一个提示词，几天时间，几千美元，九圈。
人类物理学家算到八圈就停了。Claude 没停。
Lance Dixon 在圈内是响当当的人物。他研究超杨-米尔斯理论几十年，见过无数计算纪录被刷新。这次他没有说机器赢了。他早就承认，大模型迟早会颠覆物理学。
这句话比结果本身更扎心。被颠覆的是人类脑力极限这个说法。一个具体数字倒在其次。
九圈，到底难在哪
平面 N=4 超杨-米尔斯理论，是理论物理里一个高度简化的模型。物理学家拿它当练习册，因为它的数学结构干净，能用来检验新方法。
六粒子振幅，九圈结果。
听起来像黑话。翻译一下：把一堆可能的过程全部展开，写成一个巨大的数学表达式。这个表达式有多少项。部分展开就有 300 亿项。
300 亿项是什么概念。如果你每秒写一项，不吃不睡，要写将近一千年。
人类之前的最好成绩是八圈。从八到九，看起来只差一圈。计算量会指数级爆炸。
Anthropic 的团队只给了一个提示词。没有人工拆解，没有手把手引导。Claude 连续运行了几天，中间几乎没人干预。
它凭什么能做这种计算
我有个朋友在高校做理论物理，平时算个三圈结果就要跑半个月的集群。他看到这个新闻，第一反应是假的吧，第二反应是我们组是不是该买 API 了。
很多人以为大模型只会预测下一个词。写写文章、编编代码还行，怎么可能做那种连顶尖物理学家都头疼的超高难度符号运算。
关键在符号操作。
大模型训练时见过海量数学文献、推导过程、计算代码。它学到的是数学符号之间的模式，物理本身它并没真正弄懂。哪些项可以合并，哪些积分有标准套路，哪些组合在对称性下会消失。
这些经验被压缩在参数里。遇到新问题时，它能把模糊的模式匹配，变成一步步的符号操作。
说白了，它像一个刷了十万道积分题的考生。没见过这道题，但见过所有类似的变形。
算出来了，就代表它懂吗
不懂。
它不知道超杨-米尔斯理论描述的是什么力。不知道这个振幅对应哪个散射过程。不知道九圈结果在物理上意味着什么新性质。
它只是把符号搬来搬去，搬得比人快，比人稳，比人不怕烦。
这就像一个计算器能算出根号 2，但它不知道根号 2 在几何上是什么。
物理学家要的不只是数字。他们要的是为什么是这个结果、这个结果背后有没有新对称性、能不能从结果反推出更深的原理。这些，大模型给不了。至少现在给不了。
为什么物理学家会说颠覆
因为物理学的研究方式可能要变了。
过去，一个理论物理学家最值钱的能力，是推导。是面对一页纸的费曼图，一步步化简，熬几个通宵，最后得到一个简洁的结果。
现在，大模型可以承担最脏最累的符号计算。物理学家要做的，是提问题、找方向、判断结果有没有意义。这反而更考验人。
工具越快，人的判断力越重要。因为你可以一天跑一百个计算，但哪个值得深挖，哪个只是噪音，得靠物理直觉。
我那个物理系的朋友最后说了一句话：以后组里招人，可能得加一条，会用大模型做符号计算。它不淘汰谁。会用的人，会把不会用的人甩开。
那普通人该关心什么。两个提醒。
第一，大模型的能力边界，比我们想的宽。它能碰的，不只是写文案、做表格。符号推理、数学推导、代码生成，它都在往里走。
第二，别被 AI 懂了这种话带偏。它做得出来，和它理解，是两码事。前者是能力，后者是意识。目前八字没一撇。
Claude 算出九圈那天，物理学家没有失业。他们多了一个不知疲倦的助手。这个助手不会喊累，不会算错，不会在凌晨三点把负号漏掉。
但它也不会在深夜盯着结果发呆，不会突然拍桌子说，我好像看到了新东西。那部分，还得人来。
点个在看，转发给那个学物理的朋友。