2026年9月25日，Anthropic用一句话的提示词，让Claude无人值守推演数日，把N=4超级杨-米尔斯模型的六粒子振幅算到了第九圈。这个领域用"圈"标记计算的精细程度，圈数每高一格，难度上一个台阶——人类物理学家从三圈推进到八圈，用了整整12年。

事情的起因是一场公开挑衅。8月，物理学家Matt von Hippel向全网AI公司发下战书：别再做学生级演示，用学术界买得起的算力，去解散射振幅领域真正的前沿难题——要么把N=8超引力算到七圈，要么把N=4超级杨—米尔斯算到九圈。Anthropic的两位物理学家接下了战书。Claude随后用两种独立方法给出结果，其经八圈纪录保持者、斯坦福大学教授Lance Dixon独立验算后确认无误，并评价这是大语言模型独立完成全流程的一次成功。随后，中科院何颂团队借助GPT-6也算出主要结果，两套表示在十万余个非零系数上完全一致。

这件事的分量不在纪录上，而在它划出的边界：凡是答案能被机器自行验算的问题，AI都能把工期从年压到天。数学和理论物理先被接管，因为证明对不对，编译器和验算程序说了算，不需要等人类同行评审排队。从公开数学平台上可以看到，2026年5月以来，AI参与核心定理证明的论文持续增多；越来越多顶尖数学家、物理学教授选择加入AI公司。最先拥抱AI的人，最先被AI追上。

但方程式不是这场革命的终点。真正被这条边界改变命运的，是另一门验证成本极高的学问：生命科学。

生命科学贵，贵在试错。一款新药从立项到上市，平均耗时10年、耗资10亿美元，成功率不足10%，行业称之为“双十定律”。其中烧钱的地方在三个环节：从海量分子里筛候选，从候选分子里试活性，从活性分子里熬临床。每一环都是物理世界的穷举，每一环都要排队等实验台。

AI改变的是穷举发生的位置。真实验太贵，就把筛选搬进计算机：现实里凑不出的实验条件，可以在数字空间里模拟；别人失败过的路径，可以从海量论文里挖出来标记为死路，让后来者不必重蹈。科研的闭环也随之改写——过去是人提出假设、机器帮忙验证；现在大模型可以自动识别问题、提出假设、自我验证、再识别，循环往复。OpenAI就公开提出，要为每位科学家配备AI能力，压缩整个学科的前进周期。

由此可以看出：AI加速科技革命的主战场，正在从方程式移向活细胞。支撑这个判断的，是三条已经打响的战线。

第一条战线，在成本最硬的地方开打。根据英矽智能的公开口径；从立项到临床前候选化合物，平均只需12—18个月，每个项目只合成测试60—200个分子；自2021年以来，累计提名31个候选化合物，其中13个拿到临床试验批件。对照行业2.5—4年的常规周期来看，时间砍掉一半以上。省下的不只是钱，还有试错循环的圈数。

科技大厂也不再满足于给药企做场外工具。8月，Anthropic公布其模型针对15个靶点从头设计蛋白质结合剂，其中14个在湿实验中验证了结合活性。候选分子不再从库里筛出来，而是按靶点画出来。AI在药物研发中的角色，正从加速器变成设计者——下一步，是把设计好的分子直接送进临床验证。

第二条战线更深一层：AI正在从解读生命，走向编写生命。2018年，Alpha Fold模型初登场就解决了困扰生物学50年的蛋白质折叠预测难题。2020年的第二代模型，把“输入氨基酸序列、输出三维结构”变成全球实验室的常规工具。第三代扩展到蛋白质与配体、RNA、离子的复合体系，从预测结构走向理解相互作用。公开报道显示，Deep Mind的蛋白质设计条线已把方向进一步调转为“给定功能、反推序列”。

AI酶设计把研发顺序倒了过来。传统酶工程是“自然进化加人工筛选”：先在自然界找到沾边的酶，再一轮轮改造试错，离不开巨型发酵罐。新路线则是输入底物分子和想要的反应类型，直接生成候选蛋白序列，只对折叠与活性做预测和验证。筛选的对象，从“自然界已有的”变成“自然界从未有过的”。这条战线目前能确认的方向在于设计能力已经走出论文，进入药企与工业界的管线。

第三条战线离普通人最近。8月19日，默沙东与Moderna联合宣布：个体化mRNA癌症疫苗与K药联用，在黑色素瘤术后辅助治疗的三期临床中，无复发生存期和无远处转移生存期双双跑赢K药单药。这是全球首个在三期随机对照试验中证明有效的mRNA癌症疗法。此前公布的五年随访数据显示，联合方案把复发或死亡风险降低了49%，把远处转移或死亡风险降低了59%。

