发现的光锥：马斯克看到了物理学的尽头 AI把它碾了过去

作者：硅谷 Alan Walker

一百年来物理学家当作真理的那条边界，被一条推文说破，被一年的算力粉碎。

三句话先把结论放桌上。

一、马斯克说"未来发现的光锥几乎全是工程"，这句话在数学上成立：支配现实的规则不到三十个参数，用这些规则能造出的东西是10的一百多次方量级。

二、但他默认了"做工程的是人"。AI 把"搜索+验证"这件事变成了可以用算力喂的机器，发现的速度第一次脱离了人脑带宽和人类寿命。

三、连他留给对撞机和望远镜的那一半，也开始被压缩——AI 撞出来的反例，正在变成新规则的入口。资本市场已经用七千亿美元为这件事投了票。

一场从假视频开始的真争论

10月3日凌晨，牛津的 David Deutsch 转发了一段 YouTube 视频。视频里"Leonard Susskind"用斯坦福那种慢条斯理的语气说，某些问题"不是工程问题，是根本的物理学问题"。Deutsch 是量子计算的奠基人之一，也是《无穷的开始》的作者，他一辈子都在论证"一切问题都可解、一切可解问题都是知识问题"。他看完只回了一句：其中每一个都是工程问题。

45分钟后他又发了一条：哦该死，看起来是假的，我太大意了。视频是 AI 生成的，Susskind 从没说过那些话。

再过7分钟，马斯克进来了。他没有去讨论视频真假，而是直接接住了 Deutsch 的那句话：

Elon Musk  @elonmusk · 2026年10月3日

未来发现的光锥几乎可以全部算作工程：支配我们现实的物理规则集合非常小，而用这些规则能做的事情则大得多。

我没有选择从事物理学职业——尽管那是我最喜欢的学科——原因是我会被困在等待下一台对撞机或望远镜的状态里。更好的做法是推进技术，最终让新的物理发现成为可能。

这条回复两周内36万次浏览。我把它截下来，是因为它把一个在硅谷早就默认、却很少有人说透的东西说出来了。而更有意思的是，整场争论的开头——那段骗过 Deutsch 的假视频——本身就是这场争论的最佳证据。这一点我留到第六节再说。

先把"发现的光锥"这个词讲清楚，因为整篇文章都压在它上面。

"光锥"是狭义相对论里的概念。宇宙里信息传得最快的东西是光，每秒30万公里，这是上限，谁也超不了。于是从你此刻所在的这个点出发，往未来画一个圆锥：锥里面是光从现在开始能到达的所有地方，也就是你未来可能影响到的一切；锥外面的东西，无论你做什么，永远碰不到。往过去画一个倒锥也一样：只有锥里的事件曾经影响过你。宇宙不是一整块摆在你面前，你能碰到的只有这两个锥。

通俗解读

光锥就是"你这辈子能够得着的范围"，而且这个范围不是由你的本事决定，是由宇宙的限速决定的。

举个例子：太阳如果此刻熄灭，你要8分钟后才知道——因为光要走8分钟。离我们最近的恒星比邻星在4.2光年外，你今天给那边发一条消息，最快8年半才能收到回信。假设你的寿命还剩70年，那么半径35光年之外的任何一颗星，你这辈子连一次"问一句、等一答"都做不完。那些星星在你的光锥之外，再聪明、再有钱也没用。

马斯克借这个词说的是另一件事：人类知识也有一个光锥。从今天往后，新知识的增量会从哪里来？它的边界在哪？传统物理学的答案很明确，而且被当作真理守了一百年：新知识从新的基本定律来，新的基本定律从更高能量、更远距离的观测来，而更高能量、更远距离需要更大的机器。所以"发现的光锥"的边界，就是人类能造出的最大机器所能看到的地方。

