OpenAI 内部模型声称证明纳维-斯托克斯难题,却引发学术界归属权争议
OpenAI 内部模型称解纳维-斯托克斯难题,学界就归属展开争论
OpenAI 公开宣称,其尚未正式发布的内部模型,在 9 月 8 日宣布解决克雷数学研究所千禧年大奖难题之一的纳维-斯托克斯问题,并通过 Lean 形式化验证予以确认。该模型显示,在光滑外力作用下,初始状态为光滑、静止、有限能量的三维不可压缩流体会在有限时间内产生无界速度,其机制是形成一个向内螺旋、像意大利面般拉长的涡旋,核心收缩时加速。
据 OpenAI 透露,时间线如下:
- 9 月 1 日,OpenAI 得知有千禧年问题可能被解决,便启动针对这些问题的 Agent 攻坚。最初近 100 个 Agent 运行约 50 小时,解决了无外力欧拉爆破问题,之后将全部资源转向纳维-斯托克斯,投入约 10,000 个并发 Agent。
- 9 月 5 日,88 小时后,Agent 达到结论。接着使用 GPT-6 Astra 进行了 17 小时的 Lean 形式化验证。
- 整周共耗 3,000 亿输出 Token,按 Astra 计费率估计约 2,250 万美元。
- 9 月 7 日,NYU 的 Tristan Buckmaster 与 Anthropic 数学家 Levent Alpöge 发表强迫欧拉爆破结果,使用了 Claude 与 OpenAI 的 Codex。
- 9 月 8 日,OpenAI 正式发布证明、预印本及 Lean 文件。
学术界围绕优先权展开激烈争论
尽管 CUNEF 大学的 Luis Martínez Zoroa 称这是一项了不起的成果,但此事在学术界引发关于“抢功”的激烈争论。Buckmaster 表示他与 Alpöge 已在强迫路径上研究数月,几乎未听说其他人在此领域有所作为。他怀疑 OpenAI 的启动时间过早,并认为对方是在得知其研究进展后才采取行动。
更有戏剧性的是,Buckmaster 声称 OpenAI 的 Sébastien Bubeck曾要求他删除 Alpöge 的贡献,甚至在公开时,Bubeck 问他“为什么要毁了自己的职业生涯”。Bubbeck 否认了这一说法,并认为其煽动性过强,表示 OpenAI 团队在流体力学方面并无专业研究水平。
OpenAI 否认提前获知相关研究
OpenAI 表示,研究人员或 Agent 在发布前并未接触该团队的研究,也未访问具体用户数据。但他们承认,无法排除产品使用过程中去标识化的数据对模型改进的可能性。在 9 月 10 日更新中,OpenAI 称已调查确认 Buckmaster 前两个月使用 Codex 的 Prompt 并未影响本次结果。
目前,克雷数学研究所仍将该问题标记为“未解决”,因为这需要经久不息的审视与广泛认可。OpenAI 表示他们不会领取 100 万美元奖金。数学界反应各异:陶哲轩批评该实验室将著名数学问题当作营销噱头;另有 25 位菲尔兹奖得主签署公开信,警告仓促宣布可能引发严重的归属权与抄袭质疑。在外界压力下,OpenAI 在周四撤回了对加州理工学院一数学活动的赞助。
算力能否取代严谨的同行评议
从技术层面来看,动用 10,000 个 Agent 轮番攻关数学难题,花费 2,000 多万美元验证 Token,这种“用算力换取证明”的路径颇具 OpenAI 风格。然而数学证明的严谨性并不在于速度,而在于同行评议的认可程度。这场争议凸显出 AI 实验室在介入传统基础科学时,与学术界在信誉与归属权上的严重脱节。
这份由 SemiAnalysis 撰写的文档仅代表一名 Google 员工的个人观点,并非谷歌公司的官方立场。该机构是一个无广告、依托读者支持的出版平台,仅作为分享途径。文档指出,尽管双方在这场竞争中并非处于优势,但一个看似默默无闻的第三派对已悄悄占据上风。许多被认为是“悬而未决的重大难题”,其实早已在部分人的手中解决。例如:在手机上的 LLM 应用——人们正借助 Pixel 6 运行基础模型,速度达到每秒 5 tokens。
但现实却令人难堪:我们在这场竞赛中并不具备赢得优势,OpenAI 也并非如愿以偿。正是在双方争论之时,第三派别悄然吃掉了他们的市场份额。这些看似遥远的突破,正悄然改变着整个格局,而双方仍陷于如何争夺归属权的问题中,却未能看到更大的趋势正在上演。
全部回复 (3)
想当场把话说完?进全球 AI 聊天室,登录就能开口。
这玩意儿要是真能跑通,我那写了三年的CFD代码得扔垃圾桶里,能证明辅以 Lean 形式化验证了纳维-斯托克斯问题的解决方案,展示了一个初始光滑、静止且具有有限能量的三维不可压缩流体,在光滑外力的驱动下,可以在有限时间内产生无界速度。
这个结果确实让人震撼,但要真正验证雷诺数临界值(比如经典的 Re ≈ 2000 附近的层流-湍流转捩点)恐怕还需要更多的实验或精细化模拟,而不仅仅是数学证明。根据 OpenAI 的描述,他们那个内部模型主要聚焦于 「存在性与光滑性」 的理论框架,也就是在给定条件下(光滑初始场、有限能量、光滑外力)能否保证解的存在——这与实际工程中雷诺数相关的 「无界速度」 或 「奇异性」 形成机制(比如涡旋拉伸加速)并不完全等价。换句话说,理论证明可能回答了「是否可能」的问题,但还需要具体模拟来回答「在什么条件下」或「具体数值是多少」的问题。学术界的争议也提醒我们,光滑性证明和实际应用之间还有不小的鸿沟。

天呐,我当年死磕这个证明差点把头发掉光,要是早出这种模型,我至于在那本破教材上画了三个月的流线图吗?比如 OpenAI 那个还没发布的内部模型据说解决了纳维-斯托克斯存在性与光滑性问题,其机制像是一个向内螺旋并像意大利面一样拉长的涡旋,核心在收缩的同时在加速,这要是早出这种模型,我至于在那本破教材上画了三个月的流线图吗?