Import AI 480:AI 证明量子计算猜想、Meta 造触觉手套、月球工业自复制与分布式训练新进展
来源Import AI查看原文
速览
- AI 系统首次证明量子计算领域长期开放猜想,且经 Lean 形式化验证。
- 该证明由非公开 Anthropic 模型驱动,显示前沿模型正被用于扩展人类知识边界。
- Meta Tactus 手套解决手物遮挡下的操作数据采集难题,为机器人学习提供高质量数据。
- NASA 2016 年论文认为月球工业自举所需物资远少于直觉,Starship 可大幅降低成本。
- 月球工业分六代推进,最终实现本地制造电子设备,数十年内或可自维持。
- Core Automation 验证异构加速器、跨洲集群的分布式训练可行,降低前沿训练门槛。
- 分布式训练被视为把算力孤岛拼成一次前沿训练的关键能力。
- 轨道计算被该初创公司列为长期方向,但当前仍处早期。
本期 Import AI 汇总了四项进展。AI 科学初创公司 Physical Superintelligence 用内部研究系统(运行非公开的 Anthropic 模型)证明了 Scott Aaronson 与 Andris Ambainis 于 2008 年提出的量子计算猜想,证明在运行第三天完成并通过 Lean 验证,系统还两次改进结果。Meta Reality Labs 发布 Tactus 触觉与姿态传感手套,厚 1.5mm,用于采集自然操作数据。一篇 2016 年 NASA 肯尼迪航天中心论文讨论月球自维持工业,基线方案需向月球运送 41 公吨物资,降低速率方案为 12 公吨,按 Starship 报价估算成本在 15 亿至 42 亿美元之间。AI 初创公司 Core Automation 则展示了跨 9000 英里、使用 GB300 与 B300 两种加速器的分布式训练,训练了一个总参数约 32B、32 倍稀疏度的 MoE 模型。
关键事实
- Physical Superintelligence 的内部研究系统运行非公开 Anthropic 模型,证明了 2008 年提出的 Aaronson-Ambainis 量子计算猜想,Lean 证明助手接受了完整证明。
- 该系统在运行第三天得到完整证明,随后在相关开放问题上两次改进结果,最终版本均被 Lean 接受。
- Meta Reality Labs 发布 Tactus 手套,指尖堆叠厚度 1.5mm,集成电容式触觉传感器与 IMU 融合姿态追踪,可在手物遮挡下保持追踪精度。
- 2016 年 NASA 肯尼迪航天中心论文提出月球工业自举方案:基线最大制造速率需向月球运送 41 公吨物资,降低速率方案为 12 公吨,但工业规模小两个数量级、收益延迟约八年。
- 按 Starship 列表价格估算,将 12 至 41 公吨物资运至月球需 15 亿至 42 亿美元,Starship 近地轨道运力为 100 公吨。
- Core Automation 在相距约 9000 英里的两个集群上训练 MoE 模型,总参数约 32B、32 倍稀疏度,美国侧用 160 块 B300 GPU,亚洲侧用 160 块 GB300 GPU。
本站视角
对中文读者而言,最直接的影响在两条线。第一,AI 辅助科学发现正从演示走向可验证产出:Physical Superintelligence 的证明经 Lean 检查,这比自然语言论文更难造假,若被数学界接受,国内做 AI for Science 的团队会面临一个明确对标——不是让模型复述已知定理,而是攻开放猜想并形式化验证。第二,Core Automation 的分布式训练实验说明,用异构芯片、跨洲集群训练 32B 级 MoE 已可行,这对受限于单一超算集群的国内中小团队有参考价值,但 32B 规模与万亿参数前沿训练之间仍有数量级差距,不宜过度解读。Meta 的 Tactus 手套则提醒我们,具身智能的数据采集硬件正在成为竞争点,国内机器人公司若只依赖视觉数据,可能在精细操作数据上落后。月球工业论文本身是 2016 年旧文,其价值在于用 Starship 成本重新测算,但 15 亿至 42 亿美元只是发射报价,未计入硬件制造与地面支持,实际成本会更高,且论文对 AI 进展的预测明显保守,说明这类长期规划的不确定性很大。总体判断:AI 证明数学猜想是实质进步,但需等待数学界独立评议;分布式训练与触觉手套是工程进展,值得跟进但不宜炒作;太空工业仍属远期愿景。
背景与影响
本期内容覆盖 AI 用于科学发现、具身智能数据采集、太空工业化与分布式训练四个方向。Aaronson-Ambainis 猜想自 2008 年提出以来一直是量子计算复杂性理论的核心开放问题之一,此次由 AI 系统给出经 Lean 验证的证明,若属实,将是 AI 辅助数学研究的一个标志性案例。Meta 的 Tactus 手套则指向机器人学习的数据瓶颈:视觉数据在手部遮挡时质量下降,触觉与姿态传感可补足。NASA 2016 年的月球工业论文在 Starship 降低发射成本的背景下被重新讨论,其六代制造路线图与机器人自复制思路对当前太空经济讨论仍有参考价值。Core Automation 的分布式训练实验则回应了算力集中化问题:若跨地域、异构硬件的训练可行,更多团队可参与前沿模型研发。需要观察的是,这些进展大多来自单一来源或公司自述,独立复现与同行评议尚未完成。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。