中国物理 AI 的差距，不在参数，而在“第一性原理闭环”：一份工程与科研使用指南
很多人看到 Claude Opus 5.5、Fable 5.2 这类模型后，容易得出一个简单结论：中国 AI 不够强。更准确的说法是，国产模型在通用能力上已经追得很快，但在底层数学、物理、量子力学等第一性原理的长链条推演上仍然偏浅。它们能说出很多术语，也能给出漂亮框架，但一旦进入算法拆分、边界条件、数值校验、物理约束闭环，差距就会暴露出来。
一、为什么 Opus 和 Fable 显得更强？
Opus 系列之所以在科研场景里显得更强，主要不是因为它“更会背公式”，而是它能把长链条推演、自我校验和 Agent 编排串起来。
2026 年 10 月，物理学家 Emre Onur Kahya 把自己博士期间耗时约一年、手写近 500 页的量子引力推导交给 Claude Opus 5.5。模型在约 10 小时内复现了计算，生成了 183 页推导笔记和 LaTeX 源码，还发现了原论文中的多处计算错误。 2026 年 11 月发布的 Claude Fable 5.2 进一步展示了长程 Agent 能力：它调度约 1000 个 Agent，在约 30 小时内完成了费马大定理的 Lean 形式化证明；还完成了一项 2003 年提出但长期未完成的黑洞物理计算，并精确确定了一个量子引力理论分析方法的适用边界。
这些案例说明，Opus 和 Fable 的优势在于：能把模糊目标拆成可执行任务，把推导链条拉长，再用代码、检查器、测试和数值校验兜底。
二、国产模型真的落后吗？
不能简单说“国产模型不行”。在数学、物理、科学推理评测中，部分国产模型已经表现不弱。例如在 SuperCLUE 2025 年度报告中，Qwen3-Max-Thinking 在数学推理上与 Gemini-3-Pro-Preview 并列全球第一，DeepSeek-V3.2-Thinking 在科学推理上进入全球前五，Kimi-K2.5-Thinking 在代码生成上登顶。 上海 AI 实验室的科学智能评测也显示，Qwen3-Max 在科学能力榜上并不落后。
但问题在于，高分不等于能稳定完成第一性原理研究闭环。国产模型目前更多强在解题、推理、知识整合和单步校验；而在“从物理方程到算法实现，再到仿真、测试、修正”的完整链条上，仍明显不足。很多模型遇到复杂推导时，容易给出看似合理但缺乏可验证中间步骤的回答。
三、真正的差距是什么？
差距主要体现在三层：
1. 推理链长度不足 物理建模不是单步问答，而是连续几十步甚至上百步的推演。国产模型在长链条中更容易漂移、丢失约束，或者在关键步骤上含糊其辞。
2. 自我校验能力不足 Opus 5.5 复现量子引力推导时，并不是只给结论，而是拆任务、写推导、跑代码、做数值校验。 国产模型更多停留在“解释正确”，而不是“证明正确”。
3. 物理闭环能力不足 真正的物理 AI 需要把方程、边界条件、离散化、数值仿真、测试结果串起来。国产模型目前在这一类工程闭环上仍偏弱。
四、国产 AI 做工程任务：怎么用才稳
国产 AI 已经能处理大量工程工作，但不能把它当成“自动懂第一性原理的研究者”。更稳的用法是：把 AI 当作推演助手、代码助手、文献助手和仿真辅助，而由人来负责物理约束、算法拆分、测试验证和最终判断。
1. 先判断任务类型任务类型 AI 能做什么 必须由人把关文献调研 检索、摘要、对比、找研究空白 引用是否真实、结论是否可追溯公式推导 整理符号、检查步骤、补全中间推导 物理假设、边界条件、量纲一致性代码实现 生成 Python/Matlab/C/C++ 代码 数值稳定性、算法正确性、复现性仿真建模 生成仿真脚本、参数表、后处理代码 模型设置、网格、材料、激励、收敛实验分析 清洗数据、拟合曲线、绘图、写报告 异常值判断、误差来源、物理可解释性论文写作 润色、结构化、改写、翻译 原创性、学术规范、结论责任
2. 明确输入边界
不要只说“帮我设计一个系统”或“优化一个算法”。要给出：
- 工作条件、频率范围、功率或数据规模；- 尺寸、成本、材料、算力等约束；- 目标指标，如效率、误差、延迟、稳定性；- 可用工具，如 Python、MATLAB、COMSOL、CAD、EDA 工具；- 已有样品、测试数据或历史经验。