这条边界锁死的东西，比大多数人意识到的多。它锁死了标靶：LHC 能到14 TeV，上面是什么，没有机器就不知道。它锁死了时间：每一代机器从立项到开机二三十年，一个物理学家一辈子只能等到一两台。它锁死了并行：实验是串行的，一台机器一次只能做一件事。它锁死了人：发现要靠一个大脑想出来，而大脑的读写速度每秒几个比特，一辈子认真试几百次。更深的一层，它锁死了想象：既然新知识只能从机器来，那么"等机器"就成了唯一正确的职业路径，整整几代最聪明的人把一生排进了这条队。

通俗解读

"发现的光锥"就是人类知识这辈子能够得着的范围。传统物理学认为这个范围由两样东西定：机器能看多远，人能等多久。

举个例子：希格斯粒子1964年被预言，2012年被 LHC 证实，中间48年。彼得·希格斯提出它时35岁，拿诺贝尔奖时84岁。他是幸运的，等到了；同一代里预言了别的粒子的人，很多没等到。按同一个节奏，今天一个25岁的博士生要想亲眼看到 FCC-hh 的数据，得活到70岁以后。这就是光锥锁死的东西：不是"你不够聪明"，是"答案在你这辈子之外"。

马斯克17岁就看穿了这条边界，所以他没退队。而2026年发生的事情是：AI 把这条边界整个碾了过去——不是推远一点，是换了定义边界的那个东西。

规则手册真的薄到能写在咖啡杯上

物理学家喜欢说"标准模型可以写在一件 T 恤上"，这不是修辞。我们现在掌握的宇宙规则就两本：标准模型和广义相对论。标准模型里一个拉格朗日密度，自由参数19个，把中微子质量算进去大概26个；对称性就是 SU(3)×SU(2)×U(1) 加洛伦兹不变性。广义相对论再加一个场方程、一两个常数。全部数完，不到三十个数、几条对称性。

薄，不等于贫乏。规则少而通用，意味着用规则能搭出来的东西是组合爆炸式的。一条100个氨基酸的蛋白质，每个位置20种选择，可能的序列是20的100次方，大约10的130次方种。整个可观测宇宙里的原子总数才10的80次方。换句话说，哪怕把宇宙里每一个原子都变成一台实验机器，从宇宙诞生跑到今天，也走不完一条蛋白质的设计空间。晶体世界也一样：118种元素、230个空间群，人类几百年实验攒下来的稳定化合物，到2023年大约4.8万种。

通俗解读

把物理规则想成乐高说明书里的"连接方式"：只有几种卡口。但卡口少，不代表能搭的东西少——同一盒乐高能搭出的模型数量，是天文数字。马斯克说"规则很小、能做的事很大"，说的不是哲学，是组合计数。物理学家找的是新卡口；工程师拼的是新模型。

举个例子：碳元素只有一种，原子之间怎么连的规则也就那几条。但同样一堆碳原子，排成层是石墨（软到能写字），排成四面体是钻石（硬到能切玻璃），卷成管是碳纳米管（强度是钢的百倍），铺成单层是石墨烯（导电比铜好）。一种元素、一套规则、四种性质完全相反的材料——而人类到1985年才"发现"富勒烯，2004年才"发现"石墨烯。它们一直在规则手册里，只是没人翻到那一页。

还有一个更贴近产业的例子。量子力学在1925到1930年间基本定型，固能带理论1930年代写完。1947年贝尔实验室造出第一个晶体管，用的全是那套已经写好的规则。此后将近80年，没有任何一条新的基本定律参与进来，但同一张规则手册翻出了摩尔定律：从一个晶体管到一颗芯片上几千亿个晶体管，从真空管计算机到今天训练大模型的十万卡集群。整个半导体产业——人类历史上最大的一次财富创造——在物理学的意义上，一行新规则都没用。全部是工程。

所以马斯克那句"发现的光锥几乎全是工程"在数学上是重言式：分母是26个参数，分子是10的130次方。即使规则手册再翻一页，比如找到暗物质粒子，分子端的增量也会把分母端的任何进展碾成零头。他2007年接受《物理世界》采访时就说过同样的话：父亲是工程师，他从小读费曼，17岁离开南非去加拿大，最后没做物理，是因为不想排队等机器。

