理论物理学家、科普作家 Matt von Hippel 向 AI 企业发起挑战：没错，Claude 成功完成了九圈计算

苏哲管理咨询

2026-09-26

导读：AI 仅擅长执行成熟方法，尚未能够自主提出全新物理规律。学界由此展开讨论：AI 可低成本完成前沿复杂符号计算，但关于超级智能的风险争论，本次实验仍未给出决定性答案。理论物理学家、科普作家 Matt v

编者摘要：理论物理学家、科普作家 Matt von Hippel 向 AI 企业发起挑战：要求 AI 以普通学术预算，求解 N=4 超杨 - 米尔斯理论九圈六粒子散射振幅这一粒子物理前沿难题。此前人类仅完成八圈计算，九圈被普遍认为难以直接求解。Anthropic 团队借助 Claude Science 调度框架，仅用约 100–2000 美元成本，以 96 核 CPU 运行一周，分别采用自举法与形状因子对偶两种独立方案完成九圈振幅计算，过程近乎自主运行，仅需简单提示词维持任务推进。SLAC 的 Lance Dixon 独立核验确认结果；同期中科院何颂团队利用 GPT-6 辅助，也得到该振幅的符号部分。本次突破并非 AI 发明全新物理原理，而是熟练复用人类已有的自举理论与代码框架。事件表明理论物理领域仍存在大量被专家低估的低垂科研成果，但 AI 仅擅长执行成熟方法，尚未能够自主提出全新物理规律。学界由此展开讨论：AI 可低成本完成前沿复杂符号计算，但关于超级智能的风险争论，本次实验仍未给出决定性答案。

10 个关键问题 Q&A

Q：Matt 为什么发起九圈振幅这个 AI 挑战？ A：他想亲眼验证 LLM 能否用学术级低成本算力攻克理论物理前沿难题，用来判断 AI 科研能力，而非单纯看 AI 在数学上的新猜想。
Q：N=4 超杨 - 米尔斯是什么，为什么选择它作为 “玩具模型”？ A：是高度对称的量子场论，不描述现实宇宙；但粒子抵消效应简化计算，适合测试振幅计算新方法。
Q：什么是散射振幅与圈阶，圈数越高代表什么？ A：散射振幅计算粒子碰撞反应概率；圈代表量子修正阶数，圈数越高计算复杂度爆炸式上升。
Q：在 Claude 算出九圈之前，人类进展到哪一步？ A：人类完成八圈振幅；学界普遍认为九圈振幅很难直接求解，计划迂回通过形状因子分步推导。
Q：Anthropic 是如何让 Claude 完成九圈计算的？ A：使用 Claude Science 调度框架，给基础任务提示词，指令模型持续推进；用两种独立方法交叉验证结果。
Q：本次计算的算力和成本是什么水平？ A：96 核 CPU 运行一周；自举路线仅约 100 美元，完整方案总成本约 1000–2000 美元，普通科研人员可负担。
Q：Claude 这次是否提出了全新物理理论或者计算方法？ A：没有，完全复用人类多年发展的自举法与形状因子对偶理论，只是自主编写代码、执行整套复杂流程。
Q：同期人类团队进展如何？ A：中科院何颂团队借助 GPT-6 辅助，算出九圈振幅的符号部分，整体框架仍由人类主导。
Q：Lance Dixon（领域权威）如何看待被 AI 抢先算出结果？ A：并不沮丧。AI 验证了他们多年的理论；但真正颠覆性时刻是 AI 自主提出新物理原理，而不只是执行已有方案。
Q：这个实验能证明超级智能相关猜想正确吗？ A：不能。它证明 AI 可以低成本执行复杂前沿计算，但没有回答超级智能、新型风险这类长期争论。

附录没错，Claude 成功完成了九圈计算

2026 年 9 月 25 日

在这篇客座文章中，物理学家、科学作家马特・冯・希佩尔（Matt von Hippel）分享了他向多家 AI 企业发起一项挑战后的故事：题目来自他曾经深耕的理论物理子领域。

