OpenAI 於 2026 年 9 月發表了一項突破性研究，宣布其內部開發的 AI 系統成功解決了數學界著名的千禧年大獎難題之一：納維-斯托克斯存在性與光滑性問題（Navier-Stokes existence and smoothness problem）。該研究不僅提供了分析證明，還使用 Lean 形式化驗證語言完成了證明過程的電腦驗證，確認了三維流體運動在有限時間內可能會產生奇點（Singularity），即流體速度會無限增加，導致原本光滑的流體運動狀態崩潰。
背景與問題定義
納維-斯托克斯方程（Navier-Stokes equations）是流體力學的核心，其基礎源自牛頓第二運動定律（F=ma），旨在描述液體與氣體等流體的運動規律。在實際應用中，這些方程被廣泛用於飛機設計、天氣預報以及血液流動研究。其核心假設是將流體視為連續介質（Continuum medium），而非追蹤每一個分子的個體行為。
然而，數學家在過去約 90 年間一直無法確定，一個初始狀態光滑的三維不可壓縮流體，在演化過程中是否會出現奇點。所謂的奇點，是指在有限的時間內，流體內部的速度會增長到無限大。由於現實中的流體不可能擁有無限速，一旦方程預測出奇點，就意味著連續介質的近似模型失效，必須回歸到追蹤單一粒子的微觀行為。儘管流體具有黏性（Viscosity）可以平滑運動，但能否完全阻止奇點產生一直是未解之謎，因此克雷數學研究所將其列為七個千禧年大獎難題之一。
核心解法與技術實現
OpenAI 的內部 AI 系統證明了：在施加光滑外力且總能量保持有限的情況下，一個初始靜止且光滑的流體確實會發展出奇點。該解法的具體物理形態是一個渦流（Vortex），流體在向內螺旋旋轉的同時被軸向拉伸，形狀變得像義大利麵一樣細長。在這種動態過程中，中心區域在縮小的同時速度劇增，但整體能量依然符合物理定律而保持有限。
從數學挑戰來看，這要求方程中的加速度、壓力梯度、動量傳遞與黏性項在速度趨向無限大的過程中，必須達成極其精確的抵消與平衡，才能維持外部力的光滑性。AI 系統成功建構了這種精細的平衡路徑，證明了流體運動本身即可導致崩潰，而非依賴於人為設定的無限外力。
AI 協作系統的運作方式
此次突破並非由單一模型完成，而是透過一個由內部強大模型驅動的多代理人協調系統（System of coordinating agents）達成。該模型的能力顯著超越了 GPT-6 Astra。OpenAI 採取了分組協作的策略，將成千上萬個 AI 代理人分組，每組負責探索不同的證明路徑或問題變體。
在解決納維-斯托克斯問題的過程中，約有 10,000 個代理人同時運作。他們擁有讀取快取網路資訊與執行程式碼的能力。研究團隊首先讓 AI 嘗試較簡單的歐拉方程（Euler equations，即不含黏性項的納維-斯托克斯極限情況）的正則性問題，在 AI 成功解決歐拉方程後，團隊將資源集中於納維-斯托克斯問題，並利用 Codex 將各組代理人的有用見解進行交叉融合。
整個過程耗時極短，從啟動到得出結論僅約 88 小時，隨後再花費 17 小時由 GPT-6 Astra 完成 Lean 形式化驗證。在整個探索過程中，代理人共發送了 490 萬條訊息，消耗約 3,000 億個輸出 Token，其中專注於納維-斯托克斯問題的部分則佔了 270 萬條訊息與 1,300 億個 Token。
影響與實務意義
這次解決難題的意義在於展示了 AI 在處理極高複雜度、需要嚴謹邏輯推演的純數學問題上的能力。它證明了 AI 不再僅僅是概率性的文字生成工具，而是能透過大規模協作與形式化驗證，在人類尚未觸及的數學前沿取得進展。
同時，這也揭示了 AI 發展速度的劇增。OpenAI 強調此次結果是一個時間截面，顯示 AI 已進入新的進展階段。雖然 OpenAI 表示並不打算以此領取千禧年大獎金，但其目的在於告知世人 AI 能力的演進速度，以及未來模型可能達到的高度。
限制與責任
儘管取得了成就，OpenAI 也提到在追求能力提升的同時，必須關注模型的可控性（Steerable）與問責制（Accountable）。如此強大的推演能力若缺乏適當的對齊與監控，可能會帶來不可預見的風險。因此，研究團隊在評估過程中採取了嚴格的隔離與監控措施。
此外，關於與其他研究者的競爭，OpenAI 提到在得知 Anthropic 員工與紐約大學教授在歐拉方程問題上的進展後，才加速了此次研究。雖然兩者的證明路徑與最終結果在歐拉方程的特定變體（強迫 vs 非強迫）上有所不同，但這也反映出頂尖 AI 實驗室在數學研究領域的激烈競爭與互補。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。