当下，生成式人工智能引发的热潮席卷全球。在资本和科技巨头的推波助澜下，大众对人工智能的期待被推到了前所未有的高度。不少人乐观地预测，通用人工智能即将到来，AI不仅能自动撰写论文、推导公式，甚至很快就能独立发现新的物理定律，替代顶尖科学家解决宇宙的终极谜题。然而，在深耕基础科学领域的物理学家看来，这种狂热背后隐藏着巨大的隐患。不少物理学家抛出了冷静甚至刺耳的预判：当下这一轮AI热潮，最终很可能以一场巨大的失望而告终。
物理学家的这份审慎，并非出于对技术进步的全盘否定，而是基于对智能本质与物理世界规律的深刻理解。从底层逻辑来看，当前主流的大语言模型本质上是庞大的统计学与概率预测工具。它通过学习海量的人类既有数据，寻找词语、公式和符号之间的关联规律，进而输出逻辑通顺、看似专业的答案。然而，这种基于数据拟合的技术路线，并不等同于真正理解现实世界的物理法则。AI缺乏对重力、时空、粒子相互作用等物理实体的真实感知，其所有的认知全部来自人类已经写好的文字记录，无法挣脱训练数据集的边界。
科学史上的重大跃迁，从来不是对已知知识的简单拼接与总结。当年爱因斯坦提出相对论、量子力学打破经典物理框架，靠的并非堆砌海量资料，而是在发现既有理论矛盾后，跳出旧框架所做出的颠覆性猜想与直觉突破。而大模型只能在人类已经发现的知识内部打转。哪怕把全部经典力学文献喂给AI，它也无法凭空推导出相对论；面对现有理论无法解释的异常现象，AI只会试图在旧体系内修修补补，或者通过添加无意义的参数强行拟合。更严重的是，大模型普遍存在“幻觉”现象，在严谨的基础科研和工程推导中，一个凭空编造的公式或数据错误，就足以毁掉整套研究成果。
除了理论逻辑上的瓶颈，AI在现实物理层面同样面临诸多枷锁。算力和模型的提升受制于能量、芯片和存储的物理天花板，单纯依靠增加参数和投喂数据，很难实现质的飞跃。此外，物理学终究是一门与客观现实打交道的实验科学。真实的物理世界充满了噪声、仪器漂移和各种复杂的非线性干扰。稀释制冷机的漏热、微弱的杂散电容干扰等复杂的现场问题，包含着大量不可言传的隐性经验，这是运行在服务器里的语言生成器难以接管的。加上AI模型的“黑箱”困境——即便它给出一个看似正确的计算结果，人类也难以推解其内部逻辑，而缺乏可解释性和可复现性的结论，很难被视为真正的科学发现。
资本与舆论的过度炒作，进一步放大了这种预期落差。商业宣传不断塑造“无所不能的AI”形象，让不少企业和公众误以为AI能迅速替代人类从事复杂的脑力劳动。然而在实际落地中，许多项目难以带来预期的高额回报，甚至因错误率高而不得不重新依赖人工。当社会各界慢慢看清AI存在的底层局限，发现它持续交付的仅仅是一个高效的信息处理工具，而非具备独立认知和创新能力的超级智慧时，过高期待破灭所带来的巨大失落感便不可避免。历史经验表明，这种预期落差一旦爆发，往往会引发资本撤离和技术研发的冷却。
值得警惕的是，在盲目追捧AI的过程中，人类自身的能力正在面临退化风险。长期依赖AI推导公式和生成方案，容易让人丧失独立的逻辑推演与批判性思考能力。在科研和日常工作中，如果习惯了直接接受AI给出的结论而懒得亲自验算，错误的认知就会被直接套用，造成大范围的“认知污染”。
面对AI浪潮，物理学家们的警示并不是要否定AI的实用价值，而是呼吁全社会回归理性。AI确实是一支划时代的高性能“计算笔”，在海量数据筛选、基础运算、文献整理以及辅助代码撰写等方面，能够极大解放科研人员的生产力，把人类从繁琐的重复性劳动中解放出来。但科技探索的核心驱动力——定义深刻问题的物理直觉、识别反常现象的审审美品味，以及在混乱现实中设计实验的洞察力，依然牢牢掌握在人类手中。
工具终究不等同于真正的智慧。清醒看待AI的能力边界，摒弃盲目狂热与不切实际的幻想，将核心思考与关键判断留在人类自己手中，用好工具的长处，才是避开“巨大失望”、推动技术与科学健康发展的稳妥之路。