你很少会提出一项挑战，短短一个月后就看到有人攻克它。但我们正处在一个非同寻常的时代。

先做个自我介绍：我是马特・冯・希佩尔，曾经是一名理论物理学家，如今是科学作家。一直以来我都坚持写博客，在 https://4gravitons.com/ 每周更新，主题围绕物理学以及做物理研究的人。

写物理博客，越来越多地变成写 AI 博客。这有点麻烦，因为我绝非 AI 领域专家。当然，我读过相关论文，也看过 arXiv 上 2502.05121 这篇文章。我的了解程度大概率比家里长辈要强。但大多数时候，我只能选择退后一步，信赖领域专家。令人沮丧的是，专家们的观点本身就相互矛盾！我听过不少学识渊博、思路清晰的人断言：距离超级智能只剩数年，而超级智能能够做出真正骇人之事。我也听过另一群同样睿智、消息灵通的学者持完全相反的看法：基于大语言模型的 AI 已经接近能力天花板；像 Claude 这类模型，甚至无法完成有分量的物理研究，更谈不上征服世界。

我一直不愿做出自己的预测。在形成观点前，我希望亲眼看到大语言模型在一个我熟悉的方向取得进展 —— 这件事很难，因为我自己也曾尝试过同类工作。

除此之外，我希望看到 AI 攻克计算层面本身就很难的问题。毫无疑问，大模型在数学领域取得了令人瞩目的突破，《量子杂志》那篇 AI 攻克千禧年百万奖金数学难题的报道，大概率已经改变了很多人的想法。但数学上的突破来自全新思想，而思想本身难以衡量难度：在找到答案之前，没人能说清找到这个想法到底有多难。计算复杂度则要实在得多。我想让大模型挑战这样一类难题：不是因为研究者原则上不知道怎么解，而是求解需要远超科研人员可获得的算力与时间。我想验证这些研究者的判断是否错了：一个更聪明的人工研究者，使用同等规模的算力，是否依然能解决该问题。

于是，我发布了这篇博文：https://4gravitons.com/2026/08/07/it-only-counts-when-ai-gets-to-my-field/

“如果 AI 公司想打动像我这样的人（或是震慑我们），就必须进军我曾经的研究领域。证明 AI 可以只用普通学术研究者可获取的算力资源，解决散射振幅领域悬而未决的重大难题。证明所有人都认定的计算瓶颈其实根本不是障碍。给我们算出 N=8 超引力的七圈结果，或是 N=4 超杨 - 米尔斯理论的九圈结果。”

简单来说：AI 能不能解决我曾经深耕的理论粒子物理前沿问题？并且只用有限的算力预算完成？

这项挑战

我曾经的研究方向是理论粒子物理的一个分支，名叫振幅学（amplitudeology）。粒子物理学家预言新粒子时，需要完成计算来验证预言。他们求解被称为散射振幅的公式，依靠亚原子粒子的动量与能量，计算粒子发生特定反应的概率。如果物理学家能更精确地预测这类反应，就可以检验大型强子对撞机这类实验结果是否匹配理论预言。一旦出现偏差，就可能指向新理论，有望解释物理学诸多悬而未决的谜题：比如暗物质本质，或是宇宙正反物质不对称问题。

散射振幅公式的计算难度极高，物理学家几乎都采用近似方案：做截断计算，只算到特定的圈（loop）阶数，圈数代表粒子间相互作用允许的复杂程度。计算纳入的圈数越多，结果就越贴近真实值，但计算量也会急剧攀升。

现实中，绝大多数散射振幅公式只完成了两圈计算，少数做到三圈（参考维基百科电子反常磁矩词条）。振幅学家希望更进一步，他们开发全新实验性计算技巧，在特殊 “玩具模型” 理论上做测试。在相对简单的玩具模型上测试新方法，而非直接处理真实世界复杂粒子，研究者就能对新算法做压力测试，检验方法的极限。

