"未来几年，我们将取得相当于几十年理论物理学进展的成果。"这句话出自一位正在使用OpenAI最新内部系统的物理学家之口，被奥特曼转述后，在全球科技圈引发了一场关于AI能否真正压缩科学时间轴的激烈讨论。

这不是奥特曼第一次发出类似的声音，但这一次，他手里握着的不只是预测，还有越来越多落地的证据。

奥特曼的这番表态，发生在2026年4月的印度AI影响力峰会上。他在演讲中提到，AI系统在过去一年多时间里已经从"能写代码"进化到"能推进数学研究、参与理论物理工作"，这种跃升的速度甚至超出了他自己团队的预期。

这并非空洞的自我宣传。2026年1月，OpenAI发布了一份题为"AI作为科学合作者"的内部研究报告，详细记录了GPT-5在数学、生物学、材料科学和物理学领域的早期科研协作实验。更引人注目的是，GPT-5.2在《物理快报B》上贡献了一篇经同行评审发表的论文的核心思路，这被外界视为AI首次在顶级物理学期刊留下真实印迹。

麻省理工科技评论的报道印证了这一时间节点的特殊性：OpenAI团队将2026年定位为"科学AI之年"，就像2025年是"代码AI之年"一样。GPT-5.2在OpenAI自研的FrontierScience基准测试中，在奥林匹克级别题目上达到77.1%的正确率，在研究级题目上达到25.3%，后者被认为接近真实科研工作的难度门槛。

但奥特曼更看重的，不是基准分数，而是一线研究者的真实反馈。那位物理学家的震惊，在他眼中是比任何测试集更有说服力的信号。

科技领袖对AI潜力的宏大预言，市场早已听腻了。奥特曼本人此前就曾说过"AI可以把一百年的科学成果压缩进五到十年"，Anthropic的达里奥·阿莫迪也有过类似措辞的表达。这些话在过去几年里更多是作为融资演讲的修辞存在，而非可验证的承诺。

2026年的情况正在变得微妙地不同。这种差异不在于措辞，而在于机制。

当前AI系统在理论物理领域的价值，并不体现在"替代物理学家思考"上，而体现在几个更具体的能力维度：大规模文献综合与模式识别、数学推导的自动辅助验证、以及在研究者提出假设后快速生成和筛选候选方向。斯坦福大学人类中心人工智能研究所2026年3月发布的年度AI指数报告指出，AI在数学竞赛和科学推理基准上的进步速度，过去两年已经呈现出非线性加速的特征，这与此前平稳的能力曲线存在显著差异。

当然，从"压缩进展"到"真正取得突破"之间，仍然有一道不小的鸿沟。批评者指出，AI目前最擅长的是在已知知识边界内的重组与推演，而真正的理论物理突破往往需要反直觉的概念跳跃，这恰恰是现有AI架构最薄弱的环节。《自然》杂志的评论文章也提醒，AI加速科学发现的证据目前仍以"辅助性"成果为主，独立提出全新理论框架的案例尚未出现。

OpenAI的行动路线图，正在把这些争论推向一个更直接的验证场。

奥特曼设定了两个内部目标：2026年9月前培养出一个可以自主运作的"AI研究实习生"，2028年3月前实现"正式AI研究员"的能力水平。与此同时，OpenAI基金会承诺2026年至少投入10亿美元用于生命科学和AI韧性研究，并许下了未来250亿美元攻克疾病的长期承诺。

这些数字背后的逻辑，是奥特曼一再强调的核心命题：如果AI能真正加速科学，那么材料科学的突破可以带来廉价清洁能源，医学研究的提速可以终结数十种目前无药可治的疾病，这一切的综合价值将远超任何单一技术产品的商业回报。

这个叙事是否成立，最终要接受时间的检验。但有一点是确定的：当一位物理学家用完一套AI系统之后，说出"我以前从未想过这会发生"时，这个反应本身，已经说明了一些重要的事情。

科学加速，也许正在从愿景变成进行时。