纳维-斯托克斯问题——流体会不会在有限时间里炸开

一、问题是什么

用一句话说。给一块流体一个光滑的初始状态和一股光滑的外力，它的速度会不会在有限的时间里变成无限大？

这个问题叫「纳维-斯托克斯（Navier-Stokes）方程的存在性与光滑性问题」。纳维-斯托克斯方程描述流体怎么流动，它的出发点和牛顿第二定律 $F=ma$ 一样，只是把流体当成连续介质，不追问每个分子跑到哪，只描述在每个位置、每个时刻，流体有多快、压强多大。飞机设计、天气预报、血液流动研究，全都建立在它上面。

先认识方程里的几个量，它们都随位置 $(x,y,z)$ 和时间 $t$ 变化。

• 速度场 $\mathbf{u}(x,y,z,t)$。在某个点、某个时刻，流体微粒的速度，是个有大小有方向的矢量。
• 压强 $p(x,y,z,t)$。流体内部单位面积上承受的压力。
• 粘性系数 $\nu$。流体「黏」的程度，蜂蜜大、水小。粘性的作用是抹平速度差。
• 外力 $\mathbf{f}$。从外面施加的力，比如重力、风力。

三维不可压缩、密度恒定的纳维-斯托克斯方程长这样。

$\frac{\partial \mathbf{u}}{\partial t} + (\mathbf{u}\cdot\nabla)\mathbf{u} = -\nabla p + \nu\Delta\mathbf{u} + \mathbf{f}$

逐项翻译。

• $\dfrac{\partial \mathbf{u}}{\partial t}$。速度对时间的变化率，也就是加速度那一类的东西。
• $(\mathbf{u}\cdot\nabla)\mathbf{u}$。对流项，流体「带着自己跑」，速度场自己决定自己下一步怎么变。这一项是非线性的，全篇最难的地方就是它。（记号 $\nabla$ 表示梯度，即某个量空间变化最快的方向和大小；$\Delta$ 是拉普拉斯算子，度量一个量在空间里的「凹凸不平」程度。）
• $-\nabla p$。压强梯度，压力差把流体往低压区推。
• $\nu\Delta\mathbf{u}$。粘性项，想把一切速度差抹平。
• $\mathbf{f}$。外力。

现在问题来了。如果一开始速度场和压强都光滑（变化平缓、没有断层），加上一个同样光滑的外力，方程的解会不会永远保持光滑？还是说，在某个有限的时间里，速度会变得无限大。出现所谓的奇点（singularity）？

注意，粘性在这里是个「消防队」。它总想把运动抹平，直觉上应该拦着奇点。可它到底拦不拦得住？这是整个问题的核心，也是九十年来没人回答出来的地方。

如果奇点真的出现，意味着什么？真实流体不可能跑得无限快，所以一旦速度无界增长，就说明把流体当成连续介质这套模型在那一刻失效了。要继续描述系统，只能回头去追踪每一个粒子。

（解法留到第四节。先记住问题本身。光滑出发，会不会在有限时间里炸开？）

二、它从哪来

方程在 19 世纪成形。法国工程师克洛德-路易·纳维（Claude-Louis Navier）和英国物理学家乔治·加布里埃尔·斯托克斯（George Gabriel Stokes）先后把牛顿力学写成描述流体运动的方程，后人合称纳维-斯托克斯方程。它太好用了，以至于被用在飞机、天气预报和血液研究里，用了一百多年。

但「方程能用」和「方程被理解」是两回事。1934 年，法国数学家让·勒雷（Jean Leray）证明。在推广的意义下，方程的解总是存在，这就是「广义解」。某种很粗糙、几乎不光滑的解，存在性没有问题。可勒雷的证明绕开了光滑性这个要求。从那以后，解到底会不会永远光滑，就成了一个悬着的问题。

2000 年，克莱数学研究所（Clay Mathematics Institute）把「纳维-斯托克斯方程的存在性与光滑性」列为七大千年难题之一。它和黎曼猜想、庞加莱猜想并列。从 1934 年到 2026 年，约 90 年没有答案。

