OpenAI近日披露了一项来自麻省理工学院的实验：该校工程量子系统研究组的研究生比阿特丽斯·扬克列维奇，把GPT-5.6 Sol通过Codex接入实验室软件，让AI智能体在一块尚未校准的六量子比特超导芯片上，自主完成标准测量流程。智能体自行选择测量参数、操作硬件、分析返回数据，并据此决定下一步做什么。在信号清晰的条件下，它几乎不需要研究者介入，就识别出量子比特的跃迁频率、校准了用于控制和读取的微波脉冲，并测定出量子比特保持量子信息的时间。这项尝试把前沿模型从写代码、查文献推进到了直接操作物理设备。
量子处理器是目前最难伺候的硬件之一。超导量子比特需要在稀释制冷机中被冷却到接近绝对零度，以抑制热扰动对量子信息的破坏；芯片制造完成、封装并降温之后，研究者只能通过软件与微波信号与它交互，无法直接动手调整。每次实验之前，都要完成一系列相互依赖的测量：先找到共振频率，再校准控制脉冲，然后确认相干时间。前一步的结果会决定后一步怎么做，任何一环出错都会影响后续判断。
这类工作极其耗时。单块芯片可能需要成百上千次预备测量，复杂的量子实验从准备到跑通可以长达数月，即便只是表征一块标准芯片，也要占用研究者数天时间。更麻烦的是量子比特的特性会缓慢漂移，环境噪声也会带来不一致的结果，经验丰富的研究者能凭直觉察觉异常并调整策略，新人则往往卡在反复试错上。正因为流程高度依赖软件控制、重复测量与自适应决策，量子校准才成为检验智能体能力的理想试验场。
实验的关键设计在于技能封装。扬克列维奇没有让模型自由发挥，而是为Codex准备了针对具体测量任务的技能说明，讲清楚每类实验该如何执行、如何判断结果是否有效。在此基础上，智能体结合芯片的设计指标，自行挑选测量参数、操作硬件、分析数据，然后决定是细化这次测量，还是把结果保存下来供下一步使用。这套流程相当于把资深研究者的操作手册交给模型，让它在一个边界清晰的框架内自主行动。
结果呈现出明确的能力边界。当信号干净时，智能体能以极少的人工介入完成一整套标准测量序列；当信号微弱或被噪声掩盖时，它寻找合适参数的时间明显变长，有时需要研究者介入给出方向。这个差异相当重要，它说明当前智能体擅长的是流程明确、反馈清晰的任务，而在需要解读模糊物理现象时仍然力不从心。对实验室而言，这意味着可以把重复性工作交出去，把判断性工作留下来。
技能封装的做法值得单独说一句。模型的能力上限固然重要，但把任务边界、判断标准与操作步骤写清楚，才是让智能体在专业设备上稳定工作的前提。研究组准备的不是泛泛的提示词，而是针对每类测量的执行说明与有效性判据。这提示了一个方向：未来实验室的竞争力，可能部分体现在技能文档的积累质量上，经验能否被结构化表达，决定了自动化究竟能走多远。
实际使用方式已经发生变化。研究组现在常态化地让智能体在夜间或研究者处理其他事务时运行常规测量，扬克列维奇可以在手机上查看进度，必要时介入修正，或者让它转向新的探索方向。她表示，自己已经把测量、理论推演与芯片设计几个环节都搭好了引导智能体的基础设施，现在开始看到回报。研究者的时间从盯着每一步操作，转向解读结果、设计新实验与规划后续问题。
对于新实验，用法又有所不同。研究组会给智能体设定更窄的目标，同时更多依赖它编写、修改与测试控制、分析和仿真代码的能力。由于智能体直接连在实验设备上，代码改完可以立刻用真实测量结果验证，迭代速度比过去快得多。这种把模型放进真实反馈回路里的做法，与纯软件环境下的编程智能体有本质区别，也解释了为什么物理实验会成为检验智能体可靠性的新战场。
角色变化也带来新的要求。研究者需要提前把实验意图拆解成可执行的步骤，并为异常情况预设处理方式，这比亲手操作更考验对流程的理解。同时，智能体在夜间产生的数据需要有人复核，否则错误会被默默累积。人机之间的交接点如何设计，正在成为自动化实验能否规模化的关键细节，把复核与授权做成标准环节，比一味追求全自动更现实。
把这次尝试推广到更多实验场景，需要几个前提。第一是设备的软件化程度，只有当实验过程可以通过程序完全控制，智能体才有介入的接口；第二是领域技能的封装质量，任务说明越清晰，模型出错率越低；第三是安全与回滚机制，物理设备的操作不像代码那样可以随意撤销，需要设置边界与审批环节。量子芯片恰好在这三点上都比较友好，这也是它先行一步的原因。
接下来值得观察的方向包括噪声容忍度、异常检测与统计推理能力。当实验数据变得脏乱、信噪比很低时，模型能否像资深研究者一样识别系统性问题，而不是陷入局部试错，这是决定自动化上限的关键。研究组也把目光放在更大的多量子比特阵列与主动量子纠错上。如果智能体能在这些任务中保持稳定，实验室的运作方式会真正改变：人负责提出问题与判断价值，机器负责把测量跑完并把异常报回来。