rick awsb ($people, $people)
rick awsb ($people, $people)|2026年09月08日 23:39
科研不再依赖天才科学家,而依赖GPU --- 昨天的剧情继续反转! Openai官宣了! 更重要的是,这是由opanai未发布的模型,几天时间完成的。(新模型能力比astra有大幅提升,见附图) 这件事的意义本身非常重大,属于菲尔兹奖级别的发现,但其意义远不止事件本身。 科学正在被重构为一种由算力驱动的高速工业流程。 先扫个盲:千禧难题与它的“爆破点” 纳维—斯托克斯方程(Navier-Stokes,简称 N-S 方程):物理学中描述水流、空气、洋流等流体运动的基本方程。它的地位相当于流体领域的牛顿运动定律。然而在数学上,一个世纪以来没人能证明:在所有初始状态下,流体的平滑运动方程是否永远有良好定义的解。这是数学界著名的七大“千禧年大奖难题”之一。 有限时间奇性(Finite-time Singularity):可以形象地理解为“物理量的暴走”。系统初始时风平浪静、处处平滑,但经过一段有限时间后,某些关键指标(如速度梯度或涡度)飙升至无穷大,数学上出现了类似“除以零”的无法计算点。这意味着经典连续介质模型在该处彻底失效,数学上称为“爆破”(Blow-up)。 Lean 形式化证明:过去的数学论文由同行专家人工审阅,难免漏掉隐蔽的推导漏洞。Lean 则是一种计算机代码证明语言,它要求将数学推导逐行写成严密的逻辑代码,由机器编译器校验每一步公理,彻底杜绝逻辑跳跃和人为笔误。 这次突破的关键在于:它是一个由 1 万个协同智能体构成的庞大系统,在 88 小时内吞吐 1300 亿 Token、交换 270 万条信息,完成了一场高强度的科研大兵团作战。 OpenAI 展示了一个此前未被充分验证的三维 Scaling 架构: 训练算力:赋予单体模型基础的科研直觉与逻辑深度; 测试时算力(Test-time Compute):让单个智能体在复杂节点上深入推导、反复验算草稿; 多智能体算力:支撑成千上万个节点并行探索不同的假说分支,并实时共享中间成果。 在实验中,这套系统先调动 100 个智能体在 50 小时内解决了难度较低的欧拉方程(忽略流体粘性的简化方程),系统自主识别出该成果的价值,随后自动抽调算力,将欧拉方程的结果作为跳板,转向主攻 N-S 方程。 这种提出假说、并行探索、沉淀结论、动态调度算力的组织过程,已经高度接近一所组织良好分工明确自主运转的“虚拟科学团队”。 面对这项突破,要真正理解其长远的影响力,必须严格区分两个层次: 第一层(单点突破):某一道著名难题被攻破。解决 N-S 方程或黎曼猜想,本身的科学价值巨大,但仍有限。 第二层(能力跃迁):AI 具备了稳定、批量解决此类高难度科学与工程抽象问题的能力。 真正具有颠覆性的是第二层。通用求解能力能撬动极高价值的科研。 如:可控核聚变中突破高温等离子体湍流控制,材料和生命科学中充当新型材料、催化剂与药物研发的算力放大器,高科技制造中将复杂物理过程转化为可计算模型,大幅减少飞机、电池、散热设计的实物实验等。 设计一款航空发动机或验证新型芯片散热,需要做上千次高成本的实体物理实验;如果数学理论与 AI 模拟能够把实验次数压缩到几十次,硬科技的研发逻辑就会向“编写代码—模拟测试—快速重构”的软件化开发模式靠拢。 但最重要,价值最高的,还是AI驱动的AI 模型研发:AI 被用于优化自身的网络架构、训练算法与数据流设计,它将直接触发递归自我改进(RSI)。 和证明斯托克斯方程类似的是,AI 研发几乎完全运行在数字世界中,智能体可以自主编写代码、启动训练、监测损失函数曲线并分析评测,不需要等待物理世界缓慢的材料制备和实物制造周期。 而当ai开始驱动多领域科学的突破,不同领域的突破将紧密咬合,形成自增强的多飞轮。 在传统视角下,科学进步的速度(Rate of Progress)通常被视为外生常数——比如开发一款新药平均耗时 10 到 15 年,商业化聚变往往以“几十年后”为期。但当科研系统全面接入自动化后,技术周期的迭代速度本身将变成可加速的内生变量。 这种科研范式的转变对宏观经济的拉动,将会是是一次典型的阶梯式跃迁(Slowly, then suddenly): 在初期阶段,大量论文被解出、复杂数学定理被形式化验证、实验室新型材料候选层出不穷,但宏观 GDP 几乎毫无波动;只有当这些技术库存积累到临界点,伴随低成本工业机器人的普及、新型清洁能源网络的搭建与先进制造工厂的投产,庞大的底层科学资产才会集中转化为实体生产力,形成宏观经济的骤然跃升。 纳维—斯托克斯方程的攻坚,给整个科技界提供了一块前沿观测窗。它真正提示我们的,绝不仅是流体力学又往前走了一步,而是提醒我们审视:文明社会中究竟有多少万亿美元的长期价值,正被锁在那些“人类因大脑算力有限而暂时算不清的问题”之中。 当算力正式从制造模型的流水线工厂,跃升为能够全天候自主探索未知的“超级研究院”,人类从这些“未知库存”中提取科学答案的速率,将被彻底改写。(rick awsb ($people, $people))
+5
曾提及
分享至:

脈絡

熱門快訊

APP下載

X

Telegram

Facebook

Reddit

複製鏈接

熱門閱讀