Modely a platformy AI

PSI podrobně popisuje příjmy z datových center, které stojí za jejími ambicemi ve výzkumu AI

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

TechCrunch informoval 10. listopadu 2026, že Physical Superintelligence získává současné příjmy optimalizací datových center pomocí svých nástrojů, zatímco usiluje o dlouhodobější podnikání založené na objevování fyzikálních poznatků s pomocí AI.

Generální ředitel Matt Pines popsal cíl jako přeměnu průlomů v teoretické fyzice na skutečné technologie. Prvním testovacím prostředím tohoto přístupu jsou datová centra, kde mohou výzkumné systémy PSI využívající AI, které společnost nazývá virtuálními fyziky, pracovat na živých fyzických systémech s měřitelnými provozními omezeními.

PSI je veřejně prospěšná korporace, jejíž stanovy zakotvují bezpečnost, ověřování, odpovědný vývoj a široký přínos pro veřejnost. Na své firemní stránce uvádí, že má více než 25 výzkumníků a inženýrů a získala přes 58 milionů dolarů, přičemž investici vedla společnost Breakthrough Energy Ventures.

Datová centra jako komerční testovací prostředí

Současná optimalizace simuluje teplo, energii, vodu a hluk a propojuje výkonnost zařízení i jeho dopad na místní komunitu s fyzikálními zákonitostmi dané lokality. Na své stránce s vizí PSI uvádí, že vytváří vysoce věrné modely skutečně fungujících zařízení, aby virtuální fyzici mohli zkoumat celý systém, odhalovat skrytá omezení a testovat zásahy. Zamýšlenými výsledky jsou vyšší výpočetní hustota, účinnější využívání energie, lepší řízení tepla a vyšší kapitálová efektivita.

Komerční kampaně zároveň přinášejí zpětnou vazbu pro výzkum. PSI uvádí, že skutečně fungující zařízení kladou omezení, která by simulace nenavrhly, a každá kampaň přispívá k trénování virtuálních fyziků využívaných v dalších kampaních. Podnikání v oblasti datových center tak plní dvě funkce: přináší současné příjmy a poskytuje praktická omezení, která pomáhají zdokonalovat výzkumný systém.

Výzkumný systém postavený na ověřování

Pines popsal účinný výzkumný systém jako kombinaci softwarových rámců navázaných na modely, nástroje, paměťové systémy a simulační infrastrukturu, která mu umožňuje zkoumat problém do šířky i do hloubky a zvažovat širokou škálu alternativ. PSI tento proces formalizuje jako autonomní kampaň, tedy nepřetržitou činnost, která vede od definování problému přes formulaci hypotézy, ověřování, experimentování a inženýrské práce až k nasazení. Každá kampaň má měřitelné milníky, přísné kontrolní body pro ověřování a cestu k praktickému uplatnění, zatímco lidské výzkumníky vybírají jednotlivé úkoly a kritéria úspěchu.

Architektura odděluje generování kandidátních řešení od jejich ověřování. Mezi ověřovací metody patří zákony zachování, symetrie, rozměrová konzistence, formální důkazy, simulace, digitální dvojčata — virtuální protějšky fyzických systémů — a fyzická měření. PSI uvádí, že ověřovací nástroje, které potvrzují správnost výsledku, se mohou stát také odměňovacími funkcemi, tedy signály pro trénování pozdějších virtuálních fyziků, a přímo tak propojit hodnocení se zdokonalováním systému.

Příkladem je výzkumné oznámení z 6. listopadu 2026 od PSI. Společnost uvedla, že její interně vyvinutý systém, který využíval tehdy neveřejný model společnosti Anthropic, vytvořil během třetího dne běhu úplný důkaz domněnky Aaronsona–Ambainise; systém Lean, asistent pro dokazování, který kontroluje každý krok, jej přijal a později přijal také jeho konečnou verzi po dvou vylepšeních. Domněnka, která zůstává otevřeným problémem od roku 2008, se týká toho, kdy mohou být kvantové počítače při náhodných vstupech exponenciálně rychlejší než běžné počítače. Práci vedl David Turturean, který měl předběžný přístup k modelu Claude Fable 5.2, jejž Anthropic veřejně představil 9. listopadu 2026.

Fyzické ověření zůstává komerční zkouškou

Důkaz zároveň ukazuje, co omezuje komercializaci. Matematiku a informatiku lze vyjádřit pomocí ověřitelného kódu, ale fyzika a vědy o živé přírodě stále vyžadují experimentální kontakt s přírodou. Pines uvedl, že PSI pracuje na účinných způsobech, jak experimentálně ověřovat výpočetní výsledky, a rozdíl shrnul slovy: „Příroda má ve vašich modelech reality také svůj hlas.“

Pines také uvedl, že teoretická fyzika zatím z větší části není doménou strojů, ačkoli ještě před šesti až devíti měsíci předkládal investorům ambicióznější podmíněné tvrzení. Toto upřesnění je pro podnikání PSI důležité: současné příjmy společnosti závisí na optimalizaci zařízení, zatímco její širší ambice vyžaduje ověřené objevy, které lze proměnit v přístroje nebo jiné technologie.

Pines spojil ověřený přírodní fakt s možností vytvořit zařízení, které by mělo dosud nedostupné schopnosti. Pro PSI tedy komerční otázka zní, zda její proces generování a ověřování dokáže opakovaně přinášet experimentálně potvrzené výsledky a umožní tak témuž výzkumnému systému přejít od optimalizace infrastruktury pro AI k vytváření technologií založených na nové fyzice.

Nina Vale - je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá tím, jak umělá inteligence mění vzdělávání, akademický výzkum a přístup k znalostem. Její práce se zaměřuje na praktické nasazení AI ve školách, univerzitách a výzkumných institucích, s důrazem na nástroje a metody, které rozšiřují přístup, podporují pedagogy a urychlují objevy.
S optimistickým, ale daty podloženým pohledem, Nina zkoumá recenzované výzkumy, pilotní projekty institucí a reálná nasazení, aby oddělila měřitelný pokrok od hype. Zajímá se zejména o systémy AI, které zlepšují výsledky učení, snižují bariéry ve vzdělávání a umožňují výzkumníkům pracovat efektivněji bez nahrazování lidského odborného poznání.
Její reportáže cílí na zdůraznění důvěryhodných inovací na rozhraní AI, vzdělávání a výzkumu - kde technologie rozšiřuje lidský potenciál, spíše než ho snižuje.
Články autorky Niny Vale jsou AI-generovány a recenzovány redakčním týmem Unite.AI pro přesnost a soulad.