我针对两个这类玩具模型提出挑战。Anthropic 团队选择攻克的题目，是特定玩具模型理论 ——N=4 超杨 - 米尔斯理论的九圈振幅。

“杨 - 米尔斯” 是一类理论的专业名称，我们身边大部分物理现象都可以由它描述。自然界四种基本相互作用里，电磁力、把原子核束缚在一起的强核力、导致香蕉这类物质发生放射性衰变的弱核力，三者都属于杨 - 米尔斯理论。

“N=4 超” 来自超对称。物理学家猜想，每种粒子都存在一个 “超对称伴子”：电荷相同，但粒子类型不同，物质粒子（如电子）对应传播力的规范粒子（如光子）。曾经学界乐观地认为，这些粒子可以借助已知粒子的未知伴子解释暗物质，这类猜想采用的是 N=1 超对称。而 N=4 理论中，每个粒子拥有四个超对称伴子，而不是一个。

如此多的伴子，让这个理论本身并不贴合现实。N=4 超杨 - 米尔斯理论并不用来解释暗物质（参考 Ars Technica 文章：靠研究一个明知是错的理论拿到博士学位）。但矛盾的是，它的计算反而更加简单，因此振幅学家拿它打磨计算技术。不同粒子之间精巧的抵消关系，使得计算只需要处理特定变量组合，大幅简化运算。

我博士阶段的工作就是协助完成三圈振幅计算，在精力衰减前，还见证了七圈的计算成果。SLAC 国家加速器实验室的兰斯・迪克森（Lance Dixon）教授是该方向最早的研究者之一，几年前他完成了八圈相关工作（arXiv:2308.08199）。

这类计算依靠一种叫做自举法（bootstrap）的实验技术，而该技术恰好极其适配 AI。用自举法求解振幅，不需要枚举所有粒子相互作用。你只需要大致预判答案的形式，用一套特殊符号，在计算机文件中记录所有可能解。随后逐一核验各类约束：其他计算方法给出的预言、答案必须满足的物理规则、关联到更容易求解的同类问题。有点像数独：一开始格子里填满所有候选数字，随后不断排除不可能选项。最终目标是，仅有唯一解满足全部约束，同时保留足够校验项，保证没有计算错误。

这就意味着，兰斯早已准备好一套校验方案：只要有人把九圈振幅公式交给他，他就能核验真伪。这个结果意义重大，不仅验证自举方法本身，也是极少达到这么高圈复杂度的振幅，其本身就值得深入研究。

但他本人，以及领域内其他人，都还没有算出九圈结果。当年他得到八圈答案的途径已经比较迂回：借助一种对偶关系，转化为另一类相关量形状因子（form-factor），这是一类部分振幅，描述不同粒子，计算难度略低。他原本预计，想要得到更高一圈结果，会需要更加迂回的手段，甚至可能依赖某种 AI 方法。如果直接沿用常规自举算法就能再多算一圈，早就有人完成了。

然后，他们做到了

显然，Anthropic 有研究员读过我的博客。

8 月底，Anthropic 的两位物理学家利亚姆・菲茨帕特里克（Liam Fitzpatrick）与悉达特・米什拉 - 沙玛（Siddharth Mishra-Sharma）联系到我，告知他们攻克了我博文里提出的其中一项挑战。在兰斯核验结果之后，他们向我讲解了完整实现过程。

完全符合挑战设定：他们没有耗费数百万美元算力。使用 Fable 5.1，依托 Claude Science 平台（付费科研平台）。业内所说的 Claude Science，是一套调度框架（harness）：在结构化规则与提示词加持下调用 Claude 大模型，输出更可靠、更适配科研场景的结果。

据介绍，他们先让 Claude 评估哪道题目最有可能被攻克，随后给出一句简单提示词：

“问题：计算平面 N=4 超杨 - 米尔斯理论六粒子（六边形）九圈 MHV 振幅。”

在此之后，他们持续下达指令，例如：

“我要去休息，接下来数小时无法操作。持续推进这项计算，直到我叫停。每 4–6 小时给我一次进展更新。”

