PSI 用非公開 Anthropic 模型攻克阿倫森-安拜尼斯猜想：量子計算 18 年懸案告破

很多人對量子計算的想像，總覺得它是一臺萬能超級計算機，無論塞給它什麼問題，都能瞬間實現指數級的碾壓加速。

但這扇看似無所不能的大門，被一個 AI 系統徹底關上了一半。

Physical Superintelligence（PSI）近日宣佈，他們搭建了一套內部研究系統，藉助未公開的 Anthropic 模型，在自有算力設施上跑了僅僅三天，就完整證明了困擾學界 18 年的阿倫森-安拜尼斯猜想（Aaronson-Ambainis conjecture）。更關鍵的是，整個證明推導過程每一步都通過了互動式定理證明器 Lean 的嚴格機器驗證，並在這之後連續完成了兩次自我最佳化。

這一在 2008 年由 Scott Aaronson 和 Andris Ambainis 提出的猜想，如今正式變成了數學定理。

給量子計算機的萬能神話劃上句號

要理解這個猜想有多重要，得先看懂量子計算機以前為什麼能快起來。

早在 1994 年，Shor 演算法就證明了量子計算機能以遠超普通電腦的速度分解大質數。但這背後的秘密在於，大質數分解隱藏著週期性的重複規律，量子計算利用了這種規律的結構。

但如果把結構抽掉，只給它一堆毫無規律、純隨機的資料呢？量子計算機還能保持指數級加速嗎？過去近二十年，理論物理和電腦科學界一直沒能給出一個確切的數學交代。

阿倫森和安拜尼斯當年指出，只要證明一類關於低階有界多項式的數學猜想，就能斷定：普通電腦只需要窺探極少量的關鍵資訊位，就能以多項式級的工作量逼近量子計算機的輸出機率。換句話說，在隨機資料面前，量子計算機根本沒辦法拉開指數級的差距。

今年 8 月，斯坦福大學的學者們才剛剛證明了這個猜想在一個特殊受限條件下的特例。而這一次，PSI 的系統直接拿下了全貌。

斯坦福團隊在審閱了證明全文後評價說，這是一個極其重大的成果，它以一種近乎神奇的方式，將布林函式分析與機率組合學結合在了一起。

藏在背後的神秘模型

這項研究由 PSI 的技術成員 David Turturean 領導。他搭建了整個系統、定義了研究範圍並執行實驗，最後提示模型寫出了論文初稿。

不過，外界最好奇的還是背後那個被隱去名字的非公開 Anthropic 模型。

有業內報道和社群網友推測，這很可能是 Anthropic 內部代號為 Model 4 的下一代主力。就在近期，第三方評測機構 METR 的一份調查報告也引發了關注，報告顯示 Anthropic 內部的任務能力提升速度比以往大幅翻倍，且推測其中相當大的研發加速正歸因於 AI 自身的參與。

雖然官方並未證實具體型號，但僅用三天推導並讓 Lean 形式化全部通過，已經足夠展示這種研究級智慧的恐怖速度。

為什麼重要

我們認為，這項突破的意義至少分成了兩個層面：一個是量子計算本身的退燒，另一個是 AI 參與基礎科學研究的質變。

在量子計算領域，這項定理像是一盆冷靜的冷水，但也像是一張清晰的藏寶圖。它徹底擊碎了量子計算無所不能的泡沫，從數學上鎖死了邊界：如果沒有精巧的對稱性或規律結構，哪怕再強大的量子計算機，面對隨機問題也無法實現指數級暴擊。對於上下游的硬體研發和演算法創業團隊來說，這能讓人少走大量無謂的彎路，把精力聚焦在真正存在量子加速的問題上。

而在 AI 研究這一端，這可能是一個比猜想本身更值得警醒的訊號。

以往人們總覺得大語言模型只會胡思亂想，做不了需要嚴苛邏輯閉環的純數學推演。但這次的方案非常聰明：AI 負責提供跳躍式的直覺和構造性證明思路，Lean 這類計算機定理證明器負責卡死邏輯漏洞，二者一配合，三天就跨過了人類理論數學家近二十年的泥潭。

看起來，AI 輔助科研已經悄悄越過了打雜寫綜述的階段，開始成為真正能攻克前沿無人區課題的主力研究員。這對於還在猶豫要不要把 AI 引入核心研發流的科研團隊來說，已經不是選修課，而是馬上擺在眼前的生存考驗了。