一道悬而未决约90年的流体方程难题，第一次被AI实验推到“完整证明加机器形式化”的阶段。9月8日，OpenAI公布Navier-Stokes存在性与光滑性问题的解答，称内部模型协调约1万个并发智能体，用88小时得到有限时间奇点构造，再由GPT-6 Astra耗时17小时完成Lean形式化与验证。真正重要的不是一纸“AI解题”标题，而是数学发现、协作规模与可检查证明第一次被放进同一条流水线。

它证明的不是“能算出所有流体”

Navier-Stokes方程描述空气、水和血液等连续介质的运动。长期问题不是方程能不能用于工程，而是三维、不可压、初始状态平滑的流体，是否永远保持平滑。若速度在有限时间内变得无界，就意味着连续流体模型在那个时刻失效，也就是出现奇点。

OpenAI给出的路线属于官方题目中的C和D型反例：流体最初静止，外部施加的力保持光滑，系统能量始终有限，但中心涡旋不断向内收缩并被轴向拉长，最终速度失控。难点在于加速度、压力、动量输运和黏性项都变得很大，却必须精确抵消，不能靠塞入一个本身发散的外力制造答案。

因此，这一结果若成立，回答的是“是否存在会爆破的合法解”，并不提供日常天气、机翼或管道流动的万能解析公式，也不表示真实流体会出现无限速度。它揭示的是数学模型的边界，而不是推翻现有流体工程。

近万智能体不是简单投票，而是搜索与汇编

项目从9月1日启动。不同智能体组分别尝试证明全局光滑或寻找反例，并能读取缓存资料、运行代码和在组内通信。一个近100个智能体的小组先用约50小时解决无黏性的Euler方程变体，随后团队把这一结果交给更多组继续探索，并用Codex汇总各组有用思路，逐步把资源集中到Navier-Stokes。

OpenAI披露，全部尝试合计发送490万条消息、消耗约3000亿输出token；仅Navier-Stokes就占270万条消息和约1300亿token。这个数量说明“让更多Agent并行”并不等于免费扩展：任务拆分、互相污染、重复搜索、结论合并与验证都会形成巨大的计算账单。

最终文本证明之外，团队还公开Lean形式化版本。形式化证明能让计算机逐步检查逻辑是否从已定义前提出发，但它不自动保证题目解释、形式化定义与Clay原始要求完全一致，也不能替代专家对创新性、遗漏假设和证明价值的审阅。

突破之外，还有归属与验证两道关

同期，Anthropic员工Levent Alpöge与纽约大学数学教授Tristan Buckmaster也完成了受力Euler方程结果。OpenAI承认，项目启动受到相关传闻启发，并表示未查看对方具体工作；公司同时称不能完全排除去标识化产品使用数据曾间接改善模型。两边处理的是不同Euler变体，证明路径也被描述为显著不同，但争议提醒行业：当研究者把未发表想法交给模型，数据隔离、优先权和披露规则必须比普通产品条款更清楚。

Clay奖项并不会因公司公告或Lean通过而立即落定。传统程序还要求在合格出版物发表、等待至少两年，并获得全球数学界普遍认可。OpenAI也明确表示无意申领奖金。短期内更可信的表述应是“公布一份候选证明”，而不是宣布问题已经由权威机构正式关闭。

小编判断：AI数学进入了可审计的大工程阶段

这次事件的分水岭不只是一道名题，而是发现流程本身：大规模智能体搜索、跨组汇编、自然语言证明和Lean校验形成闭环。未来科研组织需要像运行计算集群一样管理数学Agent，记录提示、模型版本、分支来源、算力消耗、人工介入和失败路径，否则即使得到答案，也难以回答“它从哪里来、谁应署名、能否复现”。

接下来最值得观察的是独立专家能否复核关键引理、Lean仓库能否被第三方完整编译，以及形式化表述与Clay题目C/D是否毫无偏差。若这些关口通过，AI将从辅助检索与写证明，跃迁到能组织超大规模搜索并产生新数学对象；若审阅发现缺口，这套公开材料同样会成为衡量AI科研可靠性的罕见样本。