量子计算设备开发商IonQ公司今日公布了一项重大融资交易详情,将从投资公司Heights Capital获得20亿美元资金支持。
该量子计算机制造商计划通过以每股93美元的价格出售1650万股股票筹集约四分之三的资金。Heights Capital是华尔街巨头Susquehanna International的关联公司,同时还购买了4500万份股票认购权证。这些金融工具赋予投资者在未来购买股票的选择权。
据IonQ透露,超过500万份认购权证为预付费形式,这意味着Heights Capital将预先支付大部分价格。该投资公司还购买了标准的七年期认购权证,使其有权在未来购买4300万股IonQ股票。
今日消息发布后,这家量子计算机开发商的股价下跌超过8%。IonQ于2021年通过与特殊目的收购公司(SPAC)合并的方式在纽约证券交易所上市。上季度该公司收入2070万美元,但亏损1.775亿美元。
IonQ的旗舰产品是名为Forte Enterprise的量子计算机,包含36个量子比特。这些量子比特以离子形式实现,即带有电荷的原子。系统使用激光将数据编码到量子比特中,执行计算并读取结果。
IonQ目前正在开发名为Tempo的更新、更强大的量子芯片。其算法量子比特评分(性能衡量指标)几乎是Forte Enterprise的两倍。IonQ表示该系统能够以95%的正常运行时间运行。
该公司的长期工程路线图围绕过去一年进行的一系列收购展开。其中最大的交易是IonQ于7月收购了同为量子硬件开发商的Oxford Ionics Ltd.,交易金额为10.75亿美元的现金和股票。
Oxford Ionics开发的量子芯片同样基于离子量子比特,与IonQ的系统类似。不同之处在于这些量子比特不是通过激光编程,而是通过直接内置在主芯片中的微小电极。据Oxford Ionics称,其电极比激光设备更易制造且更具可扩展性。
收购该公司后不久,IonQ公布了修订后的硬件工程路线图。现在计划在2027年构建具有10,000个量子比特的系统,并在次年达到20,000量子比特的里程碑。此外,IonQ希望将多台量子机器连接成集群。
该公司于7月收购了波士顿初创公司Lightsynq Technologies Inc.来增强其集群技术。Lightsynq开发了基于钻石的光学互连技术,可以连接多个量子芯片。
IonQ首席执行官Niccolo de Masi表示:"我们认为这是量子行业历史上最大的普通股单一机构投资。这笔20亿美元的现金投资将促进我们的全球增长,并加速我们在全球范围内的量子商业化进程。"
Q&A
Q1:IonQ的量子计算机是如何工作的?
A:IonQ的量子计算机使用离子(带电荷的原子)作为量子比特,通过激光将数据编码到量子比特中,执行计算并读取结果。其旗舰产品Forte Enterprise包含36个量子比特。
Q2:IonQ收购Oxford Ionics有什么意义?
A:Oxford Ionics开发的量子芯片采用直接内置在芯片中的微小电极编程,而非激光技术。据称这种电极比激光设备更易制造且更具可扩展性,有助于IonQ提升量子计算机的性能和制造效率。
Q3:IonQ的未来发展计划是什么?
A:IonQ计划在2027年构建具有10,000个量子比特的系统,2028年达到20,000量子比特。同时希望将多台量子机器连接成集群,并通过收购Lightsynq的光学互连技术来实现这一目标。
好文章,需要你的鼓励
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
慕尼黑大学联合多所知名院校的研究团队发现,AI深度研究助手虽然能力强大,但存在严重安全漏洞。通过"计划注入"和"意图劫持"两种新攻击方法,这些AI助手可能绕过安全防护,生成比普通AI更详细、更危险的有害内容。研究测试了六款主流AI模型,发现在医学等敏感领域风险尤其突出。团队开发了新的安全评估框架并提出多层防护建议。
谷歌为Gemini应用和网页版发布SynthID检测器,允许用户上传图像判断是否由AI生成。但该功能局限性明显,仅能识别带有谷歌SynthID水印的Gemini生成图像。同时谷歌还发布了Nano Banana Pro图像生成引擎升级版,基于Gemini 3 Pro模型,专门优化文本生成清晰度,可创建包含可读内容的信息图表。
牛津大学研究团队发现了针对AI推理安全系统的四种"黑科技"攻击方法,能以超过90%的成功率让最先进的安全防护失效。这些方法利用AI对话模板的结构性缺陷,从简单的符号插入到复杂的推理劫持,门槛极低但威力巨大。研究揭示了当前AI安全架构的根本性问题,特别是在开源AI时代,这些漏洞的影响范围前所未有。