OpenAI 攻克了数学世纪难题？从一杯水读懂 Navier–Stokes 候选证明

2026 年 9 月 8 日，OpenAI 公布了一份 Navier–Stokes 存在性与光滑性问题的解答。这正是七个“千禧年大奖难题”之一。新闻有真实出处，而且已经有论文和形式化证明可以检查。9 月 11 日，Clay 数学研究所又罕见地发布公告，称这个问题“看来已经得到解决”；但其正式评奖程序尚未完成，问题页面也仍标为“未解决”。现阶段更准确的说法是：OpenAI 公布了一个得到重要正面信号、仍在接受独立审查的重大候选证明。

这篇文章最初依据公告当天能够取得的公开材料，区分三件事：原题问了什么、候选证明声称做到了什么，以及我们已经能确认到哪一步。9 月 10 日补充了优先权、数据来源与署名争议，9 月 12 日再补充 Clay 的表态和学界后续。本文核对了论文的主定理和证明概述、官方问题描述及代码仓库，没有独立复核全部证明或运行完整 Lean 验证。

先从一杯水说起。

搅动一杯水，会出现大大小小的漩涡。要描述它，我们可以想象在水中每个位置放一支小箭头：箭头朝向表示水往哪里走，长度表示流速。这些箭头组成“速度场”。Navier–Stokes 方程描述的，就是这整幅箭头地图如何随时间变化。

它背后的账本并不陌生：水的运动受到压力、黏性和外力影响，也会因为水本身的流动而改变。把密度归一化后，可以写成：

∂u/∂t + (u · ∇)u = −∇p + νΔu + f
∇ · u = 0

不用记符号。最后那个等式表达“不可压缩”：流进一小块区域的水，要有相应的水流出去。前面的式子是牛顿运动定律在流体中的版本。黏性像一种抹平相邻流速差异的作用；流动本身又能制造更剧烈的变化。难题关心的是：从一幅处处平滑的箭头地图出发，这种演化能不能在有限时间内出现无法继续保持光滑的地方？ 上述条件和方程都可在 Fefferman 为 Clay 撰写的原始命题中核对。

这里的“光滑”不等于水面平静。复杂的旋涡也可以是光滑的；数学上的“爆破”也不等于现实中的爆炸，而是某个描述运动的量变得无界。

一个生活中的类比是地图上的坡度：山路可以非常曲折，但每一处坡度都有明确、有限的数值。数学家要排除或找到的，是原本正常的地图在演化后出现“无限陡”的可能性。这个类比只解释光滑性的含义，不是流体证明。

为什么这件事值得悬赏？因为我们早就在使用这些方程，却仍在追问它们的解到底能保持哪些性质。Clay 将它列入 2000 年公布的七个大奖问题，每题悬赏 100 万美元；这些题目被选中的理由是长期未解、具有基础性的数学价值。Clay 千禧年问题介绍

这次结果里，最不能省略的两个字是“外力”。

官方题目允许通过四条路线中的任意一条作答。A、B 要求证明无外力时始终存在光滑解；C、D 则允许构造光滑外力，证明某些初始条件下无法一直保持所要求的光滑解。两组各自又区分整个三维空间与空间周期情形。因而，“带外力的反例”本来就是官方接受的解题路线。但它不直接否定无外力版本。官方四种表述

OpenAI 的 Lean 仓库明确将 Navier–Stokes 结果对应到 C、D：对任意正黏性，存在符合要求的光滑初始数据和外力，使全局光滑解不能存在；整个空间版本还要求统一有界的动能。这不是“所有水流都会出问题”，而是声称找到了足以否定某种普遍保证的特殊例子。

证明的核心，可以想成一个越缩越细、越转越快的漩涡。

论文构造从静止开始、受到光滑外力推动的流动。临近某个有限时刻，漩涡核心的径向尺寸缩得比轴向尺寸更快，速度变得无界，总动能却仍然有界。两种尺寸都在缩小，“越来越细长”说的是比例，并非长度无限增长。

