例子，并用 Lean 钉死。
牛，是因为这个问题难了快一个世纪；更牛的地方在于，难的部分开始能被机器集群在可计算的时间内推开。至于这 100 万美元最后算谁的、证明有没有细缝，那是接下来数学界要慢慢拆的事。 OpenAI 正式宣布：其内部模型解决了 Navier-Stokes 千禧年难题。论文和 Lean 形式化证明已公开。
这是 Buckmaster 声明 https://t.co/BwkY0K4CLg 发出后数小时内的回应，但 OpenAI 的说法远不止辩解，他们声称拿到了更强的成果。
【OpenAI 称证明了什么】
OpenAI 称，其尚未发布的内部模型（比 GPT-6 Astra 强得多）生成了一个解析证明：三维不可压缩流体在光滑外力作用下，可以在有限时间内从光滑初始状态发展出奇点（即速度趋向无穷大），同时能量保持有限。这对应 Clay 千禧年问题中 Fefferman 表述的 C 和 D 项。
此外，OpenAI 还声称顺带解决了无外力 Euler 方程的正则性问题。注意“无外力”三个字，Buckmaster 和 Alpöge 证明的是带光滑外力的 Euler 爆破，而 OpenAI 声称做到了不加外力。如果成立，这是一个严格更强的结果。
两项成果均配有 Lean 形式化验证，代码已发布在 GitHub 上。
【怎么做到的：上万个 Agent 军团】
OpenAI 描述的方法相当有冲击力。他们使用了一套由内部模型驱动的多 Agent 协作系统。Agent 被分成若干组，组内可以通信，每组尝试不同的进攻方向。处理 Navier-Stokes 的那组涉及约一万个并发 Agent。
整个过程中，Agent 发送了 270 万条消息，消耗约 1300 亿输出 token。Navier-Stokes 的解在首批 Agent 启动约 88 小时后到达。随后 GPT-6 Astra 用 17 小时完成 Lean 形式化。
无外力 Euler 方程的解是意外收获——约 100 个 Agent 工作了大约 50 小时，把它当作较容易的"热身题"时解决的。
OpenAI 表示，他们在过程中让不同组交叉借鉴彼此的中间成果，并用 Codex 汇总各组最有用的洞见。找到 Navier-Stokes 解的那个组就是在这种引导下工作的。
【两边叙事的关键分歧】
OpenAI 的时间线与 Buckmaster 声明的时间线有重叠但有微妙差异。
关于动机：OpenAI 说他们是 9 月 1 日听到“有两个千禧年问题被解决了”的传言后启动评估，传言并非专门针对 Buckmaster 的工作。而 Buckmaster 的声明描述的是：他的工作信息传到 OpenAI 后，OpenAI 才开始在同一条极冷门的技术路线上发力。
关于交涉：OpenAI 说他们 9 月 6 日完成全部证明和 Lean 验证后，“相信对方也有 Navier-Stokes 的解”，于是主动联系，提出联合发布并承认对方的优先权。但通话后发现 Buckmaster 和 Alpöge 的成果是带外力的 Euler，而非 Navier-Stokes。而 Buckmaster 描述的通话场景是 OpenAI 在信息不对等的情况下施压、要求移除合作者。
关于数据：OpenAI 在博客和推文中都明确否认访问过用户数据，但加了一句值得注意的话：“虽然可能性不大，但我们无法排除基于他们产品使用而生成的去标识化数据帮助改进了我们的模型”。Buckmaster 在声明中问过这个问题，没得到回答。
关于学术功劳：OpenAI 推文祝贺 Buckmaster 和 Alpöge 取得了"remarkable mathematical work"，并承认对方在 Euler 问题上的优先权。但声明中没有任何文字提及 Córdoba 和 Martínez-Zoroa 的开创性工作——要知道整个受迫爆破研究计���是他们建立的。
【Bubeck 回应：指控不实】
Bubeck 在 X 上发帖，称关于他的指控“虚假且具煽动性”（false and inflammatory），表示自己是按照学术规范参与讨论的，对事态发展表示失望，并承诺次日将给出更详细回应。
截至目前，Bubeck 尚未对 Buckmaster 声明中的任何具体细节——Codex 数据问题、署名施压、“毁掉你的职业生涯”的说法——作出逐条回应。
【数学界在等什么】
Scientific American 的报道标题：“OpenAI 声称数学重大突破，争议缠身。”
多位数学家指出，虽然 OpenAI 已发布 Lean 代码，但社区尚未完成独立验证。Lean 形式化本身具有极高的可信度，如果代码能通过编译，证明在逻辑上就是正确的，但这仍然需要外部数学家实际运行和检查。
