理论物理向来以人类直觉为荣，但眼前这则科技动态重新划定了边界：Anthropic的Claude在几乎没有人类干预的情况下，用数天时间解出九圈散射振幅，打破人类保持的八圈纪录。从一句提示词到300亿项结果，AI与物理学家之间的关系正进入全新阶段。
物理学家放下“英雄帖”，AI静默接招
故事的开端并非来自实验室白板，而是一位物理学家的公开叫板。马特·冯·希佩尔曾是一名理论粒子物理学家，如今以科普写作者身份活跃在学术圈。他参与过2016年五圈、2019年六圈和七圈散射振幅论文，深刻理解该领域每一步推进背后的艰辛。面对大模型在各行各业的高调亮相，冯·希佩尔决定给AI出一道“老本行”的考题：有本事，就把N=4超级杨-米尔斯模型（N=4 super Yang-Mills）的六粒子振幅算到九圈。
这道题有多苛刻？在散射振幅领域，每一层“圈”的叠加都会让计算体系迅速膨胀。人类目前在该测试模型的最高纪录是八圈，由SLAC国家加速器实验室教授兰斯·迪克森及其团队耗费数年取得。想要突破第九圈，不仅需要海量算力，更需要对物理结构拥有近乎直觉般的洞察力。冯·希佩尔原以为AI无法企及，却没想到Anthropic的科学家悄悄接下了战书。
八月底，Anthropic两位物理学家出身的员工主动联系他，表示计算已经完成。冯·希佩尔的第一反应是怀疑：难道他们烧掉了几百万美元的GPU？答案却恰恰相反。研究人员使用的Claude Science系统，以及公开可用模型Fable 5.1，以极低成本完成了这场极限冲刺。对于许多科研人员来说，这种“从单点工具到科学助手”的演进，也正是AI工具导航类平台最乐于呈现的典型范式：AI不再只是对话式玩具，而是能独立解决专业难题的基础设施。
“圈”的谜题：从杨振宁到神经网络的接力
要理解这次突破的分量，需要回溯杨振宁与米尔斯在1954年共同创立的杨-米尔斯理论。这一理论是整个现代粒子物理学的基石，几乎所有高能物理预言都无法绕开它。而散射振幅则是物理学家预测粒子行为的核心公式——大型强对撞机中粒子如何碰撞、如何散射、如何产生新粒子，都由它来描述。
“圈”是量子场论中的修正层：第一圈是经典结果，第二圈加入量子修正，第三圈精度进一步提升，然而每多算一圈，计算规模就会以指数级速度膨胀。多数人类计算停留在二到三圈，粒子物理学中最精确的理论预测也不过推进到五圈。八圈纪录是由迪克森团队用多年时间死磕出来的，而如今Claude仅用几天时间就推到了九圈。
这种落差极具象征性：在生成式模型用AI图片生成技术将文本转化为惊艳画面的同时，同样的Transformer架构在物理世界展现出惊人的抽象推理能力。如果说扩散模型是在高维空间中重构图像的概率分布，那么Claude所做的，就是在数亿项数学表达式中筛选出符合物理规律的唯一答案。本质都是一种从噪声到秩序的生成过程，只是后者的每一步都由严密的符号逻辑所约束。
事实上，当外界还在争论“AI是否只是在数学领域占优”时，九圈计算已经用行动代替了辩论。物理学的模糊性没有难倒大模型，相反，Claude恰好在不依赖人类直觉指引的情况下，走出了一条属于机器的解题路径。
无人值守的AI计算：Claude如何“一夜通关”
Anthropic团队使用的Claude Science系统，是一套为科学研究设计的严格运行环境。模型版本为Fable 5.1，被设定为遵循严谨验证规则，而非自由发挥。输入提示词极其简洁：要求计算平面N=4 SYM模型在九圈下的六粒子（六边形）振幅。随后，研究员留下一句话：“我要去睡觉了，接下来的几个小时我都不会在。你继续算，除非我叫你停，每隔4到6小时给我汇报一次进度。”
接下来发生的事情让整个高能物理界侧目。Claude在无人值守的状态下自主调用Python和开源符号计算库SymPy，采用迪克森团队提出的“自举法”（bootstrap）展开推演。这个方法类似解数独：将全部可能的函数填入网格，再用物理规则逐轮剔除错误选项，最终剩下的就是正确答案。Claude以极强的工程能力，从头编写了所有需要使用的代码，绕开了人类常犯的符号错误和内存溢出陷阱，连续运行数天直到完算。
从研究路径来看，这次挑战已经不单纯是“模型对话”或“文本生成”，而是AI Agent技术的真实写照——AI能够自主规划任务、选择工具、迭代策略，并在长时间跨度内保持稳定的工作状态。有人将Anthropic这次为Claude配置的执行环境称作AI工具箱，这套工具箱里既有符号计算引擎，也有物理规则约束机制，更有检查中间结果的自动校验模块。正是这种组合让Claude完成了对一项人类科学遗产的快速消化和再创造。
185万变量降到7.6万：一场数学上的极限逃生
