量子计算是利用量子力学处理信息的新兴技术，或可模拟复杂材料与分子。量子处理器用量子比特，实验准备常耗数月及数百至数千次测量，人工智能有望协助。麻省理工学院（MIT）工程量子系统组（EQuS）研究生比阿特丽斯·扬克列维奇（Beatriz Yankelevich）使用结合Codex的GPT-5.6 Sol探索简化工作流。该组研究超导量子比特，于稀释制冷机内冷至近绝对零度，以微波控制制成芯片。

量子计算是利用量子力学独特性质处理信息的新兴技术，未来或可更好地模拟复杂材料和分子。量子处理器使用量子比特，准备和运行实验常耗时数月、需成百上千次预备测量，这类工作正适合 AI 协助。

MIT 工程量子系统组（EQuS）研究生 Beatriz Yankelevich 使用接入 Codex 的 GPT‑5.6 Sol，探索 AI 能否简化她的实验流程。该组研究超导量子比特，将其冷却至接近绝对零度的稀释制冷机内；这些比特运算快、用微波信号精确控制，可用常规工艺制造并排布在芯片上。

芯片制造、封装、冷却后，研究者完全通过软件交互，让实验成为 AI agent 的自然试验场。Codex 接入协调实验的软件后，能运行测量、分析结果并决定下一步。她发现 GPT‑5.6 Sol 常能自主完成常规测量流程，省下大量时间且无需持续监督，让她更多投入分析、设计和规划。

协调相互依赖的测量

超导量子比特常称人工原子，只能占据特定能级，微波脉冲使其移动并探测量子态。研究者设计校准脉冲序列，数字化分析返回信号，从而揭示共振频率、量子信息保留时长和执行计算所需设置。

校准需要一系列相互依赖的测量，每结果影响下一步；特性偶尔漂移、意外物理行为致结果不稳，经验者能识别调整。这种软件控制、重复测量与自适应决策的结合，使校准成为 AI agent 的绝佳用例。

Yankelevich 测试 GPT‑5.6 Sol 在未校准六比特芯片（EQuS 基准测试标准型）上运行测量。她为 Codex 提供特定测量技能说明，模型借其与芯片设计目标选择参数、操作硬件、分析数据，再优化或保存结果供下一步。

信号清晰时，Codex 几乎无需干预完成标准序列，识别跃迁频率、校准控制读取脉冲、确定保留时长。信号弱或嘈杂时则更难，花更久找参数，有时需经验者指导。这表明当前 agent 能处理明确定义的流程，但解读模糊物理结果仍是挑战。

EQuS 制造许多标准芯片，每个需研究者数天表征，现定期用 agent 处理常规测量以解放人力。

“我可让 agent 在夜间或我在洁净间时跑测量数小时，”Yankelevich 说，“用手机查看进展，若需修复或想探索别的方向就调整。”

与研究者协作

直接优势是 Codex agent 能在无持续监督下帮研究者稳步推进实验分析与测量。经验研究者或仍比当前 AI 更快找到最佳校准设置，但省下监控每一步的时间可专注其他工作。

常规芯片表征流程相对明确；对新实验，Yankelevich 给 agent 较窄目标，更重其编写、修改、测试新代码（控制、分析、仿真）的能力。直连实验室让该组修订代码、用真实测量测试、自主完成更长工作。

“我建了基础设施引导 agent 处理测量、理论和芯片设计，现在开始见效，”她说，“可让多个 agent 同时解不同问题，我大部分时间做高层工作——解读结果、设计实验、规划下一步、阅读写作。”

对 OpenAI 最近连续抛出的科学“突破”，HN 评论区的主调是怀疑而非庆贺：多数人把新闻读成营销叙事和资本动作，少数人则认为就算包装可疑，“囤算力、买专利、卡模型”的商业逻辑也未必不成立。还有一个附加分歧：AI 到底是“把人类从杂务中解放出来”，还是“又蠢又强地加速把人碾过去”。

连续发布更像是 IPO 预热，而不是科研节奏

• 有人直接问：这是不是又一个 OpenAI 为 IPO 热身而“偷来”的发现？（@mentalgear）
• 另有人把这则消息称作“又一个光荣的随机数生成器实验”，暗示结论可能只是噪声碰运气，并不会重复。（@de6u99er）
• 有评论者把 2024 年底到 2025 年初量子概念股疯涨之后只剩“公关垃圾”的过程拎出来，认为 OpenAI 也在同一套资本叙事里。（@fHr）
• 还有人从发布节奏上起疑：公司一般会错开重磅消息，OpenAI 却接连放出所谓发现；是不是上一个 Navier-Stokes 相关帖子惹了争议，现在急着转移方向？（@Retro_Dev）
• 认可度：较多人

