跳至主要内容
Xiang.D
随手整理约 10 分钟

OpenAI 如何让纳维尔–斯托克斯方程“爆炸”？

从速度场、不可压缩条件和非线性放大出发，理解 OpenAI 公开的受迫三维 Navier–Stokes 有限时间奇点构造，以及它对数学和工程意味着什么。

#Navier–Stokes#流体力学#AI for Science#偏微分方程#奇点
笔记目录 →
本文目录
  1. 一、先别被“爆炸”吓到：流体到底在算什么？
  2. 二、Navier–Stokes 方程：给每个流体微元写牛顿第二定律
  3. 一个最小的“爆破”例子
  4. 三、为什么三维 NS 方程会成为千禧年难题？
  5. 四、Clay 题目其实给了四条路
  6. 五、OpenAI 的结果：不是“把力调到无穷大”，而是反过来设计流动
  7. 1. 先造一个越来越细长的涡核
  8. 2. 处理涡核和外部流动之间的接缝
  9. 3. 用振荡脉冲输运动量和角动量
  10. 六、AI 在这里到底做了什么？
  11. 七、这是不是意味着流体力学不存在了？
  12. 1. 爆破发生在连续介质模型的极端尺度
  13. 2. 不可压缩和牛顿流体也都是近似
  14. 3. 工程仿真本来就在处理湍流近似
  15. 八、真正应该记住的三件事
  16. 参考资料

一、先别被“爆炸”吓到：流体到底在算什么？

空气、水、血液和烟雾都可以在合适的尺度上近似成连续介质。我们不追踪每一个分子，而是在每个位置和每个时刻记录一个速度向量：

u(x,t)=(u1,u2,u3).u(x,t) = (u_1,u_2,u_3).

把空间中所有点的速度放在一起，就得到速度场。想象在水面撒下一把细粉末：每一粒粉末所在的位置、运动方向和运动速度，合起来就是这个速度场的直观图像。

对于不可压缩流体，一个小方格流进去多少，就必须流出去多少。数学上写成：

∇⋅u=0.\nabla \cdot u = 0.

这里的散度可以理解成一个小区域的“净流出率”。散度为零，不是说每个方向的速度都为零，而是说所有方向的流入和流出刚好收支平衡。把许多小区域拼在一起时，内部公共边界的流量会相互抵消，只剩整体边界上的净流量。

二、Navier–Stokes 方程：给每个流体微元写牛顿第二定律

在三维不可压缩情况下，带外力的经典方程可以写成：

∂tu+(u⋅∇)u−νΔu+∇p=f,∇⋅u=0.\partial_t u + (u\cdot\nabla)u - \nu\Delta u + \nabla p = f, \qquad \nabla\cdot u=0.

每一项都可以翻译成一句人话：

项直观含义
∂tu\partial_t u固定在某个空间位置观察，速度随时间的变化
(u⋅∇)u(u\cdot\nabla)u流体微元沿着自身运动，把自己带到另一个速度不同的位置；这是非线性输运项
−νΔu-\nu\Delta u黏性扩散，把相邻区域的速度差抹平
∇p\nabla p压强梯度产生的推力
ff重力、搅动或其他外部施加的力

所以 NS 方程的底层逻辑并不神秘：左边是流体微元的加速度，右边是它受到的各种力。真正困难的是，这个牛顿定律不是对一个小球写一次，而是要对空间中无穷多个相互影响的点同时成立。

一个最小的“爆破”例子

普通的增长方程

dydx=y\frac{dy}{dx}=y

会得到指数增长，函数值虽然越来越大，却不会在有限的 xx 处变成无穷大。但如果改成

dydx=y2,y(0)=1,\frac{dy}{dx}=y^2,\qquad y(0)=1,

解就是

y(x)=11−x.y(x)=\frac{1}{1-x}.

当 x→1−x\to1^{-} 时，yy 在有限时间内冲向无穷大。这种有限时间内失去光滑性的现象，就叫 finite-time blow-up，中文通常译为有限时间爆破或奇点形成。

NS 方程里也有一个类似的危险结构：速度会通过 (u⋅∇)u(u\cdot\nabla)u 参与自己的放大，而黏性项只提供线性的平滑作用。三维情况下，究竟是非线性放大赢，还是黏性耗散最终能压住它，正是问题的核心。

三、为什么三维 NS 方程会成为千禧年难题？

二维不可压缩 NS 方程的光滑性已经得到证明；三维则多了一个关键机制：涡拉伸。

把涡想象成一根正在旋转的水柱。水柱被沿轴向拉长时，半径会变细。根据角动量守恒，半径变小会让旋转速度变快；更快的旋转又会产生更强的剪切，继续拉伸周围的涡管。这是一种可能自我强化的反馈，在二维里没有对应的第三方向。

