OpenAI 昨天在博客发了一篇案例:Codex 在量子计算实验里的辅助应用。不是 benchmark,不是论文,是一篇"我们让 AI 帮研究员干活了"的 showcase。
我读完最大的感受是:这文章暴露的不是 Codex 多强,而是"AI 进实验室"这件事,离落地还有多远。
案例本身:Codex 到底做了什么
OpenAI 找了一组使用 IBM Quantum 硬件做超导比特实验的研究团队,让 Codex 接入他们的工作流。根据博客描述,AI 主要干三件事:
- 写实验控制代码——根据自然语言描述生成 Qiskit 代码,调度脉冲序列
- 调参数扫参数空间——根据上一次跑的结果,建议下一组参数
- 解读实验数据——读 raw data,做初步异常检测
这是博客里展示的工作流。研究员没有消失,而是从"敲代码"变成"审代码 + 提问"。
为什么是量子计算这个场景
OpenAI 选这个 case 不是随手挑的。量子实验有几个特征,正好匹配 AI Agent 的能力曲线:
- 代码门槛高:Qiskit、Cirq、脉冲调度,没写过的人上手要几周
- 参数空间爆炸:一个超导比特实验,调几个门幅度、相位、时长,可能几千种组合
- 调试痛苦:跑一次硬件排队要等
- 结果可量化:fidelity、T1、T2 这些指标干净,AI 解读有 ground truth
换句话说,这是个"AI 看着有戏、人类也确实痛苦"的场景。OpenAI 拿它做 showcase,本质是在说:Codex 不是只能写 CRUD,它能进高门槛领域当助手。
潜台词很清楚——他们在对科研市场喊话。GPT-5 系列想从 ChatGPT 的对话场景切进 ToB,科研机构是预算不敏感、付费意愿强的客户群之一。
HN 上 11 个赞、0 条评论意味着什么
这篇博客被推到了 Hacker News 首页。我去看了一眼数据:11 points,0 comments。
这个数字挺有意思。两年前 OpenAI 发类似案例,HN 上几十条讨论是常态。现在 0 comments,说明一件事:读者对"AI 做科研"这种叙事开始疲劳。
疲劳的原因不是 AI 不行,而是故事讲烂了。从 AlphaFold 到 GPT-4 解读放射科报告,"AI 进实验室"每隔几个月就讲一遍。大家都知道了,问题已经从"能不能"变成"多快、多便宜、能不能 scale"。
OpenAI 这篇博客没有回答这三个问题。所以没人评论。
缺的东西:为什么这篇不够说服力
把这篇文章按严格标准拆开,至少缺三块:
1. 没有 benchmark。
跑量子实验的 fidelity 是 99.2% 还是 98.7%?人类研究员写代码和 Codex 写代码,最终实验结果有没有差异?没说。
2. 没有对照组。
传统工作流(人写代码 → 跑实验 → 解读)花多少时间?Codex 介入后花多少时间?提速几倍?没给数据。
3. 没有规模。
"AI 帮研究员干活"是 one-off case 还是 weekly routine?一个月跑了几次实验?公开材料里看不到这些。
这种写法在 marketing 里叫 showcase,在工程里叫 demo。区别是:showcase 让你"哇"一声,demo 让你能复现。OpenAI 给的是前者。
不是要黑他们。一篇博客确实装不下完整研究。但读者心里要清楚:看到的不是 evidence,是 announcement。
编辑思考:AI 进实验室,真正的卡点不在 AI
我自己是工程师,做过几个把 LLM 接进真实业务系统的项目。读完这篇博客,我的判断是:模型能力早就过了门槛,真正的瓶颈在 AI 之外。
具体卡三件事:
- 实验设备接口:量子计算机、超导腔、电子显微镜这些仪器,厂商闭源、协议私有。Codex 能写代码,但写完跑不起来——IBM Quantum 的 backend API 不开放,等队列要排队
- 数据格式:每台仪器出的 raw data 格式都不一样。Codex 能读 markdown,但读不懂二进制脉冲 dump
- 实验室流程:安全审批、设备使用排队、试剂耗材管理,这些 AI 完全插不进手
这三件事,OpenAI 的博客一个没提。
回到这次案例具体和过去哪些事不同:过去两年所有"AI 做科研"的案例,本质都在做"代码生成 + 文献检索"——这是 LLM 最擅长的事。 量子实验这个 case 多走了一步:让 AI 接触真实硬件。但也只是"生成提交任务的代码",没碰仪器本身。
我的预测:未来 12 个月,能真正落地的科研 Agent,不会是 OpenAI 这种通用模型 + 通用 API 的组合,而是垂直实验室自己训的小模型 + 仪器 SDK 的深度集成。原因很简单——硬件不通用。
如果这个判断错了,欢迎半年后挖坟。