一个开放 16 年的量子计算猜想，被 AI 系统在运行第三天证明，并在随后两次修正后通过 Lean 验证。这说明 AI 科研已经从辅助检索，进入产出可检验新结果的新阶段。

这是什么

Physical Superintelligence（PSI）使用一款非公开的 Anthropic 模型，证明了 Scott Aaronson 与 Andris Ambainis 于 2008 年提出的猜想。Lean 是一种证明助手，会逐步检查逻辑推导是否成立。关键不只是“给出答案”，而是形成机器可核验的完整证明。

另一条线索来自 Meta Reality Labs。其 Tactus 触觉手套通过织物集成传感器，记录手指触碰物体时的力度、姿态等细节，试图解决摄像头在遮挡条件下无法看清接触过程的问题。这类设备既是数据采集工具，也可能成为机器人进入家庭和工厂的执行入口。

行业怎么看

我们认为，值得关心的是科研流程被重新分工：AI 负责提出和检验大量假设，研究人员负责选择问题、解释意义与承担责任。模型能力提升不必只体现在聊天质量上，更体现在能否产生社会愿意采纳的成果。

但风险同样明确。单个案例还不能证明 AI 已普遍超越专家，猜想在特定领域公开时间较长，也提供了较成熟的验证条件。更现实的问题包括证明能否被不同团队复核、研究结论如何复现，以及模型运行成本是否会抵消收益。

Meta 的路线还暴露了硬件瓶颈。AI 可以在屏幕内推理，却需要传感器、机器人和真实环境反馈才能行动；数据是否规模化、成本能否下降，比展示一段流畅演示更重要。

对普通人的影响

对企业 IT：企业可优先寻找可验证、能接入现有流程的 AI 场景，例如材料研发、代码验证和质量检测，而不是直接采购一个笼统的“科研智能体”。

对个人职场：知识型岗位会逐渐增加机器先做初稿、人类审核证据的工作方式。定义问题、判断责任和解释结果的重要性随之上升。

对消费市场：触觉手套短期更可能服务机器人训练与工业数据采集；随着执行设备成熟，家庭服务产品才可能获得更可靠的精细操作能力。