AI攻克纳维-斯托克斯难题，这对物理学意味着什么？

上周，OpenAI宣布其最先进的人工智能模型解决了一个千禧年数学难题——纳维-斯托克斯方程（Navier-Stokes equations）是否存在“奇点”的问题。这一消息迅速引发全球关注，不仅因为千禧年难题每个悬赏100万美元，更因为它触及了一个根本性问题：AI是否正在具备原创性的数学能力？但比“AI能不能做数学”更值得追问的是：这个证明对流体力学本身意味着什么？ 要理解这件事的分量，得先知道纳维-斯托克斯方程是什么。这是19世纪提出的公式，用来描述气体和液体的流动方式，从飞机机翼周围的气流到水管里的水流，都靠它来建模。但它有一个简化假设：把流体看作连续物质，而不是一堆混乱运动的分子。OpenAI的证明展示了一种情况——当流体中的涡旋被拉得极长极细时，方程会预测出物理上不可能的无限速度，也就是出现“奇点”。布朗大学应用数学家乔治·卡尔尼亚达基斯计算后发现，对空气而言，当涡旋宽度缩到约70纳米时奇点就会出现，这个宽度差不多是一个空气分子在撞上另一个分子之前走过的平均距离。换句话说，当涡旋细到只有几个分子宽时，“流体是连续的”这个假设就彻底失效了，方程自然也就崩溃了。 这个结论其实并不完全出人意料。普林斯顿大学的菲尔兹奖得主查尔斯·费弗曼指出，对于可压缩流体，研究人员早就知道对应的方程版本可能产生奇点。纳维-斯托克斯方程在稀薄气体中也不适用，比如航天器再入大气层、或者微量流体通过微通道时，它都描述不准。那用什么替代？一种是玻尔兹曼方程，它把气体当作单个分子的集合，用统计方法建模，而不是把流体当成连续物质。但今年刚因玻尔兹曼方程研究获得菲尔兹奖的芝加哥大学数学家邓煜表示，纳维-斯托克斯方程的崩溃对玻尔兹曼方程意味着什么，目前还不清楚，后者在特定情况下也可能失效，“我们的理解非常有限”。另一种思路是用计算机严格模拟每个分子的行为，但计算成本极高，超出微观尺度就难以为继。2024年有研究者用超级计算机模拟了创纪录的1550亿个水分子，而这些分子通常只能填满一个微米大小的立方体。还有一些研究者采用“三层”策略：用分子动力学处理极小尺度，用纳维-斯托克斯方程处理大尺度，中间再用一套方程把分子行为平均化。卡尔尼亚达基斯把这叫做“三层甲板”方法。 对跨境电商卖家和AI从业者来说，这件事的启示在于两点。第一，AI正在从“工具”变成“发现者”，它能在基础科学领域产出人类尚未得出的结论，这意味着未来AI在物流路径优化、供应链流体模拟、甚至包装材料设计等场景中的角色会越来越主动。第二，OpenAI的证明也引发了学术界的争议：AI模型是否在“吸收”他人未发表的研究成果？谁该获得 credit？这些问题在AI辅助研发日益普及的今天，对任何依赖AI做产品创新的团队都值得警惕。流体力学看似离电商很远，但航空物流、冷链运输、甚至数据中心散热，底层都绕不开这些方程。当AI开始改写物理学的边界，它改写的也是产业应用的底层逻辑。