AI刚刚“算”了道物理题，却把理论物理学家的十二年骄傲摔碎了

就在上周，一条科学新闻在学术圈和科技圈同时炸了锅。美国人工智能公司Anthropic宣布，其大模型Claude在“基本无人监督”的情况下，连续运行数天，完成了一项刷新人类纪录的物理计算。

你可能觉得，AI算题有什么稀奇？但这次不一样。这次它算的，是理论物理学界公认的硬骨头。这个纪录，人类保持了十二年。

一、一道让物理学家算了十二年的题

要理解这件事有多“炸裂”，得先弄明白AI到底算了什么。

1.1 粒子物理的“圈层游戏”

粒子物理学家预测粒子碰撞后的行为，依赖一个核心工具叫“散射振幅”。为了逼近精确答案，计算需要逐层叠加修正，物理学家称之为“圈”。每多一圈，计算量不是加一倍，而是指数级膨胀。绝大多数理论计算，止步于两圈或三圈。

1.2 人类十二年的“五圈长征”

被用来测试AI的模型叫平面N=4超杨-米尔斯理论。这是一个高度理想化的简化模型，学界拿它当新计算方法的“练兵场”。以顶尖物理学家兰斯·迪克森为首的团队，从2011年的三圈起步，到2023年才推进到八圈。十二年，五圈。

1.3 AI的“数天奇迹”

Anthropic的研究团队只给Claude写了一句描述问题的提示词，然后基本放手。Claude沿用了迪克森等人发展的“自举”方法，用物理法则逐一排除不合要求的候选函数，并且用两条彼此独立的路径各算一遍。数天后，十万余个非零系数全部一致。单条路径成本约一千到两千美元，总计不过几千美元。

迪克森本人亲自验证了这个结果。他说自己此前认为直接完成九圈计算太难，对Claude能够直接完成感到意外。

二、这件事为什么让物理学家“既兴奋又忧虑”

AI在科学领域“攻城略地”已不是新闻。但这次不一样，它撞上的是一扇门，门后是理论物理学家最引以为傲的领地。

2.1 算法逻辑的“暴力美学”

大语言模型做数学计算，长期被质疑“只会概率生成，不懂逻辑推理”。但这次Claude完成任务的方式，不是“猜”，而是严格沿用了人类物理学家数十年建立的正规方法。它用两种独立路径交叉验证，得出的十万余个系数完全一致。这证明AI已经能够在专家建立的方法框架内，独立完成过去需要顶尖理论物理学家和大量计算资源才能推进的复杂计算。

2.2 科研流程的“成本塌缩”

单条路径成本一千到两千美元。什么概念？聘请一位理论物理博士后工作一整年的成本，足以让Claude把这类计算来回跑上百遍。当复杂计算的边际成本趋近于零时，传统科研中“用一个博士生好几年时间磨一个计算”的模式，面临根本性冲击。

2.3 迪克森那句话的深意

迪克森在评价这次突破时说了一句极其关键的话：真正具备突破性的，是AI开始提出新的物理原理和洞见。而这一次，它“主要使用了人类物理学家过去多年建立的工具和方法”。这句话拆解开来有两层：第一层，AI目前还只是“超级执行者”，不是“问题提出者”。第二层，一旦它跨过那道门槛，理论物理的智识版图将彻底重绘。

三、争议与清醒：AI“解出”的到底是什么

消息传开后，社交平台上出现了不少夸大甚至误读的声音。作为科普博主，有必要帮你厘清几个关键边界。

3.1 这不是“发现新物理”

Claude完成的计算，是在人类已经提出的物理框架内，对一个已知理论模型做的更精确的解析计算。它没有发现新的粒子，没有提出新的理论，没有推翻任何现有认知。AI没有发现新物理。

3.2 九圈计算不等于“物理学终结”

平面N=4超杨-米尔斯理论之所以被选为测试对象，恰恰因为它是一个“简化模型”，不是描述真实世界的完整物理理论。它的九圈计算固然艰难，但它距离“理解真实宇宙”还有漫长的距离。把这次计算等同于“AI搞定了理论物理”，是一种廉价的过度解读。

3.3 学术评价体系正在被“摩擦”

这不是孤例。就在Claude完成物理计算的同月，另一则消息同样值得关注。有匿名用户声称通过OpenAI的模型完成了“刘维尔版哥德巴赫猜想”的证明。但请注意，原版的哥德巴赫猜想至今未被证明，那个被“证明”的只是一个弱化版本，连作者自己都承认“只有对数论极其痴迷的人才会觉得很大”。

更耐人寻味的是，陶哲轩等二十五位菲尔兹奖得主联署了一封公开信，标题叫《AI在数学中的严重错位》。他们警告：科技公司将“解决开放问题”作为模型能力指标，可能忽视数学研究中更重要的理解、原创性、知识传承和学术归属。

四、对普通人意味着什么

你可能觉得，粒子物理离生活太远。但这件事的涟漪，最终会波及每一个靠“专业判断力”吃饭的人。

4.1 “专家”的定义正在被重写

过去，一个专家的壁垒在于“我知道你不知道的”，以及“我能算你算不出的”。AI正在系统性地拆掉第二道壁垒。当“算得出”变得越来越廉价，“判断什么值得算”“如何提出正确的问题”“对计算结果做价值判断”，这三件事的价值将急剧上升。

4.2 科研的“民主化”与“空心化”同时发生

一方面，一个发展中国家的本科生，借助AI，可能做出过去只有顶级实验室才负担得起的计算。另一方面，如果人类研究者只负责“出题”和“验收”，中间最艰苦的智力跋涉被AI代劳，下一代物理学家从哪里获得“在黑暗中摸索”的训练？这是一个还没有答案的问题。

4.3 给非科研从业者的启示

你不需要懂散射振幅。但你需要理解一个趋势：在你的行业里，那些“规则明确、路径清晰、但执行极其耗时”的任务，正在被AI以惊人的速度接管。你的护城河应该往“定义问题”和“价值判断”的方向移动，而不是往“熟练执行”的方向加深。

五、门被敲响了，但门后是什么

回到迪克森那句话。他说，多数理论物理学家早就承认大模型迟早会改变物理学，只是不知道这一天何时到来。

现在他们知道了。

这次的九圈计算，像一次“敲门测试”。AI证明了自己可以胜任极其复杂的执行工作，而且做得又快又便宜。但它还没有证明自己能提出“杨-米尔斯理论”本身，也没有证明自己能意识到“原来胰高血糖素前体里还藏着另一段序列”（GLP-1的发现历程，是纯粹的人类洞察力的胜利）。

AI是强大的伙伴，但还不是新问题的提出者和新模型的创造者。这个判断目前是准确的。

但它会一直准确吗？没有人知道。

唯一确定的是，门已经被敲响了。而门后站着的人，需要决定是开门，还是加固门锁。这个决定，AI替你做不了。