3. 要求 AI 输出可执行步骤
让它按这个顺序回答：
1. 列出物理模型和关键假设；2. 给出方程、变量定义和约束条件；3. 拆成算法步骤或仿真流程；4. 给出代码、脚本或参数设置；5. 说明如何验证结果。
如果它只给结论，不给中间步骤，就要求它“逐步推导，不要跳步”。
4. 仿真结果必须二次校验
AI 给出的任何性能指标、场分布、曲线或优化参数都不能直接采信。要检查：
- 模型假设是否符合实际；- 边界条件和激励是否合理；- 网格或离散是否收敛；- 材料参数是否有依据；- 结果是否与样品或测试数据一致。
工程任务最怕“看起来合理但无法复现”。凡是没有验证路径的结论，都应视为未完成。
五、国产 AI 做科研任务：怎么用才不跑偏
1. 文献阶段
让 AI 做三件事：
- 从多篇论文中抽取研究问题、方法、数据、结论；- 对比不同方法的假设差异；- 找出尚未被充分验证的环节。
但不要让它凭空生成参考文献。所有引用必须要求它给出可检索的标题、作者、年份、DOI 或期刊名，并由你亲自核对。
2. 推导阶段
让它把推导拆成：
- 已知条件；- 物理假设；- 数学模型；- 推导步骤；- 中间结果；- 最终表达式；- 适用边界。
每一步都要能反查。如果某一步说不清楚，就停在那一步，不要继续往下跑。
3. 实验阶段
AI 可以帮你设计实验流程、生成数据处理脚本、画误差棒、写实验记录。但它不能替代你对实验现象的判断。尤其是出现“结果太完美”的情况，要优先怀疑数据处理或模型过拟合。
4. 写作阶段
可以用 AI 润色摘要、整理结构、统一术语、改写英文表达。但核心贡献、创新点、实验结论必须由你确认。投稿前还要检查期刊对 AI 辅助写作的规定，避免学术合规风险。
六、国产模型怎么选场景 推荐方向 注意事项读长文献、写综述 Kimi、通义千问 长文本强，但引用仍需核对代码、数学、脚本 DeepSeek、豆包、通义灵码 适合生成和调试工程代码中文写作、整理材料 文心一言、通义千问 中文表达较好多轮科研对话 智谱清言、豆包、Kimi 适合持续追问和任务拆解涉密或未发表数据 本地部署开源模型 不要上传到商业云端
如果涉及未发表数据、核心算法、样品参数、专利思路，优先使用本地部署模型，避免把关键信息发到云端。
七、提示词模板
可以用这个通用模板：
你是一个工程/科研辅助助手。请先复述任务目标，再列出物理假设、关键变量、方程、算法步骤、代码实现和验证方法。不要直接给结论。每一步都要说明依据。如果信息不足，先列出缺失条件，不要猜测。最后给出：哪些结果是可靠的，哪些需要实验或仿真验证。
对于物理建模任务，可以再加一条：
所有推导必须检查量纲、边界条件、对称性和能量守恒。如果出现不合理结果，必须指出可能原因，而不是强行解释。
八、必须遵守的三条底线
1. AI 的输出默认不可信，必须验证。 尤其涉及公式、仿真、实验结论时，不能只看它说得顺不顺。
2. 未发表数据不上云。 样品参数、测试数据、核心算法、专利思路，优先本地处理。
3. 结论责任在人。 AI 可以加速推导、生成代码、整理文献，但不能替研究者承担学术和工程责任。
九、更高效的协作方式
比较稳的流程是：
样品或已知案例 → 算法拆分 → AI 生成推导/代码 → 仿真或实测验证 → 修正假设 → 再让 AI 复盘。
这个流程的关键不是让 AI 一次答对，而是让它在一个可验证闭环里不断修正。你提供物理约束和测试反馈，它负责补全推导、生成代码、整理文档、暴露矛盾。这样用起来，国产 AI 的价值会更实在。
十、中国物理 AI 的下一步
中国 AI 并不缺参数、语料和应用场景，缺的是对科学推演链条的尊重。下一步真正重要的，不是继续堆通用能力，而是补齐三件事：
- 把推理链做长，允许模型慢一点，但必须把中间步骤走扎实；- 把校验做硬，用代码、仿真、测试和形式化检查替代“看起来合理”；- 把物理约束做实，让模型不能随意违背守恒、边界、对称性和实验数据。
Opus 和 Fable 的领先，本质上是长推理、强校验、多智能体编排的领先。中国物理 AI 要追上的，也不是某一个模型的名字，而是这一整套从第一性原理到可验证结果的能力闭环。