物理学家，危！Anthropic联创：AI觉醒，2-3年写出菲尔兹级论文

【导读】粒子物理十年无新发现，LHC成了「标准模型的坟场」。但Anthropic联创、哈佛物理博士Jared Kaplan却断言：再过2-3年，AI就能写出媲美顶尖物理学家的论文，50%物理学家或将被彻底取代！

物理学界与科技圈地震!

Anthropic联创、前物理学大牛Jared Kaplan放话：两到三年内，理论物理学家有50%概率被AI取代！

要知道，他博士毕业于哈佛大学物理学，同时是JHU的理论物理学教授，又是Anthropic的首席科学官。

对于AI和理论物理学，他都是行家，他的判断绝非无的放矢，白费口舌。

Kaplan引用内部研究与模型进展指出，未来2–3年内，AI在理论推导、数值模拟、公式发现和实验设计等核心科研环节中的能力，将逼近甚至超过大量人类研究者。

他评估，至少有50%的物理学家工作内容，存在被AI替代或边缘化的明显风险。

替代50%理论物理学家，

菲尔兹奖得主亦不例外

自2012年希格斯玻色子（即「上帝粒子」）被发现后，大型强子对撞机（LHC）的实验数据一直严格符合已有理论「标准模型」的预测，没有发现任何预期之外的新粒子或新物理现象。

戏剧性并非源于希格斯粒子；当它在LHC现身时，其存在已几无悬念。

希格斯玻色子是粒子物理学标准模型的最后一块拼图，这套上世纪70年代的方程体系描述了25种已知基本粒子及其相互作用。

更引人注目的是数据中没有出现的东西。

物理学家花费数十亿欧元建造这台27公里长的超级对撞机，不仅是为了验证标准模型，更是为了通过揭示更完备自然理论的组成部分来超越它。

例如，标准模型并未包含可能构成暗物质的粒子。它无法解释宇宙中物质为何多于反物质，也无法解释大爆炸为何发生。

此外，希格斯玻色子的质量（它设定了原子的物理尺度）与量子引力相关的高得多的质量能标（即普朗克尺度）之间存在难以解释的巨大鸿沟。

1981年，伟大的理论家Edward Witten爱德华·威滕提出了一个解决这个「层级问题」的方案：如果存在仅比希格斯玻色子略重的额外基本粒子，平衡将会恢复。

LHC的对撞能量本应足以将它们产生出来。

然而，实际情况是——无论质子如何高速对撞、碎片如何飞溅到探测器中，出现的，只有那25个标准模型中的粒子。

除此之外，一无所获。

2012年曾断言粒子物理「将死」的Adam Falkowski，如今已沉默许久。

传送门：https://resonaances.blogspot.com/

他早年因在博客Résonaances上犀利点评而闻名，而这个博客自2022年以来就再无更新。

Falkowski对记者坦言，他认为实验粒子物理确实正在死去。

他亲眼看到许多才华横溢的博士后转行别的研究领域，或者直接投身数据科学。

人才流失，肉眼可见。

Quanta记者Natalie Wolchover找到了Jared Kaplan——Anthropic的联合创始人。

2000年代，Kaplan在哈佛读研，师从理论物理学家Nima Arkani-Hamed，正是他们当年率先开拓了如今大热的Amplituhedron研究方向。

但他在2019年离开了这个领域。

「我开始研究AI，是因为我认为AI的进展速度，可能比人类历史上几乎任何一项科学都要快，」他说。

「我甚至觉得它可能是我们有生之年最重要的科技事件，甚至是整个人类科学史上最重要的事情之一。所以这件事我非做不可。」

而对于粒子物理的未来，他的态度是：「你现在去担心它的未来，其实没什么意义。」

如果我们真要建对撞机，那也应该是AI来建了，不是人类去建。

我甚至觉得，再过两三年，AI就能写出比肩顶级理论物理学家的论文。

像Nima Arkani-Hamed、威滕这样的天才——AI很可能能自动写出他们水平的成果。

所以，在这个时间点之后再去做10年规划，已经变得没什么必要了。

这一判断之所以引爆争议，在于Kaplan本身长期从事理论物理研究、并参与提出LLM关键的Scaling Law。

因此讨论焦点转向更深层：要么高阶理论突破比物理学家想象得更「可程序化」，要么AI正在形成类似「洞见」的能力结构，而两种结论都让人不安。

Scaling Law背后最重要的男人

在联合创立Anthropic之前，他在约翰斯·霍普金斯大学从事理论物理学研究15年。

他是推动Scaling Law发展的先驱，为现代大语言模型的发展奠定了基础。

因此，当他预言AI有50%的概率在2至3年内达到Arkani-Hamed和Witten威滕的水平时，这而是一位曾在该领域深耕的学者，基于对双方能力的透彻理解所做出的具体判断。

