马斯克预言成真？Claude一个月攻下理论物理「九圈」难题，中国团队用GPT-6同时算出

来源：投资界

9月25日，Anthropic公布Claude在理论物理领域的一项新成果。

Claude计算出了平面 N=4 超对称杨-米尔斯理论（planar N=4 super-Yang-Mills）中的九圈六粒子散射振幅。

这道题，是前理论物理学家Matt von Hippel在8月公开向AI公司下的战书。

一个月后，挑战被破解。整个过程几乎没有科学上的人工指导。总成本约1000到2000美元，其中核心计算只花了约100美元。

该领域八圈纪录的保持者、斯坦福大学和SLAC国家加速器实验室教授Lance Dixon亲自验证了结果。他坦言，自己原本认为这个问题太难，不可能直接算出来。

几乎在同一时间，中国科学院理论物理研究所的何颂也表示，他的课题组借助GPT-6已经拿到了九圈结果的大部分。

就在几天前，Anthropic刚刚宣布自建湿实验室，并公布了Claude自主发现全新DNA系统ART的成果。

一周之内，从生物到物理，Anthropic正在密集亮出Claude的科研底牌。

难道马斯克预言成真了？近日马斯克在一条AI4S的相关推文中预言：人工智能最迟在明年年底或2028年，就会在所有（科学）领域占据主导地位。

计算物理学、计算化学、计算生物学、计算医学.....甚至计算考古学。逼真的模拟、大数据分析，以及AI将无处不在。

AI4S的新时代，已经全面开启。

01一封战书，一个月被AI破解

Matt von Hippel曾是理论物理学家，如今是科学作家，长期在个人博客上写物理。

近几年，他写物理越来越绕不开AI，但AI圈的专家意见严重分裂：一派认为几年内就会出现超级智能，另一派认为大模型已接近天花板，连像样的物理研究都做不了。

他不想站队，决定亲自出题。

图：Matt von Hippel的博客

有意思的是，他特意避开了数学方向的题目。在他看来数学突破靠灵感，难度很难提前判断。计算难题则不同，需要多少机器跑多少天这个过程可以直接对比的。

于是在8月，他点名挑战AI公司：用普通学者拿得到的计算资源，判断 N=8 超引力在七圈是否发散，或者把N=4超杨-米尔斯算到九圈。

Anthropic选了后者，并最终成功了。

02九圈有多难？领域纪录停在八圈

这道题出自理论物理中“散射振幅”的方向。

散射振幅描述的是粒子相撞时发生各种反应的概率。算得越准，越能和大型强子对撞机的实验数据比对，一旦对不上，就可能指向暗物质等新物理。

圈数越多，计入的量子涨落就越多，结果越精确，但计算量也急剧上升。Matt 在战书里表示：圈数是结果精度的粗略衡量，而且每多一圈，计算量通常按指数、甚至阶乘增长。

所以，九圈的意思是把精度一直推到第九层修正。现实中的粒子物理计算大多停在两圈，最精确的预言之一也只用了五圈。

N=4超杨-米尔斯是一个“玩具模型”，每个粒子配有四个超对称伙伴，不描述真实世界。但正因为结构高度对称，它反而更好算，成了物理学家打磨新方法的试验场。

计算采用的是一种叫bootstrap（自举）的技术。这个过程有点像数独数独。先列出所有可能的答案，再用各种已知规则逐一排除，直到只剩*解。

此前的纪录是八圈，由Dixon团队在2023年取得。而且走的是一条间接路线。先算更简单的“形状因子”，再借助一种奇特的“对跖对偶”对称性，绕回振幅本身。

在业内看来，直接再往前推一圈并不现实。

8月底，Anthropic的两位物理学家Liam Fitzpatrick和Siddharth Mishra-Sharma联系作者表示挑战已经完成。

他们没有动用大规模算力，而是用了Anthropic面向科学家的平台Claude Science，驱动模型为Fable 5.1。

整个流程简单得出奇。研究者先问Claude哪道题它最有把握。随后只给了一句题目：计算平面N=4超杨-米尔斯中六粒子振幅的九圈结果。

