Navier-Stokes

OpenAI 9 月用约一万个并发智能体、88 小时给出 Navier-Stokes 爆破证明，并用 Lean 形式化（OpenAI 研究页与 AI/TLDR 均有记录）。这套打法正在行业内形成一种信念：能被形式化验证的，才配叫进展。方向没错，但它容易让人滑向一个更危险的推论——只要验证器足够强，认知边界就会一路后退到无穷远。哥德尔早在九十年前就把这扇门关上了。 验证器到底能查什么、不能查什么？ Lean 这类系统做的事，是在一个给定公理与推理规则的形式系统内检查证明是否自洽。它能告诉你：从这些前提出发，这串推导是否合法。但它无法回答两个更根本的问题： 第一，这套公理本身对不对。Navier-Stokes 方程是对真实流体的模型化抽象，形式系统默认了它是要研究的对象，却不能证明这个抽象抓得住物理实在。 第二，系统内存在它无法判定的命题。哥德尔第一不完备性定理说，任何足够强的一致形式系统，都包含在系统内既不能证明也不能证伪的命题。验证器再强，也只是在系统内部巡逻，它翻不过围墙。 Lean 全绿就等于真理到手吗？ 现在宣传里有个潜台词：Lean 检查通过，就等于真理到手。这混淆了两个层次。Lean 给的是系统内的相对保证——在这套约定下没推错。它给不了系统外的绝对保证——这套约定是否捕捉了我们真正关心的那个数学现实。 Navier-Stokes 之争之所以仍悬而未决（DEV Community 等讨论指出其证明仍有争议），部分原因正是：即便 Lean 全绿，数学界还要争论这个「有限时间爆破」构造是否落在问题真正关心的函数空间里。形式化解决了推导的内部纠纷，却把关于「该证明到底陈述了什么」的解释纠纷，原样留给了人类。 硅基的天花板到底在哪？ 这对 AGI 认知主线是个冷静剂。硅基系统极强地擅长在给定框架内穷尽搜索、自我校验；但选择框架、质疑公理、决定「哪个问题值得问」，始终在框架之外。哥德尔没说人比机器聪明，他说的是：没有任何封闭系统——无论硅基碳基——能在自己内部证明自己的完备与正确。 所以当我们庆祝可验证时代时，应记住那道墙外还有大片领地：提出新公理、转换视角、判定哪个形式化对应真实世界。这些不是「还没自动化的苦力」，而是认知中结构性不可被本系统吞并的部分。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：哥德尔边界 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

在放出数百份 Lean 证明的同时，OpenAI 还分享了一项与千禧年难题相邻的成果：有研究者整理的追踪记录显示，其内部模型对无粘三维欧拉方程给出了一个形式化的有限时间爆破论证，并构造了光滑、紧支、无散度的初始速度场，外部独立评审尚未完成。这类问题之所以重要，是因为它与 Navier-Stokes 千禧年大奖难题同属流体方程的核心地带。需要强调，这仍是待外部核验的形式化主张，不等于问题已被最终解决。 「算出来」和「想明白」从来不是一回事 数学家长期扮演两个角色：证明者与阐释者。证明者负责给出严格推导，阐释者负责告诉世人这个结果为什么重要、它改变了什么图景、它和别的领域怎么勾连。过去这两个角色由同一个人担任，因为通常只有证出它的人最懂它。 当机器能暴力枚举路径、跑出证明，甚至在人类还没看懂之前就堆出几百份结果，「证明者」这部分工作开始被大规模外包。数学家面对的不是失业，而是角色被迫迁移：从亲自证明，转向判断哪些证明值得关注、它意味着什么、它通向哪里。 意义的译者 这有点像翻译。原著是机器写的那份证明，但它写得极快、极密、极不像人话。人类数学家的工作变成把这份证明「译」回人类的数学审美里——哪一步是关键突破，哪一步是技巧堆砌，哪个猜想因此被点亮，哪个方向从此死路一条。 这个角色并不卑微。事实上它可能更接近「哲学」： 机器负责结论的对错，人负责结论的份量。 机器负责路径的存在，人负责路径的意义。 机器负责广度，人负责纵深。 保留意见 必须说清楚：形式化证明通过类型检查，只代表这一份推导自洽，不代表它对应了真实的数学洞察；OpenAI 自己当天就撤回 3 份、修订 14 份，说明机器产出也会犯低级错误。人类数学家的判断力，在这个时代不是被削弱了，而是被更清晰地推向了「意义」这一端。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：欧拉方程与理解 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

