英国科技大臣表示,英国不会让量子计算人才流失,必须从美国在人工智能竞赛中占主导地位的情况中吸取教训。政府宣布了10亿英镑的量子技术资助承诺。
利兹·肯德尔表示,政府希望留住本土的量子初创企业、工程师和研究人员,而不是让他们流失到竞争国家,因为美国在人工智能领域已经领先于西方竞争对手。
"我确实关注人工智能领域发生的情况,"肯德尔说道。"我认为我们需要吸取教训,确保为我们杰出的科学家、衍生企业和初创公司提供留在这里并实现目标的能力。这需要一个在未来技术方面大胆、雄心勃勃且充满信心的政府。"
她补充道:"太多人觉得他们必须前往美国,才能获得发展和扩大公司所需的资金和支持。"
由诺贝尔奖得主德米斯·哈萨比斯联合创立的突破性人工智能公司DeepMind仍然位于伦敦,但在2014年被谷歌以4亿英镑收购。同时,Meta等硅谷巨头一直在向顶尖人才提供巨额资金。英国仍然是人工智能人才的主要产地,但其一些最大的人工智能业务是美国公司的基地,如ChatGPT开发商OpenAI、Anthropic和Palantir。
在牛津附近的国家量子计算中心接受《卫报》采访时,肯德尔表示政府不想在量子技术方面"坐冷板凳"。英国已经产生了多家量子初创企业,包括最近估值达100亿美元(75亿英镑)的美英合资企业Quantinuum。
"我希望站在前沿并处于领先地位,"她说道。
肯德尔与财政大臣瑞秋·里夫斯一起参观了国家量子计算中心,这是量子计算资助公告的一部分。量子计算利用量子物理学原理来处理信息。
在科学大臣帕特里克·瓦兰斯推动的政策下,政府提供10亿英镑帮助企业设计大规模量子计算机,供科学家、研究人员、公共部门和企业使用。另外已宣布的10亿英镑将支持企业和研究人员在金融、制药和能源等领域应用量子技术。
肯德尔表示,英国希望通过在下个十年初建造国内尖端量子计算机来获得资金、就业机会和安全保障。去年,谷歌宣布开发了一种算法,使量子计算机的运行速度比经典计算机快1.3万倍。
然而,完全容错的量子计算机仍有一定距离,因为它们需要能够承载数十万量子比特的机器才能实现一些预示重大科学突破的任务。量子比特是量子计算机中信息单位的术语。
经典计算机将信息编码为比特——表示为0或1——通过电脉冲传输。在智能手机上发送短信、电子邮件甚至流媒体Netflix电影都是这些比特的字符串。
在量子计算机中,信息包含在量子比特中。这些量子比特封装在中等大小的芯片中,是电子或光子等粒子,可以同时处于多种状态,这是量子物理学中称为叠加态的特性。
这意味着量子比特可以同时编码1和0的各种组合,并计算出大量不同的结果,这是经典计算机无法做到的。然而,它们必须保持在高度受控的环境中,比如没有电磁干扰的环境,否则很容易受到干扰。
尽管如此,量子计算机理论上可以帮助设计新的化学品、药物和合金。量子计算可以实现化学化合物的更高效表示,例如,允许准确预测复杂分子的行为,为新药物和材料铺平道路。
Q&A
Q1:英国为什么担心量子计算人才流失到美国?
A:英国担心重蹈人工智能领域的覆辙。在人工智能竞赛中,美国已经占据主导地位,许多英国科技人才和公司被迫前往美国寻求资金和支持。例如,DeepMind虽然仍在伦敦,但已被谷歌收购,许多顶尖人才被硅谷巨头挖走。
Q2:英国政府如何支持量子计算发展?
A:英国政府宣布了20亿英镑的量子技术投资计划。其中10亿英镑用于帮助企业设计大规模量子计算机,供科学家、研究人员、公共部门和企业使用;另外10亿英镑支持企业和研究人员在金融、制药和能源等领域应用量子技术。
Q3:量子计算机与传统计算机有什么区别?
A:传统计算机使用比特(0或1)来处理信息,而量子计算机使用量子比特。量子比特可以同时处于多种状态(叠加态),能同时编码1和0的各种组合,计算大量不同结果,这是传统计算机无法做到的。但量子比特需要在高度受控环境中运行,容易受到干扰。
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。