旧光锥是怎么被锁死的

既然规则端的贡献注定是零头，为什么过去一百年人类主要把最聪明的头脑和最多的钱投给了对撞机和望远镜？因为在"人做工程"的时代，工程端的扩张同样需要机器，而且慢在同一个地方：实验是串行的，人是会老的。

看几个数字。大型强子对撞机 LHC，1994年12月 CERN 理事会批准，2010年3月第一次7 TeV 对撞，中间15年零3个月；再过两年发现希格斯粒子。下一代 FCC，91公里环，第一阶段 FCC-ee 预算150亿瑞郎、分12年花，2040年代中期开机；真正能探到新标靶的 FCC-hh，要等到2070年代——今天入行的博士生退休之后。韦伯望远镜1996年立项，2021年圣诞节才发射，25年、约100亿美元。

还有一个更惨的故事。1993年10月，美国国会取消了超导超级对撞机 SSC。德州那个87公里的环已经挖了23公里隧道，花掉大约20亿美元，然后被一纸预算案填回去了。当年参与 SSC 的几千名物理学家，相当一部分去了华尔街——1990年代量化金融的第一批建模师，有不少就是从那条隧道里走出来的。这件事说明的不是美国不重视科学，而是"等对撞机"这件事本身有一个致命的结构缺陷：它要求整整一代人把职业生涯押在一个可能被取消的政治决定上。一个博士生入学时对撞机在立项，毕业时在挖隧道，拿到终身教职时才开机，这中间任何一届国会、任何一次成员国退出，都能让二十年归零。

这就是旧光锥的"光速"。物理光锥靠 c 扩张，c 是自然常数，谁也改不了。人类发现的锥，扩张速度由两样东西决定：实验周期，和人脑带宽。一个大脑一次只能想一个方向，读写速度每秒几个比特，一辈子能认真试几百次。所谓天才，本质上是比别人的启发式更好的那个人在跑。

马斯克抱怨"等下一台对撞机"，抱怨的就是这个 c。但请注意，这个 c 和相对论里那个 c 有本质区别：它不是自然常数，是工程常数。工程常数是可以被改的。

通俗解读

相对论里的光锥，边界是光速，宇宙开张那天就定死了。人类"发现的光锥"，边界是两个很土的东西：一台机器多久能造好，一个人一辈子能试多少次。前者是物理，后者是排班表。马斯克看出了排班表才是真正的瓶颈，所以他去造机器而不是等机器。AI 做的事情更进一步：把排班表上的"人"换掉。

举个例子：算一个粒子物理学家的一生。1990年入学，那年 LHC 还在论证；1994年读博，LHC 批准；2000年拿到博士后，隧道在挖；2010年成为副教授，第一次对撞；2012年希格斯出现，他42岁，这是他职业生涯里第一次、也可能是唯一一次看到规则手册翻页。此后他写 FCC 的立项书，知道那台机器开机时自己已经退休。一个人的全部智力，在这张排班表上只能兑换成一次"看见"。

马斯克默认了一件事：做工程的是人

把"发现"拆到最底层，只有两个动作：在一个巨大的设计空间里搜索，然后验证。过去搜索的瓶颈是人，验证的瓶颈是实验周期。AI 做的事情，是把这两个动作整体变成一台可以用算力喂的机器。这是马斯克那条推没说、而这两年硅谷每一笔大钱都在押的东西。

先讲一个具体的对比，看看"一次发现"的成本是怎么变的。2020年之前，解出一个蛋白质的三维结构，标准流程是：表达、纯化、结晶、上同步辐射光源打 X 射线、解析电子密度图。顺利的话一到两年，不顺利的话一个博士生整个学位。全球结构生物学家干了半个世纪，蛋白质数据库 PDB 里攒了大约20万个结构。AlphaFold 2在2021年开源，一年后放出2亿个预测结构，基本覆盖了科学界已知的全部蛋白质。2024年，这项工作拿了诺贝尔化学奖——注意，诺贝尔奖给的是一个"工程产物"，它没有发现任何新的物理或化学定律，它是把已知规则下的搜索做到了人做不到的规模。

