PSI用未发布版Anthropic模型解决 18 年量子计算公开问题
初创实验室Physical Superintelligence称，其技术人员借助Anthropic Fable 5.2的早期访问权限，解决了Aaronson-Ambainis猜想；提出该问题的Scott Aaronson表示自己并未完全看懂证明，但因证明已在Lean中自动形式化、并经顶尖研究者团队解释而相信其正确。
AI解读：这一结果的意义需要限定：Turturean称它是一份“负面结果”，排除的是量子计算机沿某条路径高速求解特定难题的可能性，并非否定量子计算的全部加速能力。
来源对“AI解决”的归因是PSI一方的说法：模型由Anthropic提供且尚未发布，PSI使用专门的模型外挂与工程框架（harness、工具、记忆系统、模拟基础设施）推进问题，CEO Matt Pines强调这类系统需要兼顾广度与深度。
Aaronson的认可是有条件的信任：他公开表示自己不太理解该证明，其信心来自Lean自动形式化以及PSI分享给顶尖研究者后的解释；这不等同于同行评审通过的结论。
PSI目前的收入来自用其工具优化数据中心，模拟热、电、水、声等物理变量；把理论物理突破转化为实际技术是其长期目标。Pines称六个月到九个月前向投资人描述这一前景时还需要“使劲论证”，现在仍未到位但“在路上”。
初创实验室Physical Superintelligence（PSI）的技术人员David Turturean使用Anthropic未发布模型Fable 5.2的早期访问权限，解决了一个存在 18 年的量子计算问题——Aaronson-Ambainis猜想，TechCrunch报道。
Turturean是麻省理工学院（MIT）应届毕业生，他为加入PSI推迟了赴MIT计算机科学与人工智能实验室攻读硕士的计划。他对TechCrunch说：“我完全接受这可能是我发表的最后一篇论文。”
该猜想涉及量子计算机能否比经典计算机更快求解问题。提出者之一、得克萨斯大学奥斯汀分校的Scott Aaronson写道，他并不完全理解这个证明，但相信它正确，因为证明已在Lean（一种用于数学的编程语言）中自动形式化，并由PSI分享给的一个顶尖研究者团队进行了解释。
Turturean表示，这一结果关闭了量子计算机沿某条路径高速求解某些难题的可能性，但不涉及所有难题。“这是一个负面结果，让人们知道，好吧，我们不再往那里找了。”
Aaronson的回应与结果边界
Aaronson称，完全证明Aaronson-Ambainis猜想是量子查询复杂性中最后几个悬而未决的核心问题之一，他对此感到满足、敬畏、失望和疲惫。他还说，几周前OpenAI的“Mathocalypse”成果集中没有出现这个问题令他意外：“他们肯定试过，它真的比所有已解决的问题难那么多吗？”
- 结果性质：负面结果，排除量子计算加速的一条具体路径，而非全部路径。
- 验证方式：Lean自动形式化，加上外部研究者解释；Aaronson本人未完全读懂证明。
- AI角色：由Anthropic尚未发布的Fable 5.2模型在PSI的工程框架中产出。
PSI的方法与商业模式
PSI CEO Matt Pines对TechCrunch说，有效的研究系统应大量涉及harness、工具、记忆系统和模拟基础设施，“你要能在一个问题上兼顾广度和深度，并考虑广泛的潜在替代方案”。
公司当前收入来自用其工具优化数据中心：模拟热、电、水、声等变量，因为数据中心的运行表现和对社区的影响“直接是其物理特性的函数”。长期目标是把理论物理突破转化为实际技术。
Pines说，六到九个月前与投资人交谈时，他还得“使劲论证”理论物理将主要由机器承担这一判断；“现在还没到那一步，但正在路上。”
- 当前客户场景：数据中心物理模拟与优化。
- 长期方向：从理论突破走向可造出的技术装置，Pines称AI提出想法后，每一步都是PSI在构建的循环。
- Pines对物理与数学差异的判断：物理要面对真实世界，“自然会对你的现实模型投票”。
发布流程与学界反应
由于结果必须等到Anthropic的模型接近发布才能公开，PSI有时间把证明分享给相关研究者。东北大学（Northeastern University）教授、PSI顾问Jim Halverson说：“作为学术人员，我们想按正确方式尽自己的责任。”他下周将参加MIT的一场峰会，顶尖物理学家将尝试就科学新节奏形成回应。
Halverson说，最佳实践仍在形成中，“我们认为透明是好方式，联系专家是好方式”。
Turturean说，他有时间细读自己由AI得出的解答，并思考如何更自然地向人类呈现；学界会期望他能解释这个结果。“这也让我意识到，天哪，AI能做的事分量有多重。”
报道同时指出，AI已在数学和计算机科学等可写成可验证代码的领域取得重要解答，但在生命科学或物理等抽象程度较低的学科中更为困难。上周，初创公司Discovered Materials发布了一项 100 万美元的挑战赛，面向用AI理解超导和散热等问题的研究者。
- 公开节奏：结果被搁置到Anthropic模型接近发布，期间用于专家沟通。
- 学界程序：MIT峰会将讨论如何回应加快的科学节奏，最佳实践尚未定型。
- 学科差异：可形式化验证的领域进展更快，物理等需实验验证的领域更难。