PSI 用非公开 Anthropic 模型攻克阿伦森-安拜尼斯猜想：量子计算 18 年悬案告破

很多人对量子计算的想象，总觉得它是一台万能超级计算机，无论塞给它什么问题，都能瞬间实现指数级的碾压加速。

但这扇看似无所不能的大门，被一个 AI 系统彻底关上了一半。

Physical Superintelligence（PSI）近日宣布，他们搭建了一套内部研究系统，借助未公开的 Anthropic 模型，在自有算力设施上跑了仅仅三天，就完整证明了困扰学界 18 年的阿伦森-安拜尼斯猜想（Aaronson-Ambainis conjecture）。更关键的是，整个证明推导过程每一步都通过了交互式定理证明器 Lean 的严格机器验证，并在这之后连续完成了两次自我优化。

这一在 2008 年由 Scott Aaronson 和 Andris Ambainis 提出的猜想，如今正式变成了数学定理。

给量子计算机的万能神话划上句号

要理解这个猜想有多重要，得先看懂量子计算机以前为什么能快起来。

早在 1994 年，Shor 算法就证明了量子计算机能以远超普通电脑的速度分解大质数。但这背后的秘密在于，大质数分解隐藏着周期性的重复规律，量子计算利用了这种规律的结构。

但如果把结构抽掉，只给它一堆毫无规律、纯随机的数据呢？量子计算机还能保持指数级加速吗？过去近二十年，理论物理和计算机科学界一直没能给出一个确切的数学交代。

阿伦森和安拜尼斯当年指出，只要证明一类关于低阶有界多项式的数学猜想，就能断定：普通电脑只需要窥探极少量的关键信息位，就能以多项式级的工作量逼近量子计算机的输出概率。换句话说，在随机数据面前，量子计算机根本没办法拉开指数级的差距。

今年 8 月，斯坦福大学的学者们才刚刚证明了这个猜想在一个特殊受限条件下的特例。而这一次，PSI 的系统直接拿下了全貌。

斯坦福团队在审阅了证明全文后评价说，这是一个极其重大的成果，它以一种近乎神奇的方式，将布尔函数分析与概率组合学结合在了一起。

藏在背后的神秘模型

这项研究由 PSI 的技术成员 David Turturean 领导。他搭建了整个系统、定义了研究范围并运行实验，最后提示模型写出了论文初稿。

不过，外界最好奇的还是背后那个被隐去名字的非公开 Anthropic 模型。

有业内报道和社区网友推测，这很可能是 Anthropic 内部代号为 Model 4 的下一代主力。就在近期，第三方评测机构 METR 的一份调查报告也引发了关注，报告显示 Anthropic 内部的任务能力提升速度比以往大幅翻倍，且推测其中相当大的研发加速正归因于 AI 自身的参与。

虽然官方并未证实具体型号，但仅用三天推导并让 Lean 形式化全部通过，已经足够展示这种研究级智能的恐怖速度。

为什么重要

我们认为，这项突破的意义至少分成了两个层面：一个是量子计算本身的退烧，另一个是 AI 参与基础科学研究的质变。

在量子计算领域，这项定理像是一盆冷静的冷水，但也像是一张清晰的藏宝图。它彻底击碎了量子计算无所不能的泡沫，从数学上锁死了边界：如果没有精巧的对称性或规律结构，哪怕再强大的量子计算机，面对随机问题也无法实现指数级暴击。对于上下游的硬件研发和算法创业团队来说，这能让人少走大量无谓的弯路，把精力聚焦在真正存在量子加速的问题上。

而在 AI 研究这一端，这可能是一个比猜想本身更值得警醒的信号。

以往人们总觉得大语言模型只会胡思乱想，做不了需要严苛逻辑闭环的纯数学推演。但这次的方案非常聪明：AI 负责提供跳跃式的直觉和构造性证明思路，Lean 这类计算机定理证明器负责卡死逻辑漏洞，二者一配合，三天就跨过了人类理论数学家近二十年的泥潭。

看起来，AI 辅助科研已经悄悄越过了打杂写综述的阶段，开始成为真正能攻克前沿无人区课题的主力研究员。这对于还在犹豫要不要把 AI 引入核心研发流的科研团队来说，已经不是选修课，而是马上摆在眼前的生存考验了。