看搜索端。DeepMind 的 GNoME 一次预测220万种晶体，其中38万种热力学稳定，把人类已知稳定材料从4.8万扩到42.1万，DeepMind 自己的说法是"相当于800年的知识"。AlphaFold 把蛋白质折叠从一个博士课题变成一次查询，数据库里放的2亿个结构。AlphaEvolve 把4×4复矩阵乘法从 Strassen 1969年的49次压到48次——这个数字56年没人动过；陶哲轩等人随后拿它跑了67个数学问题，多数复现已知最优，若干给出改进。

看验证端。DeepMind 和洛桑联邦理工用强化学习同时控制 TCV 托卡马克的19个磁线圈，把等离子体捏成雪花形、液滴形——控制器是在模拟器里训出来的，上真机只是确认。伯克利的 A-Lab，机器人17天合成41种新材料，候选全部来自 GNoME 的计算筛选，人只负责看结果。Isomorphic Labs 今年5月融了21亿美元，首批 AI 设计的药物年底进临床。美国能源部的 Genesis Mission，把国家实验室的算力、数据和仪器接成一个平台，今年7月已有278个项目、24家企业签约，目标写得很直白：十年内让美国科研生产率翻倍。

通俗解读

以前的发现像在一片黑森林里找蘑菇：一个人打着手电一棵树一棵树找，找到一朵要验一朵。现在变成了：先把整片森林扫描进电脑，在电脑里长出一万片森林，每片同时派一万个机器人去找，找到的蘑菇先在电脑里"尝"一遍，确认能吃的再派人去真森林摘。搜索器可以复制、可以并行、不会死，边际成本只是电费。

举个例子：伯克利 A-Lab 那17天。GNoME 先在电脑里"长"出220万种晶体，筛出38万种稳定的；A-Lab 从里面挑了58种候选，机器人自己配料、烧结、做 X 射线衍射、比对结果、调整配方，17天合成了41种，成功率71%。按传统材料实验室的节奏，一个博士生一年能认真尝试的新化合物大约十来种。换算一下：这17天干了一个实验室三四年的活，而且全程没有人值夜班。

还有一个容易被忽略的闭环：搜索器开始为自己造更好的搜索器。AlphaEvolve 找到的那个矩阵乘法改进，直接用在了 Google 自家数据中心的调度上，回收了0.7%的全球算力——听上去不多，但那是在一个千亿美元量级的算力池上免费多出来的0.7%。英伟达用 AI 做芯片布线，Anthropic 和 OpenAI 用模型写训练代码，前沿实验室里"模型帮助训练下一代模型"已经是日常。发现的光锥不只是被推得更远，它的推进速度本身在加速。这是人做工程的时代从来没有过的东西：工程师不会每一代都上一代聪明十倍，但搜索器会。

这才是"搜索空间被工业化"的意思。GNoME 那220万种晶体，用旧方法要一代一代人试出来；现在它是一次推理的输出。马斯克说工程占发现的100%，没错；但当工程本身变成算力的函数，发现的光锥就不再是一个被 c 锁死的几何对象，而是一条可以用 GPU 和电力往外推的曲线。

连"等望远镜"的那一半，也在被压缩

马斯克的框架里有一个默认的分工：工程由人推进，基础物理等新数据来改规则。他认为 AI 只加速前者，而后者还是得等对撞机。今年发生的几件事让我怀疑这个分工也在失效。

5月20日，OpenAI 一个未命名的内部推理模型推翻了 Erdős 1946年提出的平面单位距离猜想。80年来所有人都相信答案应该是 n 的 1+o(1) 次方，模型用代数论构造出反例，给出 n 的 1+δ 次方的下界，Will Sawin 随后把 δ 算到0.014。菲尔兹奖得主 Gowers 公开说，把它称为离散几何的核心猜想并不夸张。再往前，1月 GPT-5.2 Pro 解出 Erdős 第281号问题，陶哲轩称之为"最无歧义的一例"。9月，一万个智能体跑了88小时，给出带强迫项的三维纳维-斯托克斯方程有限时间奇点的构造，并用 Lean 做了形式化验证——这个结果还没经过同行评审，我持保留，但它的形态本身就是重点：发现变成了一个可以并发、可以调度算力的生产过程。