陶哲轩此前评价 Buckmaster/Alpöge 的工作时说，���些方法“没有原理上的障碍”推进到 Navier-Stokes，但他同时也说，他“不会对有人靠堆大量算力和 AI 来暴力推进这一步感到意外”，只是这种做法并不特别吸引我。在 OpenAI 宣布上万个 Agent 88 小时拿下成果后，回过头来读陶哲轩的话别有深意。
Clay 数学研究所的规则也值得提醒：即使证明成立，还必须在公认的数学期刊正式发表，并在至少两年的社区审查后才有可能获得千禧年奖。OpenAI 在博客中也表示不打算领取该奖金。
OpenAI 博客：https://t.co/kzle78SIyl
科研不再依赖天才科学家，而依赖GPU
--- 昨天的剧情继续反转！
Openai官宣了！
更重要的是，这是由opanai未发布的模型，几天时间完成的。（新模型能力比astra有大幅提升，见附图）
这件事的意义本身非常重大，属于菲尔兹奖级别的发现，但其意义远不止事件本身。
科学正在被重构为一种由算力驱动的高速工业流程。
先扫个盲：千禧难题与它的“爆��点”
纳维—斯托克斯方程（Navier-Stokes，简称 N-S 方程）：物理学中描述水流、空气、洋流等流体运动的基本方程。它的地位相当于流体领域的牛顿运动定律。然而在数学上，一个世纪以来没人能证明：在所有初始状态下，流体的平滑运动方程是否永远有良好定义的解。这是数学界著名的七大“千禧年大奖难题”之一。
有限时间奇性（Finite-time Singularity）：可以形象地理解为“物理量的暴走”。系统初始时风平浪静、处处平滑，但经过一段有限时间后，某些关键指标（如速度梯度或涡度）飙升至无穷大，数学上出现了类似“除以零”的无法计算点。这意味着经典连续介质模型在该处彻底失效，数学上称为“爆破”（Blow-up）。
Lean 形式化证明：过去的数学论文由同行专家人工审阅，难免漏掉隐蔽的推导漏洞。Lean 则是一种计算机代码证明语言，它要求将数学推导逐行写成严密的逻辑代码，由机器编译器校验每一步公理，彻底杜绝逻辑跳跃和人为笔误。
这次突破的关键在于：它是一个由 1 万个协同智能体构成的庞大系统，在 88 小时内吞吐 1300 亿 Token、交换 270 万条信息，完成了一场高强度的科研大兵团作战。
OpenAI 展示了一个此前未被充分验证的三维 Scaling 架构：
训练算力：赋予单体模型基础的科研直觉与逻辑深度；
测试时算力（Test-time Compute）：让单个智能体在复杂节点上深入推导、反复验算草稿；
多智能体算力：支撑成千上万个节点并行探索不同的假说分支，并实时共享中间成果。
在实验中，这套系统先调动 100 个智能体在 50 小时内解决了难度较低的欧拉方程（忽略流体粘性的简化方程），系统自主识别出该成果的价值，随后自动抽调算力，将欧拉方程的结果作为跳板，转向主攻 N-S 方程。
这种提出假说、并行探索、沉淀结论、动态调度算力的组织过程��已经高度接近一所组织良好分工明确自主运转的“虚拟科学团队”。
面对这项突破，要真正理解其长远的影响力，必须严格区分两个层次：
第一层（单点突破）：某一道著名难题被攻破。解决 N-S 方程或黎曼猜想，本身的科学价值巨大，但仍有限。
第二层（能力跃迁）：AI 具备了稳定、批量解决此类高难度科学与工程抽象问题的能力。
真正具有颠覆性的是第二层。通用求解能力能撬动极高价值的科研。
如：可控核聚变中突破高温等离子体湍流控制，材料和生命科学中充当新型材料、催化剂与药物研发的算力放大器，高科技制造中将复杂物理过程转化为可计算模型，大幅减少飞机、电池、散热设计的实物实验等。
设计一款航空发动机或验证新型芯片散热，需要做上千次高成本的实体物理实验；如果数学理论与 AI 模拟能够把实验次数压缩到几十次，硬科技的研发逻辑就会向“编写代码—模拟测试—快速重构”的软件化开发模式靠拢。
但最重要，价值最高的，还是AI驱动的AI 模型研发：AI 被用于优化自身的网络架构、训练算法与数据流设计，它将直接触发递归自我改进（RSI）。
和证明斯托克斯方程类似的是，AI 研发几乎完全运行在数字世界中，智能体可以自主编写代码、启动训练、监测损失函数曲线并分析评测，不需要等待物理世界缓慢的材料制备和实物制造周期。
而当ai开始驱动多领域科学的突破，不同领域的突破将紧密咬合，形成自增强的多飞轮。
在传统视角下，科学进步的速度（Rate of Progress）通常被视为外生常数——比如开发一款新药平均耗时 10 到 15 年，商业化聚变往往以“几十年后”为期。但当科研系统全面接入自动化后，技术周期的迭代速度本身将变成可加速的内生变量。
这种科研范式的转变对宏观经济的拉动，将会是是一次典型的阶梯式跃迁（Slowly, then suddenly）：
在初期阶段，大量论文被解出、复杂数学定理被形式化验证、实验室新型材料候选层出不穷，但宏观 GDP 几乎毫无波动；只有当这些技术库存积累到临界点，伴随低成本工业机器人的普及、新型清洁能源网络的搭建与先进制造工厂的投产，庞大的底层科学资产才会集中转化为实体生产力，形成宏观经济的骤然跃升。
