核心主張：有限時間奇點的宣稱

OpenAI 於 2026 年 9 月 8 日宣布，內部系統已產出 Navier–Stokes「存在性與光滑性」問題的解析證明，並完成 Lean 形式化。該公司主張：原本平滑、靜止的三維不可壓縮流體，在平滑外力作用下，即使全程能量有限，也可能在有限時間內形成奇點（速度趨於無窮大）。若證明經社群完整審核，這對 Clay 千禧年難題的表述 C／D 構成反例方向的答案。

Navier–Stokes 方程把流體視為連續介質，以牛頓第二定律描述加速度、壓力、動量傳遞與黏滯效應；飛機設計、天氣預報與血流研究都依賴它。難題不在於方程能不能寫出解，而在於三維流體從平滑初態出發時，黏滯性是否永遠足以阻止爆炸性失控。奇點若出現，代表連續介質近似在該點失效，模型必須改以更細粒度的粒子行為描述。

技術直覺：向內收縮又拉長的渦旋

OpenAI 將解法描述為一個向內螺旋、同時沿軸向拉長的渦旋；中心區域縮小、流速升高，卻仍維持有限總能量。真正困難的是不能靠「手動塞進無窮大外力」製造奇點：對流加速度、壓力梯度、黏滯與動量傳遞都必須變得很大，卻又以極精確的方式互相抵消，使外加力保持平滑。

這種結果若成立，並不是發現某個數值模擬不穩定，而是構造出符合方程限制的解析反例。因此 Lean 形式化的角色很重要：它可檢查形式系統中每個推導步驟是否符合既定公理與定義；但形式驗證仍以被形式化的定理敘述、翻譯與證明內容正確為前提，不能取代數學社群對問題對應性與論證策略的獨立審讀。

代理流程：大規模搜尋，集中式收斂

官方稱，此工作從 9 月 1 日啟動，以內部、能力高於 GPT-6 Astra 的模型驅動多代理系統。代理可讀取快取網路內容、執行程式，並分為能彼此溝通的小組；最終處理 Navier–Stokes 的群組規模約為 10,000 個並行代理。系統將問題的 A／B（證明正則性）與 C／D（證明反例）版本分派給不同群組，先在 Euler 方程的無外力正則性問題上得到突破，再將相關中間結果帶回 Navier–Stokes 搜尋。

OpenAI 表示，代理約 88 小時後找到結果，另以 GPT-6 Astra 花 17 小時完成 Lean 形式化；全計畫約送出 490 萬則訊息、使用 3,000 億輸出 token，其中 Navier–Stokes 佔約 270 萬則訊息與 1,300 億 token。這使「會解題的模型」更接近可協調的研究系統：並行擴張假設空間、由工具留下可檢查工件，再以 Codex 彙整跨組的有效洞見。它延續 OpenAI 研究加速：編程代理重塑 AI 研發工作流 所呈現的方向，但規模、成本與可重現性也必須一起被量化。

應如何解讀這個里程碑

此頁不把官方公告直接等同於已被數學界定論。OpenAI 明確表示不打算申請 Millennium Prize；該獎項要求的獨立發表與長時間社群驗證，本來就高於「形式化檔案已通過」這個門檻。實務上應追問三件事：完整證明是否公開且可重跑、Lean 定理是否精準對應 Clay 的原題、以及獨立流體力學與偏微分方程專家能否檢查關鍵構造。

不過，即使最後有漏洞，這仍是 AI 輔助科學方法的一個強訊號：代理可在限定問題上進行大規模分支探索，將候選路徑壓縮成可供人類與形式工具覆核的證據。與 Erdős 單位距離猜想：OpenAI 模型推翻 80 年難題 所呈現的「機器提出跨域構造、人類嚴格化與改進」模式相似，研究者的價值將更集中在問題表述、驗證標準、反例辨識與將發現整合為可理解理論。

對研究團隊的可複用原則

  • 先選可驗收子問題：明確分出相互競爭的命題版本，避免代理只產生看似合理的敘述。
  • 保留可稽核工件：程式、提示、推導、形式化檔案與搜尋過程要能供第三方追溯；規模不是可信度的替代品。
  • 把外部審核納入交付：代理發現是起點，獨立專家複核與可重現形式驗證才是研究交付的一部分。
  • 區分能力展示與科學共識：大型資源投入可擴張搜尋，但對長期開放問題的結論仍應等待跨領域檢驗。

來源

反向連結

以下頁面引用了本頁：