我特别讲一下那个单位距离猜想，因为它的形态和传统数学发现完全不同。问题本身很简单：平面上放 n 个点，两两之间距离恰好为1的点对最多有多少？Erdős 1946年猜测上界是 n 的 1+o(1) 次方，也就是"几乎线性"。80年里，几代组合数学家围着它建了一整套工具，所有人的直觉都站在 Erdős 这边。模型给出的反例不是"算出来"的，是"构造出来"的：它用代数数论里一个离散几何学家平时不会碰的角落，搭出一个无穷族，让单位距离对的数量超过了所有人以为的天花板。它翻的不只是一个猜想，是整个领域对"什么工具适用于什么问题"的默认分工。这正是旧光锥看不到的方向：人类数学家因为分科、因为训练路径、因为一辈子只能精通两三个领域，不会往那边走；搜索器没有这些边界。

这些事的意义不在"AI 会做数学"，在于反例是新理论的入口。回顾历史上每一次规则手册翻页——迈克尔逊-莫雷实验、水星近日点运动、紫外灾难——起点都是一个"不该出现的异常"。过去异常只能等对撞机来撞，现在它们可以从望远镜来：AI 在海量设计空间里撞到的每一个"人类直觉说不可能"的构造，都是一张通往新规则的门票。

生物学也在此出现同一种形态。9月，Anthropic 用大约950个 Claude 智能体扫描20万条逆转录酶序列，21小时后在噬菌体里找到一个此前未知的酶系统，由张锋评审、实验室初步验证，功能还不清楚。几年前，这是一个实验室五年的课题。

所以"击碎并超越"的全部含义是：AI 不只是在既有光锥里跑得更快，它在人类看不见的方向上开新的锥。对撞机那条线没有消失——FCC 还是要等到2070——但它从"唯一入口"变成了"入口之一"，而且不再是最快的那个。

钱已经投票：一个数据中心等于 CERN 四十年

观点可以争论，预算表不会撒谎。把"等对撞机"和"造工程"两边的钱放在一起看。

一个数据中心等于 CERN 四十多年的预算；一家公司一个园区是 FCC 的十几倍，而且不用二十几个成员国开会投票。四家公司一年的 AI 基建支出，相当于全人类研发总投入的四分之一（口径不同，但量级对比成立）。英伟达市值10月初逼近6万亿美元，它卖的东西表面上是训练聊天机器人的芯片，底层卖的是"每秒能搜索多少种可能性"。

有人会说，数据中心是商业投资，CERN 是基础研究，两者不该放一起比。恰恰相反，放一起比才看得清楚。CERN 的产出是"规则手册上的新一页"，每一页的定价是全球物理学界几十年的共识；数据中心的产出是"翻规则手册的速度"，定价是季度财报。过去一百年，前者一直被当作上游，后者是下游。2026年的预算表，上下游换位了：当翻手册的速度快到一定程度，新一页手册的价值反而取决于你翻得有多快——因为只有翻得够快，你才会撞到那些需要翻一新页来解释的异常。

一级市场的定价更直接。2025年底到现在出现了一类我们内部叫 Neolab 的公司：没有产品、没有收入，只有一群顶级科学家加一个"用 AI 做科学"的论证，就能拿到十亿级融资。Periodic Labs 2025年9月种了3亿美元、估值13亿，六个月后传闻以70亿估值谈新一轮。Lila Sciences 今年6月谈20亿美元 B 轮、85亿投前。Chai Discovery 7月 C 轮4亿、估值38亿。Isomorphic Labs 10月被彭博报道正以400亿以上估值谈新一轮。这些公司的共同点：核心资产不是管线，是"自动化实验室+专有物理数据+模型"的闭环。资本押的就是一件事——发现本身可以工业化。

通俗解读

以前一个物理发现的价格是：几十亿美元+二十年+二十几个国家达成共识。现在一个发现的价格是：算力账单+电费+机器人实验台的折旧。当两样东西的单价差出两个数量级，钱往哪边流根本不用讨论。CERN 不会消失，但它从"发现的主战场"变成了"发现的仲裁庭"。

