开发这个软件的初衷是为了实现串口调试中的高频发送，以及根据设备的响应内容发送应答，因此软件的设计重点是高性能与可扩展。 代码架构是 Flutter + Rust ，软件最大的特点是支持 1 毫秒分辨率的延时，精度为 ±0.5 毫秒，可以基于循环发送功能实现每秒超过 1000 次的数据收发。也支持使用 Lua 脚本实现毫秒内的消息应答。 GitHub: github.com/cycbox/cycbox （求 Star ⭐） 功能： 支持串口、蓝牙串口、TCP 、UDP 、WebSocket 以及 P2P 加密连接，支持多个连接间的数据桥接 支持 MQTT ，并且内置 Broker ，可以在不依赖外部软件的情况下实现 MQTT 调试 支持 Modbus RTU/TCP ，并且两者均支持 Master 与 Slave 设备 内置多种数据帧格式支持，譬如 AT 指令，COBS ，SLIP ，也可以使用 JSON 定义复杂的数据帧类型 内嵌 Lua 脚本引擎，用于实现消息数据解析，消息应答，定时发送，以及两个连接间的数据桥接，或者转发到外部系统，如 TimescaleDB ，Discord webhooks 等 跨平台，支持 Windows ，Linux 与 Android ，以及 headless 模式的 cycbox-edge 用于部署到 Arm Cortex-A7 等资源受限的边缘节点 远程调试功能，基于 iroh 的加密连接，桌面端可连接到边缘节点进行调试 MCP 与 AI 助手，可以根据用户提供的 PDF 设备数据手册，文档，或者 MCU 下位机源码，配置连接参数，生成消息发送模板以及编写 Lua 调试脚本 基于协议或者 Lua 脚本的数据解析，支持数据下载，实时曲线图，FFT 欢迎下载试用： Windows 商店 https://apps.microsoft.com/detail/9n9d7d1mv4sf Github https://github.com/cycbox/cycbox 视频教程： CycBox 跨平台 BLE 蓝牙串口 CycBox 教程: ESP32 AT 基础指令调试 CycBox 教程：高精度定时器与 Lua 脚本 CycBox MQTT / MQTT over WebSocket 调试 CycBox 跨平台远程调试与控制 CycBox 结构化帧编解码器
IT之家 6 月 2 日消息，ATK 现已在京东上架一款 RS6 Air Cyber 磁轴键盘，该产品提供 0.001mm RT 精度，支持 8KHz 轮询率， 定价为 449 元 。 京东 ATK RS6 Air Cyber 磁轴键盘 449 元 直达链接 该键盘采用 Gasket 结构，使用粉色配色，侧面带有 RGB 灯效及铭牌。其提供 8KHz 轮询率、0.001mm RT 精度，使用 ATK 定制 0.001 烈刃轴，配备雾面 PC 键帽，可使用通过 ATK HUB 3.0 软件调参。 IT之家附键盘参数如下： 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包
IT之家 6 月 2 日消息，据 Techcrunch 报道，初创企业 WindBorne Systems 公司今日推出了一款全新人工智能气象预报工具。依托传感器观测数据接入深度学习模型的技术革新，该工具针对关键气象指标的预报频次与精准度，均优于欧洲多国政府联合研发的全球顶尖气象预报系统。 据IT之家了解，WindBorne Systems 由数名斯坦福大学学生于 2019 年创立，公司起步阶段主打研发性能更优异的气象探空气球，主营气象数据售卖业务。2022 年深度学习气象预报模型问世后，团队意识到自研预报模型能够挖掘更高商业价值。 公司于今日正式发布第六代气象模型 WeatherMesh-6。据企业介绍，该模型预报精度已超越欧洲中期天气预报中心（ECMWF）出品的传统预报与人工智能预报产品；在气象学界，这家欧洲政府间机构是公认的高精度气象预报标杆。 