攻克九圈绝非一路坦途。Claude遭遇的第一道障碍是内存。按照传统方法推算，未知数多达185万个，方程组规模大到服务器根本装不下。Claude的应对策略是使用迪克森团队开发的“对跖对偶”对称性，先推测出答案的一部分结构，再结合对称条件压缩剩余未知数。这个步骤一气呵成，将185万变量降至7.6万，原本不可计算的问题瞬间变得可行。
接下来就是一场“数字版数独”。7.6万个未知数，在物理法则的筛选下逐轮缩小范围，最终只剩下唯一解。当Claude把结果翻译回六粒子振幅表达式时，一个切面就包含超过300亿项，而此前八圈时仅为16.7亿项。换作人类团队，这样的表达体量几乎无法手写检查，但AI却能反复比对和验证。
更令人震撼的是成本。按Anthropic给出的估算，两条计算路线各需一两千美元，合计不超过几千美元。其中“直接自举法”路线的纯算力开销只有约100美元——相当于租用96个CPU核心运行一周。这与“需要数十名物理学家耗费数年时间”的传统模式形成鲜明对比。某种程度上，这让现代科研像极了AI画图工具的生成流程：用户给出一个高层次的构想，模型在高维空间中快速渲染出无数候选方案，再以物理规律作为判别器筛选出最终呈现。区别在于，这里的“画布”是宇宙的底层数学结构。
验证者Dixon的两周：被AI“截胡”之后的豁达
拿到结果后，Anthropic团队找到了上一任八圈纪录保持者兰斯·迪克森教授，请他验证答案。那天是9月1日，恰逢Fable 5.1模型正式发布。迪克森在看到结果的一瞬间便意识到，Claude完成了他和团队整整两年都没有突破的“九圈”难题。
他用两周时间严格验证所有推导步骤和数据，最终确认结果正确无误。迪克森在回应中展现出罕见的豁达。他给出两个理由：其一，他们团队一直尝试用定制Transformer模型预测更高圈数，Claude本质上也是Transformer，只是规模大约是他们的模型的一百万倍；其二，Claude在计算中使用的全部方法和验证格式，都是他与合作者多年积累的成果。他甚至调侃道：“我在验证Claude的结果，Claude也在验证我们过去所有的工作。”
迪克森给予了一个极为微妙的评价：“除了我和我的合著者，Claude可能是世界上最懂我2019年和2023年发表的论文的人。”他的同事凯尔·克兰默则在社交平台上形容这种冲击：“刚发现我们组被Anthropic抢发了，我还在消化……虽然不算太意外，但我真希望当初我们能有时间和资源投进去。”
这种既震撼又欣慰的复杂情绪，让人联想到另一个场景：当人们用AI诗词工具创作出媲美人类的诗句时，诗人并不会愤怒，反而会思考文字背后的秩序。物理学家面对Claude时也一样，看到的是一个系统读懂了他们过去十年写的所有“诗行”，并把这些“诗行”延展到了他们未曾抵达的远方。
中科院团队同时撞线，GPT-6助阵下的“低垂果实”
耐人寻味的是，Anthropic联系冯·希佩尔后没过几天，又传来另一条重磅消息：中国科学院理论物理所的何颂团队，于9月17日在Zenodo平台公开了六粒子振幅从二圈到九圈的核心骨架数据，比Anthropic的正式官宣还要早8天。
何颂团队是国内散射振幅研究的佼佼者，曾在场论高圈计算、规范场与弦论对偶等领域做出重要成果。与Anthropic的纯AI路径不同，中国团队选择的是“人类框架+AI辅助”路线。据迪克森透露，何颂团队使用了GPT-6帮助计算部分约束条件，但整体推理架构仍由人类搭建。冯·希佩尔同样确认，中国团队使用GPT-6作为辅助工具，并没有像Anthropic那样让AI完全主导。
于是戏剧性的一幕上演了：迪克森自嘲道：“大家好像都喜欢跑来告诉我，他们搞定了九圈。这下好了，我先被一台机器抢发，转头又被人类和机器联手抢发了一次。”从纳维-斯托克斯方程到黎曼猜想的重要下界，再到今天的九圈散射振幅，AI解决基础科学难题的频率正在急剧加速。对科研界而言，一个遍地“低垂果实”的时代似乎已经来临。
更值得关注的是，刘慈欣式的科幻叙事里，人类总担忧AI是否会独立提出物理理论；而现实中的大模型训练体系，已经在默默改变科学发现的方式。可能性并不遥远：未来某天，大模型将不再只是执行人类设定的复杂配方，而是开始在人类之前提出新的物理学原理和洞察力。到那时，物理学家面对的不再是一台计算器，而是一个需要重新理解“创造力”的同行。
迪克森对此留下了一句耐人寻味的总结：“大型语言模型能够执行我们设定的复杂配方并组织计算，这是一个巨大的胜利。但当有一天，大语言模型开始在人类之前提出新的物理学原理和洞察力时，那才是真正触及人类灵魂的时刻。”九圈纪录只是一个开始，AI与物理学的对话，恐怕才刚刚翻开序章。