Classiq Technologies Ltd. 是一家初创企业,致力于开发编写量子计算机算法所需的软件。该公司今日宣布,在一轮 C 轮融资中筹集了 1.1 亿美元。
据称,这一轮融资是迄今为止量子软件公司获得的最大一笔融资。此次融资由 Entrée Capital 领投,Norwest、NightDragon、Hamilton Lane、Clal、Neva SGR、Phoenix、Team8、IN Venture、Wing、HSBC、Samsung Next 以及 QBeat 等机构也参与投资,使得该初创公司的累计融资总额达到 1.73 亿美元。
Classiq 开发了一个平台,帮助开发者在无需掌握量子计算复杂原理的前提下编写量子计算机应用程序。该平台能够帮助企业创造出高度复杂且经过优化、能够感知硬件特性的量子电路和算法,而这些往往是开发者难以独立编写的。借助这一平台,用户还可以定制适合不同负载的算法,涉及量子优化、金融、化学以及机器学习等领域。
该初创企业正面对一个现实:量子计算与传统计算完全不同。这些仍处于研发阶段的未来计算机依靠量子力学特性,有望执行远超传统计算机的复杂运算。而全新硬件的推出,也带来了对新型软件算法的需求。
Classiq 联合创始人兼首席执行官 Nir Minerbi ( pictured, right, alongside co-founders Yehuda and Amir Naveh ) 将公司比作“量子计算的 Microsoft”,并表示其正在交付创建真实世界量子应用所必需的“核心软件堆栈”。
公司称,其平台具备加速新用户上手的优势,使开发者和数据科学家能够比以往更快掌握量子计算技术。
该平台还支持与硬件无关的开发,用户只需编写一次量子应用程序,即可在 Amazon Braket、Microsoft Azure Quantum 和 Google Cloud 等基于云的量子服务上运行。此外,该平台已与 IBM Corp.、IonQ Inc.、Rigetti Computing Inc. 和 Alice & Bob SAS 等公司的量子硬件和服务完成进一步整合。
Classiq 表示,其平台已经引起了极大关注,“数十家”企业和“数百所”学术机构正在使用其工具探索量子计算。在过去一年中,其客户群体和收入均实现了三倍增长。
该公司的知名客户包括大型银行 Citigroup Corp. 以及科技咨询公司 Deloitte Touche Ltd.,而汽车制造商 BMW AG 和 Rolls-Royce Motor Cars Ltd. 也在利用该平台进行研究。此外,Classiq 还提到了 Microsoft Corp.、Amazon Web Services Inc. 和 Nvidia Corp. 作为合作伙伴。
Entrée Capital 管理合伙人 Avi Eyal 表示,这些合作关系展示了 Classiq 已成为量子软件领域的“明确领导者”,旨在构建适用于所有量子计算机的操作系统和编译器。
拥有超过 60 项与核心量子建模和编译技术相关专利的该初创企业表示,此次融资将用于扩大其市场推广、客户成功及研发团队。
好文章,需要你的鼓励
The Access Group是英国最大的软件公司,估值近100亿英镑。该公司APAC区域技术总监Rolf Krolke分享了公司在频繁并购活动中如何整合各异IT系统的经验。由于自2017年来年均约10次收购,公司面临存储基础设施分散、维护困难等挑战。目前正推进存储现代化项目,将传统存储设备替换为Pure Storage全闪存阵列,并计划在全球10个数据中心部署数十PB容量,以支持新的Access Evo平台和AI应用。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。