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
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。