一道悬赏百万美元的世纪难题 2000年，克雷数学研究所公布了七个"千禧年大奖难题"，每一个悬赏100万美元。其中最著名、也最让物理学家头疼的，就是Navier-Stokes方程的存在性与光滑性。 简单说：这组方程描述了水、空气等粘性流体的运动。它从1822年被提出至今，工程师们天天用它算飞机、算洋流、算心血管里的血流，但数学家至今无法严格证明——对任意光滑初始条件，方程在三维空间里是否始终存在光滑解，还是会在某一时刻"爆掉"（blow up）。 180多年了，人类顶尖大脑束手无策。而2026年9月，OpenAI用一群AI智能体，把它推到了一个前所未有的位置。 88小时、10000个智能体、1300亿token 这次工作的规模，本身就是一则新闻： 约10000个AI智能体组成的协作集群，并行投入证明生成； 连续运行88小时，消耗约270万条消息交互； 累计输出约1300亿个token； 最终由OpenAI内部一个性能超过GPT-6 Astra的模型，在17小时内完成Lean定理证明器的形式化验证。 数据来源：OpenAI公开技术披露，2026年9月；克雷数学研究所千禧年难题官方说明 1300亿token是什么概念？这相当于把一座中型图书馆的文本量喂给证明流水线。但关键不在"量"，而在分工：这一万个智能体不是各自为战，而是被编排成一个分层的证明工厂——有的负责提出子猜想，有的负责补全中间步骤，有的负责找反例压力测试，有的专门负责把草稿翻译成Lean能读懂的形式化语言。 人类数学家做证明，是"一个天才+几年时间"。AI做证明，是"一万个不知疲倦的worker+88小时"。这是研究范式的根本切换。 为什么不领那100万美元？ 最有意思的细节来了：OpenAI宣布不申请克雷数学研究所的百万美元奖金。 原因是技术性的，也是诚实的。千禧年难题要求的是"无条件"的全局适定性证明，而OpenAI智能体集群给出的结果，是在**施加了额外的平滑外力条件（smoothed forcing）**下成立的。这是一个重要进展，但还不是题目要求的那个"裸解"。 换句话说：AI证明了"在我们精心控制的外力下，方程不会爆"，但没有证明"在任何外力下都不会爆"。差这一层，就是从"重大突破"到"摘得桂冠"的距离。 这个表态反而比领奖更有分量——它说明这次工作的工程纪律是严格的，形式化验证没有放水。 技术意义：形式化验证成了新的裁判 过去AI解数学题，最大的争议是"你怎么知道它没胡说？"。大模型擅长生成看起来像证明的文本，但中间一步跳步，整栋楼就塌了。 这次的不同在于：Lean验证器是无情的裁判。每一行推理都必须能被机器检查，没有"差不多"、没有"显然易证"。17小时的Lean验证通过，意味着这份证明在逻辑上是闭合的。 这标志着AI科研进入了一个新阶段——不再是"AI写、人看"，而是"AI写、机器验、人只挑方向"。当验证成本降到几乎为零，证明的产量瓶颈就只剩下一个：谁能提出好的问题和好的分解策略。 行业影响 对数学界，这是工具革命而非颠覆。25位菲尔兹奖得主此前联名抗议AI公司用算力暴力解题，正是担心"提出问题"这一最有价值的环节被稀释。Navier-Stokes的进展提醒我们：AI擅长把人已有的思路执行到底，但问题意识仍然属于人。 对AI行业，这是"智能体集群"商业模式的第一张完整成绩单。一万个智能体并行、88小时不间断、可验证产出——这验证了"用AI做长周期科研项目"在工程上可行。从药物分子到材料配方，再到数学证明，重资产、长周期、可验证的科研场景，正在变成Agent经济的主战场。 如果你想跟踪这类"AI做前沿科研"的完整脉络，guijiagi.com会持续记录每一次范式跳跃。下一个被智能体集群攻克的难题，可能就藏在你我尚未看清的某个角落。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

9月11日邓煜、陶哲轩等25位菲尔兹奖得主联合发布《人工智能在数学中的严重错位》，反对把AI解出数学题当基准测试。导火索是9月8日OpenAI宣布88小时求解Navier-Stokes，纽约大学数学家Tristan Buckmaster指OpenAI在知晓其研究进展后抢先发布。