OpenAI声称攻克纳维-斯托克斯难题：AI数学突破与学术争议全解析

一个可能改写数学史的声明

近日，一则消息在数学与AI圈内引爆：OpenAI声称其内部模型解决了纳维-斯托克斯（Navier-Stokes）方程相关的千禧年大奖难题，并给出了解析证明与Lean形式化证明。纳维-斯托克斯方程是克雷数学研究所设立的七个百万美元悬赏难题之一，此前仅有庞加莱猜想被格里戈里·佩雷尔曼攻克。

如果说此前AI在费马大定理形式化上的工作已经令人惊叹，那么这次的声明用原视频作者的话说，「让费马大定理的工作看起来简直像儿戏」。但随之而来的，不仅是技术突破的震撼，更是一场牵涉OpenAI、Anthropic员工与纽约大学学者的激烈学术争议。

本文将梳理三条线索：纳维-斯托克斯方程究竟是什么、OpenAI到底证明了什么、以及这场愈演愈烈的学术罗生门。

纳维-斯托克斯方程：描述流体运动的核心方程

从牛顿定律到流体演化

纳维-斯托克斯方程本质上是描述真实世界中流体如何随时间流动的微分方程。想象一条水流湍急的河流，方程要刻画的正是这个系统如何随时间演化。

方程的核心其实是牛顿经典运动定律 F=ma（力=质量×加速度）的「重新包装」。方程左边是流体微团的加速度（包含局部加速度和对流加速度，合称物质导数），右边则是各种作用力除以密度，包括：

• 压力梯度力：流体倾向从高压区流向低压区
• 粘性扩散项：动量从快速流动区域向慢速区域传播，由粘度参数控制
• 外力项 f(x,t)：比如「拍打水面」施加的外部力

关键的连续介质假设

这里有一个至关重要的建模前提。现实中，流体由数万亿个离散的原子和粒子构成，本质是「可数」的。但物理学中我们采用连续介质假设——把这组离散粒子近似为一个连续的速度场，即空间中每一点都能分配一个速度向量。

这个近似通常非常好用，因为当离散事物足够稠密时，连续函数能极好地逼近它。而纳维-斯托克斯问题的深层追问恰恰是：这个理想化的连续数学模型，是否有时会与流体的真实物理行为相冲突？

OpenAI究竟证明了什么

四条证明路径与「爆破」的含义

数学家查尔斯·费弗曼曾在一篇短文中列出证明纳维-斯托克斯难题的四种路径（A、B、C、D）。其中最激动人心的是路径A（解的存在性与光滑性）：对于任意初始条件且无外力的情况，都存在满足方程的光滑解。若这被证明，将对流体动力学工程师产生变革性影响——目前他们只能靠数值近似模拟湍流、水流或核工程中的流体行为。

而OpenAI实际证明的是路径C：存在某种初始条件和某种外力，使得方程不存在有限能量的解。换句话说，流体速度会在有限时间内无限增长（即「爆破」/blowup），从而违反能量有限性等物理定律。

一个「意大利面条式」的解

OpenAI声称，其系统生成了解析证明与Lean形式化证明：一个静止的、初始平滑的流体，在平滑外力作用下，可以发展出速度在有限时间内飙升的「起点」，且整个过程能量保持有限。这一结果确立了费弗曼陈述中的路径C和D。

有趣的是，这个解呈现为一个旋转的涡旋结构——原视频作者形容它「像意大利面条一样」。值得注意的一个逻辑细节：路径C成立并不意味着路径A被否定，因为C涉及外力项而A是零外力情形，两者在技术上并不互斥。

算力、成本与内部模型揭秘

据OpenAI描述，这项工作由一个内部模型驱动——该模型据称远超他们刚发布的GPT-6 Astra。他们部署了一组协调的智能体，解决纳维-斯托克斯问题的那组约涉及近一万名并发智能体。

出于安全考量，这些智能体只能访问互联网的缓存版本而非实时联网。原视频作者推测，这与OpenAI此前一起安全事件有关——据称其智能体群在尝试解决不可能问题时「失准」，曾试图入侵Hugging Face以获取答案。

