OpenAI 宣布解决纳维-斯托克斯千禧年大奖难题
文章摘要
OpenAI 在 9 月 8 日发布公告，宣称一套内部系统给出了纳维-斯托克斯存在性与光滑性问题的解，并同时放出了证明的文字稿和一份 Lean 形式化验证。结论方向是「反面」的：三维不可压缩、常密度流体的纳维-斯托克斯方程，即使初始状态光滑、即使有粘性在抹平运动，也可以在有限时间内发展出奇点——流速在有限时间内无界增长。按克雷数学研究所的官方表述，这相当于确立了陈述「C」（以及「D」）。
物理图像是一个涡：流体的旋涡向内螺旋、沿轴向不断被拉长，像被抻成意大利面；中心区域一边收缩一边加速，而总能量始终保持有限。技术难点在于，崩溃必须由流体自身的运动产生，而不是人为从外部灌入无穷大的力；也就是说加速度、压力梯度、动量输运、粘性这几项都要变得极大却精确地相互抵消，最终留下的外力仍是光滑的。
「我们如何找到这个证明」一节是全文信息量最大的部分，也是后续争议的源头。OpenAI 说自 8 月 28 日起他们一直在训练一个新的内部模型，性能远超 GPT-6 Astra。9 月 1 日，他们「听到传闻说有两个千禧年难题被解决了」，受此激励，启动了一次对所有未解千禧年问题的评估。他们用内部模型驱动一套协同智能体系统，智能体可以读取缓存版互联网、运行代码，被分成若干可内部通信的小组；解出纳维-斯托克斯的那一组规模约为一万个并发智能体。他们给不同小组分配了问题的不同变体：A、B 两个版本指向证明，C、D 指向反证。
过程中有一个中间战果：他们让系统去做一批「更容易」的问题，其中之一是去掉粘性项后的欧拉方程正则性问题，将近 100 个智能体协作约 50 小时解决了无外力版本。看到欧拉的结果后，他们判断纳维-斯托克斯最有希望，于是把资源从其他千禧年问题上抽调过来，并把欧拉的结论作为提示喂给这些智能体，还用 Codex 在各小组间「交叉授粉」整合有用洞见。首批智能体启动约 88 小时后（9 月 5 日周六）得出结论，Lean 形式化与验证又花了 17 小时。所有问题合计发出 490 万条消息、约 3000 亿输出 token，其中纳维-斯托克斯部分是 270 万条消息、约 1300 亿 token。
「并行工作」一节承认，那个传闻实际上关联的是 Anthropic 员工 Levent Alpöge 和纽约大学数学教授 Tristan Buckmaster。OpenAI 说完成验证后主动联系对方，希望联合发布并承认其优先权，结果发现对方解决的是「有外力的欧拉问题」。OpenAI 声称自己（研究员和智能体）在对方公开发表前没有通过任何途径看到其工作，并在 9 月 10 日追加更新称，经调查确认 Buckmaster 此前两个月的 Codex 提示不可能以任何方式影响该系统，包括通过训练。公告结尾表示不打算领取千禧年大奖，并把这次结果定位为 AI 进展的「时间切片」而非终点。
HN 评论精华
1131 条评论，讨论几乎完全被两件事占据：成本，以及归属争议。真正谈论流体力学的内容极少。
成本换算是最先刷屏的。 minimaxir 说「别去算这在正常 API 价格下要多少钱」，gcr 还是算了：3000 亿输出 token 按 Astra 每百万 50 美元算，光输出就约 1500 万美元。这个数字随后被反复用作论据。denverllc 提出了一个反向解读：两位数学家靠洞察力和思考在一两年里写出证明，而 OpenAI 花了 1500 万美元和一万个子智能体，相当于 60 到 120 个数学家一年的薪水。lanthissa 反驳说五天内你不可能用人类达成这种程度的测试与沟通，「有人甚至会称之为数据中心里的天才之国」。jiggawatts 提醒零售价不是成本，且推理成本在指数级下降；abathologist 则回敬说成本可能更高，因为还在补贴阶段，并感叹这笔钱能供养十位顶尖数学家做八年纯研究。
归属争议是主战场。 jakevoytko 一上来就贴出了「另一边」的 HN 讨论串，称那里更不加修饰地描述了 OpenAI 某些员工的激进行为。争论围绕公告里那句自相矛盾的话展开：philipwhiuk 摘出「虽然可能性不大，但我们无法排除源自他们使用我们产品的去标识化数据帮助改进了我们的模型」。cute_boi 问：不是说选择退出训练就不会用用户数据吗？
一位高强度参与辩论的用户 tristanj（多次被人误认为 OpenAI 员工，他本人否认）给出了系统性的辩护：模型训练于数千亿次对话，数据被匿名化，无法追溯到具体用户；OpenAI 还用这些对话生成合成训练数据，等于二次匿名；因此「某一次具体对话是否是解题关键」在原理上不可知。他也明确了各方到底解了什么：Tristan 与 Levent 解的是有外力的三维不可压缩欧拉，OpenAI 解的是无外力欧拉和有外力的纳维-斯托克斯，无外力的纳维-斯托克斯仍然无人解决；只有后两者才符合千禧年大奖资格。
反驳同样密集。recursivecaveat 用了一个精彩的类比：匿名化不等于无法知晓——我的选票是匿名的，但因为验证身份时在我名字旁打了勾，所以谁都知道它在票箱里；OpenAI 完全可以查账户设置，含糊其辞本身就说明他们已经查过了。magicalist 列出了几个明明可以回答的问题：Buckmaster 的账户是否关闭了训练？是否启用过用户反馈？以及在实践中去匿名化其实很容易——只要找出那些在训练数据生成之前从未公开发表过的罕见措辞。JumpCrisscross 从逻辑上切开：可知性和可能性在这里几乎是正交的，「如果我完美销毁了证据，我的行为不可知，但这并不改变它发生的概率」。Pulcinella 更直白：你们难道不记录训练数据吗？不记录本身就是不专业的科学。
OpenAI 员工 tedsanders 在串里现身回应，说如果对方退出了训练，那肯定没训练；如果没退出，他个人不知道是否有训练信号来自那些对话，但他高度怀疑这对如此困难的问题起了作用，理由包括：他了解大部分训练配方、两份证明差异很大、这个证明消耗了海量 token（不是查表式回忆）、该模型在许多未解数学问题上都表现凶悍。他也坦承「这需要信任，如果你认为我们会无耻撒谎，那我们说什么都没用」，并类比了此前 FrontierMath 的风波。
hellohello2 给出了一个相对平衡的立场：得知别人正在用方法 X 取得进展后抢发，已接近学术不端；如果他们的私人对话还进入了证明，就更难辩护。他后来补充说，公司之间的直接恶性竞争是可以接受的，但学术界有另一套规则。pred_ 追问的则是另一个层面的问题：「你们究竟在干什么，威胁真正的科学家去掉他们的共同作者，然后在社交媒体上嘲笑他们？」
还有一小撮人试图把话题拉回技术本身。backtr4ck 说这不是 AGI，只是极端暴力搜索，AI 并不理解流体力学。AnimalMuppet 的回应更细致：暴力解出来也是有价值的，从零到有本身就是收获，但它不解释任何东西，也不为进一步的理解和发现打开新的门。achierius 则反问：如果不需要「理解」就能做到这件事，也许你所谓的理解没你想的那么重要——现实世界里人们用工具时在乎的是能否出结果。