点击加入前哨，看清中国创新趋势

今年7月，王煜全在《AI for Science》专题直播里告诉大家：数学才是AI for Science领域真正低垂的果实。

仅仅两个月后，这个判断就被印证了。

9月8日，OpenAI宣布给出纳维–斯托克斯方程存在性与光滑性问题的一种解法，相信很多人看到这句话都懵了，每个字都认识，连一起是啥啊？

别着急，简单说这是数学界七大“千禧年大奖问题”之一，也是流体力学最核心的基础难题之一。

这个问题困扰数学界约90年，菲尔兹奖得主陶哲轩等顶尖数学家也长期研究相关问题，攻下它属于足以写进数学史的级别的成果。

虽然关于这个问题研究优先权还有些争议和噱头，但Clay数学研究所9月11日已经专门发布声明，称这个问题“似乎已经得到解决”。

今天我们就一起看看，这道世纪难题究竟是怎么被AI攻下的，以及它背后的Agent汪洋大海。

《AI for Science热门概念解读》专题直播PPT

百年难题，被AI人海战术攻破

不久前我们也和大家介绍过中国医生用AI搞定科研难题的例子，这次OpenAI的做法有了非常大的不同，不是一个超级模型干了88个小时搞定难题，实际过程更像是临时组建了一家由AI组成的研究院，用人海战术实现突破。

简单梳理下时间线。

9月1日，OpenAI用一套正在训练、数学能力明显强于GPT-6 Astra的内部模型，启动了多个Agent小组，同时测试几个尚未解决的千禧年难题。

在这个过程中，他们发现欧拉方程有了突破的潜力，它和纳维–斯托克斯方程关系很近，但难度相对低一些。

纳维–斯托克斯方程简单说，就是描述水和空气这类流体怎么流动，给定初始状态和受力，它能算出每一时刻流体的速度，天气预报、飞机设计、管道输送和血流模拟都建立在它之上。

它麻烦的地方有两点：一是方程里有一个代表流体内部摩擦的“黏性”项，二是整体是非线性的，水流会改变自己周围的环境，再反过来影响自己。

于是没人能确定：从一团光滑、平静的流体出发，会不会在有限时间内突然失控，速度一路涨到无穷大。

数学上把这种失控叫做出现“奇点”，而这正是千禧年难题要回答的问题。

欧拉方程则是同一套方程去掉黏性项之后的版本，可以理解成“没有摩擦的理想流体版”。

它形式更简单，却保留了同样棘手的非线性结构，因此在数学界常被当作试验场：一个构造如果能在欧拉方程里成立，往往说明这条路值得往更难的纳维–斯托克斯方程上继续推。

OpenAI让近100个Agent协作，大约50小时后，这些Agent找到了欧拉方程中出现奇点的构造。对团队来说，这相当于先确认了一件事：制造奇点这条路确实走得通。

有了这个结果，OpenAI才开始集中火力。他们把原本分配给其他千禧年难题的Agent调过来，把刚刚得到的欧拉方程解法作为新的起点，让不同小组继续推进。

最终，找到纳维–斯托克斯方程解法的这套系统规模达到约1万个并发Agent。

这里的“1万个Agent”可不是1万个模型重复做同一道题。不同小组会同时尝试不同路线，哪一组出现有价值的中间结果，Codex就把这些结果整理出来，再交给其他小组继续尝试。

可以把它理解成：1万名机器研究员分组做不同实验，好的思路会被迅速共享，失败路线则随时丢掉。

从第一批Agent启动，到9月5日得到解法，一共大约88小时。

随后GPT-6 Astra又用了17小时，把证明转成Lean形式化证明并完成机器验证，总共产生了270万条Agent消息和约1300亿个输出Token。

这就是7月王煜全直播中告诉大家的：科研进入工程暴力破解的时代。

科研变革只是开始

如果说OpenAI用1万个Agent攻一道世纪难题，还像一次极限实验，那么Anthropic 9月17日同时公布的消息，说明这种“机器研究组织”已经开始变成日常工作方式。

Anthropic披露，截至今年8月，它最常用的一套内部平台里，任何一个时点大约都有3万个Agent在做研究和工程工作。

在Anthropic统计的AI研发任务中，超过90%已经至少达到“AI协作”水平，26%已经达到“AI主导”，也就是人只给一个高层目标，Claude就能完成大部分端到端工作，人主要负责监督。

这个比例今年2月还不到1%。

把这几件事放在一起看，趋势就非常清楚了：AI正在从个人效率工具，继续往“可调度的组织能力”演化。

数学难题的破解，只是把它第一次用一个足够震撼的案例摆到了所有人面前。

当然，王煜全7月的另一个判断同样没有变：AI攻克数学长期影响巨大，短期却很难形成同等规模的商业价值。

真正值得产业界关心的是，同样的科研能力、范式变革进入算法、芯片设计、材料、能源、生物医药和自动化实验室之后，哪些赛道已经开始形成商业闭环，哪些还只是“AI科学家”的概念包装。

这也是王煜全在每周四的前哨专题直播，真正想回答的问题：在这个科技时代，穿过各种概念和炒作，看清真正的科技规律。

两个月后的纳维–斯托克斯方程，只是给当时的分析又补上了一个案例。

如果你也希望面对下一次技术突变时，不必等小道消息、不必追着热点跑，而是能够用一套产业视角的分析框架提前看到趋势，欢迎加入前哨科技特训营，观看这期《AI for Science》直播回放。

因为真正有价值的，不是比别人早几小时知道一条新闻，是提前看懂它最终会把产业带到哪里。