英国初创公司Oxford Quantum Circuits已在曼哈顿的一个数据中心安装了纽约市首台量子计算机。
该量子计算机被安装在Digital Realty Trust运营的数据中心内,位于切尔西的谷歌大楼。Oxford Quantum将这项技术推广给客户,作为更快速、更高效运行人工智能程序的解决方案。
Oxford Quantum首席执行官Gerald Mullally表示,预计公司将在三到五年内投资数千万美元,部分资金将用于购买英伟达芯片并将其集成到量子计算机中。不过,他拒绝透露该计算机的确切成本。
Mullally将该项目描述为Oxford Quantum、Digital Realty和英伟达之间的合作伙伴关系。他表示:"我们都从企业希望访问和使用我们的计算资源中受益,无论是英伟达的人工智能超级计算,还是我们的量子计算,这些都在Digital Realty的可信、安全生态系统中运行。"
该系统的安装预计将在本周公布,时值特朗普总统访问英国首相基尔·斯塔默期间。与此同时,据彭博社此前报道,ChatGPT创造者OpenAI和英伟达的领导人也计划在特朗普访问期间承诺支持对英国数据中心的数十亿美元投资。
近几个月来,量子计算领域的投资步伐加快,行业领导者预测技术突破将比预期更早到来。英伟达首席执行官黄仁勋对量子计算尤其看好,他表示这项技术正在达到一个拐点。量子计算虽然构建成本高昂且复杂,但有潜力大幅提升处理速度。仅在过去两周内,英伟达就支持了量子计算初创公司PsiQuantum和Quantinuum。
传统计算机使用比特存储信息,比特表示为0或1。而量子计算机使用量子比特,可以表示为0、1或两者的混合状态,使其能够同时考虑多种可能性,解决传统系统难以处理的问题。但量子比特非常脆弱且容易出错,一些领先技术需要超低温、安静的环境。
Mullally称位于曼哈顿的系统是"世界上最强大的量子计算机之一,因为它能够在错误发生之前运行数千次量子操作"。世界上一些最大的科技公司已经花费数年时间试图开发所谓的容错量子计算机。IBM在纽约波基普西设有量子数据中心,目标是到2029年开发出大规模容错量子计算机。
Mullally表示,Oxford Quantum计划继续投资曼哈顿的量子计算机,并在2028年前将其升级为更强大的计算机。该公司还在东京和英国雷丁的数据中心安装了量子计算机。
Mullally称纽约市的项目是首个"量子-AI数据中心",指出量子计算将使用户能够"更高效地生成可用于训练AI模型的数据"。他表示特别看好该技术在金融领域的应用。"这就是为什么一些最大的全球银行在量子计算领域处于领先地位的原因。"
据公司透露,Oxford Quantum量子计算机与英伟达芯片的部署即将完成。预计部分客户今年将获得该计算机的使用权限,全面商业化将从2026年开始。
Q&A
Q1:Oxford Quantum在纽约安装的量子计算机有什么特别之处?
A:这是纽约市首台量子计算机,被安装在曼哈顿切尔西谷歌大楼的数据中心内。该系统能够在错误发生之前运行数千次量子操作,被称为世界上最强大的量子计算机之一,主要用于更快速、更高效地运行人工智能程序。
Q2: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存储信息,比特只能表示为0或1。而量子计算机使用量子比特,可以表示为0、1或两者的混合状态,使其能够同时考虑多种可能性,解决传统系统难以处理的复杂问题,但量子比特很脆弱且容易出错。
Q3:这台量子计算机什么时候能投入商用?
A:据Oxford Quantum透露,量子计算机与英伟达芯片的集成部署即将完成。预计部分客户今年就能获得使用权限,而全面商业化服务将从2026年开始。公司还计划在2028年前对系统进行升级,使其变得更加强大。
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。