量子计算长期以来被视为理论领域,如今似乎重新成为一种潜在可行的替代方案,以应对对更强大计算能力的昂贵追求。
在量子芯片和纠错方面取得了一些显著进展之后(这是量子计算的两个关键障碍),波士顿的一家名为QuEra的初创公司在周二宣布获得了来自谷歌和软银等公司的2.3亿美元融资。公司计划利用这笔资金在未来三到五年内建造一台“有用的”全量子计算机,以推动其下一阶段的发展。
值得注意的是,这次融资并不是股权融资,而是一种可转换票据。QuEra团队表示,这些票据将在公司下一次股权融资时转换为股权。
目前由临时CEO Andy Ory(企业科技资深人士)领导的QuEra公司拒绝透露下一轮股权融资的时间。
迄今为止,QuEra已经筹集了不到5000万美元,其中包括我们在2021年报道的1700万美元融资。公司表示,可转换票据的投资者包括谷歌、软银愿景基金、Valor Equity Partners以及QuEra的现有投资者——QVT Family Office、Safar Partners等。
公司没有提供估值,但QuEra的首席运营官Yuval Boger表示,与QuEra之前的融资相比,这代表了“非常显著的增长”。他补充道:“我知道你可能对2.3亿美元重大增资轮的估值有一个很好的感觉。”
我们保守估计为4亿美元,但由于这是可转换票据,任何事情都有可能发生。
有一个细节确实给QuEra带来了显著的提升:公司已经在产生收入。具体来说,Ory提到了QuEra向日本出售的一台价值4100万美元的量子计算机,该计算机将在一项新的超级计算机项目中与Nvidia技术(运行经典计算)一起使用。
公司还通过其云服务产生了一些收入。2022年11月,QuEra开始通过其256量子比特计算机(其第一代机器)在AWS上提供量子计算服务。Boger表示,该服务主要用于试点和概念验证实验。
QuEra希望将该服务扩展到其他云提供商,但目前尚未宣布任何消息。Boger表示,谷歌的融资——由谷歌的量子AI业务部门支持——不包括与谷歌云平台的任何形式的捆绑。
QuEra的融资是量子计算初创公司显著增长的一部分。不到两周前,总部位于巴黎的另一家量子计算初创公司Alice & Bob筹集了1.04亿美元。总部位于英格兰剑桥的Riverlane正在开发纠正量子错误的技术,去年8月筹集了7500万美元,量子芯片制造商SEEQC上个月筹集了3000万美元。
据报道,以色列的Quantum Machines也在筹集1亿美元。Quantum Machines拒绝对这些报道发表评论。
也许最大的消息是,去年Quantinuum以50亿美元的估值筹集了3亿美元。现在有传言称其将以100亿美元的估值上市。
但由于我们尚未看到一台完全运作、可商用的量子机器,这些公司正在进行的工作分散在一系列方法中,所有这些方法都旨在改善计算时的错误和失败率。
QuEra的目标是建造一台中性原子量子超级计算机,这部分依赖于在计算过程中使用激光冷却原子以减少错误。
“我们认为我们有正确的架构方法,可以真正实现我们认为的圣杯,即具有真正量子优势的不连续量子计算,”Ory在一次采访中说道。
“与谷歌这样的合作伙伴一起审视我们的工作,以及我们能够吸引的人才……一切都在汇聚,我们感到得到了验证。QuEra处于一个资源、科学和人员将使我们成为少数几家公司之一,能够真正交付第一个可扩展、有用的量子计算机的地位,”他说。
但到目前为止,由于多种方法,这更像是一场马拉松而不是一场竞赛,没有终点线。QuEra的联合创始人和前CEO Alex Keesling发明了产品核心技术,现在负责监督技术实施,因为QuEra正在努力构建其硬件。与该领域的其他公司一样,该公司正在灵活的截止日期内工作,逐步将其想法变为现实。
长期的承诺令人垂涎。随着计算能力变得越来越昂贵,以及像AI这样的新技术对资源施加越来越大的压力,行业正在寻找能够超越这些工作负载的解决方案,或者至少能够通过更强大的方式来补充它们。信奉者认为量子计算将是解决方案。
“我们相信,如果我们能够实现100个逻辑纠错量子比特,并能够在不出错的情况下运行一百万条指令,量子计算将会有有用的应用,提供比普通计算机更大的优势,”Ory说。“我们相信这一点。我们认为这将为材料科学、生命科学、模拟、优化问题等创造巨大的价值。”
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。