花两千美元，干翻人类顶尖实验室几年的硬骨头。这不是科幻电影桥段，是Anthropic上周扔进科技圈的一枚深水炸弹。一条推文引爆近百万浏览，物理学家们沉默了，AI狂热者狂欢了，但真相远比情绪复杂。

理论物理里有个专治各种不服的计算难题，叫散射振幅。算得越精细，需要的“环数”就越多，计算量呈指数级爆炸。过去十年，这个领域的天花板死死卡在八环，由斯坦福SLAC实验室的Lance Dixon教授创下纪录。直到上个月，科学作家兼前物理学家Matt von Hippel在博客甩出一句挑战：“如果AI真想吓唬或说服我们，就拿学术界能负担的预算，把N=4超杨-米尔斯理论推到九环。”

物理学家设局，结果被代码按在地上摩擦

有意思的是，Anthropic的物理学家Liam和Siddharth直接接招。没有造超级计算机，没有搞神秘算法。他们只在Claude Science平台上敲了一行提示词：“请计算平面N=4 SYM的九环六粒子振幅。”然后留言：“我去睡了，几小时后来找我汇报，别停。”

接下来几天，模型自己跑Python、调SymPy包、用Bootstrap方法硬算。总花费不到两千美元，其中纯算力成本仅一百出头。说实话，这种“给个框架就自己卷”的执行力，连很多人类研究员都自愧不如。我们总以为前沿计算需要烧钱堆集群，但现实是，合理的软件工程和持续的算力调度，就能撬动意想不到的杠杆。

没有魔法，只有死磕到底的“笨功夫”

“如果配方里错了一个符号，整个计算就会像失败的舒芙蕾一样瞬间塌掉。”

结果出来，Dixon教授亲自上手验算。独立验证通过。但这里有个反直觉的转折：Claude根本没发明新数学。它只是把人类几十年积累的“旧方法”，用更严谨的工程习惯和稍微多一点的算力，死磕到了底。von Hippel事后复盘直言，这根本不是超智能的降临，而是“低垂的果实比我们想象的要多”。我们一直以为的算力壁垒，其实只是执行力的门槛。

个人觉得，这点我不太认同那些把AI当黑盒造神论的说法。这次实验最扎心的地方不在于模型多强，而在于它照出了人类科研的惯性。顶尖学者花了几年布下的计算阵型，被一个模型靠“听话+不停机”轻松拆解。中科院的Song He团队同期也蹭上了进度条，用的也是GPT-6辅助约束条件。你看，没人被冒犯，反而松了口气。因为Claude交出的答案格式，完美契合人类期刊的发表标准。它在验证结果的同时，顺便帮我们验证了过去十年的工作。

没发明新公式，却踩碎了“算力焦虑”

老实讲，March的时候大家还在说AI做物理像个需要手把手教的学生。现在呢？一次提示词，无人监督跑几天，直接交出前沿级结果。技术确实在真金白银地变好。但这并不意味着危险解除，也不代表神话达成。

Dixon在补充说明里写得很清醒：机器能完美执行菜谱，值得鼓掌；但真正让人失眠的时刻，会是AI开始自己设计菜谱的那天。目前的技术还在“做题家”阶段，离“出题人”还差着真正的物理直觉。当暴力破解变成日常标配，下一个问题不该是“它能算多快”，而是“我们该让它去解哪道还没人敢写的题？”

参考链接：
https://x.com/AnthropicAI/status/2103541577083719888