科研初创实验室Physical Superintelligence（PSI）正在尝试把AI驱动的科学发现转化为业务。团队成员、麻省理工学院应届毕业生David Turturean表示，他利用Anthropic Fable 5.2模型的提前访问权限，得到一个已提出18年的量子计算问题的解答。
这一问题是Aaronson–Ambainis猜想，涉及量子计算机相对于经典计算机解决问题的速度优势。提出猜想的研究者之一Scott Aaronson表示，自己尚未完全理解证明，但由于结果已用数学形式化语言Lean进行自动形式化，并由PSI联系的一批研究人员解释，他倾向于认为证明正确。
结果限制一条路线，并非否定量子计算
按照研究人员对结果的描述，这项解答似乎排除了量子计算机高速处理某些困难问题的一条路径，并没有排除所有可能路径。Turturean把它称为一个有助于确定今后不再沿哪条方向寻找的否定性结果。
Aaronson认为，完整解决这一猜想属于量子查询复杂度领域仍被广泛视为重要的开放问题之一。他形容自己的感受混杂着满足、震撼、失望与疲倦，也对它没有出现在OpenAI数周前公布的一批数学结果中感到意外。
对Turturean而言，这种工作方式也改变了他对科研产出的预期。他推迟了进入MIT计算机科学与人工智能实验室攻读硕士的计划，转而加入PSI，并担心当机器解题继续加速时，传统发表论文的意义会怎样变化。
专门的研究工具，而不只是单次模型提问
PSI首席执行官Matt Pines表示，公司的做法是围绕模型搭建专门的研究系统，包括工具调用、记忆系统、仿真设施，以及组织模型工作流程的外层软件。目标是让研究能够在广度和深度上展开，同时考虑多种备选解法。
目前，PSI的收入来自数据中心优化。团队通过工具模拟热量、电力、水与声音等变量；这些物理因素既决定设施运行表现，也影响周边社区。公司希望把这样的计算和仿真能力，进一步用于把理论物理上的突破变成可制造的技术。
Pines说，六至九个月前向投资者解释这一愿景时，他仍需要努力说明，理论物理研究可能越来越多地由机器完成。他认为这一阶段还没有真正到来，但发展方向已经可见。
数学中的可验证结果，不等于现实世界中的成功
数学和计算机科学中的部分问题，可以用经过验证的代码表达答案；在生命科学和物理学等更直接面对现实的学科中，得到可靠结果更困难。上周，Discovered Materials宣布了一项总奖金100万美元的挑战，鼓励研究人员利用AI研究超导和散热等问题。
Pines强调，物理学与数学不同，自然规律会检验模型对现实的描述。PSI关注的是如何高效地把计算结果送入实验验证：如果AI提出的想法确实对应某个自然事实，就可能利用这一事实设计设备，获得此前无法实现的能力。提出想法、计算与实验之间的循环，才是公司希望构建的工作方式。
结果如何解释与公开，标准仍在形成
由于需要等到Anthropic模型接近发布时才能公布结果，PSI有时间先向相关专家分享解答。担任PSI顾问的东北大学教授Jim Halverson表示，团队希望以恰当的方式参与学术工作，透明交流和主动联系专家是他们选择的做法；这一领域的最佳实践仍在形成。他计划参加下一周在MIT举行的会议，与物理学家讨论科研节奏加快后的应对。
Turturean则把AI给出的解答打印出来，重新阅读并思考怎样把它组织成人更容易理解的形式。他认为，学术界仍会要求研究者亲自解释结果。对PSI而言，形式化检查、同行交流、面向人的解释以及后续实验，承担着不同的验证任务，不能仅凭模型生成了答案就视为全部工作已经完成。