
近日,国内首家从事“相干量子计算及光量子计算”研发的高科技公司——玻色量子再次完成数千万元Pre-A轮融资,本轮融资由海贝资本独家投资,这是继2021年连续获得天使轮与天使Plus轮融资之后,玻色量子获得的第三轮融资。
玻色量子成立于2020年底,是国内稀缺的专注于量子计算的海归创业企业之一。创始人&CEO文凯博士是清华基础科学班毕业,美国斯坦福大学博士。创始团队来自斯坦福大学、麻省理工、清华大学、中科院等顶尖学府。
进入2022年,量子计算再次成为两会的热点词汇,“东数西算”这一国家重大工程项目的提出,都标志着我国对于算力基础的需求进一步提升,量子计算也迎来从研究向落地转折,从学术向工程转化的“跨越鸿沟”阶段。北京、安徽、江苏、四川、广东等地政府也相应出台了一系列布局量子计算领域的相关政策与规划建议,大力推进量子计算等前沿技术与数字经济的协同发展,布局未来算力基础。
在这一战略背景下,起源于清华和斯坦福的玻色量子公司,聚焦“光量子计算平台”的硬科技创新,致力于光量子计算的各类型软硬件全平台研发。玻色量子专家团队在光量子领域十载厚积薄发,完全自主研发并实现光量子计算核心器件、关键组件国产化,在光量子稳定制备、光量子的精密测量和稳定控制等技术储备和工程化实现能力上,比肩国际顶尖水平。在此基础上的第一个里程碑产品定位于基于相干伊辛机的相干量子计算硬件产品——天工量子大脑。
国际市场上,光量子计算的代表企业PsiQuantum也在光量子的规模化制备,调控和纠错进行了布局,其公布的路线图计划中的Q1系统代表着光量子计算技术的重大突破,目标打造室温下稳定运行的100万个光量子比特,并提供纠错、容错的光量子计算机。
对于量子计算的发展前景,创始人&CEO文凯博士认为:“光量子是实现大规模量子计算的最佳途径之一,也是破局NISQ(含噪声的中等规模量子计算)时代的首选技术路线。与超导、离子阱等其他主流量子计算技术路线相比,光量子具有高速操作、稳定室温运行、全连接、工程化成熟等四大优越性。”因此,玻色量子将持续聚焦实现大规模光量子计算平台。
目前,玻色量子已与清华大学、北京量子信息科学研究院、光大科技、国防科技大学、天津大学、北京交通大学等国内十余所顶尖高校和研究机构、知名企业达成学术研究及产业化的联合合作,共建技术平台,聚集科研+产业界进行协同创新,于一年时间内完成近20项量子计算相关专利布局,并于2021年12月入选“北京市颠覆性技术研发和成果转化”核心项目,获得北京市科学技术委员会的全力支持,剑指建造大规模光量子计算平台,实现实用化量子计算这一远景目标。
在产业化应用上,玻色量子已经与光大科技联合发布“量子计算+金融”平台,并在新药研发、军工、交通等多个领域完成了突破性进展,稳步迈向0到1的量子计算实用化。
海贝资本是玻色量子此轮融资的独家投资方。由数名成功企业家、资深金融专业人士和互联网创业家组建而成,涵盖创投、风投、产业、创业服务、投行咨询等几大业务板块。重点关注并投资于消费升级、人工智能、大数据、工业4.0、企业服务、产业升级、文创娱乐等具有良好发展前景的行业和领域。
此轮融资后,海贝资本将以自身丰富的行业资源助力玻色量子在各行业领域的多元化合作发展,玻色量子也将持续专注于可扩展、可编程的光量子计算平台的研发和产业落地,建立上下游生态链和产业链,并不断完善量子计算对AI、大数据、企服等各类问题的计算加速应用,以解决未来时代的算力需求,占领全球前沿硬科技发展先机。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。