总部位于特拉维夫的量子计算初创公司Q-Factor今日宣布完成2400万美元种子轮融资,正式进入公众视野。
该公司的使命是开发基于中性原子的量子计算机,目标是将其扩展到100万个量子比特甚至更多。本轮超额认购的融资由NFX和TPY Capital领投,英特尔资本、韩国投资伙伴、Deep33和Matias家族参与投资。以色列创新局通过赠款形式提供资金支持,以色列理工学院和魏茨曼科学研究所也参与其中。
Q-Factor专注解决量子比特扩展问题,量子比特是量子计算机的基本计算单元。多年来,量子计算机一直被认为即将实现突破,有望在药物发现、天气预报和金融建模等领域带来革命性变化,但该行业的进展几乎停滞不前。目前运行中最强大的量子计算机仅拥有几百到几千个量子比特,而要真正发挥作用,需要扩展到数百万个量子比特。
为了突破这一扩展"瓶颈",Q-Factor押注于一种名为中性原子的方法,即通过激光束(通常称为"光镊")捕获和操控单个原子。这与IBM和谷歌等量子计算先驱采用的方法截然不同,后者依赖超导量子比特,必须保持在接近绝对零度的温度下,需要极其昂贵的超低温基础设施。这也不同于IonQ公司使用的"离子阱"技术,该技术面临着极其复杂的布线瓶颈问题。
相比之下,中性原子天然惰性,这意味着它们极其稳定,能够长时间保持其"状态"。Q-Factor并非唯一研究中性原子的公司,但即使这些系统也难以扩展到超过几百个量子比特。
现有的中性原子系统受到架构瓶颈的限制,几乎无法管理大规模计算所需的原子和激光数量。但Q-Factor的创始人相信他们找到了克服这些问题的方法。通过借鉴几十年来对里德伯物理学和超冷原子的研究,他们设计了一个据称能够轻松扩展的系统。
突破量子瓶颈
联合创始人兼首席执行官Guy Raz表示,扩展基于中性原子的系统具有挑战性,因为随着处理器规模的增长,很难保持对单个量子比特的精确控制。在更大规模下,保持一切稳定所需的光学、校准、读出和资源变得极其苛刻,而完成这一切的架构根本不存在。
Raz表示,他目前还不能透露公司方法的具体细节,但该方法专注于在架构层面扩展中性原子。"我们不是逐步扩展当今的小规模设计并依赖量子互连,而是从第一天起就构建适用于更大系统的中性原子架构。我们相信这是从实验室演示转向真正大规模和有用的量子机器所必需的。"
维持量子稳定性的关键挑战之一是噪声和"串扰",即单个量子比特相互干扰的风险,Q-Factor从一开始就特别关注这些问题。"高效的量子纠错是该设计的组成部分。我们还不能分享详细的实现方式,但核心是我们在架构层面解决扩展问题,使系统能够在不失去控制、保真度或实用性的情况下增长。"
追求量子优势
Q-Factor的下一步是在实验室研究基础上,创建其新型量子计算架构的功能性大规模原型。英特尔资本的支持可能意义重大,因为该公司在制造和扩展实验性硬件方面拥有专业知识。
问题在于Q-Factor是否能最终实现所谓的"量子优势",即量子机器达到能够超越经典计算机能力的规模。IBM、谷歌、IonQ等公司多年来一直努力实现这一目标,但迄今未能成功。
Q-Factor可能也会面临同样的挑战,但它有一些有利因素。首先,中性原子被认为是实现更高量子比特数最有前景的方法之一,因为它们比其他系统复杂性更低。
此外,其创始人被认为是原子物理学领域的世界顶级专家。例如,Raz是一位拥有20年深度技术初创公司成长经验的物理学家。首席科学家Ofer Firstenberg是魏茨曼研究所教授,量子光学和里德伯原子专家,而Nir Davidson被认为是超冷原子领域的世界领先专家之一,已发表280多篇同行评议论文。最后,以色列理工学院教授Yoav Sagi是中性原子操控专家。
英特尔资本的Lisa Cohen表示,Q-Factor的创始团队对构建基于中性原子的商业可行量子计算机所需条件有"清醒的理解"。"他们观察了该领域的发展,从其他公司遇到的挑战中学习,并汇集了合适的专业知识来解决量子计算中最困难的剩余问题:规模化。"
Q&A
Q1:什么是中性原子量子计算技术?
A:中性原子量子计算是一种通过激光束(称为"光镊")捕获和操控单个原子的技术。与需要超低温环境的超导量子比特不同,中性原子天然惰性且极其稳定,能够长时间保持量子状态,被认为是实现大规模量子计算最有前景的方法之一。
Q2:Q-Factor如何解决量子计算的扩展难题?
A:Q-Factor采用全新的架构层面解决方案,不是简单扩展现有小规模设计,而是从一开始就构建适用于大规模系统的中性原子架构。他们特别关注噪声和量子比特间串扰问题,将高效量子纠错作为设计的核心组成部分。
Q3:量子优势是什么意思?目前实现了吗?
A:量子优势指量子计算机达到能够超越经典计算机能力的关键点。目前IBM、谷歌、IonQ等公司都在努力实现这一目标,但尚未成功。现有最强大的量子计算机只有几百到几千个量子比特,而实现真正有用的量子计算需要数百万个量子比特。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。