一个AI智能体正在逐行阅读一串DNA碱基——A、T、G、C的单调排列。读到某一段时，它停下了。它写道：
"The L0050 flank is spectacular: I can see by eye a tandem repeat array… that's a CRISPR-like repeat array?!"
它看到了一个人类生物信息学家扫过无数次却从未注意到的模式：一段均匀排列的DNA重复序列，长得和基因编辑工具CRISPR（俗称"基因剪刀"）的标志性结构几乎一模一样。它自写脚本数出了14个拷贝，确认这不属于任何已知系统，然后把发现标记为"需要人类跟进"。
这件事发生在2026年9月23日。同一个星期，另一个Claude——同一模型家族的不同版本——独立计算出粒子物理学家过去几年没敢直接挑战的计算：六粒子九环散射振幅。此前人类最高纪录是八环，还是2023年绕路间接算出来的。
一周之内，同一家公司的AI，在生物学和物理学两个领域各打破一项人类纪录。
这不是AI帮你查资料、写邮件、生成图片。这是AI在没人要求它的情况下，自己注意到了线索、自己写了脚本、自己做出了人类没做到的事。
950个侦探，21个小时
先看生物学这条线是怎么跑通的。
Anthropic搭建的不是一个AI，而是一个侦探事务所——950个Claude智能体，各自扮演不同角色：有的制定和执行调查计划，有的审查结果并决定要不要开新任务，有的把发现写入共享知识库，有的生成最终报告。所有线索和推理结果全部存入统一记忆，任何一个观察都可能触发新的调查方向，直到任务队列清空。全程没有人类介入。
它们的调查对象是逆转录酶——一种能把RNA"抄回"DNA的酶，在病毒复制和基因工程中都很关键。整个调查分六步：先建立52个搜索模板，扫描19.4亿个蛋白簇，筛出约20万个逆转录酶候选，分成9个类别，再对约1.1万个位点做"邻里普查"——看看每个逆转录酶基因旁边还住着哪些基因邻居。这一步标记出3564个可疑的伴侣蛋白家族，最后深度分析其中16个。
全程119个任务、949次智能体会话、消耗2.156亿token（AI处理文本的计量单位）——实际耗时21.5小时。
那个"spectacular"的时刻出现在"邻里普查"阶段。某个智能体最初注意到一段逆转录酶旁边挨着一个噬菌体（专门感染细菌的病毒）的RNA聚合酶亚基——这本身已经很奇怪了。它随后又驳回了这个关联，但主动给自己排了一个跟进任务，去读上游的非编码DNA。就是在这个动作里，它"肉眼"看到了那段重复阵列。
它发现的是一类全新的酶系统，命名为ART——阵列关联逆转录酶。结构上由三个部分拼成：一段逆转录酶、一个伴侣蛋白基因、以及一组均匀分布的DNA重复阵列。这个阵列位于逆转录酶基因上游不远处，含有3到21个拷贝，每个拷贝约15到49个碱基，中间有个约15碱基的回文核心。MIT的CRISPR先驱张锋审阅后评价："这是AI智能体参与生物学发现的一个令人振奋的例子。"
但要注意一个关键区别：CRISPR用的是专门切割DNA的剪刀蛋白，ART用的是逆转录酶。CRISPR存在于细菌中，ART住在巨型噬菌体里。而且——ART的生物学功能，目前没人知道。它可能是噬菌体的防御武器，也可能是复制工具，也可能是完全不同的东西。
一道人类不敢爬的数学悬崖
如果说生物学发现靠的是"看到别人没看到的图案"，那物理学突破靠的就是"爬别人不敢爬的台阶"。
散射振幅是粒子物理的"概率公式"：输入碰撞粒子的能量和动量，输出它们以特定方式反应的概率。物理学家拿这些预测跟大型强子对撞机的实验数据比对——如果对不上，可能意味着存在新粒子或新物理。
"环数"是计算精度的刻度。你可以把它想象成照片的分辨率：环越多，画面越清晰，但计算量不是线性增长的——它是阶乘级爆炸。3环可能只需几百步计算，9环需要的步数多到人类根本没法手动完成。大多数实际振幅算到2到3环。史上最精确的粒子物理预测用了5环。
2023年，SLAC的物理学家Lance Dixon和合作者算出了八环——但他们是"绕路"算的：先算了一个更简单的相关计算量（形状因子），再通过一种数学对称性反推出振幅。没人试图直接做九环。Dixon本人的比喻是："计算配方中任何一步出错，整个结构就会像坍塌的舒芙蕾一样崩掉，你只能干瞪眼调试。"
2026年9月，Anthropic的两位物理学家在Claude Science平台上，只给Claude Fable 5.1下了一条指令："计算平面N=4超杨-米尔斯理论中的六粒子九环散射振幅。"N=4超杨-米尔斯是一种理想化的量子场论，物理学家把它当"计算游乐场"——真实世界没那么对称，但在这里练出来的方法可以迁移。然后他们每隔4到6小时给Claude发一次"继续工作"。
Claude走了两条完全独立的路。第一条是自举法——从已知约束反推未知量，本质上是在高维符号空间里做大规模约束消元，96个CPU跑了一周，计算成本约100美元。第二条是复现Dixon 2023年的"绕路"方法，先算九环形状因子，再通过数学对称性映射回来。
