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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。