PSI用AI破解量子计算二十年难题，想把科学发现做成生意

当大多数AI公司还在争夺聊天机器人和代码助手的用户时，一家名为PSI的初创公司把目光投向了更远处：用人工智能直接做科学研究，并靠此赚钱。据TechCrunch报道，PSI利用Anthropic一个尚未公开发布的大模型，回答了一个量子计算领域科学家追寻近二十年的基础性问题。

这则消息的分量在于两个关键词：一个是“未发布模型”，另一个是“近二十年”。前者说明前沿AI实验室正在把最先进的能力优先交给特定合作伙伴；后者则暗示，AI在基础科学中的角色，可能正从“辅助工具”转向“解题者”。

一个悬而未决近二十年的问题

量子计算被视为下一代计算范式的核心候选，但它长期被一系列基础性问题困扰：量子系统究竟能在多大程度上被有效模拟？量子优势的边界在哪里？哪些问题经典计算机永远追不上量子计算机？这些问题看似抽象，却直接决定了量子硬件的设计路线和商业化时间表。

过去近二十年，科学家们围绕这类问题提出了大量猜想与部分证明，但始终缺少一个令学界信服的完整答案。PSI声称，借助Anthropic的模型，它在这一方向上取得了突破。尽管具体技术细节尚未公开，但这一案例本身已足够引人注目：大模型不再只是“会写代码、会做摘要”，而是开始参与最硬核的理论推演。

PSI利用一个尚未发布的Anthropic模型，回答了一个量子计算领域科学家追寻近二十年的基础性问题。

借力“未发布模型”意味着什么

“未发布模型”这个词值得玩味。它意味着PSI拿到的不是市面上人人可用的API，而是Anthropic实验室里更前沿、能力更强、可能也更不稳定的版本。对Anthropic而言，这是一种典型的前沿部署策略：把模型交给少数高价值场景，既获取真实反馈，也树立“AI能做真科学”的标杆。

对PSI而言，这既是机会也是软肋。机会在于，它可以比竞争对手更早触达模型能力上限；软肋在于，它的核心生产力建立在别人的模型之上。一旦模型版本更替、访问权限变化，公司的技术护城河就可能被迅速稀释。

把科学发现做成生意

PSI的野心不止于发一篇论文。它的目标是把“AI驱动科学发现”产品化：客户提出难题，PSI用AI模型加上领域专家，给出可验证的答案或方向，再按项目、订阅或成果分成收费。这条路径与Isomorphic Labs等“AI制药”公司有相似之处，但PSI把范围放得更宽——量子计算、材料、物理，凡是能用计算和推理推进的领域，都可能成为它的市场。

这门生意的逻辑并不难理解：基础科学突破的价值极高，而传统研发周期极长。若能借助AI把“从问题到假设”的时间从数年压缩到数月，企业客户愿意支付的溢价将相当可观。难点在于，科学发现不像软件订阅那样可以按月计费，如何定价、如何界定知识产权、如何证明“这个发现是AI的功劳”，都是尚未解决的商业难题。

AI for Science 赛道正在升温

PSI并非孤例。从DeepMind的AlphaFold掀起蛋白质结构预测革命，到多家初创公司用AI寻找新材料、设计药物、优化实验，AI for Science已成为资本和巨头共同押注的方向。自动化实验室、科学基础模型、AI科学家代理等概念层出不穷。

但热潮之下，真正的分水岭在于“可验证的发现”。AI可以生成海量假设，其中绝大多数可能是错的；科学共同体的裁决权仍然掌握在实验和同行评审手中。谁能建立从AI假设到实验验证的闭环，谁才能真正把科学发现变成可持续的生意。

光环之下的三重考验

PSI的故事目前仍带着光环，但至少有三重考验摆在面前。第一是模型依赖：使用未发布模型意味着不确定性，商业化产品不能建立在随时可能变化的黑箱之上。第二是科学验证：一个量子计算问题的“答案”需要数学证明或实验支撑，AI的输出必须经得起学界审视。第三是商业闭环：从演示到付费客户之间，隔着漫长的信任建立过程。

更宏观地看，PSI的尝试提出了一个值得整个行业思考的问题：当AI开始产出真正的科学知识，价值该如何在模型提供方、应用公司和科学共同体之间分配？这个问题的答案，可能比任何一个量子计算难题都更难求解。

本文编译自TechCrunch。