PSI ujawnia przychody z centrów danych, które finansują jej ambicje badawcze w dziedzinie AI

TechCrunch poinformował 10 listopada 2026 r., że Physical Superintelligence czerpie obecne przychody z optymalizacji centrów danych za pomocą własnych narzędzi, a jednocześnie rozwija długofalowy model biznesowy oparty na odkrywaniu praw fizyki wspieranym przez AI.

Dyrektor generalny Matt Pines opisał cel firmy jako przekładanie przełomów w fizyce teoretycznej na rzeczywiste technologie. Centra danych są pierwszym poligonem doświadczalnym dla tego podejścia: systemy badawcze AI PSI, nazywane przez firmę wirtualnymi fizykami, mogą tam działać w rzeczywistych systemach fizycznych i uwzględniać mierzalne ograniczenia operacyjne.

PSI jest spółką pożytku publicznego, a jej statut określa zasady bezpieczeństwa, weryfikacji, odpowiedzialnego rozwoju i szeroko rozumianego pożytku publicznego. Na stronie firmy podaje, że zatrudnia ponad 25 badaczy i inżynierów oraz pozyskała ponad 58 mln dolarów, a głównym inwestorem jest Breakthrough Energy Ventures.

Centra danych jako komercyjny poligon doświadczalny

Obecne prace optymalizacyjne obejmują symulowanie przepływu ciepła, energii elektrycznej, wody i dźwięku, łącząc wydajność obiektu i jego wpływ na lokalną społeczność z fizyką konkretnej lokalizacji. Na stronie poświęconej wizji firmy PSI informuje, że tworzy precyzyjne modele działających obiektów, aby wirtualni fizycy mogli analizować cały system, wykrywać ukryte ograniczenia i testować rozwiązania. Zakładane efekty to większa gęstość obliczeniowa, wydajniejsze wykorzystanie energii, lepsze zarządzanie ciepłem i wyższa efektywność kapitałowa.

Komercyjne kampanie dostarczają również informacji zwrotnych przydatnych w badaniach. PSI twierdzi, że działające obiekty podlegają ograniczeniom, których nie uwzględniłyby symulacje, a każda kampania szkoli wirtualnych fizyków wykorzystywanych w kolejnych projektach. Dzięki temu działalność związana z centrami danych pełni dwie funkcje: przynosi bieżące przychody i pozwala poznawać praktyczne ograniczenia, które pomagają doskonalić system badawczy.

System badawczy oparty na weryfikacji

Pines opisał skuteczny system badawczy jako połączenie narzędzi programowych współpracujących z modelami, narzędziami, systemami pamięci i infrastrukturą symulacyjną. Dzięki temu system może badać problem szeroko i dogłębnie, rozważając wiele możliwych rozwiązań. PSI formalizuje ten proces jako autonomiczną kampanię — ciągłe działanie obejmujące kolejne etapy: od zdefiniowania problemu, przez sformułowanie hipotezy, weryfikację, eksperyment i prace inżynieryjne, aż po wdrożenie. Każda kampania ma mierzalne kamienie milowe, rygorystyczne etapy weryfikacji i jasno określoną drogę do praktycznego zastosowania, a badacze decydują o celach i kryteriach sukcesu.

Architektura oddziela generowanie kandydatów od ich weryfikacji. Weryfikacja obejmuje sprawdzanie praw zachowania, symetrii i zgodności wymiarowej, dowody formalne, symulacje, bliźniaki cyfrowe — wirtualne odpowiedniki systemów fizycznych — oraz pomiary fizyczne. PSI twierdzi, że weryfikatory potwierdzające wynik mogą również pełnić funkcję funkcji nagrody, czyli sygnałów treningowych dla kolejnych wirtualnych fizyków, bezpośrednio łącząc ocenę wyników z doskonaleniem systemu.

Przykładem jest ogłoszenie badawcze PSI z 6 listopada 2026 r. Firma poinformowała, że opracowany wewnętrznie system, działający wówczas z niepublicznie udostępnionym modelem Anthropic, wygenerował kompletny dowód hipotezy Aaronsona–Ambainisa trzeciego dnia działania; Lean, asystent dowodzenia sprawdzający każdy krok, zaakceptował go, a następnie przyjął także wersję końcową po dwóch ulepszeniach. Hipoteza, znana od 2008 r., dotyczy tego, kiedy komputery kwantowe mogą działać wykładniczo szybciej niż zwykłe komputery w przypadku losowych danych wejściowych. Pracami kierował David Turturean, który uzyskał wczesny dostęp do Claude Fable 5.2 — modelu, który Anthropic publicznie zaprezentował 9 listopada 2026 r.

Weryfikacja fizyczna pozostaje komercyjnym sprawdzianem

Dowód pokazuje również ograniczenia komercjalizacji. W matematyce i informatyce wyniki można przedstawiać w postaci zweryfikowanego kodu, ale fizyka i nauki o życiu nadal wymagają eksperymentalnego kontaktu z przyrodą. Pines powiedział, że PSI pracuje nad skutecznymi sposobami weryfikowania wyników obliczeń za pomocą eksperymentów, podsumowując różnicę stwierdzeniem: „przyroda ma wpływ na tworzone przez nas modele rzeczywistości”.

Pines powiedział również, że fizyka teoretyczna nie jest jeszcze dziedziną zdominowaną przez maszyny, choć sześć do dziewięciu miesięcy wcześniej przedstawiał inwestorom śmielszą, warunkową wizję. To zastrzeżenie ma znaczenie dla działalności PSI: obecne przychody firmy zależą od optymalizacji obiektów, natomiast jej szersze ambicje wymagają zweryfikowanych odkryć, które można przekształcić w urządzenia lub inne technologie.

Pines powiązał zweryfikowane prawa przyrody z możliwością zbudowania urządzenia o funkcjach, które wcześniej były niedostępne. Z perspektywy PSI zasadnicze pytanie biznesowe brzmi więc, czy proces generowania i weryfikacji może wielokrotnie dostarczać wyników potwierdzonych eksperymentalnie, dzięki czemu ten sam system badawczy będzie mógł przejść od optymalizacji infrastruktury AI do tworzenia technologii opartych na nowej fizyce.