据《科学美国人》报道，两个独立研究团队使用OpenAI的GPT-5.6 Sol Ultra，在相隔仅三小时内分别解决了同一个量子密码学开放问题，并先后将论文提交至arXiv.org。这一巧合不仅展示了AI在科研中的强大能力，也引发了关于AI时代“独立发现”定义的讨论。

参与研究的一方是MIT博士生Seyoon Ragavan，另一方是加州大学圣塔芭芭拉分校教授Prabhanjan Ananth和加州大学洛杉矶分校教授Amit Sahai。两个团队都使用了同一个AI模型，但在解决“不可克隆加密”（unclonable encryption）这一依赖量子特性的方法时，采取了不同的技术路线。目前，他们正在考虑合并各自的论文。

“不可克隆加密”是量子密码学中的一个重要概念，它利用量子力学的不可克隆定理，确保加密信息无法被复制。这一特性在理论上可以用于构建更安全的通信系统，但如何实现一直是一个开放问题。两个团队在AI的帮助下，几乎同时找到了解决方案，这本身就说明了AI在推动科学前沿方面的潜力。

然而，这一事件也引发了更深层次的思考：当每个研究者都能使用相同的AI模型时，什么才算“独立发现”？Ananth教授表示：“如果有人提到一个开放问题，首先要看GPT能否解决它。”Ragavan则直言：“我现在做研究的方式，与两个月前已经完全不同。”

数学领域尤其感受到AI的影响。一些研究者对此感到兴奋，认为AI开辟了新的可能性；另一些人则感到沮丧，认为这可能导致研究者失去身份认同。这种分歧反映了AI在科研中应用的两面性。

这一案例也凸显了AI在科研中的角色转变：从辅助工具到共同研究者。随着AI模型能力的不断提升，它们可能越来越多地参与到科学发现的过程中，甚至成为发现的主要推动力。这将对科研的评价体系、合作模式以及知识产权归属等问题提出新的挑战。

对于关注AI生态的投资者而言，这一事件再次证明了AI在解决复杂问题上的实际价值，可能进一步推动AI在科研、工程等领域的应用。不过，这也提醒人们，AI的普及可能改变科研的竞争格局，独立研究的门槛和意义正在发生变化。