# AI 独立算出九圈散射振幅单条路线约 2000 美元多推了人类一圈9 月 25 日Anthropic 的 Science Blog 发了一篇客座文章两位物理学家用 Fable 5.1在 Claude Science 平台里算出平面 N4 超杨-米尔斯理论中六粒子振幅的九圈结果。人类此前的纪录是八圈SLAC 的 Lance Dixon 和 Andy Liu 2023 年做出来的。整件事里最贵的不是算力——一条路线约 1000 到 2000 美元其中自举那条路线的纯计算开销只有约 100 美元相当于租 96 个 CPU 跑一周。我的判断这不是「AI 有了新物理直觉」而是一次计算型前沿任务的自动化。它证明的是另一件更实用的事——把方法框架搭好之后模型可以在几乎无人值守的情况下把一条又长又脆的流水线跑到头。## 九圈为什么是块硬骨头散射振幅是粒子物理做预测的基础量给定了粒子的动量和能量算出它们以某种方式发生反应的概率。想跟对撞机实验结果对齐就得把围绕圈数的近似一层层往下推。现实是绝大多数振幅人类只算到两圈少数算到三圈。你可能听说过的最精确的那个计算——电子的反常磁矩用到了五圈。而 N4 超杨-米尔斯根本不是用来描述真实世界的理论。它的对称性太强、粒子多得不现实解释不了暗物质之类的问题物理学家拿它当试炼场在计算更简单的玩具模型上把新方法压到极限看能推多远。八圈那次就没走直的路线。Dixon 先用了一个更好算的相关量叫 form factor再借他和 Andy Liu 发现的「对极对偶」对称性把结果翻回振幅。Dixon 自己写道他以为九圈振幅直接硬算「太困难做不到」。## 一次提示词然后是「继续跑」题的来源在提问者那边。8 月 7 日物理写作者 Matt von Hippel 在自己博客上公开下战书AI 公司如果能用学术圈拿得到的算力资源解决振幅领域一个悬而未决的问题才算数比如把 N4 超杨-米尔斯推到九圈。Anthropic 的两位物理学家 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 接了这个题。他们给模型的完整任务描述只有一句「The problem is to compute the Six-particle (hexagon) amplitude in planar N4 SYM at nine loops.」之后的监督方式是这样的「我要去睡了接下来几个小时都不在。你继续做直到我叫停。每 4 到 6 小时给我一次进展。」模型最后用两条独立路线都算了一遍一条是原始的自举法用 Python 加 SymPy 做符号运算另一条是间接的 form factor 路线。成本上每条路线对终端用户大约 1000 到 2000 美元大头是模型连着跑好几天的费用反而是真正的 CPU 开销便宜——自举那一条约 100 美元等于 96 个 CPU 跑一周。## 怎么确认它没算错这部分比结果本身更有参考价值。九圈数据公开在 smsharma.io 上格式沿用了更低圈数的惯例能查的硬数字有这些。- 九圈符号按 weight-18 的写法完整展开是 30,024,320,034 项约 300 亿项。- 两条路线交叉验证两种表示在决定第二个文件的全部 107,053 个非零系数上完全一致。- 模两个素数重建时坐标矩阵 1,018,297 个非零坐标里有 1,014,476 个99.62%重建为认证有理数3,821 个没有对上。- form factor 一侧表示为 279 个 weight-10 octuple coproduct 分量合计 295,186,924 项。复核的人是纪录保持者本人。Dixon 在 9 月 1 日收到通知之后花了两周主要从九圈 form factor 那一侧独立验证——用他的原话说半个多月里他在验证一个自己团队推进了两年的目标。他还有两句挺关键的评价模型把他和合作者多年搭起来的方法全部执行了一遍代码是从头写的而且在理解他们 2019 和 2023 年论文这件事上除了共同作者没有哪个人类比它更熟。## 中国团队几乎同时撞线比这篇官宣早八天9 月 17 日中科院理论物理所的何颂、景继荣、李想已经在 Zenodo 上公开了六胶子振幅二到九圈的 symbol 数据DOI: 10.5281/zenodo.22800071。值得琢磨的不是谁先谁后是分工方式不一样中国团队让模型GPT-6处理一部分约束条件的计算整体框架是人搭的Anthropic 那边是把整条流水线交给模型。两种用法都在九圈这个节点上拿到了结果。就目前的证据看把 AI 放在「结果可校验」的环节里风险收益比明显更好——这也是我更愿意抄的做法。## 还不成立的那部分几个边界得说清楚其中一部分是 Anthropic 文章自己写的- 模型用的全是人类已有的方法没有提出任何新的物理原理。它的优势在软件工程和敢花的那点算力不在思想。- 数据页明确标注九圈振幅只被计算过一次没有第二次独立计算所用程序没有公开。- N4 超杨-米尔斯是玩具模型离真实宇宙、离暗物质和正反物质不对称这些真问题还很远。- Dixon 那句最该被记住的话其实是另一半真正让人紧张的是模型开始自己提出新的物理原理的那天。## 同一周上海在讲另一件事9 月 17 到 19 日华为全联接大会 2026 在上海世博展览馆办。会上发布的「AI 落地七步法」和 DIMAKData、Infra、Model、Agent、Knowledge工程体系讲的基本是对面的话题场景怎么选、怎么从 MVP 走到投产、离散的智能体怎么按业务流程编排起来。华为监事会副主席陶景文有句话挺准——散着放的一堆 Agent如果不按业务本体编排不会提效反而可能把流程里原本的问题放大。两件事其实在同一个坐标轴上前沿能力的验证靠把方法框架关进一个可校验的盒子组织级的落地靠流程、权限和责任划分。前者这次被证明跑得通后者还没。## 我怎么用它九圈离我的日常很远但这次能抄的东西有三条我基本都用在长时任务上了。一是中间产物必须落盘、可校验。这次之所以敢无人值守前提是自举法每一步都能拿物理约束当检查点错一步会崩而且崩了看得出来。让模型一口气交结论、中间没有任何检查点的链路我一般不碰。二是交叉验证比自证值钱。两条独立路线互相对再加上别人用另一套方法算出同一批系数这比「模型说没问题」可靠一个量级。我自己的定时链路也一样写完稿不是让它自己说好了而是跑一遍看正文有没有灌进去、图片数对不对。三是成本上限事先定。1000 到 2000 美元一条路线是个能当场拍板的数字如果这个数字是 20 万讨论的结论会完全不同。说点不好听的我自己的任务链最长也就跑半个小时跟连着跑几天不是一个量级。但踩的坑是同一类——中间态不落盘断一次就白跑以及太信任「我做完了」这句话事后一查总在某个不起眼的步骤上漏东西。## 可以做的三件事1. 去看那份九圈结果的开放数据页重点看它怎么记录假设和自检项这是长时 AI 任务交付物的样子。2. 把你手上需要跑几小时以上的 AI 任务拆出可校验的中间产物先定检查点再定让不让它连着跑。3. 对照何颂团队的公开数据想想自己团队的工作里哪一段适合交给模型、哪一段必须人搭框架。