真正困难的是：不能偷偷把无穷大的驱动力塞进外力。作者先安排收缩的背景涡流，再加入细密振荡，让这些振荡产生的动量输运抵消背景流动中的奇异残差，随后逐层修正误差，使外力连同各阶导数都能平滑跨过奇异时刻。直观上，是让方程内部各项的精确配合支持极端流动。这个概述依据论文第 1—3 节，并不替代证明。原始论文《Finite Time Blowup for Navier–Stokes》

“局部无限、总量有限”并不矛盾。可以做一个与论文参数无关的小算术：某块区域的速度增加到原来的 10 倍，单位体积动能约增加到 100 倍；如果它的体积同时缩小到千分之一，这块区域的总动能反而只剩原来的十分之一。这个例子只帮助理解局部极值与整体积分的区别。

到底用了什么模型？公开资料并没有给出发现者的正式型号。

OpenAI 披露：发现者是仍在训练、强于 GPT‑6 Astra 的内部模型，未公布正式型号、参数和架构。Astra 负责后续形式化验证；Codex 帮助汇总小组成果。不能把未知型号补成某款未来产品。

agent 可以读缓存互联网、运行代码和交流。Navier–Stokes 部分用了约 1300 亿输出 token、270 万条消息。过程来源

这些信息不足以拆分模型能力、搜索规模与人工调度各自的贡献，也不足以给出普通用户可以复现的配置。把整个实验缩写成“问一次聊天机器人”，会遗漏决定实验条件的关键部分。

Euler 在这里相当于一块相关的试验田：它去掉了黏性项。OpenAI 同时发布的 Euler 论文声称，在整个三维空间、无外力条件下，光滑且紧支撑的初始速度也能产生有限时间奇异性。这里的定理表现为速度梯度无界，以及相应涡量积分发散。它与 Navier–Stokes 的“速度无界”结论不能混写，更不能把 Euler 的无外力条件搬到后者身上。

有了 Lean，为什么还不能马上宣布结案？

Lean 可以把推理写成可由程序严格检查的形式。它的价值在于减少“文字读起来顺畅，却藏着逻辑跳步”的空间。不过，检查一条形式命题，与确认这条命题准确表达原来的数学问题，是两个需要接上的环节。

打个比方：算式的每一步都算对了，还要检查抄下来的题目是不是原题。如果漏掉一个条件或更换一个定义，检查器可能正确验证了另一道题。

这次仓库还提供 Comparator 检查入口，题目表述参考并改编自 Google DeepMind 的 Formal Conjectures 项目。按 Comparator 自身说明，它在相应信任假设下检查解答与目标命题是否一致、是否只使用允许的公理，以及证明是否被内核接受；还可使用额外内核复核。这比“代码能编译”提供了更明确的检查目标。

这里仍需保持措辞准确：公开了验证材料，不等于本文已经独立验证通过。 我们还需要看到可复现的检查结果、专家对定义与原题对应关系的审查，以及对数学论证的理解和确认。

奖项认定另有流程。Clay 现行规则要求成果在合格出版渠道发表、发表后经过至少两年，并得到全球数学界普遍接受，才进入其考虑范围。这个等待期是奖项规则，不是说数学家在两年内不能判断证明。官网仍标“未解决”同样不构成候选证明错误的证据。

9 月 10 日更新：争议到底在争什么？

这两天出现的争议没有给出推翻候选证明的新数学反例，焦点主要是研究路线从哪里来、私密数据是否进入模型，以及发布时如何分配署名与荣誉。这三件事也不能混成一句“证明被偷了”。

先把两组成果分开。 纽约大学数学家 Tristan Buckmaster 与 Levent Alpöge 公布的是带光滑外力的不可压缩多孔介质、Boussinesq 和三维 Euler 爆破结果，并不是 Navier–Stokes 千禧年问题的完整解答。他们明确把基本思路归功于 Diego Córdoba 和 Luis Martínez-Zoroa，自己则借助 Claude、Codex 中的 GPT‑5.6 Sol 等模型把这条路线推到更强的结论；Astra 较晚用于写作和审查。Buckmaster 的四页声明

