AI 把物理学里那本 60 年的老账，又掰开算了一遍
我有个毛病，看见“AI 又碾压了谁”，总想退半步，看看它到底赢在哪儿。
加州理工有帮人，专攻量子化学。这行有套老办法叫密度泛函理论，算药、算电池、算芯片，都得靠它。可它有要命的毛病——慢。体系每大一点，计算量就“咔”地跳到三次方。100 个电子，硬算一次，时间比宇宙年龄还长。
60 年了，全世界都卡在这。想提速，就两条路。
一条，是让 AI 直接猜答案，一步到位。听着美，可一碰到没见过的分子就露馅。实测从小分子外推到药物级，误差从不到 1% 飙到 41%。
他们没这么干。他们把 AI 塞回那个老循环，只替换最贵的那一步——算电子密度。其余照旧，一步一迭代，错了下一轮拽回来。像让 AI 当“分步推演”的思维链，不图一步猜中，图每一步都自我校验。
结果，1 块显卡，算完一个含 8 万多电子的金属缺陷。2019 年干同样的事，动用了约 7800 块显卡，还是超算。外推到大分子，误差只有 2.23%，比“一步到位”漂亮一大截。
我的启发是，AI 替代的从来不是物理，是物理计算里最烧钱的那一步重复劳动。我们总迷信“一步到位”的聪明，可真正走得远的路，是把笨办法守住，只用新工具替换最累的那一环。一具体，就深刻；一迈步，就走远了。