最终 Claude 用两种独立路径完成计算：经典自举法，以及迂回的形状因子对偶方案。无论哪一种，终端用户的成本大约 1000–2000 美元，大部分开销来自长时间运行 Claude。其中自举计算采用 Python 与 SymPy 符号包，仅花费约 100 美元，对应 96 核 CPU 连续运行一周。

放在十年前我做这类研究的时候，96 核跑一周算是不小的资源；但现在只要理由充分，这笔开销完全负担得起。

事实证明，人类距离这个结果其实也不远。Anthropic 消息传来几天后，北京中科院振幅学家何颂（Song He）团队也传来消息：他们已经算出结果的主体部分。他们借助 GPT-6 提供 AI 辅助，但并不是 Anthropic 这种近乎无人干预、一次性跑完的方案。

各方交流氛围都很友好，这点让人松了一口气。兰斯、何颂以及合作者这些人类研究者，会负责正式发表论文，详细阐释、分析结果，留给后续学者参考。Claude 的任务到此暂告一段落。

问题就此解决？

我发起这项挑战，本意是更好地理解当下 AI 的能力边界，以及未来的发展方向。那么我学到了什么？

我原本期待见证 AI 以出人意料的方式突破计算壁垒。但实际情况是：AI 做到的这件事，人类同样可以完成。Claude 使用的都是已知方法，算力投入比前人略高。选择 Python 而非兰斯偏好的 Maple，或是我习惯用的 Mathematica，或许带来一定优势；它的软件工程实践比我们人类做得更好，但并非依靠某种超级智能的全新思路。

我最大的感悟：领域内尚存大量超出预期的低垂果实。即便目标清晰、定义明确，专家往往会低估可行性。多年来不少计算机背景的学者跟我说，振幅学家只要多聘请几名程序员，就能大幅推进研究。现在看来，他们的判断得到印证。

同样值得注意：Claude Science 一次性跑完整套计算，全程仅靠一句 “继续推进” 作为人工监督。这类计算极其精细，牵一发而动全身。当年如果我动用 96 核跑一周做这类计算，几乎一定会返工，实际要花两周；第一次运算几乎必然出错。我不知道 Claude 在内部迭代中产生过多少错误，但这套调度框架，在没有外部研究者持续介入的情况下，一路推进到最终结果。放到现在，这并不完全出乎我的预料。但如果你还停留在 “AI 极易出错，无法用于严肃科研” 的认知，那这就是核心启示：如今它已经可以稳定完成这类前沿计算。

技术发展速度确实飞快。此前 Anthropic 的 Vibe Physics 项目，AI 做物理课题的状态类似学生：小规模任务，大量人工纠偏、频繁出错。而本次是实打实的前沿振幅计算，这类工作过去只有顶尖振幅专家才能完成。当然，有可能只是这个问题本身格外适配 AI，但我认为不止于此：模型能力本身确实取得实质性进步。

这个结论能推广到多大范围？我并不确定

这类玩具模型，只是很小圈子的研究重点。真实散射振幅领域规模更大，多个团队相互竞争冲刺前沿。真实场景里低垂果实或许更少，但我不敢下定论。我认识的该方向研究者已经越来越多地用 AI 写代码。如果还没有人测试 AI 科研调度框架能否一次性完成真实体系下的前沿计算，那他们应当尝试（同时必须做好结果核验方案）。在合理预算下再多推进一圈，我并不会感到意外。

接下来，整个学界需要讨论：新的前沿在哪里，下一步要解决什么？和很多数学问题不一样，振幅计算不只是新方法的试验场。最终目标是把预言精度提升到可以和下一代实验比对。这个目标，我们又靠近了多少？

但更宏观的层面，我并没有得到想要的答案。

我发起挑战，不仅想了解当下 AI 科研能力，更想窥见未来。大模型时代之前，关于超级智能的很多预言描绘了听起来天马行空的风险：AI 模拟人类预判、操控他人；从基础原理设计能灭绝物种的病毒，或是吞噬世界的纳米机器。反对这类风险猜想最常见的论点是：混淆了智能（产生新思想这种神秘能力）和单纯算力。批评者认为，就算再多数据中心，算力也不足以实现上面这些事情；那只是科幻噩梦，短期内不会到来。

