河南
最近AI圈悄悄炸了兩個大新聞，一個在高冷的理論物理圈，一個在前沿的生命科學圈，干成這事的還是同一個AI。本來大家都覺得AI頂多幫科研人員打打下手，整理整理文獻，這下直接闖到科研核心環節“砸場”了。這事是正兒八經的圈內大佬爆出來的，火得超出預期后大佬還把推文刪了，細節太值得嘮嘮。
這位大佬是東京大學頂尖數論物理研究者立川裕二，他牽頭的超對稱量子場論研究，整整六個月都卡在同一個關鍵推導節點上。團隊前前后后試了十幾種常規推導路徑，愣是沒有一條走得通。7月12日深夜結束常規研討，他沒抱任何期待，隨手把攢了半年的研究筆記傳給了剛更新的Claude Fable 5。
他本來只想讓AI幫忙梳理下過往的推導記錄，排查一下有沒有被漏掉的計算疏漏。沒成想模型不光找出了一處藏得極深的參數偏差，還順著這個偏差給出了一個團隊從來沒試過的全新推導方向。更出人意料的是，AI給出核心思路后沒停留在文本推導，主動調用SymPy庫編寫了驗證代碼。
跑完所有計算步驟后，AI返回了完全自洽的結果，甚至自動生成了完整PDF格式的證明文檔。立川裕二核對完所有推導過程，給出了分量極重的評價，說這個模型對代數拓撲的熟悉程度，已經超過該方向多數在讀碩士生。它不是拼接網上的已知結論，是真的能在弦論領域拿出屬于自己的有效判斷。
幾乎同一時間，斯坦福大學的遺傳學家Euan Ashley也拿到了讓他刷新認知的結果。2010年他帶著31人的團隊，花了整整九個月才完成全球首例個人基因組的全維度臨床解讀。這次他隨手把自己的原始基因組數據丟給Claude，前后只花了30分鐘就拿到了完整分析報告。
這份報告精準識別出了他基因組里一處阿爾茨海默病風險等位基因，還有多個直接影響藥物代謝效率的基因變異。所有結論都和當年31人團隊耗時九個月拿到的結果完全吻合。整個過程他只輸入了180個單詞的基礎指令，消耗的算力折算下來總費用不到5美元，換算成人民幣也就三十多塊。
不少人把這兩個分屬不同領域、相隔萬里的事件放在一起對照，發現剛好踩中了同一條技術落地的時間線。2026年6月底，Anthropic正式推出了面向科研全流程的Claude Science預覽版。過去大家對AI輔助科研的認知，大多停留在文獻綜述、數據整理這類重復性工作上，核心的創造性推導環節，始終被認為是人類研究者的專屬地盤。
這次的兩個案例剛好打破了這條默認的邊界，AI不再是只能執行人類指令的輔助工具。它已經能在人類卡住的地方，獨立生成全新的有效思路，甚至自己動手完成整個驗證閉環。湘財證券此前發布的行業研報提到，Claude Science本質上不是新增的基礎大模型，是把現有大模型能力封裝成一套覆蓋全科研鏈路的工作臺。
它內置了六十多個細分領域的專業工具連接器，甚至能直接調用生命科學領域的專用模型完成復雜運算。這套產品邏輯和此前AI在編程領域的落地路徑幾乎完全一致，先把零散的工具能力整合進統一的工作流。讓AI從單純的代碼生成助手，變成能承接完整開發任務的協作角色，現在這套成熟的方法論直接平移到了科研賽道。
不少業內研究者注意到，立川裕二最初發推又刪掉的細節，其實藏著很微妙的心態變化。他自己都沒預料到，AI能在這么短的時間里，摸到理論物理研究里最依賴“直覺”的核心環節。這么多年大家都在討論AI會不會取代科研人員，其實討論的方向從一開始就偏了。
它不會直接替代人類做出所有科研突破，而是會把原本需要一個團隊熬半年的推導周期，壓縮到幾個小時甚至幾十分鐘。把研究者從大量重復的試錯工作里解放出來，把精力集中在最核心的方向判斷上。當年個人電腦普及的時候，沒人會覺得普通計算機會取代數學家。
但所有人都能看到，整個科學研究的推進速度，從此上了一個全新的臺階。現在我們站在這個時間節點上看到的，就是新一輪科研效率躍遷剛剛露出的第一道棱角。沒人能準確說出接下來整個科研界會迎來多大的變化，但能確定的是，這場改變已經實實在在開始了。
參考資料：人民日報 《人工智能賦能科研創新》
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
