Google DeepMind CEO哈萨比斯提出过一个极具穿透力的AI终极创造力测试：将现代AI的训练知识截止在1901年，仅输入人类彼时已积累的全部学术成果，不接触任何后世物理论文与理论突破。在这样的前提下，AI能否如同爱因斯坦一般，在1905年独立推导出狭义相对论？
这个测试的答案，直接划定了当下AI的能力边界：如果AI能做到，意味着它具备顶尖科学家级别的原创创造力；如果不能，那它再强大，也终究只是一台极致高效的知识处理机器，而非能颠覆认知、重构体系的创造者。
答案非常明确：即便拥有无限算力、穷尽1901年前所有文献，AI也无法发明相对论。
核心症结不在于算力不足、资料匮乏，而在于相对论从来不是一次简单的知识补全、逻辑推演或问题优化。它是一场彻底的科学范式革命，推翻了人类沿用数百年的时空底层认知，重新定义了时间、空间与运动的底层逻辑。
哈萨比斯对AI创造力的划分，精准点透了本质：真正的创造力分为两层，一层是在既定规则、既定问题框架内求解答案，这是当下AI的强项；另一层是推翻固有前提、提出全新假说、重构问题本身，这是AI至今无法突破的壁垒。
这个经典思想实验，本质是在追问一个核心问题：当所有突破所需的零散知识、实验数据、数学工具都已齐备，全新的科学理论，会不会自然从旧知识中生长出来？
相对论的诞生给出了最明确的答案：不会。
01 范式枷锁：AI永远跳不出时代的认知框架
要读懂这场AI与科学革命的差距，首先要理解托马斯·库恩在《科学革命的结构》中提出的核心概念——科学范式。
所谓范式，是一个时代全体科学家共同默认、无需证明的底层共识与解题规则。它划定了哪些问题值得研究、哪些概念具备有效性、何种证据可以支撑结论、怎样的解释才算合理。范式不是科研的答案，而是所有科研的前置前提。
在牛顿经典物理的范式中，时间是均匀流逝的绝对常量，空间是固定不变的运动舞台，万物的运动都依托这套固定框架展开。在当时的科学界，这不是待验证的假说，而是不证自明的公理，是所有物理研究的基石。
范式之内的常规科学，本质都是“解题”。当理论与实验数据出现偏差时，科学家的第一反应永远是微调参数、修正误差、补充条件，而非推翻底层框架。只要原有范式尚能自洽、尚能解释多数现象，整个学界就会在旧体系内持续优化修补。
而科学革命的本质，从来不是优化旧答案、完善旧理论，而是推翻旧前提、重构新问题、建立新范式。
狭义相对论，正是这样一场彻底的范式颠覆。
02 爱因斯坦的突破：不是解题，是推翻前提
19世纪末的物理学，看似已经趋近完美，两套核心理论体系足以解释世间绝大多数物理现象：牛顿力学精准诠释宏观物体的运动规律，麦克斯韦方程组完美统一电、磁、光三大领域。
但两套看似完美的体系之间，藏着一道无法调和的致命裂缝。
依据牛顿力学的速度叠加原理，光速会随观测者的运动状态发生改变；但麦克斯韦方程组推导出的光速，是一个固定不变的常量，与参考系无关。与此同时，迈克尔逊—莫雷实验反复验证，始终无法测出科学界公认的“以太风”，彻底颠覆了传统光的传播介质理论。
彼时，所有顶尖物理学家都看到了这组矛盾，但所有人的解题思路，都被困在牛顿范式之内。大家的研究方向高度统一：微调以太模型、修正运动参数、假设地球拖拽以太、猜想存在未被发现的补偿机制……所有人都在拼命修补旧体系，试图用原有前提解释异常现象。
唯有爱因斯坦换了一套底层逻辑。
他没有执着于“为什么测不到以太”，而是直接抛弃了整个问题的前置前提：根本不存在绝对时间，也无需以太作为传播介质。
他以两条全新的底层公理重构物理体系：一是所有惯性参考系下，物理定律形式统一；二是真空中的光速，对所有观测者恒定不变。
基于这两个全新前提，原本无法调和的矛盾瞬间消解：同时性不再绝对、时间流速随运动状态改变、空间尺度随速度收缩。人类沿用百年的时空观，被彻底改写。
这就是AI永远无法复刻的一步：1901年的所有文献、实验数据、数学工具，都已齐备，但所有旧知识只会引导研究者在既定框架内找答案，不会主动让人怀疑、推翻框架本身。
AI擅长处理矛盾、推演结论、优化方案，但无法自主否定支撑一切推导的底层公理。
03 AI的创造力：只会组合旧知识，不会颠覆旧世界
当下大模型的所有“创造力”，本质都源于对已有知识的概率化重组与最优解推演。
AI通过海量文本训练，学习概念、逻辑、因果与知识关联，核心训练目标是基于现有内容，预测最合理的后续结果。凭借强大的统计与归纳能力，它可以快速完成文献综述、数据计算、公式推导、代码生成、假说罗列，数分钟就能完成人类团队数月的工作量。
