大模型物理推理能力仅为人类一半 李德毅院士团队用认知物理学撕开AI”伪装”

2025年12月5日，苏州”大模型与决策智能大会”现场，当刘玉超研究员展示GPT – 4o在物理推理测试中仅获得40%准确率，而人类专家达到90%时，全场一片哗然！这个由李德毅院士团队公布的数据，无情戳破了大模型”无所不能”的神话。

这位中国工程院院士，认知物理学的开拓者，早在2000年就预言：”机器认知永远无法替代人类认知的底层逻辑。”

如今，他带领团队用”物质、结构、能量、时间”四要素构建的评估框架，正在重新定义人工智能的发展方向。

物理推理暴露大模型”致命伤”

在PhysiCo基准测试中，研究人员设计了一个简单实验：向GPT – 4o、Gemini 2.0等顶级大模型展示一组网格图，要求它们判断液体混合过程是正向还是反向播放。

结果令人震惊！强化学习前的模型自信地给出错误答案，坚称”粉色粉末扩散是正向过程”；经过训练后虽然纠正了判断，却无法解释”容器中粉末量增加”这一关键物理证据。

更严峻的差距出现在高阶认知任务中。腾讯联合团队开发的PhysiCo – Core测试显示，即使是最先进的o3 – mini – high模型，在抽象物理概念理解上也落后人类40%。当研究人员用网格图替代自然语言描述抛物线运动时，所有大模型的准确率暴跌至随机水平。

“这不是能力问题，而是本质差异。”李德毅院士在接受采访时强调，”大模型就像背熟菜谱却不会做菜的厨师，能精准复述公式却不懂物理意义。”团队开发的”四要素评估矩阵”揭示了残酷真相：当前AI系统在”结构认知”和”时间感知”维度得分不足30分（满分100），而这正是人类认知的核心优势。

四要素框架破解机器认知密码

“认知物理学的本质，是找到人类与机器认知的’公分母’。”李德毅院士在《认知物理学基础》中提出的物质、结构、能量、时间四要素，正在成为评估AI的黄金标准。

物质对应硬件基础，就像人类的大脑神经元；结构是算法架构，类似大脑皮层的神经网络连接；能量表现为计算资源，如同人体消耗的葡萄糖；时间则体现为动态学习过程，这恰是大模型最薄弱的环节。

为了让普通人理解这个复杂框架，团队举了个生动例子：”如果把大模型比作厨房，GPU是物质，Transformer架构是结构，电力是能量，那么持续学习能力就是时间。现在的AI就像没有时钟的厨房，永远做不出’时效性’的认知佳肴。”

这个评估体系已经在军事指挥、医疗诊断等关键领域应用。在某次作战模拟中，基于四要素设计的动态评估系统，成功预测了某商业大模型在”敌情判断”任务中的认知偏差，准确率达82%。

人机协同开启认知新纪元

在苏州实验室，一幅未来场景正在浮现：白发研究员与蓝色机器人并肩站在虚拟黑板前，前者手绘着量子纠缠的示意图，后者实时计算着粒子轨迹。

这不是科幻电影，而是李德毅团队打造的”认知互补实验室”日常。

“机器的暴力计算 + 人类的创造直觉 = 认知革命。”院士的这句话被刻在实验室墙上。他们开发的”认知螺旋”系统，已经实现工程师与AI的深度协同：人类提出”用拓扑势分析数据场”的创意，AI则在0.3秒内完成10万次模拟验证。

这种协同效应在工业界产生惊人效益。某汽车厂商采用该框架后，自动驾驶算法的研发周期缩短40%，而关键安全指标提升27%。”就像航海时代的罗盘与望远镜，缺一不可。”项目负责人如此评价。

李德毅院士团队的研究，不仅揭示了当前AI的真实水平，更指明了未来方向。当大模型在物理推理中折戟沉沙时，我们终于明白：真正的智能革命，不在于机器多像人，而在于人机如何构建”认知共同体”。

正如院士在报告结尾所言：”机器越智能，人类越需要回归认知的本质。在物质与能量的世界里，结构与时间的舞蹈，才刚刚开始。”这场由中国科学家引领的认知物理学革命，或许正在为人工智能打开全新的大门。