Terence Tao 把这组工作称为重要突破，并判断它很可能可以继续推进到 Navier–Stokes；这评价的是 Buckmaster 与 Alpöge 的成果和研究方向，不等于他已经审完 OpenAI 的 Navier–Stokes 证明。Tao 的技术解读

OpenAI 公布的则是 Navier–Stokes 的 C、D 路线，以及另一份无外力 Euler 结果。两边在“谁先完成哪个定理”上并非简单撞车：Buckmaster 与 Alpöge 对带外力 Euler 的成果拥有在先记录；OpenAI 声称完成了更进一步的 Navier–Stokes 命题。真正有争议的是，OpenAI 为何恰好在此时集中算力走向这类问题，以及过程中是否吸收了对方尚未公开的信息。

第一层争议是数据。 Buckmaster 说，他们把整个项目的草稿放进了 Codex 会话；他问内部模型是否训练于或能访问这些会话，得到的回答是模型没有“查找”用户数据，而关于训练的问题当时没有得到明确答复。他也谨慎写明：自己没有看过 OpenAI 的证明，不知道数据是否被使用，没有据此指控任何人。

OpenAI 最初的公开回应更具体：研究人员和 agent 在对方公开前没有通过任何方式看到其工作，解题时也没有访问特定用户数据；但公司当时称可能性很低，却不能排除由产品使用产生的去标识化数据曾帮助改进模型。9 月 10 日，OpenAI 又在原公告中加入调查结论：Buckmaster 在公告前两个月内提交给 Codex 的提示，不可能以训练或其他任何方式影响这套系统；公司称解题模型是在一个更早完成预训练的模型上进行大规模强化学习，而且两份证明有明显差异。

这使原先“不能排除训练影响”的笼统说法不再准确，也显著削弱了最直接的数据挪用猜测。不过，目前公开的是 OpenAI 的内部调查结论，页面没有附上可供外界复核的逐条数据谱系、训练时间戳或第三方审计。因此，更稳妥的表述是：OpenAI 已明确否认相关 Codex 草稿影响此次结果，外界目前没有相反证据；调查的独立可验证程度仍然有限。

第二层争议是研究方向。 OpenAI 承认传闻促使团队在 9 月 1 日启动测试，但表示最初并不知道对方做出了什么，先由多个小组尝试不同命题，获得无外力 Euler 结果后才把资源集中到 Navier–Stokes。Buckmaster 的疑问是，带光滑外力、对应官方 C 和 D 的路线相当专门，而这正是他与 Alpöge 沿着 Córdoba—Martínez-Zoroa 工作推进的方向。OpenAI 说公开后比较发现两边证明明显不同；Alpöge 则认为 OpenAI 的论证看起来接近他们另一条 Euler 爆破思路。尚无独立专家完成两份证明的逐段来源比较。证明方法最终是否不同，可以通过数学文本继续审查；模型在形成方法前接触过什么，则需要更完整的训练与实验记录才能回答。

第三层争议是署名和通话中的行为。 Buckmaster 称，OpenAI 曾提出由他主笔重写 OpenAI 的 Navier–Stokes 证明，同时因为 Alpöge 就职于 Anthropic 而不让 Alpöge 署名；他还称，自己表示要公开经过后，被问“为什么要毁掉自己的职业生涯”。Sébastien Bubeck 的公开回应否认要求把 Alpöge 从其本人参与的成果中除名，解释说当时讨论的是让 Buckmaster 主笔 OpenAI 的证明，而让 Anthropic 员工署名 OpenAI 的工作会不合适；他也为有关职业生涯的措辞道歉，称自己当场收回。Alpöge 随后表示自己本愿意合作，但从听到的谈判内容判断，排除他的安排已经定下；Bubeck 又否认这一点。现有公开记录足以确认双方对通话的理解严重冲突，还不足以由外界还原全部谈判。

因此，截至 9 月 10 日，可以下的结论很有限：这场风波暴露了使用商业模型处理未公开研究时的信任问题，也提出了“模型、算力提供者和人类研究者如何分配优先权”的新难题；它还没有证明 OpenAI 窃取了私密数据，也没有证明候选证明在数学上错误。标题仍保留“候选证明”和问号，因为独立审查仍是决定数学结论的那道门槛。

