（来源：泽平宏观展望）

9月8日，OpenAI宣布攻克了数学七大难题之一：纳维-斯托克斯方程的存在性与光滑性问题，由OpenAI内部下一代模型、约一万个并发AI智能体协同工作，耗时88小时推导完成，消耗3000亿token，算力成本数百万美元。

AI for Science破解科研难题，未来通用人工智能加速到来。

1、AI解出NS方程：数学界“AlphaGo”时刻

OpenAI攻克的NS（纳维-斯托克斯方程）方程是21世纪最具挑战性的七大数学难题之一，覆盖拓扑学、数论、量子场论、流体力学等多个顶尖领域，距离上一次解决难题之一的庞加莱猜想已过26年。

NS方程属于流体力学，其对飞机设计、天气预报等领域意义重大。在此之前，AI解决科学难题主要靠“暴力运算”，而这次解NS方程主要是AI来推导逻辑和证明。研究用了1万个智能体分两组并行：一组证明"永远光滑"，一组构造反例，由GPT-6 Astra完成Lean形式化验证。

2、AI for Science（AI科研），迈向通用人工智能AGI

OpenAI、Anthropic、DeepMind等大模型的发展重心，逐步从聊天、代码转向能够解决硬核科学问题，聚焦数学、生物、物理等领域。

AI科研成为验证通用人工智能AGI的关键：能否处理没有标准答案、需要创造性推理、长链条逻辑的开放问题。

本次，NS成果证明了多智能体集群+AI形式化验证是可行路线，后续会向材料、新药、核聚变、气候建模等复杂科学领域迁移。

3、AI for Science加速科技创新，三大智力优势远超人类

一是计算更有深度。AI可以处理高纬度函数，并利用强大的生成能力模拟。未来科学家负责提出问题、设定猜想，AI负责海量试错、构造反例、长链条推导、形式化代码转换。

二是探索更有广度。传统人力的科研规模有限，无法处理如材料晶体结构筛选、蛋白质折叠等超大规模组合问题。而AI通过扩散模型进行万亿级空间并行筛选，比如DeepMind开发的GNoME用17天完成了相当于人力800年的成果，预测了220万种新材料晶体结构。

三是实验速度更快。传统科研以月、年为实验周期，而AI科研以小时、分钟为单位。AI不仅可以实现分钟级模拟，还具备自主进化、自主实验设计到执行验证的能力。

AI大模型已进化成超级工具，未来潜力巨大，AGI可能加速到来，未来是超人智能时代。AI在智力、物理AI在体力全面超越人类，未来人存在的意义是什么？

2024年9月预测“信心牛，科技牛”。今年1月从硅谷考察回来提醒：AI不是风口，是海啸，第四次科技革命，康波周期量级，十年向上趋势，两大波机会：卖铲子-超级应用。