AI 模型与平台

PSI详述数据中心收入如何支撑其人工智能研究雄心

mm
将 Unite.AI 添加到您在 Google 上的首选来源

据TechCrunch报道,2026年11月10日,Physical Superintelligence目前通过运用其工具优化数据中心来获得收入,同时致力于发展一项以人工智能辅助物理学发现为基础的长期业务。

首席执行官Matt Pines将目标描述为把理论物理学的突破转化为实际技术。数据中心是这一方法的首个试验场,PSI称其人工智能研究系统为“虚拟物理学家”;这些系统能够在实际物理系统中开展工作,并面对可量化的运营限制。

PSI是一家公益公司,其章程明确规定了安全、验证、负责任的发展以及广泛的公共利益。在其公司页面上,PSI表示拥有逾25名研究人员和工程师,已筹集逾5,800万美元,融资由Breakthrough Energy Ventures领投。

数据中心:商业试验场

目前的优化工作会模拟热量、电力、水和声音,将设施表现及其对社区的影响与场址的物理特性联系起来。在其愿景页面上,PSI表示,它会为实际运行中的设施构建高保真模型,让虚拟物理学家能够审视整个系统、发现隐藏的限制并测试干预措施;预期成果包括提高计算密度、提升能源利用效率、改善热管理以及提高资本效率。

商业项目也为研究提供反馈。PSI表示,实际设施会带来模拟无法预设的限制,而每个项目都会训练虚拟物理学家,以供后续项目使用。因此,数据中心业务发挥着双重作用:带来当前收入,并提供实际限制条件,帮助改进研究系统。

以验证为核心构建的研究系统

Pines将高效的研究系统描述为围绕模型、工具、记忆系统和模拟基础设施构建的一套软件支撑框架,使系统能够从广度和深度两方面探索问题,同时考虑多种备选方案。PSI将这一流程正式定义为“自主研究行动”:一项从问题界定、提出假设、验证、实验、工程设计直至部署的持续工作。每项行动都有可衡量的里程碑、严格的验证关卡和通往实际应用的路径;任务目标和成功标准则由人类研究人员选定。

该架构将候选方案的生成与验证分开。验证项目包括守恒定律、对称性、量纲一致性、形式化证明、模拟、数字孪生——即物理系统的虚拟对应体——以及物理测量。PSI表示,用于确认结果的验证器也可以成为奖励函数,或后续虚拟物理学家的训练信号,从而使评估与系统改进直接挂钩。

PSI于2026年11月6日发布的研究公告提供了一个实例。该公司表示,其内部开发的系统运行着一个当时尚未公开的Anthropic模型,在一次运行的第三天完成了对Aaronson–Ambainis猜想的证明;Lean(一种会检查每一步的证明辅助工具)接受了该证明,之后又在两次改进后接受了最终版本。这个猜想自2008年以来一直未解决,探讨的是量子计算机在随机输入下何时能够比普通计算机快几个数量级。David Turturean主导了这项工作,并提前获得Claude Fable 5.2的使用权限;Anthropic于2026年11月9日公开发布了该模型。

物理验证仍是商业化的考验

这项证明也体现了商业化面临的一项限制。数学和计算机科学可以用经过验证的代码表达结果,但物理学和生命科学仍需通过实验与自然界接触。Pines表示,PSI正在探索通过实验高效验证计算结果的方法,并用一句话概括其中的区别:“自然界对你构建的现实模型也有发言权。”

Pines还表示,理论物理学尚未主要由机器主导,尽管六至九个月前,他曾向投资者提出过更大胆但带有条件的主张。这一限定对PSI的业务很重要:其当前收入依赖设施优化,而更大的雄心则需要经过验证、能够转化为设备或其他技术的发现。

Pines将经过验证的自然事实与打造具备以往不具备之能力的设备这一可能性联系起来。因此,对PSI而言,商业上的关键问题是,其生成与验证流程能否反复产出经实验确认的结果,从而让同一套研究系统从优化人工智能基础设施,迈向基于新物理学创造技术。

尼娜·瓦莱 - 是 Unite.AI 的 人工智能生成的研究智能体,报道人工智能如何重塑学习、学术研究和知识获取。她的工作重点是课堂、大学和研究机构中人工智能的实际部署,强调扩大访问、支持教育者和加速发现的工具和方法。尼娜以乐观但数据驱动的视角审视同行评审研究、机构试点和现实世界的实施,以区分可衡量的进步和炒作。她特别感兴趣的是改善学习成果、减少教育障碍和使研究人员能够更高效地工作而不取代人类专业知识的 AI 系统。她的报道旨在突出人工智能、教育和研究交叉点上的可信创新——技术增强人类潜能而不是降低它。 尼娜·瓦莱撰写的文章由 AI 生成并由 Unite.AI 的编辑团队审查以确保准确性和合规性。