举个例子：看新药。传统路径里，一款新药从靶点到上市平均10到15年，账面成本常被引为20多亿美元，大部分钱花在失败的候选上。Isomorphic Labs 2021年成立，今年5月融21亿美元，年底第一批由 AI 设计的分子进临床——从公司成立到临床五年，而且它同时推进的是几十个靶点，不是一个。制药巨头为什么愿意用上亿美元的预付款和它合作？因为它们算过账：买一个"每年能搜几百万个分子"的搜索器，比自己再建一座实验大楼便宜。

Deutsch 被骗这件事，才是最锋利的证据

回到开头那段假视频。注意一个细节：骗过 Deutsch 的不是一条政治谣言，不是一张 P 过的图，而是一段用 Susskind 的声音、Susskind 的措辞、Susskind 的论证节奏，讨论物理学最深层问题的视频。它骗过的是一位在这个领域思考了五十年的人。

这件事的物理含义是：一位顶级理论物理学家的声音、风格、推理习惯，本身也是"已知规则下可建造的物体"。AI 已经能把它工程出来，精度足以骗过另一位顶级物理学家。Deutsch 那句"其中每一个都是工程问题"，居然反过来对着自己成立了——连"Susskind 说了什么"也成了工程问题。

当一个文明能按需制造出任何可被规则描述的东西——包括一个物理学家思想的外壳——它的瓶颈就彻底从"知道什么"转到了"能验证什么"。

这是我在这场争论里看到的、别人没怎么说的一层。过去稀缺的是发现，因为搜索慢；未来稀缺的是验证，因为搜索快到真假混在一起。OpenAI 那个纳维-斯托克斯的结果为什么要专门跑17小时用 Lean 形式化？Erdős 猜想被推翻为什么要外部数学家写随论文？GNoME 的220万种晶体为什么要 A-Lab 去真的烧41种？因为搜索器一旦工业化，验证器就成了整个系统的新 c。

把这个逻辑再往前推一步，就能看到一个有点反直觉的结论：对撞机的角色没有消失，而是变了。过去对撞机是生产者——它造出新数据，新数据改规则。未来对撞机更像法官——当搜索器在模拟宇宙里撞出一个"按现有规则不该存在"的东西，你需要一台真实的机器去裁决：是规则错了，还是模拟错了。FCC 还会建，但它开机那天的第一批实验，大概率不是物理学家二十年前写在立项书上的那些，而是 AI 在2050年代撞出来的一堆待裁决的异常。

通俗解读

想象一个造假币的技术突然变得无限便宜：一夜之间，市面上真币假币混在一起。这时候最值钱的不是印钞机，是验钞机。AI 让"发现"的生产变得接近免费，于是"验证"成了新的稀缺品。形式化证明器、自动化实验室、能复现的真实数据，这些就是验钞机。

举个例子：今年1月，一个专门追踪 AI 解 Erdős 问题的数据库上线，统计结果很有意思：AI 对 Erdős 问题的尝试，真正成立的只有1%到2%，剩下98%是看起来像证明的东西——步骤完整、术语正确、结论错了。换句话说，每一个被陶哲轩确认的真发现背后，有五十个需要人去否决的假发现。谁来当这个"验钞机"？今天是陶哲轩本人，明天必须是 Lean 这样的形式化系统，因为陶哲轩只有一个，而搜索器可以开一万个。

所以未来真正的"对撞机"，不一定是91公里的环，可能是形式化证明器，可能是自动化实验室，可能是一个能分辨真 Susskind 和假 Susskind 的系统。谁掌握验证，谁就掌握了新光锥的边界。这也是为什么我认为拥有专有物理实验数据的公司，比只做模型的公司值钱得多：模型可以复制，实验不能。

马斯克自己就是样本，而他正把光锥推向太空

"没选物理是因为不想等对撞机"，这不是姿态，是马斯克过去二十年的方法论。星舰用不锈钢而不碳纤维，是先把东西造出来，再回头算热力学；特斯拉电池是先把产线建起来，在产线里发现电化学规律；Neuralink 是先植入，再修正对脑电信号的理解。每一次都是工程先落地，物理被追着回答。

