上周 OpenAI 发布了一个针对 Navier-Stokes 方程的模型。这件事本身不算稀奇——流体力学是 AI for Science 的老阵地,各种 PINN、神经算子早就卷过一轮了。
让人停下划屏的是另一件事:发布包里直接附带了一份 Lean 4 形式化证明。
不是论文附录里提一句"可以形式化",是 GitHub repo 里能直接 clone、lean 编译器能直接 verify 的那种。消息在 Hacker News 首页拿了 121 分、119 条评论(来源:johndcook.com)。
我把这事拆成几个问题:这次具体多了什么、Lean 4 凭什么被选中、HN 在吵什么、对工程师意味着什么,以及——这次真的有那么重要吗?
这次发布到底多了什么
OpenAI 这次发的不是单纯一个模型权重,而是一个完整的发布包:模型本身 + 训练数据说明 + 评估基准 + 一份 Lean 4 证明。
关键的边界在两点:
第一,Lean 证明证的是什么。 不是"模型预测误差小于 epsilon"这种黑盒声明——那种没法形式化,也没意义。这次形式化的是模型架构的不变量:网络层在特定输入下的良定义性、某些守恒律(如能量守恒)在前向传播中的保持性。这些是可以写成类型签名、放进编译器检查的东西。
第二,和过去"只给自然语言论证"的边界在哪。 过去 AI 公司发模型,正确性靠"我们跑了 benchmark,看起来 OK"。现在多了一层:你可以自己跑 lake build,让 Lean 编译器告诉你这份证明是不是真的成立。这不是自然语言说服力,是机器可验证的事实。
代码层面大概是这样的(简化版,示意证明结构):
import NavierStokes.Model
theorem energy_conservation_preserved
(layer : NavierStokes.Layer)
(input : State with finite_energy) :
has_finite_energy (layer.forward input) := by
-- 证明省略:逐层展开,利用 layer.type_def 里的
-- 有限能量保持性引理
exact layer.energy_preserving input
实际 repo 里的证明当然比这复杂得多,但结构就是这个意思——把"模型在数学上不是垃圾"这件事,用类型系统钉死。
Lean 4 是谁的工具,为什么是现在
Lean 4 是 Microsoft Research 在 Lean 3 基础上重写的一门形式化证明语言,内核小但扩展性强,数学社区用得最多。Leonardo de Moura 是主要作者。
过去十几年,Lean 4 的活跃圈子基本就两块:
- 数学家:陶哲轩的 xena 项目把 IMO 题库形式化,Lean 社区每年搞 IMO Grand Challenge
- 软件验证:编译器正确性、密码学协议、操作系统内核证明(比如 seL4)
AI 公司把它装进模型发布,意味着什么量级的变化?
我的判断:这相当于 formal methods 从"手工作坊"进入了"工业流水线"。
过去一份完整的工业级形式化证明,成本是几个月到几年,需要一个 3-5 人的形式化专家团队。Lean 4 本身的设计哲学(可扩展的小内核 + 强大的 tactic 框架)就是在为这种规模做准备。但真正让它"工业可用"的,是 LLM——可以自动写 tactic、自动补引理、自动搜索证明路径。
OpenAI 这次的 Lean 证明,大概率不是手写的,而是模型辅助生成的。但关键是:生成完之后,人类/工具链做了一次完整的 verification pass。这才是发布的意义。
HN 评论区在吵什么
HN 那 119 条评论,基本分四派:
乐观派——有人在喊"verifiable AI is finally here"。观点是:既然数学可以形式化,物理直觉迟早也可以;LLM + Lean 4 会让所有需要严格论证的领域(法律、合规、医疗)被重做一遍。
怀疑派——有人指出,形式化证明只能证明"证明里的引理被正确组装",但前提(公理、模型假设)错了怎么办?一份 Lean 4 证明,只能保证你在给定的假设下没有逻辑错误,不能保证假设本身对应现实。
物理派——这是最有意思的一派。Navier-Stokes 方程本身是克雷数学研究所的千禧年问题之一(光滑解的存在性与唯一性)。有人直接质疑:OpenAI 这次发的模型,到底是在数值求解,还是在形式化证明 NS 方程的某个性质?这两件事差得很远。如果是前者,Lean 证明只是 wrapper;如果是后者,那才是真的炸裂。从发布的标题和描述看,基本可以确认是前者——但这层混淆本身就是个问题。