9 月 12 日更新：Clay 发出了迄今最强的正面信号

9 月 11 日，Clay 数学研究所发表专门公告，说全球数学界正在评估一项“看来已经解决”Navier–Stokes 问题的公告，并期待这项成果带来新的数学理解。对一家负责设置题目和奖金的机构来说，这比问题页面机械地继续显示“未解决”更有信息量：Clay 没有发现一个足以让它立刻与结果划清界限的明显问题，而且已经把这份证明当作严肃候选成果对待。

但“看来已经解决”仍不是正式验收。Clay 在同一份公告里强调，评估和归属要按千禧年大奖规则进行，过程会有意保持审慎，并承诺以后继续更新。结合前文所述的“合格出版、至少两年等待、数学界普遍接受”等条件，现在还不能说奖金已经颁发，也不能把机构的初步判断写成证明已完成全部独立复核。

学界也开始从“这是真的吗”走向“如果把这个定理作为起点，还能推出什么”。9 月 9 日提交的一篇后续预印本研究了这类由紧支撑光滑外力制造的 Navier–Stokes 爆破数据在函数空间中的分布，并给出与正则性指标有关的稠密性结果。这说明外部研究者已经在阅读和使用该构造。不过，这篇论文把原爆破定理作为基础，并不是一份从头到尾独立核验 OpenAI 证明的报告，所以不能把它算成最终认证。

关于命题是否对准 Clay 原题，原命题说明的作者 Charles Fefferman 向《国家报》表示，这项结果处理的确实是官方所表述的问题；同时，他仍希望看到传统数学语言的重写和专家数月的仔细审查。这正好说明形式化验证之后还剩什么工作：数学家需要读懂构造、核对定义与原题的对应，并形成共同判断。

同一篇报道还指出，OpenAI 的论文初版遗漏了 Córdoba 和 Martínez-Zoroa 的相关工作，约三小时后补上引用，却没有注明改动。补引本身修复了文献缺口，但发布时的遗漏也解释了为何优先权和署名争议会迅速升级。它影响的是研究过程的透明度与信用分配，并不自动构成数学反例。

截至 9 月 12 日，仍没有公开出现一条能够推翻主定理的具体技术错误。局势的实质变化是：Clay 已公开给出强烈正面信号，外部数学家开始沿着结果继续研究，OpenAI 也把数据来源方面的说法从“无法完全排除”收紧为“调查确认不可能影响”。因此标题继续保留问号和“候选证明”：证据比 9 月 8 日更强了，正式认定仍在路上。

那么，如果证明最终成立，会改变什么？

数学上，它将确立一个明确边界：在官方允许的条件下，正黏性和正常的初始数据仍不足以保证光滑解永远存在。接下来的问题会更具体——哪些条件能避免奇异性，哪些结构促成集中，特殊构造是否稳定，又能否推进无外力问题。这些是从候选定理出发的研究展望，并非此次已经解决的内容。

物理和工程上，不能由“存在一个数学反例”推出普通水流一定达到无限速度，也不能推出天气预报或飞机设计突然失效。现实流体与连续介质模型之间本来就有尺度和适用条件。存在性定理也不会自动提供更快的数值算法；要转化为工程收益，还需要额外研究。

对 AI 科研，我更看重的是一种工作方式正在变得可检验：系统提出复杂候选论证，形式化工具检查逻辑，研究者再解释结构、判断价值。这里的“可检验”尤其重要。模型名称、并发数量和算力消耗都不能代替数学证据。

截至 2026 年 9 月 12 日，值得记录的已不只是一份刚公开的候选解：负责设题的 Clay 数学研究所认为问题“看来已经解决”，后续数学工作也已经出现。真正决定这条新闻最终分量的，仍将是独立复核能否形成共识、研究过程能否提供足够透明的来源记录，以及数学家能从这套构造中学到多少此前不知道的东西。