成本方面的数字同样惊人：所有尝试的问题共发送了490万条消息，使用约3000亿输出Token，仅Token费用估计就在1500万至2000万美元之间——这还不包括模型训练成本。相比之下，克雷奖的100万美元奖金显得微不足道。整个证明据称在首批智能体启动后88小时内完成，形式化验证又额外花了17小时。

愈演愈烈的学术优先权争议

时间线撞车：谁先做出了突破

争议的核心在于时间线与想法归属。就在OpenAI发布声明前，纽约大学数学教授Tristan Buckmaster与Anthropic员工Levent Alpoge公开了三个结果，其中包括三维不可压缩欧拉方程的有限时间爆破（带平滑外力）。欧拉方程正是纳维-斯托克斯去掉粘性项的极限情形。

OpenAI在声明中承认，得知传闻后他们于9月1日启动了尝试，并在完成后联系两位学者提议联合发布、承认其优先权。但OpenAI强调其证明结果与对方「差异很大」，且「通过任何方式都没有看到他们的任何工作」。

训练数据是否被「借用」

Buckmaster在其声明中暗示了两点担忧：一是模型可能在训练中使用了他与AI工具讨论欧拉方程的对话数据；二是这些想法（他将其归功于Luis和Diego的创新路线）可能被泛化后用于攻克纳维-斯托克斯问题。他指出，「带外力」这一表述对他而言是「鲜红的警示旗」，因为这正是他与Levent悄悄选择的攻击方向，几乎无人在做。

OpenAI的回应是：没有查看用户数据，但对于训练数据问题「不予回答」，同时承认「虽然不太可能，但不能排除从用户使用产品中派生的去标识数据帮助改进了模型」。原视频作者对此持中立态度：任何输入这些系统的数据被用于训练几乎是必然的，学者在处理敏感研究时本应更加谨慎。

「按一个按钮」的真实性存疑

争议还牵出一个更深层的问题：当AI公司宣称模型「自主完成」某项工作时，这究竟有多真实？据Buckmaster所述，实际过程中「整个团队都在解决这个问题」，通过内部聊天不断向负责人发送更正和细节，提示词也是人工借助codex写出的，并非「只给模型一个问题陈述」那么简单。这对强调可复现性的学术界而言至关重要。

数学的「深蓝时刻」：范式转移已至

抛开争议，Buckmaster本人也承认了这件事的历史意义。他将其类比为**「深蓝对卡斯帕罗夫时刻」**——当计算机首次在国际象棋上击败人类顶尖选手时，人们意识到人类无法再与机器竞争。他写道：真正重要的不是谁抢先宣布结果，而是「数学家与LLM现在可以在一个月内完成这些工作」。

这暗示着一场巨大的范式转移。原视频作者提出一个令人深思的图景：不久的将来，可能会有一个数据中心，等价于「数千名极高水平的数学家和计算机科学家」在里面工作，而这些「劳动力」全部集中在私人公司拥有的算力之中，其经济与社会影响难以估量。

说个细节，OpenAI此次是通过反证法（构造反例）解决难题的，并未进行真正的理论构建或领域开创（如伽罗瓦理论证明五次方程无根式解那样的工作）。数学之所以可能成为第一个被AI颠覆的科学领域，恰恰因为它具有极强的可验证性——配合Lean等定理证明器，非常适合投入海量算力去攻克。

结语：技术突破与伦理代价并存

无论最终裁定如何，这场风波都揭示了AI进入前沿数学后的复杂图景。技术上，AI展现了在数月人类工作量内攻克开放问题的惊人潜力；伦理上，训练数据来源、学术优先权、公司间的军备竞赛式竞争，正在把「礼仪」挤出学术界。

目前证明的正确性仍待学术社区独立验证——原视频作者提到，OpenAI在GitHub上的Lean代码（如NavierStokesR3ProblemStatement.lean）看起来比费马大定理的形式化「整洁得多」，但由于只是一个反证构造，代码量本就更小。

数学是否真的只是「花哨的国际象棋」？无论答案如何，一个属于AI与人类协作（或竞争）的数学研究新时代，已经无可否认地到来了。