芬兰企业家彼得·萨林在将自己的初创公司以6.65亿美元出售给芯片制造商AMD的18个月后,离开了现名为AMD Silo AI部门的CEO职位。他现在担任两家新企业的董事长:物理AI实验室NestAI和量子计算AI初创公司QuTwo,后者致力于帮助企业为量子计算时代做好准备。
QuTwo目前完全由萨林的家族办公室PostScriptum资助,自称为"量子时代的AI实验室"。然而,该公司并不是在等待量子计算成熟,而是已经与企业客户开展合作——包括欧洲时尚零售商Zalando,双方正在开发所谓的"生活方式智能体",这是一种AI工具,旨在超越产品搜索功能,主动推荐产品和体验。
QuTwo建立在这样的前提下:AI正面临效率瓶颈,而量子计算最终可能有助于解决这一问题。但萨林向TechCrunch表示,公司并未押注于这种情况何时会发生。相反,这家初创公司正在构建QuTwo OS作为编排层,允许企业从经典计算转向量子计算,同时利用混合计算。
萨林通过PostScriptum投资了芬兰量子公司IQM和QMill,他是越来越多相信量子计算最终将在广泛行业应用中超越经典计算机,同时缓解AI能源需求的投资者之一。但他也认为,初期应用案例将需要混合硬件环境,企业更愿意专注于业务问题,而让QuTwo OS处理路由工作。
在这方面,被称为"量子启发"计算的中间路线的潜在优势在于它目前已经可行,因为它使用经典硬件模拟量子行为,绕过了仍然阻碍量子硬件的障碍。同时,QuTwo OS被设计为灵活性强,同样支持量子或非量子算法和芯片。
QuTwo的团队在量子-AI分界的两侧都带来了经验。在量子方面,有IQM联合创始人陈冠延和董事会成员安蒂·瓦萨拉,后者也是专注于量子芯片的芬兰半导体初创公司SemiQon的董事长。企业方面同样有代表,包括萨林本人和卡伊-米卡埃尔·比约克,后者是他在Silo AI的前联合创始人之一。芬兰电信巨头诺基亚前CEO佩卡·伦德马克也加入了QuTwo的董事会。
在这两个领域,团队拥有超过30名量子和AI科学家,萨林明确表达了公司的立场。"我们在为量子世界构建,但QuTwo是一家AI公司,"他说,这意味着QuTwo正在"将AI工作负载从经典计算推向量子计算"。
这也意味着其客户群可能相当广泛。除了Zalando,QuTwo还与芬兰主要金融服务提供商OP Pohjola启动了联合量子AI研究计划。
从一开始,QuTwo就具有商业思维,已经拥有"数千万级别的大型设计合作伙伴关系",萨林表示。设计合作伙伴关系——供应商与企业客户共同开发产品——是QuTwo在构建产品时了解客户期望的方式。这也是企业在量子计算到来时寻求建立早期立足点的一种押注。
Q&A
Q1:QuTwo是什么公司?它的主要业务是什么?
A:QuTwo是由芬兰企业家彼得·萨林创立的AI初创公司,自称为"量子时代的AI实验室"。公司的主要业务是帮助企业为量子计算时代做好准备,通过构建QuTwo OS作为编排层,允许企业从经典计算转向量子计算,同时利用混合计算。
Q2:量子启发计算有什么优势?
A:量子启发计算的潜在优势在于它目前已经可行,因为它使用经典硬件模拟量子行为,能够绕过仍然阻碍量子硬件发展的技术障碍。这种中间路线让企业可以在量子计算完全成熟之前就开始体验相关技术的好处。
Q3:QuTwo目前与哪些企业有合作?
A:QuTwo目前与欧洲时尚零售商Zalando合作开发"生活方式智能体",这是一种超越产品搜索功能、主动推荐产品和体验的AI工具。此外,QuTwo还与芬兰主要金融服务提供商OP Pohjola启动了联合量子AI研究计划。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。