然后轮到 2026 年的故事，时间线可以精确到天。

• 8 月 28 日，OpenAI 开始训练一个新的内部模型。据官方说法，它在内部基准上的数学表现前所未有，能力显著超过当时已有的 GPT-6 Astra，而且训练还在继续、越练越强。
• 9 月 1 日（星期二），OpenAI 听到传闻，说已经有两个千年难题被解决。受这个传闻和模型表现的刺激，他们启动了一个大工程。让一群会协作的智能体去攻所有还没解决的千年难题，外加几个高影响问题。
• 这些智能体有工具。能读缓存的互联网，能运行代码；它们按小组划分，组内能互相通信。负责纳维-斯托克斯的那个组，大约有 10000 个并发智能体同时在干活。
• 对每个问题，不同的小组拿到不同版本的命题。对纳维-斯托克斯。版本 A、B 是「证明光滑性永远成立」，版本 C、D 是「构造反例，证明光滑性在有限时间内失效」。两个方向都有人攻。
• 他们还顺带试了一批「更简单」的问题。其中一个叫欧拉方程的正则性问题，是把纳维-斯托克斯方程里的粘性项 $\nu\Delta\mathbf{u}$ 整个删掉得到的极限情形，本问用的是无外力版本。结果出乎他们自己意料。不到 100 个智能体，协作约 50 个小时，就把欧拉方程的正则性问题解决了。同样是构造出了有限时间内的爆破。
• 看到欧拉的结果，OpenAI 认定纳维-斯托克斯最有希望，把资源集中过去。中间他们用 Codex 把各个小组最管用的思路汇总起来、互相交叉，模型训练出更强的版本就随时换上。
• 9 月 5 日（星期六），智能体给出了纳维-斯托克斯的答案。距离第一批智能体启动，约 88 小时。
• 分析证明之外，还有一份机器可检查的 Lean 形式化验证，由 GPT-6 Astra 完成，又花了 17 小时。
• 账目很惊人。全部问题加起来，智能体发了 490 万条消息，用了约 3000 亿输出 token；其中纳维-斯托克斯部分占 270 万条消息、约 1300 亿 token。
• 9 月 6 日，Lean 验证全部完成。9 月 8 日，OpenAI 公开了结果。

还有一段「并发工作」值得记。那个最初让 OpenAI 启动的传闻，后来查明与 Levent Alpöge（Anthropic 的员工）和 Tristan Buckmaster（纽约大学数学教授）有关，这两位用 Anthropic 的内部模型，解决了受迫欧拉方程的正则性问题。OpenAI 在联合公告中承认了他们在受迫欧拉问题上的优先权，并把全部提示词和证明开放给对方看。另外 OpenAI 明确说，不打算凭这个结果申领千年奖。发布它，是为了让世界知道 AI 进展的速度。

三、卡在哪

先看这个问题「卡」的形状。它是一个二选一。要么证明解永远光滑（版本 A、B），要么证明有限时间内出现奇点（版本 C、D）。九十年里，两边都没有人做到。既没人证明光滑，也没人造出反例。卡的原因，是三个要求叠在一起，几乎互相矛盾。

第一，方程是非线性的。 对流项 $(\mathbf{u}\cdot\nabla)\mathbf{u}$ 里，速度自己决定自己怎么变，这就是「反馈」。每时每刻的变化都会反过头来改变变化本身。非线性方程没有通用的解公式，数学家最趁手的线性工具在这里全都不好使。

第二，粘性在当消防队。 $\nu\Delta\mathbf{u}$ 这一项专门抹平速度差。你想让速度无界增长，粘性却拼命压着它。这是一场拔河。

第三，能量必须有限。 物理上，流体的总动能是有限的，官方声明特别强调。从静止到形成奇点的整个过程中，能量始终保持有限。可速度要无限大，总能量又不能爆，唯一的办法是把同样的能量挤进越来越小的区域，因为区域越小，同样一份能量对应的速度就越大。这是第二场拔河。

三次拔河，九十年没人拉得赢。

再用一个类比把难点钉住。官方论文里最关键的一句话是这样的。描述运动的各项，加速度、压强梯度、动量传输、粘性，都变得很大，却又必须精确地互相抵消，最后剩下的外力仍然是光滑的。翻译成人话就是，

好比四个大力士同时死命拉同一根绳子，每一股力都在无限增大，可绳子的运动却完全取决于一根极轻的丝线。只要任何一个力偏了哪怕一点点，整根绳子就崩成一团乱麻。把「几项都很大但精确相消」做到严丝合缝，就是技术的核心，也是九十年没人迈过去的那道坎。

还有一个细节。为什么非要是三维？因为这个答案的关键机制是轴向拉长。涡旋沿自己的转轴被拉成细条，越拉越快。这种「拉伸」只有在三维空间里才有发生的余地。它和上面的能量条件凑在一起，才可能同时满足「速度无界」和「能量有限」。

四、现在到哪了

2026 年 9 月 5 日，OpenAI 的智能体给出了答案。光滑静止的流体，在光滑外力的驱动下，确实会在有限时间内出现奇点。 这证的就是官方表述里的版本 C（同时也证了 D）。整个过程中能量始终有限。分析证明之外，还有一份机器逐条检查过的 Lean 形式化证明，公开在 GitHub（openai/NavierStokesAndEuler），同时包含纳维-斯托克斯和欧拉两份。