WindBorne Systems 首席产品官凯・马什兰给出一个通俗的对比：单就地表气温预报而言，WeatherMesh-6 提前五天的预报准确度，等同于传统预报提前一天的预报水平。 传统气象模型每 6 小时生成一轮预报，而 WeatherMesh-6 可实现逐小时更新预报。在数据质量最优的欧洲本土与美国大陆地区，该模型空间分辨率已细化至 3 公里。 传统气象预报依托复杂物理方程模型运算，不仅需要造价高昂的超级计算机支撑，运算耗时也十分漫长。包括初创公司与谷歌 DeepMind 实验室在内的多方正在研发 AI 气象模型，这类模型运算效率远高于传统物理模型，但现阶段还无法在精细化分辨率与中长期预报准确率上比肩传统系统。 即便如此，人工智能气象技术迭代提速，目前全球多国官方气象机构已落地应用。科研人员正推进技术融合，将 AI 嵌入气象数据汇总与公众预报发布体系。 自研模型 + 自主采集数据的独有模式成为 WindBorne Systems 的核心优势。该公司在全球布设 15 个发射站点，任何时刻都有约 400 只探空气球在空中采集传感器实测数据；本次新版模型性能升级，核心优化点就在于探空气球实测数据的模型接入算法。 WindBorne Systems 首席执行官约翰・迪恩在接受 TechCrunch 采访时坦言：“在我看来，没有独家数据源优势的 AI 气象企业，商业模式根本行不通。” 欧洲中期天气预报中心的领先地位，源于其顶尖的资料同化技术：把来源零散的各类传感器观测数据，整合成一套完整、可供机器读取的全球气象图景。现阶段绝大多数 AI 气象模型，仍依赖欧洲中期天气预报中心与美国国家海洋和大气管理局（NOAA）提供的数据集。 但 WindBorne Systems 等机构正攻关数据源直连模型技术。公司人工智能负责人琼・克雷乌斯 - 科斯塔表示：新版气象网格性能跃升的关键，就是实现了自有探空气球及其他渠道数据的直接接入。研发团队耗时一整年，完成基于 Transformer 架构模型的参数调试与架构重构，才在保障系统稳定性的前提下实现全新预报能力。 迪恩称：“我们起步做资料同化时，高度依赖欧洲中期天气预报中心的数据初值。但现在我有把握：即便剔除该中心的初始气象数据，我们模型的预报效果依旧出色。” 去年公司曾遭遇惊险意外：一架美国联合航空民航客机撞上该公司一只探空气球。得益于 WindBorne Systems 严格遵照美国法规限制传感器载荷尺寸，客机仅轻微受损、无人员伤亡。如今企业启用全球航空监视系统 ADS-B，实时调整气球航线规避民航航路，杜绝再次发生碰撞事故。 2024 年，WindBorne Systems 完成 2500 万美元风险融资，投后估值达 8500 万美元。企业一方面向美国国家海洋和大气管理局、美国海空军售卖探空气球采集数据，相关数据被纳入美国官方气象预报体系；另一方面面向投资机构与大宗商品交易商出售气象预报产品。不过迪恩表示，受未来信息服务模式变数影响，公司现阶段重心仍是打磨模型与数据基建，暂缓商用软件规模化落地。 迪恩说道：“倘若两年后大众获取气象资讯的主流方式变成智能代理助手，那我没必要投入大批人力开发订阅式软件（SaaS）产品。”
IT之家 6 月 1 日消息，星际荣耀今日宣布，近日利用“星际归航”号海上回收船，在广东阳江海域圆满完成了 SQX-3 运载火箭海上回收高精度导航系统无人机挂飞试验 ，各项技术指标满足设计要求。 官方表示，此次试验的顺利完成，标志着 SQX-3 可回收运载火箭箭船协同的高可靠高精度导航系统完成了所有的地面验证工作，具备了参加飞行试验的条件。 箭船高精度导航系统是 SQX-3 运载火箭海上回收任务中的核心系统 ，可在火箭在海上回收的最后阶段为其提供与海上回收船间的高可靠及高精度相对导航定位信息，是实现运载火箭在高动态复杂海况下精准、平稳着陆于海上回收船甲板指定位置的重要保障。 相较于陆地回收，海上回收须面临在南海海域复杂海况下的回收船漂移、晃动，海杂波，海面风场多变等诸多不利因素，对火箭箭船导航系统提出了很高的要求。 IT之家获悉，本次挂飞试验创新地采用了“无人机挂飞 + 海上回收平台”半实物飞行动态模拟方案，对火箭回收着船最后阶段可能出现的各种工况进行了真实海况下的全面模拟，并开展了无人机飞行验证。 试验中，无人机搭载的箭载设备与海上回收平台船载设备均工作正常，箭船设备协同有序，箭船链路稳定可靠，相对导航定位解算正常，能够按要求持续输出火箭在回收船上动态着陆所需要的各种信息，各项性能指标均优于设计要求，充分验证了该系统在复杂海洋环境下的工作可靠性和性能指标， 为 SQX-3 运载火箭一子级海上精准回收提供了完备的数据支撑与技术保障 。