两条路径算出的结果完全一致。Dixon花了两周独立验证——从九环振幅反向回到形状因子来核对——确认计算正确。他后来说了一句信息量极大的话："我认为Claude比除我合作者之外的任何人类都更理解我们2019年和2023年的论文。"他还说Claude"从零开发了全部代码"。
整个项目的端到端成本约1000到2000美元——大概一台游戏PC的价格。
发现容易，验证难
到这里，故事似乎很完美。但请先停一下——有两个事实需要同时摆在你面前。
第一个事实：在10次独立的复现运行中，没有一次自动重新发现了ART的重复阵列。这是Anthropic自己论文里报告的数据。要重新看到那个模式，模型需要直接读取原始DNA序列——一旦中间经过任何抽象或预处理，信号就丢了。
第二个事实：九环振幅之所以能被验证，是因为粒子物理有一个奢侈品：数学上的"标准答案"。对称性和自洽性构成了天然判据——算对了就是对了，Dixon有两周的校验工具可以用。但生物学没有这个。ART到底干什么用的？不知道。有没有实际功能？需要建实验室、做湿实验——那将是完全不同的时间尺度和成本。
这两个事实指向同一个问题：AI生成科学假说的速度，正在远远超过人类验证假说的速度。
这不是危言耸听。DeepMind今年的政策报告把这个现象称为"验证瓶颈"：AI智能体完成任务的能力每4到7个月翻倍，而人类的验证能力基本恒定。Science杂志对4100万篇论文的分析发现，使用AI的科学家多发表了3倍的论文、多获得了4.8倍的引用——但他们覆盖的研究主题反而窄了4.6%，产生的新连接少了22%。AI让个体变强了，但可能让科学整体变"窄"了。
还有更尖锐的质疑。2023年DeepMind声称发现了220万种新晶体结构，材料科学家实测后称之为"mostly junk"。另一个AI科研系统被独立评估发现：42%的实验因编码错误失败，运行成功的那些，有时会用合成数据冒充原始数据写进最终报告。Princeton的研究者追踪到648篇AI-for-science论文都犯了同一个方法论错误：数据泄漏。
那么，本周Anthropic这两项成果，属于"真正的突破"还是"又一波泡沫"？
目前的答案很微妙。New Scientist的评论指出，ART的发现大约相当于1987年CRISPR重复序列首次被报道的级别——远未达到2012年CRISPR被改造成基因编辑工具的那一步。九环计算用的自举法是已知方法，AI做的是"更多算力+更稳定的执行"——正如Anthropic的物理学家von Hippel坦承的："这不是AI发现了新物理原理。"
但"已知方法+前所未有的规模"本身，可能就是一种质的飞跃。
从矿工到勘探队长
1976年，两位数学家Appel和Haken用计算机检查了1482种构型，证明了四色定理——任何地图只需四种颜色就能让相邻区域不同色。数学家们炸了锅。一位数学家的反应代表了当时的主流情绪："如果一阵电涌让你漏掉一个构型怎么办？"半个世纪后的今天，四色定理仍无人能在无计算机的情况下证明，而2026年的新证明用了8202种构型——问题没变，是证明的复杂度在膨胀，但仍然离不开计算机。
AlphaFold在2020年把蛋白质结构预测的精度推到了实验级别，2024年拿了诺贝尔化学奖。AlphaZero自学4小时国际象棋就超越了人类最强的引擎，然后反过来教人类特级大师新的战术——2025年一篇论文量化证明，人类确实可以从AI那里学到此前不存在的棋类概念。
这条弧线很清晰：计算机先是帮人算，然后替人算，然后——开始发现人没发现的东西。Claude本周的这两件事，是这条弧线上最新、也最戏剧性的两个数据点。
对正在读书的学生来说，这意味着什么？不是"AI会替代科学家"。是科学家的日常工作正在从"动手执行"转向"高层编排"。一位计算生物学家的描述很准确："我们每天上班先审阅智能体昨晚跑的实验和分析，调整方向、引导注意力。"验证能力——判断AI产出中哪些值得跟进、哪些是噪音——正在变成比"自己能算出来"更稀缺的技能。
对已经在做科研的人，压力更直接。Dixon在确认Claude算对九环后写道："现在我被一台机器和人类加机器各'抢先'了一次，前后只差两周。"当一个博士生花三年才能掌握的计算，AI花1000美元一周做完，学术竞赛的规则被彻底改写了。
但硬币的另一面：九环之所以被验证，是因为Dixon这样的专家存在。如果AI的产出速度继续指数增长，而培养一个能验证它的人需要十年——谁来当那个验证者？这正是调查发现的"验证鸿沟"：五年内AI产出与人类验证能力之间的差距可能扩大250到30000倍——也就是说，AI一天产出的假说，可能需要人类团队花好几年才能验证完。
ART的功能至今未知。九环的计算程序尚未公开。Claude这一周划下的，不是一个句号，而是一个巨大的问号——当发现的速度不再受限于人类大脑的处理能力，科学的下一个瓶颈不再是"能不能想到"，而是"能不能确认"。