答案长什么样？一个涡旋。一团旋转的流体，像意面一样，一边向内螺旋收拢，一边沿轴向被拉长。中心区域越来越小，同时越转越快，可总动能始终有限（因为区域在缩小，同样的能量对应的速度就更大）。这个奇点并不是靠谁塞进一个无限大的外力造出来的。流体是靠自己的运动把自己逼到那个境地的。这正是克莱问题要求的事。

技术核心一句话。加速度、压强梯度、动量传输、粘性这几项，同时变得很大，又精确地互相抵消，于是方程里剩下的光滑外力始终保持光滑，而速度本身无界增长。

验证是两层。分析证明（论文 PDF 公开），加 Lean 形式化验证。把整个证明翻译成机器能逐条核对的数学，用 17 小时完成，杜绝了「人眼看不出的跳步」。规模值得再说一遍。约 10000 个并发智能体，约 88 小时，270 万条消息，约 1300 亿输出 token。

这件事意味着什么？至少四点。

数学上，一个悬了约 90 年的千年难题落了地（在这个「受迫、能量有限」的表述下），而且是个关于现实世界的真结论。连续介质模型确实会在有限时间内失效。

方法上，这不是「一个超强的模型一口气算完」。这是一群会协作的智能体分工、互通、交叉授粉的结果。而且它顺带把欧拉方程的正则性问题（一个本来独立且很难的问题）也解决了。AI 顺手解决的东西，往往比目标问题更出人意料。

诚实的一面，OpenAI 明说不申领千年奖，还主动公开了并发工作。Anthropic 的 Alpöge 和纽约大学的 Buckmaster 用 Anthropic 的内部模型解决了受迫欧拉问题。人类数学家加 AI 的组合，和 OpenAI 的智能体组，几乎同时摸到同一片领地。OpenAI 自己说，这「并不是终点，只是进展的一个快照」。

对物理，奇点在方程里出现了，但真实流体会不会真炸开，还需要物理学家继续消化，因为方程赖以成立的前提（连续介质假设）本身，在奇点附近就开始站不住脚。这个结论打开的问题，和它关上的问题一样多。

原始报道见 On the Navier-Stokes Millennium Prize Problem，OpenAI，2026 年 9 月 8 日。论文与 Lean 证明。NavierStokesAndEuler。

这个专题怎么走

这是「AI 正在攻克的数学问题」系列的第 3 讲。第 1 讲我们看了单位距离问题，机器推翻了埃德ős 猜想，工具是代数数论；这一讲把镜头从离散的点集转向连续的流体，看机器怎么用一个会协作的智能体军团，解决一道偏微分方程的千年难题。这个专题的后续讲次会继续覆盖其他被 AI 攻克的难题，难度和这一讲相当，读法也一样。

给学生的入口建议。这一讲里，方程那一节的符号都可以先跳过，只记住三句话。方程描述流体怎么流动；问题问速度会不会在有限时间里变成无限大；2026 年 9 月 5 日的答案是「会」。想再深一步，先补一个高中就有的概念。导数，速度是位移的瞬时变化率，加速度是速度的瞬时变化率，把它想明白，再看第四节「速度无界增长」就有着力点了。导数在人教A版选择性必修第二册第五章。

思考与拓展

1. 用你自己的话回答。什么叫「奇点」？为什么奇点一旦出现，就说连续介质模型失效了？提示是，真实流体不可能跑得无限快。

2. 牛顿第二定律说 $F=ma$，流体版把「质量乘加速度」写在左边、「合力」写在右边。用粘性项 $\nu\Delta\mathbf{u}$ 解释。为什么蜂蜜里的流动总是比水里的更快趋于均匀？（提示。$\nu$ 越大，抹平速度差的力气越大。）

3. 总动能密度大约正比于速度平方 $v^2$，于是总能量 $E$ 大致满足 $E\sim v^2V$，其中 $V$ 是高速区占据的体积。如果 $E$ 必须保持有限，速度 $v\to\infty$ 时体积 $V$ 必须怎样变化？用这个式子解释。为什么「能量有限」这个物理要求，逼着奇点只能发生在越来越小的区域里。

4. 速度是位移的瞬时变化率，加速度是速度的瞬时变化率，这就是导数的直觉。翻一翻人教A版选择性必修第二册第五章「一元函数的导数及其应用」第一节，看导数（瞬时变化率）是怎么定义的。然后想一想。纳维-斯托克斯方程里的 $\dfrac{\partial\mathbf{u}}{\partial t}$ 是速度对时间的变化率，但它并不是一个点上的函数。每一个空间点上都有一个这样的变化率。一个方程要在所有点上同时成立，比一个函数的一个导数复杂在哪？写出你的理解。

一句话总结

纳维-斯托克斯方程的解是否永远光滑，约 90 年无人能答；2026 年 9 月，AI 用一个能量有限、越收越快、最终在有限时间里出现奇点的涡旋，证明了它不会。