这些名字的分量不容忽视。

Arkani-Hamed开创了「振幅多面体」，这一几何结构将成千上万的费曼图计算简化为单一模型。

普林斯顿大学高等研究院教授Arkani-Hamed还是Jared Kaplan的博士生导师。

作为菲尔兹奖得主，威滕被公认为当今在世的最伟大物理学家之一。

获得数学界菲尔兹奖的物理学家威滕（左）和物理学家Arkani-Hamed

他们不是普通研究者，而是能窥见无人能见的数学结构之人。

Kaplan真正想说的是：物理学中最艰难的认知工作——那些如威滕这类菲尔兹奖级别的思维飞跃——或许并不需要我们原先以为必不可少的某种生物「魔法」。

有趣的预测并不在于工作岗位被取代，而在于理论物理学究竟是什么。

这个预测的有趣之处不在岗位替代，而在于重新定义理论物理学的本质。

如果AI能自主生成威顿水准的论文，要么说明物理学比物理学家认为的更具机械性，要么意味着AI正在发展出某种极似「洞察力」的能力。

这两个答案，都令人深思。

弃物理而去，他们投奔ASI

去年，xAI的联合创始人Igor Babuchkin，告别xAI和马斯克之后，人生翻到了新篇章。

不过，小时候，他的志向是成为物理学家，理解宇宙的奥秘。

在欧洲核子研究中心（CERN）攻读粒子物理学博士期间，他曾满怀热情地投身于这一使命。

但寻找新物理变得越来越困难，需要建造越来越大的对撞机，而新发现却越来越少。

于是，他开始思考：或许通向宇宙奥秘的关键并非更大的对撞机，而是超级智能。

AI能否发展出一套自洽的量子引力理论？AI能否证明黎曼猜想？

2023年初，他确信人类正接近实现超级智能的「秘方」。

他已看到征兆：很快，AI的推理能力将超越人类。

黑洞物理学家Alex Lupsasca见证了AI给他的震撼──

他把耗费数月心血推导的潮汐响应方程丢给GPT-5 Pro，仅18分钟后，模型竟完整重现了他苦苦追寻的对称生成元——这一刻，他决定加入OpenAI，亲手打造AI科研的未来。

刚接触AI时，Alex Lupsasca带着物理学家面对新观点时常有的态度：礼貌的质疑和大量的测试。

2025年初，他尝试使用ChatGPT，发现它对处理学术界常见的行政事务很有帮助，但他并不认为这能胜任工作中最难的部分：把物理定律转化成具体且可验证的预测。

一开始，Alex用ChatGPT把草稿变成更干净利落的科学论述，节省大量时间。

但随着模型不断进步，他继续测试更强的能力。真正让他改观的，是看到系统能以极快的速度处理研究生级别的物理问题。

Alex举了一个例子，AI几秒钟就完成了广义相对论中「瓦尔德解」事件视界的磁场强度，而一个刚入门的研究生可能要花几小时。

接着他注意到更奇特的现象：模型经常得出正确答案，却用陌生的数学语言表达。

更大的考验来自Alex自己的研究。

从描述黑洞潮汐响应（大致类似于月球引起的海洋潮汐）的方程中，他推导出了新的「隐藏对称性」。这些对称性解释了为什么某个著名的潮汐效应会消失。

当他几乎不给提示、直接把这个方程交给GPT-5 Pro时，它「思考」了约18分钟，就得出了他花费数年学习技能、又经数月直接研究才发现的相同的对称生成元。

他就像看到了魔法，他的想法开始改变：AI显然可以彻底改变物理研究。

此后，他在持怀疑态度的同事中反复验证：

• 在CERN，一位同事提供了一个他通常会给博士生一周时间解决的作业式问题，模型几分钟就给出了详细解答；

• 在Aspen天文台，天体物理学家Elliot Quataert试图用一个谜题般的瞬变信号迷惑它，它却正确识别出那是一颗磁星（拥有极端磁场的中子星），并随即列出了后续观测建议和摘要草稿。

从怀疑到热情高涨、并感染他人，这段历程最终让Alex加入了OpenAI。

参考资料：

https://www.quantamagazine.org/is-particle-physics-dead-dying-or-just-hard-20260126/

https://officechai.com/ai/50-chance-that-theoretical-physicists-will-be-replaced-with-ai-in-2-3-years-anthropic-co-founder-physicist-jared-kap

https://academy.openai.com/public/blogs/alex-lupsasca-gpt-5-pro-black-hole-physics-hidden-symmetries