实用派——有人在问"代码在哪、license 是啥、能不能跑"。这派人不在乎哲学,只想知道明天能不能把它接到自己的流体力学仿真管道里。
对 AI 工程师意味着什么
形式化方法过去是航空航天(NASA 用 PVS)、编译器(CompCert)、高安全性代码(seL4 微内核)的专利,跟普通 AI 工程师没关系。
这次发布会不会带动更多团队把 verifier 当成标配?短期不会,长期会。
短期看,门槛还是高:你需要一个懂 Lean 的人,需要把模型架构用数学语言重新描述,需要和 Lean 社区的工具链集成。对大多数 ML 团队来说,成本/收益不划算。
长期看,有两个方向值得关注:
第一个可以马上借鉴的场景:金融/医疗的决策模型。这些领域对"可解释、可审计"的需求很硬。如果你的模型是一个决策树或者规则系统,用 Lean 写一份"这个决策路径在数据 X 上不会违反法规 Y"的证明,比写 100 页文档有用得多。
第二个是编译器优化和推理引擎。vLLM、ONNX runtime 这些工具,如果有形式化保证"这个 kernel 在所有合法输入上不会 overflow",对部署到生产环境是巨大加分。Lean 4 的 tactic 框架已经能处理这类证明。
实操上,如果你想试水,最小可行路径是:
- 找一个纯函数式的模型组件(比如 tokenization、reward shaping)
- 用 Lean 4 写它的输入/输出类型和关键不变量
- 让 LLM 生成证明草稿,人 + Lean 编译器做 verification pass
门槛比想象的高,但回报是确定的——一旦证明 verify 通过,它就永远成立,不会因为换了个 PyTorch 版本就失效。
反共识:这次真的有那么重要吗
把上面这些都说完,我得泼一盆冷水。
Lean 4 证明附在模型发布里,更像是营销/可解释性动作,而不是 AI 推理能力的突破。
形式化方法本质上是一种"事后校验"机制——它告诉你这份证明在逻辑上是对的,但不告诉你这份证明对应的事情是真的。一个模型可以附一份完美的 Lean 4 证明,证明它在某个错误的物理假设下完美工作。这种"形式化但错误"的情况,在形式化方法圈叫 verified garbage。
把形式化证明等同于"AI 真的懂了",是概念错位。AI 理解世界的能力(或者它根本没有理解世界这件事)跟 Lean 4 没有任何关系。Lean 4 只是给了我们一个更严格的尺子,用来量已经存在的推理——它不会让 AI 推理变得更强。
那为什么这次发布还是值得写?
因为尺子本身的标准化是大事。过去 formal methods 是零散的、论文里的、学术圈的。现在 OpenAI 这种级别的公司愿意把它放进产品发布的标准模板里,即使动机是可解释性营销,客观上降低了整个行业使用 formal methods 的心理成本。当一个 reviewer 看到 Lean 4 文件,他不再觉得这是"学术玩具",而是"这个团队认真了"。
这件事类比的话,更像是 2018 年各大厂开始把 unit test coverage 写进发布 checklist——不是单元测试本身有多革命,是把它当默认动作这件事,带走了整个行业的认知摩擦。
编辑思考
这次的真正信号不是"AI 能做形式化证明了"——这件事三年前 DeepMind、Anthropic 都在不同场合展示过,只是没放进正式发布。
真正的信号是发布的默认形态变了:从"模型 + benchmark + 一篇博客",变成"模型 + benchmark + 形式化证明 + 一篇博客"。
这个变化是 OpenAI 自己在 set 一个新标准,还是会被整个行业抄走?我倾向于前者。理由很简单:写 Lean 4 证明需要 Lean 4 专家,而全球能写工业级 Lean 4 的人不超过几百个。这种人才密度意味着只有头部公司能跟进,会变成新的能力门槛。
不确定的地方:OpenAI 这份证明到底证到了哪一层。如果是模型架构的不变量,价值有限(任何稍微严谨的 ML 工程师都能写);如果证到了物理层面的守恒律在模型输出上的保持,那才是真正硬的东西——因为这意味着你把"模型预测"和"物理实在"之间的桥梁,用 Lean 类型系统钉死了。从目前公开的信息看,我倾向于前者,但这是接下来 1-2 个月最值得跟踪的点。