刚刚，OpenAI官宣：AI成功接管量子计算机

• 2026-09-09

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