就算不是假的，也只是“老工具加 AI”，没有量子魔法

• 有做过量子芯片控制的人说，2011 年他就能用 Python 全自动完成量子比特的启动和校准，包括全谱测量、寿命表征、Rabi/Ramsey、单比特与两比特门标定、量子过程层析等。校准本质上是曲线拟合和数据记录，并不需要“AI”。
• 他也同意，Codex 这类工具当年如果有，会省下大量例行编程时间；但这只是通用自动化，不是量子计算特有的东西。真正的瓶颈在芯片本身，AI 变不出把量子比特寿命提高 10 倍的魔法。
• 这条技术反驳被普遍视为把文章拉回现实：

标题里蹭上“量子”确实让事情显得更酷，但本质上它只是可以落到任何地方的自动化，没有任何量子计算专属的东西。（@throwaway63467）

• 认可度：较多人

所谓“量子分解纪录”，大概用算盘和狗也能复现

• 有人贴出一篇标题极具讽刺性的论文：《用 8 位家用电脑、算盘和一只狗复现量子因数分解纪录》。言下之意：如果这种“纪录”用如此简陋的经典手段都能复现，那它就说明不了量子优势。（@lompad）
• 另一个冷幽默接的是邻居家的狗：“整夜吠出 334543333 比特的 RSA 因数分解，岂不是早就解决了大量 NP 完全问题？”（@LeonardofQ）
• 认可度：较少人，但社区往往用这类荒诞类比消化“科学新闻过度包装”

更该警惕的不是 AI 太聪明，而是它又蠢又强

• 一条醒目的评论把 LLM 比作从山顶滚落的巨石：它不会挑目标，只会沿途随机碰撞，而人类正在山脚下拍手欢呼。
• 原话被反复引用：

问题不在于它超级聪明，而在于它超级蠢、超级强，就像一块正在滚下山的大石头。（@qsera）

• 另一个评论顺着说，别轻信“AI 把我们从某类工作中解放出来”的框架；人们应当正视 AI 可能做任何可想象工作的前景，否则这种说法只会带来虚假安全感。（@bananaflag）
• 认可度：少数人，但构成了评论区严肃担忧的一支

反过来看，这套“烧算力换专利”的打法也可能成立

• 有评论者总结了一个新的商业 meta：先囤足够的算力，再用闲置算力烧出可专利的科学突破，同时训练别人没有的模型；听起来浪费，实际上可能是在制造壁垒。（@petesergeant）
• 也有人说 OpenAI 最近确实“攻势凌厉”，连续拿出突破性发现；即使商业目的大于科学目的，发布节奏本身并不糊涂。（@sidcool）
• 认可度：少数人

HN 评论本身也在被科技公司“地推”化？

• 有用户说，每天都能看到 Anthropic/OpenAI 的帖子，评论区那种“制造共识”的感觉越来越像政治空间里的广告渗透：

这个网站可能正在死掉。（@Iuz）

• 还有人怀疑 OpenAI 先拿“还没被削弱”的模型做演示，等用户第二天再用，Sol、Astra 已经变笨了。这种不信任未必准确，但它说明读者已经把“版本变差”本身当成叙事的一部分。（@varispeed）
• 另有人用链接更新了 quantumvibecoding.org 来呼应，把“量子”和“vibe coding”两个热词缝合成了新的嘲讽意象。（@dr_dshiv）
• 认可度：少数人，但很大程度上解释了评论区为什么先怀疑再庆祝

有价值的补充

• 一个精巧的视觉类比：量子计算机的外观让人恍惚回到 ENIAC——机柜、走线和仪器面板都带着第一代大型电子设备的气息。有人觉得这是工程还非常原始的隐喻，而不是值得欢呼的成熟科技。（@Oarch）
• 如果把 AI 放在量子化学这类具体工具链里看，真正“慢”的地方可能在于 ORCA 这类功能完整但速度吃紧的经典软件，而不是量子硬件本身。这类“让成熟软件跑得更快”的方向，或许比包装成“发现”更能落地。（@the__alchemist）