面对AI在数学、代码等领域的惊艳表现，多位物理学家却泼出冷水——他们认为AI很可能在物理世界遭遇“巨大失望”，因为物理学的根基在于真实实验而非逻辑演绎，而这恰恰是当前AI难以跨越的鸿沟。
一、物理没有“规则书”，AI无法穷举自然
规则缺失：物理学不存在像围棋那样已知且可完美模拟的规则书，AI可以暴力破解数学猜想，却无法穷举自然本身的复杂性。
数据昂贵：物理理论的约束最终来源于实验，而每次实验都需要真材实料的设备、时间和经费，数据不仅有限且带有噪声，AI难以像处理数学符号那样自由探索。
闭环断裂：AI在编程、数学领域能形成自我闭环，但物理研究需要人的干预和现实验证，闭环无法建立。
二、AI擅长推演，却提不出新概念
定义之难：张朝阳指出，AI擅长在已有定义下证明、证伪和推演，真正困难的是从一片模糊中提出新的概念、结构和定义——这是AI目前无法理解的。
角色定位：张朝阳将AI比作马，人比作骑手，马负责提高速度，骑手负责判断方向，AI拓展计算的边界，人类则负责拓展问题的边界。
溯因缺失：DeepMind研究员扎哈维指出，当前大语言模型在科学发现中缺乏溯因推理能力，即在数据稀缺、没有现成框架时提出全新解释性假设的能力，而这正是发明新理论所必需的。
三、模拟与现实的鸿沟难以跨越
无法独立发现：AI本身没有直接感知、介入物理现实世界的能力，只能处理人类已输入的数据，它可以生成大量看似完美的假说，却无法亲自到现实中完成验证。
模拟的局限：物理学教授马兆远指出，计算机模拟永远是简化的，牺牲精度可能就牺牲安全，我们面对的可能是“小概率大影响”的风险。
框架人定：即使未来AI能自主操作仪器采集数据，实验设备是人造的、测量标准是人定的、验证框架是人给的，AI可以在框架里跑得比人快，但框架本身仍然是人搭建的。