Anthropic 官方宣布，Claude 在理论物理领域创造了一项新纪录。

该系统在几乎不需要人类介入的情况下，连续运算数日，成功攻克了高能物理中一项以计算复杂著称的“九圈散射振幅”难题。

具体而言，它计算出了平面 N=4 超杨-米尔斯理论中六粒子振幅的九圈结果，而人类此前的最好成绩是八圈。

需要指出的是，杨-米尔斯模型中的“杨”，指的是物理学家杨振宁先生。

他与米尔斯于 1954 年共同提出的“杨-米尔斯理论”，是整个现代粒子物理学的根基。

任何基于该理论的高阶计算，都被视为对人类智力极限的考验。

如今，顶尖的理论物理学家，就这样被人工智能“抢先一步”。

更令人惊讶的是，Claude 完成这一惊人挑战，只使用了一条提示词，花费仅为几千美元。

几天后它交出的结果中，仅其中一部分展开就有 300 亿项。

看起来，科学领域里容易摘得的成果，比人们想象的要多。

此次负责验证 AI 结果的物理学家 Lance Dixon 感慨道：

我身边大多数理论物理学家早就承认，大语言模型迟早会颠覆物理学，只是不知道那一天何时到来。

对我而言，那一天是 9 月 1 日。

硬核物理学家向 AI 发起挑战：“我的领域很特殊”

事件的起因，来自一位物理学家的“挑战”。

Matt von Hippel 曾是一名理论粒子物理学家，现在是一名科普作家。

面对近期关于 AI 的新闻，他表示除非亲眼看到大模型解决他所在领域的难题，否则不会相信。

深蓝击败国际象棋大师卡斯帕罗夫时，围棋界认为围棋太复杂，电脑无法胜任，结果被 AlphaGo 证明是错的。

AlphaFold 超越了人类蛋白质结构专家，但其他领域认为他们没有类似数据，无法复制。

现在，大语言模型能阅读文献、模仿数学证明，但争论仍在继续：AI 是否只会找反例，无法提出新框架？是否只在数学这种规则明确的领域有效，而在物理这种模糊领域无用？

每次的模式都一样：学者们先表示怀疑，直到 AI 侵入他们自己的领域。

他认为他曾经的领域“散射振幅”，情况会有所不同。

上个月，他在个人博客上向所有 AI 公司发出了一封“挑战信”：

如果你们 AI 公司真的想震撼我们这些科研人员，就来挑战我的老本行吧！

请证明 AI 能在普通学者负担得起的计算预算内，解决散射振幅领域悬而未决的难题。

他一共出了三道题，其中一道是：

把 N=4 超级杨-米尔斯模型（N=4 super Yang-Mills）计算到第九圈（Nine Loops）！

在理论物理学中，物理学家通过“散射振幅”公式来预测粒子行为，例如大型强子对撞机中粒子的碰撞方式。

但这个公式极其复杂。为了无限逼近真实答案，物理学家必须一层层叠加被称为“圈”的精细修正层。

每增加一个“圈”，答案就更精确，但计算量呈指数级增长。

在实际操作中，大多数人停留在第二圈或第三圈。粒子物理学中最精确的预测，也才用到第五圈。

而在特殊的“测试沙盒”模型中，人类目前的极限纪录是“八圈”，由 SLAC 国家加速器实验室的教授 Lance Dixon 及其团队多年努力才取得。

“九圈”？这看起来是需要海量算力和无数天才大脑花费数年才能触及的领域。

Matt 给 AI 的挑战，就是这么直接。

一条提示词，几千美元，Claude “大显身手”

面对这种公开叫板，Anthropic 的科学家们悄悄接下了挑战。

八月底，Anthropic 的两名物理学家员工 Liam 和 Siddharth 联系了 Matt：“嗨，你的挑战，我们搞定了。”

Matt 当场震惊。他们是怎么做到的？难道花费了上百万美元的算力？

并非如此。

研究团队使用的是 Claude Science，一个为科学家设计的、能让 Claude 遵循严谨规则运行的系统，模型是目前最强的公开可用模型 Fable 5.1。