IT之家 5 月 30 日消息，英伟达昨日（5 月 29 日）发布博文，宣布携手香港理工大学、南京大学等， 推出 LocateAnything 模型，主打高速、高精度检测对象。 该模型可以从照片或截图中找出指定对象，并用检测框标出位置，重点服务机器人感知、电脑自动操作等需要快速定位的场景。 NVIDIA 在介绍中强调，机器人和 AI Agent（智能体）仅能“看见”还不够，还必须足够快地确认目标位置。LocateAnything 围绕检测框预测重新设计，让视觉语言检测更适合即时交互任务。 LocateAnything 提出 Parallel Box Decoding（并行框解码），把边界框或点作为固定长度原子单元，在 1 步内预测 x1、y1、x2、y2。 该框架提供 Fast Mode、Slow Mode 与 Hybrid Mode： Fast Mode 面向端侧机器人和具身智能，强调吞吐； Slow Mode 偏向离线标注和高精度评测； Hybrid Mode 默认快速输出，遇到格式异常或空间歧义时切回自回归解码。 团队还构建 LocateAnything-Data，包含 12M 独立图像、138M 语言查询和 785M 边界框。数据覆盖通用检测、GUI 元素定位、指代表达理解、OCR 文字定位、版面定位和点定位，显著扩展训练场景。 在单张 NVIDIA H100 GPU 上，LocateAnything 默认 Hybrid Mode 达到 12.7 Boxes Per Second（每秒框数），超过 Qwen3-VL 的 1.1 BPS，也高于 Rex-Omni 的 5.0 BPS。 高精度任务中，LocateAnything 在 LVIS 的 IoU=0.95 下得分 31.1，高于 Rex-Omni 的 20.7；ScreenSpot-Pro 平均 F1 达 60.3；DocLayNet 和 M6Doc 分别达 76.8 与 70.1。 IT之家附上参考地址 LocateAnything 论文
IT之家 5 月 18 日消息，蓝牙技术联盟上周末发布了 蓝牙核心规范 6.3 ，作为半年一次发布计划的一部分，此次更新引入了多项新功能，可进一步提升测距精度、扩展接口容量并提高射频效率。 IT之家附重点更新内容如下： 1、蓝牙信道探测内联 PCT 传输（Bluetooth Channel Sounding Inline PCT Transfer） 该功能使反射器能够将相位对齐的信号直接传输至硬件， 提升了蓝牙信道探测的精度和效率 。同时，通过减少不必要的数据上报，减少系统开销并加快操作流程。 2、蓝牙信道探测特定物理层 RTT 精度（Bluetooth Channel Sounding PHY-specific RTT Accuracy） 该功能允许设备针对每个物理层（PHY）分别报告往返时间（Round-Trip-Time，RTT）精度，而不再使用单一数值，从而优化物理层选择，在多物理层测距场景中提升精度和互操作性。 3、蓝牙位资源扩展（Bluetooth Running Out of Bits） 该功能通过增加支持的命令位掩码和 LE 事件掩码的尺寸，扩展了主机控制器接口（HCI）的容量。这确保了未来功能的可扩展性，同时保持了对现有设备的向后兼容。 4、蓝牙 ACP 和 C/I 限值放宽（Bluetooth ACP and C/I Limit Relaxation） 该功能进一步统一了经典蓝牙（Bluetooth Classic）（BR / EDR）与低功耗蓝牙（Bluetooth LE）的射频要求，简化了设计目标，并在不影响性能的前提下， 实现了更节能的射频架构 。 蓝牙技术联盟表示，联盟成员在描述产品支持的蓝牙功能时，应避免直接引用产品所依据的蓝牙核心规范版本号（例如蓝牙核心规范 6.3），而应在产品包装、文档和推广材料中清晰、准确地描述其产品支持的具体蓝牙功能，特别是与用户需求最相关的部分。
