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
SAP 在 Sapphire 2025 大会上展示了企业智能化的新时代,重点发布了 SAP Business Data Cloud 的扩展功能,包括预构建的智能应用程序。大会强调了多云部署、合作伙伴生态系统扩展,以及 AI 驱动的实时业务洞察如何成为企业竞争优势的关键因素。
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
我们期待看到这种"诚实的AI"在更多场景中发挥作用,为人类提供更可靠、更值得信赖的智能服务。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。