刚刚，OpenAI官宣：AI成功接管量子计算机

新智元报道 就在刚刚，OpenAI联合MIT宣布震撼消息：AI成功接管量子计算机！ 在一份名为《案例研究：超导量子比特的智能体校准》的联合报告中，MIT量子工程系统组（EQuS）的研究人员证实：在GPT-5.6 Sol与Codex的驱动下，AI智能体已经能够端到端地自主运行量子计算实验！ 也就是说，GPT-5.6 Sol可以自主做物理实验了。 这个过程中，AI实现了量子计算实验的自主运行、结果分析和量子比特校准。 从控制实验室硬件释放微波脉冲，到读取处理海量复杂数据，再到根据结果动态调整下一步实验方案，AI实现了7×24小时值班。 虽然物理学家们暂时还不会失业，但科研的游戏规则，在这一刻已经被彻底改写。 AI for Science已从「数据辅助」跃升为「自动化科研」。 大模型充当科研大脑直接调度实验硬件，这彻底打破了基础物理的效率瓶颈。 未来，前沿科学的核心壁垒将是「超级AI+无人实验室」，在硬核科学领域，AI从此开始真实落地！ 这标志着AI在硬核科学领域的真实落地。 AI杀入实验室，OpenAI瞄准下一个学科 在现实中，制造并控制一台量子计算机，是一件难度极高的事情。 在MIT工程量子系统小组，博士研究生Beatriz Yankelevich将 GPT-5.6 Sol 搭载在 Codex 的自主智能体框架上，做了一件大胆的事：直接将AI的API打通实验室的硬件控制系统！ 经过几个月的迭代，研究人员赋予了AI「实验上下文」——把实验装置细节、芯片设计图、特定测量技能（包括模板代码、常见物理失败原因、成功与失败的图表样例）全都「喂」给了GPT-5.6。 一场前所未有的AI闭环自动化实验，正式打响。 为了测试AI的极限，研究团队给GPT-5.6上了一个硬核任务：一块从未被测量过的、包含6个超导量子比特的新芯片。 其中4个是固定频率量子比特，2个是可调频率量子比特。芯片的参数完全是未知的，AI必须根据设计目标，自己去探索出真实的物理参数。 从硬件控制软件到微波信号源，再到数据采集卡，全部向AI开放。 研究人员为Codex注入了针对特定测量场景的「专业技能包」（Skills），告诉它每一种量子测试的物理逻辑和评估标准。 随后，人类放开了双手。 屏幕上，GPT-5.6 Sol的「思维链」如水流般倾泻而出。 它在没有人类实时微操的情况下，执行了一系列令人头皮发麻的物理学闭环操作。 1.自主推断参数：根据芯片的设计目标，自行规划首轮测量的微波脉冲频率、功率和宽度； 2.底层硬件调度：直接调用控制软件，操纵硬件向稀释制冷机深处的芯片发射微波脉冲序列； 3.数据反刍与降噪：接收返回的微弱量子态反射信号，对其进行数字化清洗、拟合与傅里叶变换； 4.决策自适应迭代：如果信号完美，自动提取出量子比特的共振频率并存入数据库，作为下一步测量的基准；如果数据异常，当场调整测量边界，开启新一轮试错调优。 从识别量子比特跃迁频率、校准用于控制和读取的微波脉冲，到最终测定量子信息能够留存多久的相干时间，全套标准物理学测量流程，AI全流程自主跑通。 在针对固定频率量子比特的40项繁杂的日标测量中，AI完全自主搞定了绝大部分，人类研究员仅仅干预了4次！ 这是AI在物理学最前沿阵地上，完成了一场教科书级别的「自主实操」。 为什么量子比特校准，是人类科学家的「人间炼狱」？ 要理解GPT-5.6 Sol这次突破的分量，我们必须先揭开量子计算底层那层冷酷又迷人的面纱：为什么校准量子芯片会让全球顶尖物理学家痛不欲生？ 在经典计算机中，一个晶体管的状态极其非黑即白：要么是0，要么是1，稳如泰山。 