这个方案的机制分三层。化疗放疗杀伤分裂中的细胞，不分敌我，副作用由此而来。K药的机制是阻断癌细胞对免疫系统的抑制信号，但恢复行动的T细胞，未必认得出高度伪装的癌细胞。个性化mRNA疫苗补上的正是“识别”这一环——先测序患者的肿瘤，由算法筛出最多34个新抗原，编码进一步定制mRNA，训练T细胞认准目标。疫苗负责指认，K药负责放行。早在2023年4月，马斯克就预言合成mRNA是治愈癌症最稳的路径，当时应者寥寥，如今三期数据落地，预言正在变成现实。

这套“取瘤测序—AI算靶点—mRNA编码—定制生产”的模式，要复制到肺癌等大癌种，还压着三道坎：全球医院的病理与基因数据互不联网，算法缺标准化的高质量数据；癌细胞会在靶向压力下继续突变，算法迭代必须与细胞进化赛跑；一人一条生产线，无菌快速生产和冷链的成本目前仍是天价。在这三道坎填平之前，能下的结论只有一个：若这些环节被工程化能力逐项攻克，癌症管理将第一次具备慢病化的条件。

三条战线指向同一个方向，而资本的风已经开始往生命科学的领域吹动。礼来、罗氏等药企巨头在自建AI研发平台；英伟达开设AI药物共创实验室；OpenAI向全球开放生命科学专用模型。扎克伯格随后宣布锚定生物学世界模型；Anthropic9月宣布成立生命科学研究组，自建湿实验室，还计划搭建药物管线，首先瞄准罕见病。全球最权威的肿瘤学会ASCO也在2026年上线AI专属平台，把AI从工具升级为战略核心——背景是三分之一的癌症患者已经在使用AI工具，全球每天有约4000万次AI健康查询，临床端的需求远大于机构需求。

Anthropic创始人Dario Amodei是生物物理专业出身，他的公开判断是：AGI与生物、医药结合才是造福人类的关键，未来5—10年，AI有望攻克绝大多数人类疾病。这个时间表可以争论，但资源倾斜的方向已难回头：科技巨头正接棒制药公司，主导生物技术的前沿投入。

值得补一笔的是，人类的位置并没有因此消失。菲尔兹奖得主陶哲轩公开提醒，数学研究最紧迫的任务已变成跟上AI的脚步——因为AI擅长在给定规则里穷举计算，而提出新问题、发明新规则、定义什么叫值得研究，仍是人类科学家的位置。生命科学大概率是同一走向：AI接管验算与筛选，人类守住提问与方向。

能力越通用，越没有选择性。能按功能设计病毒的能力，本身不挑用途。2026年8月《科学》杂志发表的研究显示：斯坦福大学与Arc研究所用基因组语言模型Evo，先“读”了约9万亿个核苷酸，生成约70万个噬菌体基因组候选，合成其中285个，最终16个在实验室里成功复制并杀死了大肠杆菌，部分个体比天然病毒更高效。

这些噬菌体只感染细菌，对人体无害，实验目的是为抗生素全面失效提前准备武器。但其机制本身不挑宿主。历史上，人类与天花缠斗约3000年才将其消灭，根除牛瘟用了上万年，迄今被彻底消灭的病毒只有这两种——过去每一场对病毒的胜利都以千年计；如今，从零设计一个能自我复制的病毒，周期以周计。原本需要顶尖病毒学家数年攻关的工作，门槛正在向一台电脑、一间车库滑落。

试想，若基因合成的订单筛查、AI模型的访问控制跟上能力扩散的速度，这条路固然将通向造福人类的噬菌体疗法与定制疫苗；但若跟不上，则极端个体将第一次握有过去只有国家才有的生物破坏力，世界性危机的引线会多出一根。九圈振幅证明，AI能替人类验算方程；三条战线证明，AI开始替人类设计生命。蒸汽机选了曼彻斯特，互联网选了硅谷。这一次，人类是否会选择活细胞，作为AI下一个开疆扩土的方向？

AI革命主战场向生物生命迁移，是福卡智库持续跟踪的核心议题。关于这一问题的系统分析，福卡智库《福卡视角》中的相应研究有完整研判。如果您对相关问题感兴趣，可私信留言“视角”，获取一手完整福卡前沿热点深度分析。