但AI判断“合理与否”的唯一标准，是训练数据中的人类共识。
如果1901年的主流学界普遍认可以太存在、信奉绝对时空观，AI就会将这些范式前提判定为“绝对正确”。即便它能识别理论与实验的矛盾，也只会沿着人类的主流思路，提出新的以太模型、新的修正方案，绝不会主动否定整个底层框架。
AI的创造，分为两个层级，但均未触及真正的科学革命：
第一是组合式创造。所有文案、代码、基础假说的创新，都是旧概念、旧逻辑的重新排列组合，原材料与判断标准均来自旧知识，无任何底层突破。
第二是规则内的极致探索。如同AlphaGo走出人类从未下过的围棋妙招，但其探索边界、胜负规则、评价体系均是人类预设。它能在既定地图里走出新路，但永远不会质疑地图本身画错了。
而相对论需要的是第三层创造：否定既定规则、废弃通用前提、重构认知地图。这是当前AI的算法逻辑，天然无法企及的高度。
04 三重核心壁垒：AI永远复刻不了爱因斯坦式突破
即便给AI完整的1901年前物理知识库，放开所有算力限制，它依然诞生不了相对论，核心卡在三个无法突破的底层逻辑。
第一，AI只会修正误差，不会推翻前提。
面对理论与实验的冲突，AI可以罗列所有可能性：测量误差、参数遗漏、条件不足、理论缺陷。但它无法自主判断，问题究竟出在表层细节，还是底层公理。
绝对时空观在19世纪物理学中，是无需验证的“题目已知条件”，而非待求证的命题。AI的概率逻辑，只会优先贴合主流共识、维护既定范式，绝不会主动推翻整个学科的底层根基。从“发现矛盾”到“否定时空绝对性”，没有可推导的公式、可复刻的步骤，这是人类的颠覆性直觉，而非机器的逻辑推演。
第二，AI只会生成假说，不会筛选真理。
当下AI可以批量生成数十种、上百种科学假说，但提出选项极易，筛选方向极难。
即便AI偶然输出“以太不存在、绝对时间不成立”的猜想，也只是海量随机选项中的一条，它无法判断：这个看似违背主流、毫无直观证据的假说，是否值得放弃百年共识、全力深耕。
科学革命的核心，不仅是提出新想法，更是在无数可能性中，押注最反直觉、但最接近本质的新体系。这种基于认知、审美、全局观的价值判断，是人类独有的能力。
第三，AI没有主动追问的底层动机。
科学家的终极突破，往往不源于“算不出结果”，而源于“体系不协调、认知不自洽”的深层不适感。哪怕旧理论能够解释多数现象，天才科学家也会因理论割裂、体系冗余、逻辑不统一，持续追问、持续探索，直至重构完整体系。
但AI的所有目标、任务、评价标准，全部来自外部指令。人类让它解决问题，它就输出最优解；人类让它生成假说，它就罗列可能性。任务完成，思考即刻终止。它没有世界观的冲突不适感，没有必须想通本质的执念，更不会为了一套更简洁、更统一的真理，推翻所有既定规则。
AI可以把旧范式的路走到极致，但永远不会萌生“这条路从起点就错了”的颠覆性思考。
05 AI替代99%的汗水，替代不了1%的天才灵感
承认AI的创造力边界，并非否定AI的科研价值，反而能更清晰地定位AI与人类科学家的分工边界。
未来的科研体系中，所有繁琐、重复、海量的基础性工作，都会被AI彻底重构：文献梳理、数据清洗、公式推导、实验模拟、错误筛选、模型迭代，AI可以将人类数年的工作量压缩至数小时，让科研异常更早暴露、让错误方向更快排除。
AI会接管99%的汗水型科研工作，让人类科学家彻底从繁琐劳作中解放出来，聚焦最核心的顶层决策：判断研究方向、捕捉体系矛盾、质疑底层前提、筛选终极真理。
哈萨比斯的相对论测试，最终揭示了一个朴素的真相：AI擅长回答问题，人类擅长定义问题；AI擅长优化世界，人类擅长重构世界。
当问题框架既定、规则清晰、逻辑可推演，AI的效率、精度、全面性远超人类。但当科学突破需要颠覆常识、否定公理、重构认知时，算力、数据、算法都毫无意义。
爱迪生曾说，天才是1%的灵感加99%的汗水。
如今的AI，已经完美承接了那99%的汗水，但永远无法复刻那1%的顶级灵感。
这1%的灵感，不是灵光一现的运气，是人类独有的能力：对认知矛盾的极致敏感、对固有常识的勇敢怀疑、在无标准答案的混沌中重建秩序的创造力。
爱因斯坦当年拥有的文献、数据、工具，并不比同时代的物理学家更多。
他唯一的超越，是看待世界的全新方式。
而这，正是当前所有AI，都无法抵达的终极边界。