物界前沿大模型拿IMO金牌，我的第一反应是“这题跟我电池热管理有啥关系”
上周在实验室调电池热管理模型的参数，卡在一个多变量强耦合的偏微分方程上。我习惯性地打开电脑，想用常规数值解法跑一版，结果发现收敛条件苛刻到离谱。旁边同事随口说了一句：“要不你试试小红书那个新模型，刚拿了IMO满分。”我愣了一下——什么时候大模型能解这种级别的题了？
新闻里说，小红书大模型 dots-note-3.0 在 IMO 2026 上六道题全对，满分夺金，第三题的解法甚至让人类冠军选手直呼“优雅”。这是中国大模型首次获得IMO官方金牌水平认证，上一个做到的是谷歌 Gemini。但作为一个天天跟电池管理系统打交道的工程师，我关心的不是“AI智力竞赛”，而是：这种解题能力，到底能不能落地到工程中？
从“数学竞赛”到“工程计算”，中间隔着一层物理
我得先泼一盆冷水。IMO 考的是纯数学，题目有明确的已知条件和唯一解，解题过程是演绎推理——这跟汽车工程里的“数学”完全不同。
- 纯数学题：公理体系完备，逻辑链封闭，每一步推导都有确定性。大模型可以靠“记忆+推理”生成解题路径，本质上是在做模式匹配。
- 工程计算：边界条件不清晰，参数带噪声，模型本身有误差。比如电池热管理中的热传导方程，材料导热系数随温度非线性变化，实测数据还有0.5%的波动。这时候就算你让大模型写出一个“优雅”的解析解，也无法直接用于产线——因为实际工况不允许你假设理想边界。
所以，小红书模型的满分，证明的是它在“符号推理”上的能力，而不是在“应对真实世界不确定性”上的能力。这就像让一个围棋冠军去开挖掘机，底层的思维模式完全不同。
小红书 vs 谷歌：两条路线，哪个更“工程化”
谷歌 Gemini 去年拿IMO金牌时，用的是“思维链+蒙特卡洛树搜索”，本质上是把解题过程当成一个搜索问题。而小红书 dots-note-3.0 的解法，据称在第三题上用了“分步符号化简+几何直觉映射”，更接近人类选手的解题策略。
从工程落地的角度看，我倾向于认为小红书的路线更有潜力。
原因很简单：在工程场景中，我们需要的不是“暴力搜索所有可能解”，而是“快速找到一条可行路径，并且能解释为什么这条路可行”。比如在做电池SOC估算时，卡尔曼滤波的调参过程，本质上就是要求工程师理解非线性系统的局部行为。如果大模型能像小红书那样，把复杂问题拆解成若干可解释的步骤，并给出每一步的物理意义，那就真的能帮上忙。
但反过来说，谷歌的搜索式方法更适合“黑箱优化”——比如自动标定电池参数，不需要知道为什么，只要求最终结果收敛。这两种路线各有适用场景，但就目前而言，工程中更缺的是“可解释的推理”，而不是“黑箱的性能”。
大模型能替代工程师做计算吗？先看看成本
我们团队做过一个实验：用一个大模型去求解一个电池热模型的热平衡方程，给定初始条件和边界条件，让它直接输出温度分布。结果呢？模型“编”出了一个看起来合理的曲线，但实际测试后发现偏差超过10%。原因很简单：大模型没有“物理约束”，它不知道能量守恒定律必须严格满足。
所以，在工程计算中，大模型目前只能做“辅助推理”，不能做“替代求解”。它的价值在于：
- 快速给出初始猜测，给工程师提供方向
- 把复杂问题分解成子问题，节省人工拆解时间
- 在已知公式和边界条件下，验证推导的正确性
但代价呢？训练一个大模型到IMO金牌水平，算力成本是天文数字。小红书的 dots-note-3.0 据说用了数千张GPU训练，时间跨度数月。而一个汽车工程师解决一个具体问题，可能只需要在MATLAB里写几十行代码，耗时几小时。如果为了省掉这几小时，去投入几百万的训练成本，这笔账怎么算都不划算。
开放性问题：大模型何时能“读懂”物理？
我很好奇，如果明年的IMO题目改成“带噪声的电池热管理模型参数辨识”，小红书模型还能不能拿满分？大概率不能。因为工程世界的“数学”从来不是纯数学，而是带物理约束的数学。
那么问题来了：大模型需要什么样子的训练数据，才能学会“物理常识”？是靠扩大参数规模，还是需要引入新的架构，比如把物理方程硬编码进注意力机制？ 如果只是堆算力，那我觉得这条路在工程上永远走不通。如果你有想法，欢迎在评论区聊聊。