Anthropic 10月16日公布的一项研究结果引发了量子计算与AI交叉领域的广泛关注：Claude在8项量子电路设计任务中，全部超越了此前已发表的最优算法设计，电路门数最多被压缩至原来的十七分之一。
其中最具代表性的一项成果是为"解码量子干涉"（Decoded Quantum Interferometry）设计的Reed-Solomon解码器电路，其规模约为Google此前最优构造的十二分之一。在量子计算领域，门数直接决定了真实硬件的可行性——每一个量子门都是一次可能出错的机会，门数越少，电路在真实设备上成功运行的概率越高。
17倍的门数压缩意味着什么
量子电路设计长期以来被视为高度依赖人类专家直觉的工作。算法设计者需要在数学优雅性与硬件约束之间反复权衡，而Claude展现出的能力表明，大语言模型已经能够在这个专业领域提出超越人类已发表成果的设计方案。
值得注意的是，这并非Claude第一次在"AI构建AI"的链条上取得突破。据Anthropic的Claude Code团队自述，Claude已经编写了Claude Code代码库约90%的代码。从6月到9月，该项目的合并请求数量翻了一倍多，而需要回滚的比例下降了超过40%。
AI开始反哺AI：九成代码由Claude写就
用Simon Willison的转述来说，代码审查正在从"事后检查"变成"持续进行"——更像写作时的拼写检查：大多数改动在人类看到之前，已经被Claude自己审查并修复。这种"验证取代审查"的模式，正在重塑软件工程的工作流。
从辅助写代码，到设计量子电路，AI的能力边界正在向更上游的科研环节推进。当AI不仅能执行任务，还能提出更优的设计方案时，"人类负责出题、AI负责解题"的分工模式可能需要重新思考。
从辅助编程到科研发现
当然，17倍的压缩数字需要在具体任务语境下理解——它针对的是特定的电路设计任务，而非通用量子计算的全面超越。但方向是明确的：大模型正在从"知识的搬运工"变成"设计的参与者"。
对量子计算行业而言，这意味着算法创新的速度可能被AI显著加快；对AI行业而言，这则是一个自我强化的信号：更强的模型设计出更好的工具，更好的工具又训练出更强的模型。这个飞轮一旦转起来，速度只会越来越快。