2025年9月29日,一篇发布在预印本网站上的论文,在人工智能和基础物理学界引发了剧烈反响。论文揭示,OpenAI最新的GPT-5模型,在不到半小时的时间内,成功攻克了一个量子复杂性理论领域的开放性猜想的关键步骤。而据该领域的顶尖专家、量子计算理论大牛Scott Aaronson透露,同样的工作,通常需要人类研究者花费一到两周的时间。
这一事件标志着,AI的能力边界正在从解决已有答案的问题,向探索人类知识前沿的未知领域拓展。一个深刻的问题也随之浮现:AI是否正在成为科学家的"超级外挂",甚至是能够独立进行科学发现的伙伴?
通俗解读"量子NP难题"
要理解这次突破的意义,首先需要了解GPT-5挑战的是什么。这个难题被称为QMA(Quantum Merlin Arthur),可以通俗地理解为经典计算机科学中著名的"NP问题"的量子版本。
我们可以用一个故事来理解它:假设有一个全知全能的魔法师梅林(Merlin),他想向一位只能进行有限计算的国王亚瑟(Arthur)证明一个极其复杂问题的答案是"是"。NP问题探讨的是,梅林是否能提供一个足够简洁的、能让亚瑟在有限时间内验证其正确的"证据"。而QMA问题,则是将这个场景搬到了量子世界:梅林提供的"证据"是一个量子态 ,而亚瑟则用一台量子计算机来进行验证。
GPT-5此次面对的,并非一个有标准答案的考题,而是一个关于QMA问题某个性质的、悬而未决的数学猜想。这需要它在仅有少量参考文献的有限信息下,进行独立的逻辑推理和证明构建。
AI加持下的量子计算新范式
GPT-5在此次挑战中的表现,清晰地展示了其作为"科研伙伴"的巨大潜力。它不仅快速完成了大量的符号运算和逻辑推演,更重要的是,在其中一个关键猜想的证明中,提供了一种人类研究者此前未曾想过的新方法。
这标志着,AI的角色,正在从一个简单的"知识问答机",进化为一个能够辅助进行理论推演,甚至启发创新思路的"研究助理"。
这一趋势,与当前量子计算领域的主流发展方向------变分量子算法(VQA)不谋而合。在当前这个被称为NISQ(含噪声中等规模量子计算)的时代,我们还无法制造出完美的、大规模的容错量子计算机。因此,VQA这种"量子-经典混合"的算法框架应运而生。
其工作模式是:一个参数化的量子电路负责执行核心的量子计算,而一个经典的计算机则负责根据量子计算的结果,不断地优化量子电路中的参数,就像一个教练在反复调试运动员的动作一样。在这个过程中,AI大模型可以在"经典优化器"这个环节发挥巨大作用,通过其强大的学习和优化能力,帮助更快地找到量子电路的最优参数。

开发者如何迎接"量子+AI"时代
GPT-5的这次突破,无疑为所有开发者和技术爱好者,揭开了未来"量子+AI"协同工作图景的一角。
那么,对于普通开发者而言,现在是否需要立即投身于艰深的量子物理学习中?答案或许是否定的。当前阶段,更重要的是理解量子计算与经典计算的根本区别,以及它能解决哪些经典计算难以企及的问题,例如大数分解(对现有密码体系构成威胁)、新材料模拟和复杂的组合优化等。
GPT-5攻克量子NP难题,是AI赋能基础科学研究的一个标志性开端。它清晰地表明,我们正处在一个技术交叉融合的伟大时代。未来,"人类科学家提出构想 + AI伙伴进行深度推演"的组合,将成为科学发现的新范式。
AI或许不会很快成为一个独立的"科学家",但它正在以前所未有的能力,成为人类探索未知宇宙的最强"外挂"。而这,仅仅是一个开始。