新智元报道 科幻成真了？ 2026年，如果你一直关注 AI for Science 的最前沿，你会发现整个风向已经变了。AI Agent 走向真实的科学实验室，已经不再是科幻小说里的情节！ 8月，Nature报道量子计算公司 Pasqal 利用 AI 工具在量子领域实现「Vibe Coding」。 同月，Anthropic 联合哈佛背景的量子计算公司 QuEra 丢出一枚重磅炸弹：他们竟然让 Claude 学会了锁定和调节真实量子计算机里的激光器。 紧接着，9月，OpenAI 与 MIT EQuS 实验室高调宣布，全新的 GPT-5.6-Sol 已经深度接入了实验室的软件系统，能够自主运行并迭代超导量子芯片的测量实验！ 显然，AI已经不再是那个坐在屏幕后帮你改代码的聊天机器人了，它已经长出了「手」和「眼」，亲自操作昂贵、精密、脆弱的量子硬件。 这绝对是令人震撼的突破。 然而，你真的敢用AI去操作量子实验室吗？ 如果 AI 自己做实验，光看答案够吗？ 假设今晚实验室没人。你把钥匙交给一个 AI Agent，让它自己去校准一台价值数千万的量子设备。 第二天早上你回到实验室，它交出一份报告：参数已收敛，指标提升 42%，任务完成。 你敢信吗？ 在真实的量子工程里，每一个决策都在烧钱。 稀释制冷机的降温时间按天算，激光器的寿命按小时损耗，量子比特的相干时间只有脆弱的几十微秒。 Agent 的一次「瞎猜」和「盲目自信」，代价可能是整批芯片报废，或者团队几个月的心血化为乌有。 所以问题根本不是「它最后答对了吗」。 真正要问的是：它有没有做该做的实验，它有没有看懂刚拿到的数据？它会不会在已经拿到答案之后继续乱跑，把宝贵的实验预算耗光？它给出的结论，到底有没有被自己真正取得的证据支持？ 在聊天框里，AI 的幻觉最多带来一句荒谬的回答。但如果它拥有了设备控制权，幻觉就会变成真实的物理后果。 从「能做对一次」，到「敢把它放进实验室」，中间还隔着深渊。 这就是当前 Agent for Quantum 最大的隐患：「会做一次」绝对不等于「能够可靠地做完」。 对智能体而言，能力不是瓶颈，可靠性才是。 智能体懂物理，却依然会相信过时的校准、选择糟糕的测量方式，或者得出超出其实际测量范围的结论。 为此，来自NUS、NTU等高校以及GaugeForge的联合研究团队提出了一个关键的核心概念：Verified Autonomy（验证自治）。 链接：https://arxiv.org/abs/2609.17439 意思就是，别给我扯你懂多少量子力学，把你的实验记录本交出来！你的结论，必须有你在执行过程中真正取得的证据来支撑。 为了回答这个问题，多位量子计算等领域的顶尖专家组成团队，直接在赛博空间里1:1「复刻」了一座虚拟量子实验室——Quantum-Harbor！ 然后，他们带着 49 项真实的量子工程任务，对地表最强的 17 个 AI Agent 发起了一场极限「压力测试」。 欢迎来到虚拟量子实验室：测出AI的真本事！ Quantum-Harbor是一个完全可交互、带物理动态、有真实反馈的虚拟量子工程实验室。 在这个实验室里，AI Agent 看不到任何考试的影子，它以为自己真的在上班。 Agent 面对的不再是一道题，而是一个拥有状态、仪器面板和测量 API 的动态环境。 Agent 可以查阅硬件说明书，翻阅前人留下的实验记录本，调用人类科学家常用的 Qiskit 或 QCoDeS 库来编写实验代码，最后将任务提交给后端的量子设备。 但在这个公共界面的背后，隐藏着一个极其严苛的「幽灵导师」——Sidecar 隔离容器。这里面运行着高度仿真的量子硬件（比如超导 transmon、中性原子阵列等），包含了连 AI 都不知道的隐藏参数：相干时间、非谐性、读出混淆矩阵、噪声相关性等等。 配合这个环境，团队推出了 QIQCBench——49 项由资深量子工程师设计的真实工程任务，覆盖从底层硬件控制、微波脉冲设计，到中层量子纠错解码器校准，再到高层 60 比特量子代理模型优化。 任务涵盖了量子工程任务的多个层面：测量与表征、控制、纠错、编译、模拟、感知。 每领到一个任务，Agent 只有有限的时间和预算。它必须自己决定： 1.第一步该测什么？ 2.拿到这组乱七八糟的实验数据后，代表了什么物理现象？ 3.下一步还要不要继续测？还是调整策略？ 4.什么时候该收手提交最终结果？ 举个例子，在测量与表征中，需要弄清设备实际上是什么，但硬件会漂移，也没有人会直接把参数交给你。 智能体需要自己设计测量方案、拟合观测到的衰减曲线，并报告其能够站得住脚的数值。 再比如，抽象电路假定每个量子比特都能与任何其他量子比特通信。但真实硬件并非如此。 智能体需要在硬性资源预算下，重写并路由计算过