三维湍流中的能量级联也和它有关：大尺度涡把结构传给更小的涡，小涡再把能量送往更小尺度，最后由黏性耗散。问题在于，连续介质模型允许尺度无限细分，理论上可能出现“越来越小、越来越快”的局部结构。

四、Clay 题目其实给了四条路

Clay Mathematics Institute 的正式题面并不是要求“必须证明永远光滑”，而是允许证明下面四种陈述中的任意一种：

选项空间外力需要证明的事情
A欧氏空间 R3\mathbb{R}^3无外力任意合适的光滑初值都能得到永远光滑、能量有限的解
B周期空间 T3\mathbb{T}^3无外力周期边界条件下同样永远光滑
CR3\mathbb{R}^3允许光滑、衰减的外力构造一个有限时间内失去光滑性的解
DT3\mathbb{T}^3允许光滑、衰减的外力周期空间中构造对应的爆破解

OpenAI 2026 年 9 月公开的论文声称构造了 C，并利用紧支撑和周期化进一步得到 D。这不等于已经解决了 A、B：在没有外力的情况下，三维有黏性流体能否依靠自身演化产生奇点，仍然是更核心的开放问题。

五、OpenAI 的结果：不是“把力调到无穷大”，而是反过来设计流动

OpenAI 论文的关键思路可以浓缩成一句话：先设计一个会爆破的速度场，再把方程剩下的残差定义为外力。

把想要的 uu 和 pp 代回方程：

f=∂tu+(u⋅∇)u−νΔu+∇p.f=\partial_t u+(u\cdot\nabla)u-\nu\Delta u+\nabla p.

这样方程当然成立，但难点也马上出现了：如果随便设计一个急剧收缩、速度冲向无穷的涡，算出来的 ff 往往自己也会发散。真正要做的是找到一种精细的流动，让速度在奇点附近爆破，同时让外力及其各阶导数仍然保持光滑、有界，并且只在有限区域和有限时间内起作用。

1. 先造一个越来越细长的涡核

设距离爆破时刻还剩

τ=1−t.\tau=1-t.

论文构造的核心涡核绕竖直轴旋转：流体向轴心螺旋内收，同时沿轴向向上下两侧排出。半径和高度以略有不同的速度收缩：

ℓr≍τ1/2,ℓz≍τ1/2−h,0<h<1100.\ell_r\asymp \tau^{1/2}, \qquad \ell_z\asymp \tau^{1/2-h}, \qquad 0<h<\frac1{100}.

半径收缩得更快，涡核就会越来越像一根细长的意大利面。旋转速度和轴向速度的典型尺度则按

∣uθ∣, ∣uz∣≍τ−1/2−h|u_\theta|,\ |u_z|\asymp \tau^{-1/2-h}

增长，因此当 τ→0\tau\to0 时，局部最大速度会冲向无穷大。

OpenAI 论文中的涡核收缩示意图，三个时刻的涡核半径逐渐变小、速度逐渐增强
涡核在三个时刻逐渐收缩，内部流体向轴心螺旋并沿轴向排出。图片来源：OpenAI 论文 Figure 1。

最反直觉的是：速度爆破，不代表总动能也爆破。涡核体积大约按 τ3/2−h\tau^{3/2-h} 缩小，而速度平方约按 τ−1−2h\tau^{-1-2h} 增长，论文给出的核心动能尺度为

Ecore≍τ1/2−3h⟶0.E_{\text{core}}\asymp \tau^{1/2-3h}\longrightarrow0.

也就是说，能量被压缩进越来越小的区域；局部速度越来越大，但整体能量仍然有限，甚至在核心尺度上趋于零。

2. 处理涡核和外部流动之间的接缝

只画一个高速旋转的中心，再把外面突然设成静止，会在接缝处制造巨大的速度梯度，反推出来的外力仍然不光滑。

因此构造需要三层结构：

  1. 内核：负责产生越来越快的旋转和轴向流；
  2. 环形过渡区：把内核平滑接到外部流动；
  3. 外部精确解：尽可能让远处的背景流动不需要额外外力。

论文把接缝处留下的缺口理解成一个需要补上的动量输运或应力问题，而不是简单地在中心“施加一股无限大的推力”。

3. 用振荡脉冲输运动量和角动量

这里是整套构造最巧妙的部分。一个局部脉冲可以在空间和时间上来回振荡，平均速度接近零，却能通过非线性项持续输运动量。

海边的沿岸流是一个直观类比：海水向岸边涌来时带着向右的速度，退回去时带着向左的速度；虽然水本身来回摆动，但两次穿过一条线时携带的动量方向组合起来，平均结果可以产生沿岸的净动量输运。

