2026年9月8日，OpenAI公开了一份关于三维不可压缩Navier–Stokes方程的解析证明及Lean形式化版本，宣布证明光滑流体运动能够在有限时间内形成奇点。官方披露，这项工作由约1万个并发AI智能体完成，求解持续约88小时，随后由GPT-6 Astra用17小时完成Lean形式化与验证；Navier–Stokes任务产生约270万条智能体消息，消耗约1300亿输出token。
如果证明经数学共同体充分审查并满足克雷数学研究所的程序要求，它将是AI参与基础数学研究的标志性事件。但在所有兴奋之前，需要先把结论说准确：OpenAI公开的是对千禧年问题官方表述中“C”和“D”情形的反例构造，使用平滑外力，让初始静止且能量有限的流体在有限时间出现速度无界。它不是“算出了所有流体”，也不意味着工程中的CFD软件从此失效。
这道题到底问什么
Navier–Stokes方程来自牛顿第二定律在连续介质中的表达。对不可压缩流体，可写成：
$$
\partial_t u+(u\cdot\nabla)u=-\nabla p+\nu\Delta u+f,\qquad \nabla\cdot u=0
$$
其中，$u$是速度场，$p$是压力，$\nu$代表黏性，$f$是外力。非线性对流项会把能量在不同尺度之间传递，黏性项则倾向于平滑速度变化。问题在于：从足够光滑、能量有限的初始状态出发，三维解是否会始终保持光滑，还是可能在有限时间形成某种无界结构？
1934年，Jean Leray证明了广义意义下弱解的存在，但弱解可能缺少足够光滑性，也不自动保证唯一。克雷数学研究所把“存在性与光滑性”列入七大千禧年难题，允许两类解决路线：证明所有满足条件的解始终光滑，或者构造满足官方条件却在有限时间失去光滑性的反例。
OpenAI选择了后一条路。其构造从静止流体出发，施加平滑外力，形成不断向内压缩并沿轴向拉伸的旋涡结构。核心区域尺度不断缩小，局部速度不断增大，同时总能量保持有限。困难在于不能把奇点偷偷塞进外力：外力自身必须保持光滑，爆破必须由方程动力学产生。
“有外力”为什么仍可能解题
不少初读者看到forcing，会认为这只是修改后的简化题。实际上，克雷官方问题表述明确包含周期区域和全空间、无外力与允许平滑外力的多个命题。OpenAI声称建立的是官方表述中的C与D，而不是绕开题目另造一个版本。
不过，有外力反例与公众通常想象的“任意自然流体都会自发爆炸”并不是同一句话。数学上，只要满足官方条件的一个反例成立，就足以否定全局光滑性命题；物理上，这个精心构造的外力和旋涡是否容易在现实流体中出现，是另一个问题。
奇点也不意味着真实液体会产生无限速度。连续介质模型在原子尺度必然失效。数学结论说明的是：在理想化方程内部，光滑连续描述可能自行走到边界。它会改变我们对非线性、湍流和尺度级联的理解，却不会让飞机设计和天气预报使用的数值方法一夜作废，因为这些方法处理的是有限分辨率、有限时间和具体边界条件。
AI究竟做了什么
官方披露的系统不是让一个聊天窗口连续思考88小时，而是把大量智能体分成多个群组，分别探索正向证明、反例构造及较容易的相关问题。部分代理阅读缓存资料、运行代码、提出引理或检验推导，之后由协调流程交叉传播有价值的中间结果。Euler方程的相关突破又被反馈给Navier–Stokes任务，帮助收缩搜索空间。
这种架构更像大规模并行研究组织。它的优势不是让1万个代理对同一公式投票，而是同时维护不同假设、路线与局部证明，避免单一路径失败后从头开始。Codex在其中承担了整合跨群组结果的角色。
代价同样惊人。1300亿输出token意味着这并不是普通用户可以复现的低成本推理。它把数学研究的一部分转化成算力密集型搜索，也会引出新的评价指标：发现一个重要证明究竟需要多少计算、多少人类引导、多少已有论文，以及多少形式化验证成本？
Lean验证了什么，又没有验证什么
Lean是一种交互式定理证明系统。研究者把定义、假设和推理步骤表达为形式语言，Lean内核检查每一步是否符合逻辑规则。相比传统论文依赖同行逐页阅读，形式化证明能够排除大量代数遗漏、隐含跳步和条件误用。
但“Lean通过”不等于所有争议自动结束。形式系统验证的是：在给定定义、公理和已形式化引理之下，结论是否逻辑成立。数学家仍需确认形式化命题与克雷原题完全对应，关键定义没有偏移，依赖库和公理使用可接受，并理解解析构造的意义。形式化代码也需要独立编译、审阅和复现。
克雷研究所的奖项认定还有程序条件，通常要求成果在合格渠道发表并经过一定时间的普遍接受。因此，“已经公开一份带Lean验证的解决方案”“专家认为证明可信”“克雷正式认定解决”是三个不同阶段。写作时将其合并成“奖金已经拿到”，并不严谨。OpenAI也明确表示不打算申领100万美元奖金。
优先权争议为何重要
成果发布前后，NYU数学家Tristan Buckmaster与Anthropic的Levent Alpöge也公布了相关进展。双方工作都建立在Diego Córdoba与Luis Martínez-Zoroa多年发展的解析级联路线之上。争议涉及谁先完成哪些Euler或Navier–Stokes变体，以及AI系统是否可能从研究者使用模型时留下的数据中间接受益。
OpenAI表示没有访问特定用户数据，也未在对方公开前看到其工作，但承认无法完全排除去标识化使用数据曾参与模型改进。这暴露出AI科研时代的新难题：研究人员把未发表思路输入商业模型时，保密、训练使用、派生成果和优先权该如何界定？传统学术规范以人类作者、邮件和手稿为中心，难以覆盖模型提供商、用户提示、自动化代理和训练数据之间的复杂关系。
无论最终优先权如何划分，Córdoba和Martínez-Zoroa提出的无限层级联思想构成了关键知识基础。AI的突破不应被描述为从空白中凭空创造，而应放在长期数学积累上理解。
这是AI科学的“深蓝时刻”吗
与下棋不同，证明开放数学问题没有明确的有限棋盘和自动评分函数。系统必须选择问题表述、创造中间概念、寻找可证明结构，并把结果写成专家能够审查的形式。如果此次证明站稳，它说明前沿模型已经能在成熟理论基础上组合新方法，并通过多智能体协作完成超长研究链条。
更重要的变化可能来自工作方式。未来的数学团队会把非正式探索与形式化验证同时推进：代理搜索构造，人类判断方向和意义，Lean保证局部逻辑。论文不再只是最终文本，还包括可执行证明、代理轨迹和计算资源说明。
这次事件也设置了一条不舒服的门槛。若重大科学突破越来越依赖数以万计的代理和巨额算力，科研能力可能进一步集中于少数实验室。开放证明代码能帮助审查，却不能自动复现发现过程。基础科学需要新的公共计算设施、透明记录和成果归属规则，否则“AI民主化科研”可能与现实走向相反。
Navier–Stokes突破最值得记住的，不只是88小时，而是三种系统第一次如此紧密地叠加：数十年的数学思想提供路线，大规模智能体完成并行探索，形式化系统把结果压缩成机器可核验的逻辑对象。最终结论仍要交给时间与共同体审查，但科学研究的生产方式已经显露出新的轮廓。