PSI用AI破解量子计算二十年难题，想把科学发现做成生意

眼下多数AI公司还在抢聊天机器人和代码助手的用户，PSI这家初创公司却把方向瞄得更远：让AI直接参与科学研究，再靠这个挣钱。据TechCrunch报道，PSI用上了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。

这条消息的分量落在两个关键词上。一个是「未发布模型」，另一个是「近二十年」。前者说明，前沿AI实验室正把最先进的能力优先交到特定合作伙伴手里；后者则暗示，AI在基础科学中的角色，或许正从「辅助工具」变成「解题者」。

有一个问题，悬了近二十年没解决。

量子计算被看作下一代计算范式的核心候选，可它长期被一批基础性问题缠住：量子系统到底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？这些疑问听着抽象，却直接决定量子硬件的设计路线和商业化时间表。

过去近二十年，科学家围绕这类问题提了大量猜想，也做出了部分证明，但始终没有一个让学界信服的完整答案。PSI声称，靠Anthropic的模型，它在这个方向上取得了突破。具体技术细节还没公开，可这个案例本身已经够引人注意：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。

「未发布模型」这个说法值得琢磨。

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来说，这是典型的前沿部署策略：把模型交给少数高价值场景，既能拿到真实反馈，也能树起「AI能做真科学」的标杆。

对PSI来说，这既是机会也是软肋。机会是它能比竞争对手更早摸到模型能力的上限；软肋是它的核心生产力建在别人的模型之上。模型版本一换、访问权限一变，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，是PSI的下一步。

PSI的野心不止于发一篇论文。它想把「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。这条路和Isomorphic Labs等「AI制药」公司有相似之处，但PSI把范围铺得更宽，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。

这门生意的逻辑不难理解：基础科学突破的价值极高，传统研发周期又极长。若能借助AI把「从问题到假设」的时间从数年压到数月，企业客户愿意付的溢价会相当可观。难点在于，科学发现不像软件订阅那样能按月计费，怎么定价、怎么界定知识产权、怎么证明「这个发现是AI的功劳」，都是还没解决的商业难题。

AI for Science这条赛道正在升温。

PSI并非孤例。DeepMind的AlphaFold掀起过蛋白质结构预测的革命，多家初创公司也在用AI找新材料、设计药物、优化实验，AI for Science已成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科学家代理等概念一个接一个冒出来。

不过热闹背后，真正的关口是「可验证的发现」。AI 能批量产出假设，但里面绝大部分恐怕站不住脚；最终拍板的还是实验和同行评审，裁决权依旧在科学共同体手中。只有把从 AI 提出假设到实验验证这条路打通，科学发现才谈得上做成能持续的生意。

光环之下，PSI至少有三重考验。

PSI 眼下还罩着一层光环，可摆在它面前的考验至少有三种。一是对模型的依赖：用没发布的模型就等于押注不确定性，商业化产品没法架在一个随时会变的黑箱上。二是科学上的验证：量子计算问题给出的「答案」，得靠数学证明或实验来撑，AI 的输出必须过得了学界这一关。三是生意能不能转起来：从做演示到真有客户掏钱，中间隔着一段不短的建立信任的过程。

放到更大的范围看，PSI 这番尝试给整个行业出了道题：AI 一旦开始产出真正的科学知识，模型提供方、应用公司和科学共同体之间该怎么分这份价值？这道题，恐怕比任何一个量子计算难题都更难解。