他们给 Claude 输入了一个简单的提示词：

现在的问题是：计算平面 N=4 SYM 模型在九圈下的六粒子（六边形）振幅。

然后，研究员并没有手把手教 Claude 怎么做，而是给它留了一句话：

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。

之后，Claude 就在无人值守的情况下，开始了疯狂的推演。

它运用了 Dixon 和合作者这些年开发的一种叫做“自举”的方法，就像解一场数独游戏一样，在无数参数中不断排除错误选项。

几天后，Claude 不仅算出了九圈，而且是用了两种不同的物理方法（原始自举法和间接形状因子法）分别算出来的。

具体来说，在原始自举法中，Dixon 团队用的方法叫 bootstrap，类似于数独，把所有可能的函数全填进格子里，用物理法则一个个排除，剩下的就是答案。

Claude 直接使用 Python 和开源库 SymPy，在六粒子振幅的空间里硬算出了一条路。

在间接形状因子法中，当年 Dixon 他们冲八圈时，先算了个简单的“形状因子”，再利用一种奇特的“对跖对偶”对称性，把结果翻译成振幅。

Claude 顺着这套方法，又往上推了一圈。

在形状因子这一路，Claude 没有计算任何一个费曼积分。它把整个物理问题变成一个超大的方程组，全程用整数求解，不会有小数误差，还能换几个大素数反复验算。

第一道难关是内存。按照老办法推到九圈，光未知数就有 185 万个，方程组大到内存根本装不下。

Claude 换了个思路，利用对跖对偶先把答案的一部分“猜”出来，再加上对称性，未知数一下从 185 万降到了 7.6 万个。

接下来就是解“数独”。7.6 万个未知数，被物理规则一轮轮排除，最后只剩唯一解。

最后翻译回振幅，光一个切面上的结果就有 300 多亿项，而八圈时只有 16.7 亿项。

而且，解决人类物理学界的悬案，花费极低。

按普通用户的价格算，每条路要一两千美元，两条加起来几千美元，大头是 Claude 长时间运行的费用。

而直接自举那一路，纯粹用于运行 Python 代码的算力成本，仅仅只有 100 美元 —— 这只相当于租用了 96 个 CPU 跑了一个星期。

100 美金，一条提示词，Claude 在几天内就轻松地突破了理论物理学的极限。

前世界纪录保持者：“被 AI 抢先了，但我很兴奋”

结果算出来了，但正确吗？

Anthropic 的团队找到了“八圈”纪录保持者 —— Lance Dixon 教授本人来验证。

那天是 9 月 1 日，巧合的是，正好也是 Fable 5.1 发布当天。

Dixon 教授拿到结果的那一刻，内心极为震撼。因为他深知这有多难。

从 2023 年算完八圈之后，他和他的团队这两年一直在一筹莫展地死磕九圈。

整个计算过程就像是在搭一个扑克牌城堡，或者烤一个舒芙蕾，中间只要有一个代码写错、一个符号标反，整个计算就会彻底崩溃。

但 Claude 不仅没有崩溃，还从头开始自己把所有繁琐的代码全写了，完美避开了所有的坑。

经过长达两周的仔细验证，Dixon 教授确认，Claude 的九圈结果正确无误。

那么 Dixon 教授感到心碎吗？

“不会，”Dixon 教授在博文中豁达地写道，理由有两个。

一是他们团队本来就在训练定制的 transformer 模型预测更高圈数，口号是机器给出的任何候选答案都有工具验证。Claude 也是 transformer，只是大概比他们的大一百万倍。

二是 Claude 用的全是他和合作者这些年开发的方法，交答案时还用了他们团队早就定好的格式（教授猜，这是 Claude 在给他们卖面子）。

我在验证 Claude 的结果，Claude 也在验证我们过去所有的工作。

他还给出了一个极高的评价：

除了我和我的合著者，Claude 可能是这个世界上最懂我 2019 年和 2023 年发表的论文的“人”了。

而他的同组大佬 Kyle Cranmer 还在 X 上表示困惑，“刚发现我们组被 Anthropic 抢先发表了，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。”

极限反转：中国团队靠 GPT-6 也杀到了九圈

有趣的是，Anthropic 刚找完出题人 von Hippel 没几天，他又收到了另一个重磅消息 —— 来自中国科学院理论物理所的何颂团队。

何颂是国内散射振幅领域的大牛，近年代表性工作包括提出量子场论散射振幅的 Cachazo-何-袁形式，开创性地发现场论和弦论散射的几何起源，并在场论高圈计算和严格求解，规范场、引力和弦论的对偶等方向做出了一系列重要工作。

就在 9 月 17 日，何颂、景继荣、李想把六粒子振幅从二圈到九圈的核心骨架数据，公开挂上了学术平台 Zenodo。

论公开发布时间，比 Anthropic 官宣还早了 8 天！

何颂团队同样用上了 AI。Dixon 透露，GPT-6 帮中国团队算了一部分约束条件，不过整体框架还是人类自己搭的。

von Hippel 也确认，他们确实用了 GPT-6 做辅助，但绝不是 Anthropic 那种纯 AI 打法。

Dixon 自嘲说，“大家好像就是喜欢跑来告诉我，他们把九圈给搞定了。这下好了，我先被一台机器抢发，转头又被‘人类 + 机器’联手抢发了一次。”

前不久 OpenAI 宣布攻克千禧年难题纳维-斯托克斯方程、Claude 推进黎曼猜想的一个关键下界的时候，就有人这样问：为什么 AI 只去攻克数学难题，不去攻克物理难题？

现在，这不就来了么。

虽然 Claude 算出的只是 N=4 超级杨-米尔斯的“玩具模型”，距离解释真实宇宙的暗物质、反物质还有很长的路要走，但它的象征意义是空前的。

这就像是 AlphaGo 第一次战胜李世石。大家惊呼的，是机器居然能掌握属于人类直觉的领域。

Dixon 教授留下了一句耐人寻味的话：

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。

或许，现在已经遍地都是低垂果实。

参考资料：

• https://x.com/ anthropicai / status/2103541577083719888
• https://www.anthropic.com/ research / yes-claude-can-do-nine-loopshttps://itp.cas.cn/ sourcedb / zw / zjrck / dsjs/201509/t20150910_4423219.htmlhttps://arxiv.org/ pdf/2602.12176