OpenAI 构造把类似机制放进涡核外面的环形区域：脉冲沿环分布，平均速度可以抵消，但角动量通量不抵消。脉冲产生的内部应力恰好补上内核与外部流动之间的残差。

OpenAI 论文中的脉冲几何示意图，展示环形脉冲与径向轴向扰动速度
环形脉冲及其扰动速度：局部速度起伏的平均值可以抵消，但非线性动量通量仍然存在。图片来源：OpenAI 论文 Figure 2。

脉冲会经历“先增长、后衰减”的过程：背景涡流的剪切先把脉冲放大；当波长被越拉越短时，黏性耗散变强，最终把脉冲压下去。越接近奇点，脉冲被安排在越小的空间尺度和越短的时间尺度上，再配合一层层修正，把残差控制在光滑范围内。

OpenAI 论文中的集中几何与脉冲先增长后衰减曲线
左图是内核、环形过渡区和外部区域的相似变量示意；右图展示脉冲先被剪切放大、再被黏性耗散的包络。图片来源：OpenAI 论文 Figure 3。

六、AI 在这里到底做了什么？

这不是“模型按一下按钮，吐出一个神奇公式”。OpenAI 公开的流程更像一个大规模数学搜索与验证系统：

  • 使用近一万量级的并发 agent，分别尝试不同的问题变体和构造路线；
  • 先解决更简单的无黏性 Euler 正则性反例，再把其中的思路提供给后续 NS 搜索；
  • 让不同 agent 群体探索不同结构，再用 Codex 汇总和交叉传播中间结果；
  • 约 88 小时后得到 NS 方向的结果；
  • 随后用 GPT‑6 Astra 花约 17 小时完成 Lean 形式化和验证。

OpenAI 文章披露，在 NS 方向上 agent 发送了约 270 万条消息，使用约 1300 亿输出 token。这里最值得关注的不是“token 越多越能做数学”，而是搜索、分工、筛选、形式化验证被放进了同一个闭环。

不过，形式化验证也要看它验证的是什么：Lean 可以帮助确认“这份形式化代码确实证明了某个定理”，但研究者仍然需要确认形式化对象与 Clay 题目、物理直觉及论文叙述之间完全对应。数学共同体的审阅和贡献认定仍然需要时间。

七、这是不是意味着流体力学不存在了？

不是。这个结果的冲击主要在数学层面，工程上的 NS 仿真不会因此失效。

1. 爆破发生在连续介质模型的极端尺度

构造的奇点依赖涡核不断收缩到越来越小的尺度。真实流体由分子组成，当尺度接近分子间距时，连续介质假设本身就需要被替换或修正。无穷大的速度是数学模型中的极限行为，不是水里真的出现了无限快的分子。

2. 不可压缩和牛顿流体也都是近似

真实流体有有限声速，不可能一处受压、整个流体瞬间响应；在极端剪切率下，黏性也未必继续严格服从牛顿流体的线性关系。相对论还给出了速度上限。这些现实中的正则性会阻止许多理想化奇点直接出现。

3. 工程仿真本来就在处理湍流近似

天气预报、飞机设计、血流模拟等任务通常使用湍流模型、网格截断和经验闭合，而不是试图解析连续介质的每一个无限小尺度。数学上证明某个理想模型存在奇点，并不会让现有的工程计算突然失去作用。

八、真正应该记住的三件事

  1. NS 方程的形式很简单，难的是三维非线性动力学。 每一项都能从局部牛顿力学解释，但无穷多个局部微元会通过输运、压强和黏性共同耦合。
  2. 速度爆破与能量爆炸不是一回事。 OpenAI 构造把越来越大的速度集中到越来越小的区域，同时保持能量有限。
  3. “带光滑外力的反例”与“无外力自发爆破”是两道不同难度的问题。 这次结果如果经后续审查成立，完成的是 Clay 题目允许的 C、D 路线；A、B 仍然是理解三维流体的关键。

一句话总结：OpenAI 这次展示的不是“流体力学失效”，而是 AI 通过多智能体搜索和形式化验证，找到了一种极其精细的流动设计——让涡核自己把速度推向无穷，同时让外力保持温和、光滑、有限。

参考资料