Claude 算到九圈后，物理学家发现自己高估了那堵墙

先说结论

一个 AI 把理论物理计算推进到“九圈”，最值得注意的不是那个数字，而是出题人的改口：他原以为这道题会卡在算力上，结果发现，真正没被充分利用的是已有方法、代码组织和耐心。AI 没有发明新的物理定律，却可能把许多被专家认为“太难做”的工作，重新变成可以执行、可以检验的工程任务。

事情是怎么发生的

8 月，曾研究散射振幅的物理学家 Matt von Hippel 向 AI 公司出题：用普通学术界负担得起的计算资源，把一种理论模型中的六粒子散射振幅算到九圈。“圈”越多，计算越复杂；此前这个特定问题的前沿是八圈。他想知道，AI 能否绕开人们以为存在的计算障碍。

9 月 25 日，von Hippel 在 Anthropic 网站上讲述了结果。该公司研究人员让 Claude 在科学工作平台中持续工作，分别沿直接计算和借助相关“形状因子”的路径求解。平台、提示和工具共同参与，不能把它写成一次聊天框里的神奇回答。直接计算所用的传统计算资源，据其披露约为 96 个 CPU 运行一周；面向付费用户的整套 AI 使用成本，估算为每条路径一两千美元。参与此前八圈研究的 Lance Dixon 核查了结果，公开的数据文件也列出了方法、交叉检查和未完成的验证。

故事还有一个关键转折：另一支研究团队几乎同期也做出了结果的主要部分，同样用了 AI 辅助，但组织方式更偏向人机协作。九圈并非只有 Claude 才够得到的秘密答案。

为什么重要

von Hippel 原本想检验一个更大胆的命题：AI 能否以出人意料的方法突破计算极限。他最后给出的判断反而克制——我们可能把那条极限画得太早了。Claude 主要沿用研究者已经建立的理论约束和计算路线，把繁琐、容易出错的步骤持续接起来。这揭示一种容易漏算的能力：不是替科学家凭空提出理论，而是把论文里可行、现实中长期无人完整执行的方案变成结果。

如果类似现象在更多领域成立，科研工具的竞争重点会从“能回答多少问题”，转向“能否长时间组织计算、留下可检查的中间产物、让领域专家迅速复核”。它也会改变课题选择：过去因编程、调试和等待成本被搁置的问题，可能值得重新排队。

站得住与站不住的地方

站得住的是：这不是只凭宣传图说成功。Dixon 参与了核查，两条计算路径有相互比对，数据和部分验证记录已公开。但公开资料也明确说，计算程序没有发布；九圈结果中有些系数仍以模素数形式给出，作为完整函数的版本尚无第二次独立计算。可核查，不等于每一层都已独立复现。

站不住的是把这个案例直接推成“AI 独立发现新物理”或“计算极限已被突破”。它发生在结构特殊、方法积累深厚的理论模型中，离真实实验的预测还有距离；另一团队的并行进展也提示，人类先前可能低估了现有路线的潜力。von Hippel 自己说，这次没有回答他关于超级智能未来的疑问。

接下来该盯什么

看两件事：独立团队能否依据公开产物复核完整函数，相关方法能否迁移到约束更少、与实验更接近的问题。如果答案都成立，这次九圈计算才会从一个漂亮的单例，变成科研工作方式变化的证据。