这是已知首例AI系统在基础科学领域独立完成并署名发表研究论文的公开记录。
两个具体问题:不是泛泛"突破",是有精确答案的悬案
这两个问题到底是什么,人类物理学家又为何多年没能解决,得先弄清楚,才能理解这次成果的分量。
第一个问题落在"全息对偶"框架下的霍金-佩奇相变上。1983年,史蒂芬·霍金与唐·佩奇证明:在某类理论宇宙中,温度升到临界点,粒子气体会骤然变为黑洞——转变是突变式的,好比水到100℃突然沸腾,而不是渐进过渡。问题在于,霍金-佩奇的原计算依赖广义相对论,只在理论宇宙足够大时成立。一旦宇宙尺度缩小到时空失去确定形状(即所谓"模糊时空")的量级,重力一侧就算不下去了。1999年,物理学家发现弱耦合区同样有相变迹象;2003年,完成这项计算的理论框架被搭好,可计算本身复杂到手工无法完成,此后20多年无人推进到终点。
据Anthropic官方博客披露,
Claude Fable 5.2的做法是让多个自身副本各自独立计算不同部分,再相互交叉验证,最终确认:在时空形状模糊的弱耦合区域,霍金-佩奇相变依然是突变式的(一阶相变),与强耦合区行为一致。理论图景中的一处关键空白由此补上。
第二个问题与"模块化自举"方法有关。西蒙·赫尔曼(Simeon Hellerman)2009年提出这一工具,它通过对三维量子引力理论施加一致性约束,给出理论中最轻黑洞质量的上界——说白了,就是一把筛掉不自洽量子引力候选理论的筛子。此前物理学家能严格证明的上界是c/8.5,数值模拟则暗示真实值接近c/9.1,中间留着缺口,精确边界无人知晓。Claude在61次平行尝试失败后,注意到数值结果里一个此前被忽视的规律,引入数学另一分支的"谱曲线"方法,证明出精确上界为c/9.1266,并确认这是该方法能达到的最优结果。2026年9月,这一结论在Lean——一套计算机辅助形式证明检验系统——中完成独立验证。
六周、22个候选问题、一名物理学家:项目是怎么运转的
研究本身的运作方式也值得拆开看。Anthropic披露,项目发起人是该公司研究员洪斌·陈(Hongbin Chen),起初只是支线实验——他让Claude列出黑洞物理和自举方法领域的开放问题,Claude返回22个候选题目。随后洪斌·陈给每个问题配上独立的后台agent,让它们并行跑了约六周。结果,22个问题解决2个。
"22选2"的命中率既说明了问题,也暴露出局限。两个被解决的问题有个共同点:理论框架都已搭好,缺的是把计算推到终点的算力和耐心,而非全新的物理直觉。第一个问题有2003年的框架等着被算完,第二个问题有c/8.5到c/9.1之间的数值缝隙等着被精确定位。这类活儿恰好落在当前AI系统的优势区间:持续、精准、不知疲倦地在已知框架内搜索。
剩下20个候选问题没被解决,Anthropic也没刻意回避。官方博客明确写道:这两个结果"既未解决量子引力问题,甚至远未接近解决"。模块化自举的精确上界虽然定了,但黑洞真正开始出现的位置是c/12,新结果离这个关键门槛还差得远。
对竞争格局意味着什么
从产业视角看,这次发布在AI能力叙事上划出一道清晰的分水岭。过去几年,各家AI公司宣传科研能力的惯常做法是展示"辅助"——帮物理学家整理文献、加速代码调试、生成草稿供专家修改。Anthropic这次的表述明显不同:论文由Claude署名,物理学家的角色从"主导者"变成"审核者"。还有个细节:在霍金-佩奇问题上,另一位同样使用Claude的物理学家独立得出了相同结论,只是比Claude慢了一步。
这个定位转变给竞争对手带来压力。DeepMind的AlphaFold在蛋白质结构预测领域完成了类似的角色转换——从工具变成研究者——并在2024年催生诺贝尔化学奖。不过,蛋白质折叠是可以大规模数据训练的预测问题,理论物理的开放问题没有已知答案可供训练,靠的是数学推导和逻辑跳跃。Claude
Fable 5.2在无标准答案的数学物理领域完成独立推导,代表的是另一种能力维度。
对开发者和研究机构来说,这次发布给出的可操作信号是:当一个研究问题已有理论框架、计算量却超出人力极限,且结果可以形式化验证(如Lean),这类问题对当前AI系统的适配度相对较高,值得优先用agent模式试一试。反过来,需要全新物理直觉、要跨越未知概念障碍的问题,22选2的命中率说明成功率眼下仍然有限。
与AlphaFold的对照:相似的叙事,不同的基础
把这次突破和AlphaFold放在一起比,很自然,可两者的底子并不一样。AlphaFold干的是预测:给一段蛋白质序列,推断出三维折叠结构,这项任务背后有大量实验数据当训练信号,也当验证参照。模块化自举的精确上界不同,它是一个数学命题,对不对由形式证明系统Lean来确认,不靠实验数据,验证方式更接近数学定理。这样看,Claude Fable 5.2做的事更贴近"机器辅助数学证明"那条老路,而不是机器学习意义上的模式识别。
这个区别直接关系到怎么衡量它的可重复性和适用范围。Lean验证过的数学结论是确定的;可AI生成的物理直觉能不能推广到那些需要全新概念的问题上,眼下还没有答案。
接下来会发生什么:分析性判断
以下判断基于前面的分析,属于分析,不是事实。最可能紧接着发生的一步,是Anthropic把这两篇预印本送进同行评审期刊——"AI独立科研"这套说法能不能扛住物理学界的正式审查,这里就是关键节点。论文过了评审、被高影响力期刊接收,这套叙事的可信度会明显上升;反过来,审稿人要是挑出根本性错误,整个框架就得重新评估。眼下Lean验证确认的是自举结论在数学上正确,物理解释这一层是否完整,还得等专业评审来判。
第二个信号看其他AI实验室的反应有多快。Google DeepMind或OpenAI若在未来几个月内公布类似的基础科学成果,说明这条能力边界正被普遍突破;要是没动静,可能意味着Fable 5.2在数学推导上有某种独特优势,也可能说明Anthropic的agent架构设计——让多副本交叉验证——存在不易复制的结构优势。
第三个信号是量子引力社区消化的速度。这两个结果被其他物理学家引用、并在此基础上继续推进,说明AI生成的理论物理成果已经进入正式学术循环;要是被边缘化或者干脆没人理,那这次发布更像一次技术能力展示,还算不上物理学研究范式的真正转折。
从工程实践看,六周、22个候选、2个结果,这套配置成本不低,可比起雇一组博士后研究员干上好几年,人力投入还是低得多。对那些框架清楚、只差最后一公里计算的理论问题,这样的性价比或许正在催生一种新的研究组织方式——不是把物理学家替掉,而是把人类智识和机器算力各自该干的活重新分一分。