纳维—斯托克斯方程的攻坚，给整个科技界提供了一块前沿观测窗。它真正提示我们的，绝不仅是流体力学又往前走了一步，而是提醒我们审视：文明社会中究竟有多少万亿美元的长期价值，正被锁在那些“人类因大脑算力有限而暂时算不清的问题”之中。
当算力正式从制造模型的流水线工厂，跃升为能够全天候自主探索未知的“超级研究院”，人类从这些“未知库存”中提取科学答案的速率，将被彻底改写。
普通人看这条推文，可以先记住三句话：
纳维–斯托克斯方程，就是描述水和空气怎么流动的公式。 飞机、天气、血管里的血流，底层都靠它。方程写出来快两百年了，工程上天天在算，但数学家一直没彻底搞清楚一件事：三维流体如果一开始很“光滑”，会不会有一天速度突然变成无穷大，方程自己“炸掉”？
这就是著名的千禧年大奖问题之一，悬赏 100 万美元，卡了大约 90 年。七道题里，之前只有庞加莱猜想被解开过。
OpenAI 说：它内部比 GPT-6 Astra 更强的新模型，带着大约一万个互相协作的 AI 智能体，用 88 小时找到了证明，再用 17 小时做成计算机能逐行检查的 Lean 证明。意思是：在加一个始终光滑的外力、能量也一直有限的情况下，三维流体确实可以在有限时间里爆破。
为什么显得很牛？不是因为它算得快，而是这个问题难住了几代顶尖数学家。AI 现在能在几天内给出一份还经过机器验证的前沿证明，说明它开始能碰真正最硬的数学题了。
看的时候也留个心眼：证的是“带外力可以炸掉”，不是所有人印象里那个“完全没外力也永远光滑/不光���”。奖还没正式发，证明也还要数学圈慢慢审。同一时间别的团队也在用 AI 攻相近问题，所以新闻很热闹，也有争议。但对普通人来说，这条推文的核心就是：一个卡了快一百年的流体数学难题，AI 声称几天就给啃下来了。 OpenAI宣布解决纳维-斯托克斯方程，一个千禧年大奖问题
数学已经被AI彻底破解了吗？如果AI能破解世界上最复杂的动力学系统，那他能破解股市吗？ 这玩意不比高考题，IMO数学���赛题厉害？
Meta AI赶紧解散吧
去跟DeepSeek拼价格，还来得及。 OpenAI公布了一份针对纳维-斯托��斯千禧年大奖难题的解答。这份证明由一组智能体协作完成，使用的是能力显著超过GPT-6 Astra的下一代模型。
这道难题研究纳维-斯托克斯方程描述的平滑三维流体运动是否可能出现失效，悬而未决约90年。目前OpenAI是公布解答，是否构成最终证明仍要经过数学界检验。 https://t.co/st0Djxuaqb
，又有下一代了？这么高效的吗？
ps：纳维-斯托克斯存在性和光滑性问题，这是一个悬而未决近一个世纪的 100 万美元千禧年奖问题。
我突然有一个超级利空比特币的灵感，这么下去，会不会密码学也要被ai轻松破解，比特币是不是要变废纸了这个论断以前讲量子计算机的时候被广泛提及，现在我感觉不需要量子计算机就有可能成为现实了。
我不懂啊，我乱说的，我只是突发灵感。数学大拿和币圈大佬不要喷我。
Buy the dip，长期持有，永远缺存储！Discord在个人资料。 更准确地说，现阶段 AI 更像“超级搜索器”，还不是“超级数学家”。
它擅长在巨大空间里构造反例、特解和极端路径，这是人类很难穷举的地方；但在问题形式化、隐藏前提识别、长链条演绎证明，以及从个例抽象出一般结构上，仍有明显短板。
它能找到针，但未必知道为什么这根针重要。
真正的突破，可能来自人类负责提出问题和抽象结构，AI负责搜索，形式化系统负责验证。
不过单就现有的能力和未来持续迭代的预期，已经让人足够兴奋了～
AIControversialAll-time data
OpenAI流体方程证明转述新增有限时间爆破解读
OpenAI解决纳维–斯托克斯存在性与光滑性问题的转述继续扩散，本轮新增“有限时间爆破”的证明方向及科研算力化讨论。Phoenix Yin称，OpenAI使用内部模型完成证明，并把结论解释为光滑初始流场可能在有限时间内出现奇异性。rick awsb进一步称成果由未发布模型在几天内完成，据此提出科研将更多依赖GPU的判断。与乐观叙事相对，HAZENLEE认为现阶段AI更像超级搜索器，在隐藏前提识别、长链条证明和一般结构抽象上仍有短板。候选材料没有展示完整论文、形式化验证范围或独立审查结果，因此不能确认难题已获解决，也不能把算力替代科学家的推演视为既定趋势。
#OpenAI#纳维–斯托克斯方程#有限时间爆破#数学证明#科研算力
Topic heat
688
Posts
10
Views
27.7万
Creators
9
Topic trend
From first appearance to last update, with a seven-day minimum window.
All related posts
10 posts in total