此后，人类几乎只是下指令让它继续。其中一次，研究者睡前交代Claude一直算下去，每4到6小时汇报一次进展。

结果Claude不仅算出了九圈结果，还用两种方法各完成了一遍：一种是原始的bootstrap路线，另一种是Dixon团队的间接形状因子路线。

成本方面，任选一种方法，终端用户约需1000到2000美元，主要花在Claude长时间运行上。真正的计算部分用Python和SymPy完成，只花了约100美元。

作者感叹，在他十年前做研究时算是一笔不小的开销，如今只要理由充分，谁都负担得起。

更戏剧性的细节来了。

Anthropic联系作者几天后，中国科学院的何颂团队也发来消息：他们同样算出了九圈结果的大部分。

何颂与 Jirong Jing、Xiang Li 在 Zenodo 上公开了一份数据集，题为《六胶子 MHV 振幅直至九圈的符号》，涵盖二圈至九圈的符号（symbol）数据。

何颂团队也用了AI，不过是GPT-6，但只用于计算部分约束条件，整体框架仍由人类主导。

同一个前沿问题，两种范式几乎同时抵达终点。一边是几乎无人参与的AI自主计算，一边是人类主导让AI助攻。

但他真正佩服的，不是计算量，而是这套流程的脆弱性。整个计算环环相扣，只要一处出错就会全盘崩溃，而且大量构造细节琐碎到论文里都不会完整记录。这意味着，Claude必须从零写出全部代码。

不过被抢先，Dixon并不沮丧。一方面，他的团队本就在用自研transformer模型预测更高圈数，口号之一就是有能力验证机器给出的任何答案。

另一方面，Claude用的全是他们多年积累的方法，连结果格式都与此前保持一致。换句话说，他在验证Claude，Claude也在验证他们过去的所有工作。

Dixon甚至评价：除合作者外，Claude比任何人都更懂他们2019年和2023年的论文。

结果最终将由人类研究者整理发表。

03不是超级智能，但已经足够可靠

尽管结果亮眼，出题人Matt von Hippel的评价却相当克制。

他原本希望看到AI用意想不到的新方法突破计算极限。但实际上，Claude用的都是已知方法，只是比前人多投入了一些算力，工程习惯更好一些，谈不上超级智能。

不过，他从中得出了两个判断。

第 一，低垂的果实比想象中多。即便目标明确，专家也可能高估它的难度。那些常年劝物理学家多雇几个程序员的计算机背景人士，这次被证明是对的。

第二，AI已经足够可靠。这类计算繁琐易错，作者坦言换作自己，一周的工作大概率要拖成两周，因为第 一次几乎必然出错。而这一次，全程没有外部专家介入，平台自己把计算推到了终点。

值得注意的是进步速度。今年3月，AI做物理项目还像个学生，任务小、需要手把手指导、错误不断。仅半年后，它完成的已是通常由领域顶 尖专家攻克的前沿计算。

Dixon则留下了一句更有分量的话：真正值得深刻反思的时刻，会是大模型先于人类提出新的物理原理的那一天。

04 Anthropic的科研版图，正在成形

把时间线拉开看，这不是一次孤立的展示。

9月23日，Anthropic宣布成立生命科学研究组、自建湿实验室，同时公布Claude自主发现全新DNA系统ART。两天后，便是高能物理领域的九圈振幅计算。

同一时期，Anthropic还公布了另一项成果：Claude在不到四周内优化了30多个开源生物分子建模模型，平均提速约4倍。

从生物学发现，到计算工具优化，再到理论物理前沿计算，贯穿其中的是同一个平台：Claude Science。

Anthropic想让Claude扮演的，显然不只是查文献、写代码的助手，而是科研流程中最昂贵、最耗时的那个执行者。

当算得出来变得越来越便宜，科研的瓶颈正在转移：谁能提出好问题，谁能验证答案，谁就握有下一阶段的话语权。

【本文由投资界合作伙伴微信公众号：智药局授权发布，本平台仅提供信息存储服务。】

【免责声明】：本文不构成任何投资建议。市场有风险，投资需谨慎。

如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。