PSI 创业公司正试图将 AI 驱动的科学发现变成一门生意

David Turturean 是 MIT 应届毕业生，也是创业实验室 Physical Superintelligence（PSI）的技术团队成员。他利用 Anthropic Fable 5.2 模型的早期访问权限，解决了量子计算领域一个悬置 18 年的难题。

Turturean 放弃了在 MIT 顶级计算机科学与人工智能实验室读硕士的计划，选择加入 PSI。他告诉 TechCrunch：“我完全接受这可能是此生最后一篇论文的想法。几个月之后，你还有发表论文的必要吗？”

这个难题是 Aaronson-Ambainis 猜想，关乎量子计算机能否比经典计算机更快地解决某些问题。提出该问题的研究者之一 Scott Aaronson 写道，他还没完全看懂这个证明，但相信它是正确的——因为证明已经在数学编程语言 Lean 中完成了自动形式化，并经由 PSI 分享解答后邀请的一支顶尖研究团队验证解释。

这个解法看似封死了量子计算机高速求解某些特定难题的一条路径，但并非所有路径。“这是一个否定性结论，让大家知道：好吧，我们不用再往那边找了。”Turturean 说。

更宏观地看，这一成果折射出 AI 解决问题能力给科学界带来的巨大冲击。

“[Aaronson-Ambainis 猜想] 的完整证明，曾是量子查询复杂度领域仅存的几个公认至关重要的问题之一。”Aaronson 写道，他形容自己得知这个消息后既欣慰又震撼，也夹杂着失望和疲惫。“说实话，几周前 OpenAI 的 Mathocalypse 问题清单里居然没有它，让我很意外。他们肯定试过，难道它真的比那些被解决掉的问题还难？”

这也印证了 PSI 的路线：用专门的模型 harness 和脚手架去攻克科学问题。

“一个高效的研究系统，应该有大量与 harness 相关的东西，还要有丰富的工具、记忆系统和仿真基础设施。”PSI CEO Matt Pines 告诉 TechCrunch，“你要能对一个问题的广度和深度都下功夫，能广泛评估各种可能的备选方案。”

目前，公司的收入来自用自家工具优化数据中心，模拟热量、电力、水、声音等各种变量——“一个站点的性能以及它对周边社区的影响，本质上就是其物理特性的直接函数。”但从长远看，公司要做的是把理论物理的突破转化为实际技术。

“六到九个月前，我和投资人谈的时候，还得费劲论证这个前提，对吧？就是那种‘不不不，相信我，很快理论物理就主要是机器的领域了’的架势，”Pines 说。“现在还没到那一步，但正在路上。”

不过，AI 虽然已经在数学、计算机科学这类可以用经过验证的代码来表达成果的领域拿下了重要突破，但在生命科学、物理学这类抽象程度较低的学科中，做到这一点要难得多。就在上周，初创公司 Discovered Materials 发起了一项 100 万美元的大奖挑战，征集用 AI 研究超导、散热等问题的方案。

“归根结底，物理和数学不一样，它面对的是真实世界……你的现实模型好不好，大自然有一票否决权，”Pines 说。他表示，公司目前的重点在于研究如何以最高效的方式用实验验证计算结果。

“如果某个结论真的是自然规律，那它就是一个可以加以利用的技巧，”Pines 说。“你可以据此造出一个器件，对吧？AI 提出想法，让你做出以前做不到的事情……PSI 就是在构建这样一个个闭环。”

随着“科学界的 neolabs”成为催生突破性科学的一条路径，参与者们还在摸索这个新世界的规范。由于 PSI 不得不把成果保密到 Anthropic 的模型接近发布，他们才有机会把结果分享给相关领域的研究者，帮助大家更好地理解它。

“作为学术界的一员，我们希望尽自己的一份力，把事情用正确的方式做好，”PSI 的顾问、东北大学教授 Jim Halverson 说。下周他将参加 MIT 的一场峰会，届时顶尖物理学家们将共同探讨如何应对科学的新节奏。“最佳实践还在形成中……我们觉得，保持透明、主动联络领域专家都是正确的做法。”

Turturean 告诉 TechCrunch：“我们有时间静下来琢磨这件事……那也是我第一次真正把 AI 给出的一个解决方案打印出来通读，然后琢磨：怎样才能让它……看起来更像人写的？学术界会要求我能解释这个结果。这也让我突然意识到，天哪，AI 的能耐原来这么大。”