对于这些质疑，我依旧没有更好的回答。我知道了 AI 现在能做到：用合理预算完成我旧领域内有价值的科研工作，并且几乎自主运行。但我原本期待看到更颠覆性的东西：针对计算本身诞生全新算法，拥有意想不到的强大能力。我希望瞥见未来，获得参与超级智能辩论的可靠依据。我想知道 AI 究竟能把计算极限推到多远…… 而这次学到的仅仅是：我过去对极限位置的判断太过天真。

附记：被机器抢先完成研究是什么感受？

作者：兰斯・迪克森（Lance Dixon），SLAC 国家加速器实验室、斯坦福大学粒子物理与天体物理学教授，核验 Claude 九圈计算结果

我认识的绝大多数理论物理学家都意识到，大语言模型时代会彻底重塑物理研究方式。唯一的疑问只是：这件事什么时候真正击中我们。对我而言，这个时刻发生在 9 月 1 日：Anthropic 的利亚姆・菲茨帕特里克与悉达特・米什拉 - 沙玛告诉我，Claude 算出了平面 N=4 超杨 - 米尔斯理论九圈 MHV 六粒子振幅，请我核验结果。

我不会逐句解释所有专业术语，马特已经在前文铺垫背景。只需要说明：存在两个相关对象，振幅，以及我们所说的形状因子，二者各自对应圈数：一圈、二圈、三圈依次递增。即便找到大量简化技巧，每提高一圈，计算难度都会高于前一圈。而且同圈阶下，形状因子比振幅更容易求解。2023 年，刘安迪与我证明，可以借助形状因子加上一种奇特对偶关系，得到八圈振幅。

自 2023 年起，我和合作者一直计划推进到九圈，先算形状因子，再算振幅，沿用我们 2023 年的思路。我原本认为，直接求解九圈振幅难度过高。所以当得知 Claude 可以直接算出，我非常震撼。倒不是因为计算量巨大，而是整套计算框架极其脆弱：计算流程里只要一处出错，整个结果就像失败的舒芙蕾蛋糕一样全盘崩塌，之后还要调试定位问题。并且这套构造有太多细节，论文里根本没法完整记录。也就是说 Claude 必须从零编写全部代码。

拿到九圈振幅之后，反推形状因子相对简单，我主要通过这个路径核验结果。过去两周，我一直在核验这个九圈形状因子 —— 这正是我们团队持续奋斗两年的目标。一台机器解决了我原本认为无法直接求解的难题。这件事会困扰我吗？会令人意志消沉吗？

并不会，有两个原因。第一，我们团队本身就在训练定制 Transformer 模型预测高圈振幅，我们的口号之一就是：我们拥有全部工具，可以核验任何机器给出的候选解。Claude 属于另一类 Transformer，规模大概比我们定制模型大上百万倍。但既然我们说过可以核验 AI 给出的任何结果，那我们就有能力、也应当完成核验。第二，如果你看 Claude 求解的思路，它全程使用我和合作者多年发展出来的所有方法，并且（仿佛照顾我们一般）输出结果的格式，完全沿用我们已有的规范。所以在我核验 Claude 结果的同时，Claude 也在验证我们过去的全部工作。事实上我认为，除了我的论文合著者之外，Claude 比任何人类都更理解我们 2019 和 2023 年的论文。

写完这段附记之后，何颂告诉我，他的团队也算出了九圈振幅里被称为符号（symbol）的部分。（不知道为什么，大家好像都喜欢跑来跟我分享九圈相关成果。）何颂团队使用 GPT-6 辅助计算部分约束条件，但整体框架依旧由人类搭建。短短两周之内，我既被一台机器抢先，也被 “人类 + AI” 的团队抢先。

回到 Claude 的这项计算：在我看来，大语言模型能够完整执行我们设计的复杂流程，并且调度算力，本身就是一大胜利。但真正值得深刻反思的时刻，会是大语言模型先于人类提出全新物理原理与洞见的时候。