3 天破解 18 年猜想：未公开模型重定义量子边界

据 Woofun AI 消息，AI 研究新创 （）于 11 月 6 日正式宣布，其内部研究系统结合一款尚未公开的 模型，成功证明了量子计算领域长期悬而未决的 Aaronson–Ambainis 猜想。

这一进展标志著人工智慧在解决复杂数学问题上的能力再次突破，不仅验证了 AI 在理论计算机科学中的潜在应用价值，也引发了学术界对量子计算极限的重新审视。PSI 的这次突破并非偶然，而是其内部系统与先进语言模型深度协作的结果，展现了 AI 在处理高维度逻辑推理时的强大潜力。

值得注意的是，该模型并未对外公开，这使得外界难以完全复制其技术路径，但也突显了 PSI 在私有模型训练与应用上的独特优势。此次事件的发生，不仅是 PSI 技术实力的展示，更是整个 AI 与量子计算交叉领域的一个重要里程碑，预示著未来更多复杂科学问题可能通过类似的混合智能方式得到解决。

Woofun AI 整理数据显示，Aaronson–Ambainis 猜想由电脑科学家 与 于 2008 年提出，核心问题在于探讨当面对没有特殊结构的随机输入时，量子电脑是否能够相对于传统经典电脑实现指数级的运算加速。经过长达 18 年的学术争论与探索，PSI 的最终证明给出了否定答案：在随机输入条件下，量子电脑无法实现指数倍的速度提升，其性能优势最多仅能达到多项式级别。

这一结论深刻揭示了量子加速的本质依赖性，即量子优势并非普遍存在，而是高度依赖于问题本身所具备的特定数学结构。从 2008 年猜想提出至今，学术界一直试图厘清量子计算的边界，而 PSI 的证明终于为这一长期争议画上了句号。该结果表明，对于缺乏内在规律的随机数据，量子算法并不能带来革命性的效率飞跃，这对于评估量子计算在实际应用中的潜力具有重要指导意义。

此外，这一发现也修正了部分过度乐观的预期，提醒研究人员在设计量子算法时必须充分考虑输入数据的结构特征，而非盲目追求量子资源的堆叠。从更广义的角度看，这一猜想的解决不仅填补了理论计算机科学中的一块空白，也为后续研究提供了更为清晰的理论框架，有助于引导资源更有效地投入到具有实际应用价值的量子算法开发中。

在技术执行层面，PSI 详细阐述了其证明过程的具体细节。该研究是在 PSI 自家基础设施上运行的内部开发研究系统完成的，过程中调用了同一款非公开 Anthropic 模型的多个实例进行协同计算。系统在执行的第三天便得出了完整的证明路径，并成功通过了 验证工具的严格检查。Lean 是一种基于依赖类型论的证明辅助语言，能够由电脑逐步检查每一个逻辑推导步骤，确保证明的严谨性与无误性。PSI 并未透露所使用的具体 Anthropic 模型版本，这增加了外界对其技术细节的猜测空间。

然而，论文的完整内容以及经过形式化验证的 Lean 程式码均已公开在 平台上，供全球研究人员审阅与复现。这种开放式的分享方式不仅体现了 PSI 对其研究结果的信心，也有利于促进学术共同体对该结论的进一步讨论与验证。从技术架构来看，PSI 的系统设计显然经过精心优化，能够有效利用大语言模型的推理能力与形式化验证工具的严谨性，形成一种高效的闭环验证机制。

这种混合智能的方法论，或许将成为未来解决复杂数学问题的一种标准范式，值得其他研究机构借鉴与参考。