OpenAI 交出流体难题证明，争议也随之而来

Juju Radar · 2026.09.09

约 2,500 字 · 阅读约 9 分钟

AI 做研究，开始遇到一道模型评分之外的题：成果拿出来以后，该怎样检查证明、还原研究过程，又该怎样承认前人的贡献？OpenAI 昨天公布的流体数学研究，把这些问题同时摆到了台前。

本期还看三件事：DeepMind 把数十亿种 DNA 变异的预测做成可查询的图谱；ChatGPT 的新图像模型更重视修改时的稳定性；小鹏的人形机器人则从演示走向产线。四条消息，分别涉及研究、创作和制造。

🌊 OpenAI 公布流体难题证明，研究过程也受到追问

AI for Science / Agent · 9.5/10｜建议深挖

9 月 8 日，OpenAI 发布了 Navier–Stokes 方程的分析证明及 Lean 形式化材料。问题可以粗略理解为：描述流体运动的方程，会不会从平滑状态出发，在有限时间内出现速度无限增大的情形？这次公布的构造针对带有光滑外力的三维不可压缩流体。外力条件是理解结论的关键，不能省去以后，把它泛化成所有流体问题都已解决。证明论文

按 OpenAI 披露，成功的研究组使用了约一万个并发 Agent，以及一个仍在训练、能力强于公开版 Astra 的内部模型；过程中也有人类调整研究方向、分配资源和汇总线索。值得关注的是这种组织研究的方式：大量尝试可以同时展开，再把发现交给其他 Agent 使用。投入如此大的系统，究竟在哪一步带来了有效的新思路，比单看“用了几天”更有参考价值。OpenAI 的过程说明

另一份必须一起读的材料，来自纽约大学数学家 Tristan Buckmaster。他与 Levent Alpöge 的相关研究也使用了 Claude、Codex 等工具，但对发布压力、研究交流和人类贡献的描述提出异议。他在声明中同时明确，自己当时还没有看过 OpenAI 的证明，也不知道研究数据是否被使用，不能据此认定发生了数据窃取。这是研究者个人合作项目的声明，不宜写成 Anthropic 对 OpenAI 的正式指控。Buckmaster 声明

这条消息有两层后续值得追踪：数学材料是否经得住独立检查，研究过程能否得到充分说明。Lean 可以帮助检查形式化推导，但还要核对写进程序的定理、假设和所声称的问题是否一致。本期没有独立复核整套证明，也没有运行形式化代码，因此目前应称为“公布证明材料”，不把发布公告当成学界已经确认的结论。形式化代码库

🧬 90 亿种 DNA 变异，先用预测排出实验顺序

AI for Science / 生物信息 · 9/10｜建议深挖

DeepMind 于 9 月 8 日推出 AlphaGenome Atlas，预先计算了人类基因组中约 90 亿种单碱基变异的潜在影响。这里的“变异”指 DNA 某一个字母发生替换，并非 90 亿个患者样本，更不表示每一种结果都经过实验确认。

它把 AlphaGenome 对基因调控的预测，与 AlphaMissense 对蛋白质变化的预测结合起来，给研究者一个筛选顺序，同时展示可能影响表达、剪接等过程的线索。过去拿到一批候选变异，常常还得逐个准备分析；现在可以先查图谱，把有限的实验资源集中到更值得验证的地方。大量不直接编码蛋白质的 DNA 区域，也因此更方便被纳入研究。

这个变化的价值，在于把一次次模型调用整理成研究者能反复使用的基础资料。学术与非商业用途已开放，商业使用另有安排。但图谱再大也仍是预测：某个变异在特定细胞或疾病背景下到底起什么作用，需要实验继续回答。选中少数变异获得验证，也不能替整张图谱背书。

DeepMind 发布说明 · 图谱入口

🎨 图像模型开始认真解决“只改这里”

图像生成 / 内容工具 · 8.5/10｜持续观察

ChatGPT Images 2.5 于 9 月 8 日发布，重点包括更忠实地使用参考图、在多轮修改中保持一致，以及更精确地修改指定区域。对经常做图的人来说，这比多生成几张漂亮样例更接近日常问题：字要改，人物别变；局部颜色要换，版式和其他细节要保留。

官方称生成延迟最高可降低 50%，同时提供更偏速度和更偏精细控制的 API 选择。不过，“最高降低”是官方口径，不能直接推算所有图片都会快一倍。多轮编辑能否稳定保留中文、图表数字和局部细节，也需要具体任务检验。本期没有做独立的速度或质量对比。Images 2.5 发布说明

同一天，Runway 把生成与编辑面板接入 Premiere Pro 和 After Effects，结果可直接放回时间线，减少导出、上传、下载、重新导入的往返。两家公司处理的是创作流程中不同的麻烦：一个降低反复改图的损耗，一个减少软件之间的搬运。以后比较这类工具，值得把“改到可用要几轮”也记下来。Runway 插件说明

🤖 IRON 走下产线，人形机器人要接受制造的考验了

机器人 / 具身智能 · 8.5/10｜持续观察

小鹏在 9 月 8 日宣布 IRON 人形机器人产线投入运行，并展示机器人完成装配后自主走下产线。公司称核心工序自动化率超过 80%。这个数字说的是制造工序的自动化程度，不能拿来表示机器人能独立完成八成工作。

人形机器人能在演示中完成一个动作，与能够稳定制造、维修和交付，是不同的门槛。产线运行让接下来的问题更具体：零部件的一致性怎样，装配和测试能否重复，出厂后在真实场所能工作多久。相比单次动作视频，这些会更直接影响它能否成为可用的产品。

时间表也需要分清：小鹏计划在 2026 年底量产，初期用于自有门店和园区；面向中国及海外市场的发布与交付计划在 2027 年展开。当前已经发生的是产线下线，规模交付仍是计划。制造数据与展示来自公司披露，本期没有独立工厂检查或长期运行数据。

小鹏官方公告

今天的主线

AI 科研开始交出可以被其他人继续使用的材料：证明、形式化代码、预计算图谱。材料越完整，外界越有条件检查它，也越容易看清模型、工具和研究者各自做了什么。下一步值得追的是独立核验和后续研究，而不只是发布时的声量。

创作与机器人领域则更接近日常生产。图像修改是否省下返工，插件是否减少往返，产线能否持续交付，都要放进真实流程里才能看清。漂亮的样例仍有价值，但它越来越难单独说明产品已经成熟。