OpenAI 正将 AI 驱动的科学发现推向更广阔的领域。9 月 8 日，OpenAI 宣布，其内部 AI 系统已提出纳维 - 斯托克斯方程存在性与光滑性问题的解决方案，并通过 Lean 形式化验证。这是七大千禧年大奖难题之一，也意味着 AI 在前沿数学研究中的能力再次向前迈进。

据 OpenAI 官网公告，这套系统由约 1 万个并发智能体组成，从启动到形成解决方案耗时约 88 小时。OpenAI 称，完成证明所使用的内部模型 " 能力显著超越 GPT-6 Astra"，并希望借此展示前沿 AI 能力的进化速度。

更受关注的是，AI 未来主义观察者 "Dr_Singularity" 近日在 X 平台称，OpenAI CEO Sam Altman 表示，公司将采用与此次数学问题相同的万级智能体协作方式，尝试寻找室温超导体。若这一方向属实，OpenAI 的 AI 科研探索将进一步从数学延伸至材料科学。

下一目标：室温超导体

Dr_Singularity 表示，Sam Altman 称 OpenAI 将尝试利用数以万计的 AI 智能体寻找室温超导体，采用的正是此次解决纳维 - 斯托克斯问题的多智能体协作路径。

这一方向也有一定的竞争背景。据 X 平台相关人士此前发帖，市场上曾流传 Anthropic 团队可能在室温超导研究上取得进展。OpenAI 此次加码科学发现，也意味着头部 AI 公司正尝试把模型能力从解决已知问题进一步推向寻找未知答案。

室温超导体一旦实现并具备可规模化应用的条件，将可能改变能源输送、量子计算、磁悬浮等多个领域。对 OpenAI 而言，这也意味着多智能体系统的应用边界开始向材料、物理等科研领域延伸。

Sam Altman 在 X 上发表回应称：" 让我们试试。"

百年数学难题的证明内容：流体方程奇点在有限时间内形成

纳维 - 斯托克斯方程是描述流体运动的基础方程组，广泛应用于飞机设计、天气预报和血流研究。其核心难题在于：三维不可压缩流体的光滑解，是否会在有限时间内形成 " 奇点 "，即速度等物理量出现失控的状态。

OpenAI 表示，其系统给出的结果表明，奇点可以在有限时间内形成。具体而言，一个初始静止的光滑流体在施加光滑外力后，会形成向内螺旋并持续拉伸的涡旋结构；其中心区域不断收缩、速度持续加快，但总能量保持有限。该结果对应千禧年大奖问题中的 C、D 命题，即给出这一问题的否定性解答。

不过，OpenAI 目前将其表述为 AI 生成的解决方案，并公开了相应的证明文本和 Lean 形式化证明，而非宣布数学界已经完成最终确认。OpenAI 还表示，不打算申请该问题对应的 100 万美元千禧年大奖。

图片来源：OpenAI 官网

技术路径：万级智能体协同，耗时 88 小时

OpenAI 披露，此次求解始于 9 月 1 日。当时公司听闻外部团队可能已经解决某项千禧年难题，于是决定对内部模型进行一次全面测试，覆盖七大千禧年大奖难题及其他高影响力数学问题。

技术层面，OpenAI 部署了一套由内部模型驱动的多智能体协调系统，智能体能够访问互联网缓存信息并运行代码。纳维 - 斯托克斯问题的求解组规模约为 1 万个并发智能体，整个过程中共发送约 490 万条消息，生成约 3000 亿个输出 token；其中，纳维 - 斯托克斯部分发送约 270 万条消息，消耗约 1300 亿个输出 token。

在此之前，系统还意外解决了欧拉方程正则性问题——可以理解为去掉纳维 - 斯托克斯方程粘性项后的相关极限情形。约 100 个智能体协作约 50 小时后，系统构造出一个无外力版本的反例。随后，OpenAI 将更多算力投入纳维 - 斯托克斯问题，并以此前的欧拉方程结果作为进一步求解的基础。

最终形成的证明还经过 Lean 形式化验证。据 OpenAI 披露，GPT-6 Astra 耗时约 17 小时完成了形式化工作。

竞争与争议：与 Anthropic 团队的优先权之争

此次突破背后，还存在一段与 Anthropic 团队有关的优先权插曲。OpenAI 称，公司启动相关工作的直接诱因，是听闻 Anthropic 员工 Levent Alp ö ge 与纽约大学数学教授 Tristan Buckmaster 可能已经解决相关问题。

OpenAI 在 9 月 6 日完成证明并通过 Lean 验证后，主动联系两人，希望协调联合发布并承认对方可能拥有的优先权。但双方随后发现，Alp ö ge 与 Buckmaster 研究的是有外力欧拉方程问题，而非纳维 - 斯托克斯方程本身。

据参与协调的人士发帖，OpenAI 曾提出让对方优先发布、邀请 Tristan Buckmaster 担任 OpenAI 证明改写版本第一作者等方案，但双方最终未能达成一致。OpenAI 则表示，其团队及智能体没有以任何方式获取对方的研究内容，同时认为对方使用 OpenAI 产品产生的去标识化数据影响模型训练的可能性极低。