2026年他把这件事推到了极致。2月2日，SpaceX 以1.25万亿美元合并 xAI。1月30日，SpaceX 向 FCC 申报最多100万颗轨道数据中心卫星，目标100吉瓦在轨算力。2月他在 Dwarkesh 访谈里说，30到36个月内，太空将是放 AI 最便宜的地方，"差距不是一点"。有意思的是，SpaceX 今年5月的 S-1 招股书把轨道数据中心描述为"依赖未经证明甚至尚不存在的技术"。创始人说三年，律师说不确定——这个分歧本身就是"工程先于发现"的注脚：他不是在等物理学允许，而是在造一个让物理学不得不回答的工程。

为什么是太空？算一笔账就明白。一座5吉瓦的地面数据中心，要拿到电力接入许可、冷却用水、土地和环评，在美国平均排队三到五年，这个排队时间就是新光锥的"实验周期"。轨道上的太阳能板没有昼夜、没有大气衰减、不需要冷却塔，散热靠辐射对真空。发射成本呢？而发射成本恰好是马斯克过去二十年唯一真正压下来的东西——猎鹰9把每公斤入轨价格从航天飞机时代的5万美元压到不到3000美元，星舰的目标是再压一个数量级。他说"36个月"，押的不是物理，是自己的发射排班表。

把这一节和前面连起来看，马斯克那条推其实是为自己的下一步辩护：如果发现的光锥由算力决定，那么算力放在哪里最便宜、扩得最快，就决定了光锥扩得多远。地球只接收太阳能量的五亿分之一，这是他在同一次访谈里反复强调的数字。他押的是：下一个对撞机不在日内瓦地下，在近地轨道。

给投资人的三条判断

把以上所有东西压缩成可以操作的判断，我只留三条。

先说一个对中国读者格外相关的推论。过去三十年，中国在"等对撞机"这条线上一直是追赶者：大装置的立项、国际合作的话语权、顶级理论物理的人才密度，都要晚几十年去补。但如果发现的光锥从对撞机切换到算力、电力和自动化实验室，那么比赛的计分规则就变了。中国有全球最完整的电力基建、最密集的制造业产线、最便宜的机器人硬件——这三样恰好是"工业化搜索"的原材料。CEPC 要不要建、什么时候建，是一个重要但不再唯一的问题；真正决定中国在新光锥里位置的，是有多少座吉瓦级数据中心接上了湿实验室，有多少条产线的实时数据喂给了模型。

第一，发现的成本曲线换轨了。旧曲线：一个发现 = 数十亿美元 + 二十年 + 一代人的政治共识。新曲线：一个发现 = 算力 + 能源 + 机器人实验台 + 专有数据。直接受益的资产：算力，这不用说；能快速落地的吉瓦级电力；自动化实验室，比如 Radical AI 在布鲁克林海军船坞那种一天跑100个实验的湿实验室；以及最被低估的——拥有专有物理世界数据的公司。

第二，受挤压的资产也很清楚：要靠"大科学共识"才能动的机构，排队二十年的大装置，以及只做模型、不碰物理世界的纯软件 AI for Science 公司——它们会被上游的通用大模型和下游的自动化实验室两头夹住。

第三，验证正在取代发现成为稀缺品。形式化证明、自动化实验、可复现的物理数据，这三样东西是新光锥的边界。谁在造这些，谁就在造下一代对撞机——只不过它不叫对撞机。

Deutsch 被假 Susskind 骗了，然后用45分钟自己纠正过来。整件事从头到尾没有一个人类物理学家做出任何新发现，却完整演示了 AI 时代发现的全部结构：搜索被工业化，验证成为瓶颈，而把两者接起来的人——马斯克那样的人——正在用万亿美元和一百万颗卫星，把光锥往他认为最便宜的方向推。

规则手册还是那二十几个参数。变了的是，翻它背后那个宇宙的速度，第一次不由人脑决定了。