量子计算领域有个悬了 18 年的老问题——Aaronson-Ambainis 猜想，最近被一个刚走出校门的年轻人用 AI 解掉了。
MIT 应届毕业生、创业实验室 Physical Superintelligence（PSI） 技术团队成员 David Turturean 借助 Anthropic Fable 5.2 模型的早期访问权限，拿出了这个18 年前的老问题的完整证明。他放弃了 MIT 计算机科学与人工智能实验室的硕士计划加入 PSI，并半开玩笑地说："我完全接受这可能是我这辈子发表的最后一篇论文。几个月之后，为什么还要发论文呢？"
18 年前的老问题，被 AI 关上了一扇门
这个猜想关注的正是量子计算机能否比经典计算机更快地解决某些问题。提出该问题的两位研究者之一 Scott Aaronson 在自己的博客里写下了他的反应——他其实并没有完全看懂这份证明，但相信它是正确的。
Aaronson 认为这个猜想是量子查询复杂度领域"所有人都同意处于核心重要地位"的最后几个开放问题之一。得知消息后的他形容自己的感受是"满意、敬畏、失落、疲惫"。
他还写道，几周前 OpenAI 的 Mathoyce 数据集中竟然没有收录这个问题。"说实话我很惊讶它不在里面。他们肯定试过吧，难道它真的比那些已经被解决的问题难那么多吗？" Turturean 对这个结果性质的描述很克制：这是一个负面结果（negative result），它关掉的是量子计算解决特定难题的一条路径，而不是全部路径。"这是一个负面结果，让大家知道，好吧，我们不用再往那个方向找了。"
证明为什么可信：Lean 自动形式化 + 专家复核
说服 Aaronson 的关键在验证环节：这份证明在 Lean——一种用于数学的形式化编程语言——中完成了自动形式化（autoformalization），也就是说，证明本身被翻译成了机器可检验的代码。
在此之前，PSI 还把解决方案分享给了一支顶尖研究团队，由他们逐行讲解和复核。Aaronson 称，自己"不太理解这个证明"，但相信它是对的。
PSI 的解题路线：不是裸模型，而是一整套研究系统
PSI 的技术主张是：用专用的模型 harness 与脚手架（scaffolding）来解决科学问题，而不是把题目原样丢给一个通用模型。
CEO Matt Pines 对 TechCrunch 描述了这类"有效研究系统"应有的样子：
"一个有效的研发系统，应该有很多东西和 harness 相关，也有很多和工具相关，记忆系统、仿真基础设施也是。你希望自己能真正在广度和深度上追击一个问题，并且能考虑到大范围的潜在替代方案。"
在这次任务中，这种"广度"体现为多个 harness 加上专家团队的分工协作，而不是单次生成。
现实与押注：先优化数据中心，再谈物理落地
眼下 PSI 的收入来自用自家工具优化数据中心，模拟热量、电力、水、声音等变量——用 Pines 的话说，这些场地的表现及其对社区的影响，"直接就是其物理规律的一个函数"。
长期目标则是把理论物理层面的突破转化为真正的技术。他回忆，六到九个月前跟投资人谈这件事时还得"费点劲才能让人相信"："不会吧，相信我，很快理论物理就会基本上是机器的领域了。"而现在——"它还没到，但正在路上。"
物理比数学难，因为自然界有投票权
AI 已经在数学、计算机科学这类结果可以被表达为可验证代码的领域拿下重要成果，但在生命科学、物理这些抽象程度更低的学科里，进展明显更难。上周，创业公司 Discovered Materials 拿出 100 万美元的悬赏挑战，征集用 AI 理解超导、热耗散等问题的研究。
Pines 的说法是："归根结底，物理和数学不一样，因为它是真实世界……自然界会对你的现实模型投一票。"他表示公司正在研究如何以最高效的方式，把计算结果拿到实验中去验证：
"如果这是自然界的一个真实事实，那就是一个可以利用的窍门。你可以基于它造出一个装置，对吧？AI 给出一个想法，让你得以在世界上做以前做不到的事……而 PSI 正在搭建的就是这样一个又一个的闭环。"
学界还在摸索新的规矩
随着这类"科学的 neolab"成为可能产出突破的路径，谁该遵守什么标准仍无定论。由于 PSI 必须等 Anthropic 的模型接近发布才公布结果，他们利用这段窗口期先与相关研究者共享方案，以便更好地理解它。
PSI 顾问、Northeastern University 教授 Jim Halverson 说："作为学者，我们希望在自己的位置上把事情做对。"他将出席下周 MIT 的一场峰会，物理学家们会在那里讨论如何应对科学界的新节奏。"最佳实践还在形成中……我们觉得透明是一种好的做法，联系专家也是一种好的做法。" Turturean 则描述了自己把 AI 辅助得到的解写进论文时的心理落差："那是我第一次把自己一个由 AI 引出的解印成文字，我读了一遍，然后想，好吧，我要怎么把它……变得更自然地呈现给人类读者？"他也清楚，学界期待他能把这个结果讲明白。而更让他震动的是另一件事："它也让我意识到，天哪，AI 能做到的事情的分量有多重。"
评论