2026年9月,OpenAI公开宣布,调度近一万个AI智能体协同运算,耗时88小时,成功证明了纳维-斯托克斯方程的有限时间爆破现象。
这道题是克雷数学研究所千禧年七大难题之一,困扰了学界百余年。
消息传开,学界没迎来欢呼,反而炸开了锅:第一个闯关的竟不是深耕数十年的数学家,而是一群没有实体的AI程序。
2000年,美国克雷数学研究所公布七道千禧年数学难题,每解出一道就有100万美元奖金。
二十多年过去,只有庞加莱猜想被完整证明,其余六道悬而未决,纳维-斯托克斯方程的存在性与光滑性问题,就是其一。
这道题的核心逻辑不复杂:描述流体运动的方程,是不是在所有合理的初始条件下,都能得到光滑有限的解?
换句话说,它会不会在某种情况下失控,算出流速无穷大的结果,也就是数学界说的爆破。
现实中不用担心搅拌一杯水就变出奇点,但这个问题关乎方程的根基。
如果爆破真实存在,就意味着这套广泛应用于航空航天、气象预报、生物医学领域的核心方程,天生存在无法逾越的逻辑边界。
OpenAI给出的答案是会。
他们动用尚未对外公开的下一代模型,调度近一万个AI智能体分工协作,全程持续88小时,智能体之间累计传递270万条消息,仅算力成本就被行业估算1500万美元左右。
最终得出结论:在特定条件下,原本光滑静止的流体,会在有限时间内演化出奇点,发生爆破。
更让学界意外的是后续。
成果之多、速度之快,数学家根本来不及逐一核验,更别说梳理完整逻辑。
19世纪工业革命如火如荼,牛顿力学在刚体运动上应用得炉火纯青,可一旦碰到水、空气这类没有固定形状的物质,F等于ma就没了用武之地。
流体内部粒子时刻无规则运动,没法像计算单摆一样套用刚体公式。
第一步是连续介质假设。
研究者不再把流体看成离散的分子集合,而是近似为完全连续的物质,无论分割多小都是均匀流体,不存在空隙。
这个假设和现实有偏差,海平面空气分子间距是分子直径的十倍。
但在日常尺度下,气流流过机翼、河水在河道中流动,粒子足够多,空隙影响可忽略。
只在极端场景下失效,比如航天器再入大气层,空气稀薄,分子间距的影响无法忽略;又比如毛细血管里的血液,流动尺度小到细胞级别,连续近似不再适用。
有了这个前提,牛顿定律才能套到流体上。
法国数学家柯西最先梳理出流体微元的受力,垂直的压力加上相邻流体的剪切力,再结合质量守恒规律,写出了流体运动的基本方程。
但这套方程变量太多,根本无法直接求解。
真正的简化来自纳维和斯托克斯。
他们只讨论黏度恒定的牛顿流体,比如水、空气、普通油类,黏度不随外力大小改变。
以此为基础,他们把复杂的应力全部转化为流速的函数,最终推导出了纳维-斯托克斯方程。
这套方程最迷人的地方就在这里,短短一行公式就能描述宇宙中几乎所有液体和气体的流动。
大到火箭发射的气流、海洋里的全球洋流,小到心脏泵血、管道里的水流,全都可以用它来计算。
方程看似简洁,难度却藏在细节里。
其中的对流项,被研究者称为整个方程里的怪兽项。
流体微元的速度决定它的移动方向,空间里的流速梯度又反过来改变它的速度,形成正反馈,一点点扰动不断放大,最终让流动变得极其复杂,也就是湍流。
为降低求解难度,衍生出很多简化特例。
比如黏度极高、流速极慢的斯托克斯流,对流项几乎不起作用,流动甚至是可逆的,搅拌散开的染料,反向搅拌就能大致复原。
再比如贴近壁面的边界层流动,扇叶运转时依然积灰、高尔夫球凹坑减阻,背后都是边界层的作用原理。
最极端的简化是完全去掉黏度项的欧拉方程,也是研究纳维-斯托克斯问题的重要跳板。
按常理,百年难题被攻破,本该是学界的盛事。
但这次AI的突破,引来不少数学家的质疑,争议集中在两个层面。
此前已有数学家团队用AI研究欧拉方程的爆破问题,还公开了成果。
有学者质疑,OpenAI是否直接借鉴已有思路,而非独立推导。
另一个更核心的争议,是突破到底为了推动数学,还是科技公司秀实力。
对科技公司来说,拿下一道公认的世纪难题,是展示模型能力最直观的方式,数学证明非对即错,最适合验证推理实力。
更关键的是,这次证明存在一个绕不开的后门。
OpenAI构造了一个非常复杂的外部作用力,靠这个外力项才让方程出现有限时间爆破。
从字面规则看,它确实符合克雷研究所的要求,但并没有解决学界真正关心的、无额外外力的经典版本问题。
比起结论,数学家更在意背后的洞见。
如果方程真的会爆破,深层机理是什么?我们对流体的认知哪里存在偏差?
AI的证明太过庞杂晦涩,人类数学家可能要花数年才能理清。
Lean这类形式化证明工具能校验每一步推导,却提炼不出简洁深刻的规律。
我们拿到了正确的结果,却不知道它为什么正确,更没法从中衍生新的学术思想。
这并非第一次。
2012年数学家望月新一发表500页的ABC猜想证明,因理论体系太过晦涩独立,学界始终无法达成共识,成果几乎没推动数论的实际发展。
而AI的证明比当年篇幅更大、逻辑更细碎,单个数学家根本不可能完整理解。
这也是很多学者焦虑的根源:我们是不是正进入一个知其然、不知其所以然的科研时代?
有研究者把AI在科研中的发展分成三阶段:插值、外推、抽象。
外推是基于人类已有的思想框架,突破人类没能到达的边界,这次的数学证明就在这一层。
抽象是从海量现象中独立提炼全新规律,目前的AI还远远做不到。
换句话说,现在的AI能把地心说的修正公式算得无比精准,却不会主动提出日心说。
它能给出复杂的正确答案,却做不到直达本质的抽象洞察。
纳维-斯托克斯方程的风波,只是AI进入基础科学的一个开端。
它展现了惊人潜力,也抛出一个所有人要面对的问题:我们做科研,到底是为了拿到结果,还是为了获得对世界更深层的理解?
这个问题没有标准答案。
人类既需要高效解决问题的工具,也需要探寻本质的好奇心。
两者如何平衡,将是未来很长时间里科学界共同面对的课题。
热门跟贴