但在超导量子计算的世界里，量子比特（qubit）被称为「人造原子」。 它们利用超导约瑟夫森结构建出非线性的离散能级。 为了让这些「人造原子」乖乖听话，科学家必须使用精确到纳秒甚至皮秒级的微波脉冲，在不同能级之间翻转量子态，以此实现量子逻辑门的运算。 但「人造原子」实在太脆弱、太神经质了。 首先，相干性极度脆弱。 空间中极其微弱的电磁杂散信号、甚至稀释制冷机几毫开尔文（mK）的温度漂移，都会导致量子比特发生「退相干」，好不容易准备好的量子信息瞬间坍缩为噪音。 而「参数漂移」，也是一道难题。 子比特的物理特性从来不是一成不变的常量。受微观材料缺陷、两级系统波动影响，芯片昨天测出来的共振频率，今天可能就漂走了。 而且，研究中的多个因素还多层依赖，环环相扣。 要想做好一次计算，你得先找到每个比特的共振频率；找到了频率，还要校准拉比振荡去确定脉冲幅度；接着测定拉姆齐条纹去精准修正相位；然后测定能量弛豫时间 $$T_$$ 和相位退相干时间 $$T_$$ …… 上一步的数据，是下一步测量的绝对前置条件。 一旦前序步骤有微小的系统误差，后面的测量全部报废。 MIT的EQuS团队每天面对的，就是这样一个极端的实验环境：量子芯片被放置在一个名为「稀释制冷机」的巨大圆筒里，温度被降到惊人的毫开尔文级别（接近绝对零度，比外太空还要冷）。 一旦芯片封装冷却，人类就无法再用手去触碰它了，所有的交互都只能通过软件进行。 研究人员在室温下的电脑上编写微波脉冲序列，通过同轴电缆将这些脉冲打入冰箱深处，与芯片上的量子电路发生相互作用，然后再把微弱的反射信号放大、数字化，带回现实世界进行分析。 MIT的EQuS实验室的日常，就是频繁流片生产各种用于基准测试的标准量子芯片。 现实却是，每一个芯片做一次完整的特性表征，往往需要一个训练有素的物理系研究生，连续几天几夜守在仪器旁，进行成百上千次环环相扣的手工测量与调整。 这是物理学界公开的秘密：当代量子物理学家，往往把70%以上的青春耗费在被称为「调参螺丝钉」的重复性实验劳动中。 而现在，GPT-5.6 Sol一举打破了这个僵局。 GPT-5.6 Sol如何破解量子「黑盒」？ 根据OpenAI和MIT披露的细节，这次测试绝非预先写死脚本的「自动化宏」，而是一场高度智能化的 动态博弈 。 面对这枚未经校准的6量子比特芯片，GPT-5.6 Sol展现出了极其拟人化的「物理学直觉」与「自适应决策」： 当量子信号处于高信噪比、特征明显的状态时，Codex的表现堪称完美。 它先是打出一组宽带扫频信号，在噪声背景中敏锐地捕捉到了由于量子能级跃迁引起的谐振腔反射凹陷（Resonance Dip），随后自动收窄扫描窗口，高精度锁定量子比特的跃迁频率。 接下来，它无缝切换到时域控制，精准拟合出脉冲幅度与翻转角的关系，完成读取与控制脉冲的标定，并最终测定了量子比特保持相干态的时间窗口。 整个过程行云流水，人类无需介入半步。 在OpenAI放出的技术文档截图中，GPT-5.6 Sol的思维链展示了它的思考过程。面对一段有波动的阻尼正弦曲线，它在内部自言自语： 「当前拟合残差偏大，可能是由于解调相位的参考基准漂移，导致I/Q分量混合……我需要首先执行相位解缠绕，如果残差仍未降至阈值以下，则应当将微波失谐量增加5 MHz重新扫描……」 这种在「理解物理含义」基础上的纠错和分支决策，正是过去传统脚本程序无法企及的壁垒。 科研生产力正在被重构 当然，官方报告也展现了极其真实的技术边界： 当信号变得微弱、或者充斥着物理背景噪声时，GPT-5.6 Sol开始显得「笨拙」。