IT之家 5 月 12 日消息，小鹏汽车官方今日宣布， 小鹏 GX 旗舰 SUV 将行业首发 EIS 电池安全芯片 ，宣称通过给电池做“心电图”实时监控，实现电芯缺陷预警时间提前 2 倍。 据介绍，这颗 EIS 电池安全芯片支持充放电安全监控， 低温充电速度提升 27%、SOC 电量精度提升 50% 。同时，小鹏 GX 全系标配电池三重物理防护，支持防侵入、防高温、防起火爆炸。 据IT之家昨日报道，小鹏集团董事长、CEO 何小鹏发布了“我为什么要造小鹏 GX 这台车”主题视频， 并宣布小鹏 GX“下周见” 。 作为品牌首款全尺寸豪华 SUV， 小鹏 GX 已于 4 月 15 日正式开启预售 ，预售价 39.98 万元起。作为小鹏汽车全新一代物理 AI 技术架构 SEPA 3.0 的首发车型，小鹏 GX 定位为 AI 新豪华大六座旗舰 SUV，融合了 Robotaxi 智驾、飞行汽车安全冗余、具身智能芯片及架构等前沿技术，预售价 39.98 万元。
现在大模型发展这么快，但是还没看到工业领域有哪个大模型发力的，由于工业制造对于精度要求很高，场景数据也比较封闭，应该很难突破，尤其在研发设计、生产制造场景上还有一定的技术难度需要突破，如果突破将会是一次大的革命，人类需要的衣食住行都将由AI来完成生产配送。 11 个帖子 - 6 位参与者 阅读完整话题
字节跳动发布新一代 3D 生成大模型 Seed3D 2.0，重点提升几何精度和材质质量，称已把 3D 内容生成从演示级推进到生产可用。模型在几何生成和纹理材质生成两项核心指标上取得 SOTA，纹理生成人类评测中，相对主流模型的偏好率超过 69%。 Seed3D 2.0 还把能力扩展到部件级生成和场景组合，可先拆分 3D 内容部件再补全形状，并输出带完整关节信息、兼容 URDF 等标准格式的内容，适配 Isaac Sim 等物理仿真引擎。 seed.bytedance.com 1 个帖子 - 1 位参与者 阅读完整话题
GLM 5.1 根本抢不到，这里有一个渠道是量化的，但是我不知道量化精度带来的影响。 求解答，谢谢！ 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 4 月 17 日消息，据央视新闻报道，4 月 17 日 12 时 10 分，我国在酒泉卫星发射中心使用长征四号丙运载火箭， 成功将高精度温室气体综合探测卫星发射升空 ，卫星顺利进入预定轨道，发射任务取得圆满成功。 IT之家注意到，这次任务是长征系列运载火箭的第 638 次飞行。 高精度温室气体综合探测卫星是《国家民用空间基础设施中长期发展规划》中的业务卫星，运行于太阳同步轨道，配置大气探测激光雷达、宽幅高光谱温室气体监测仪、红外高光谱大气成分探测仪、紫外高光谱大气成分探测仪、云和气溶胶成像仪 5 台有效载荷。 该卫星将在全球首次实现主被动高精度宽幅温室气体探测以及紫外红外污染气体联合探测 ，对全球温室气体进行高精度、大范围、高分辨率探测，采用主动激光雷达、天底临边联合、紫外红外联合探测方法，大幅度提升污染气体探测空间分辨率和垂直探测能力。
IT之家 4 月 15 日消息，科技媒体 Ars Technica 今天（4 月 15 日）发布博文，报道称两项发表于《自然》与《物理评论快报》的最新研究， 终于解答了持续 15 年的质子半径之谜。 物理学界关于质子半径的测量争议已持续 15 年。历史上质子半径是通过两种独立的方法测量的，它们的收敛值约为 0.877 飞米。2010 年的一项实验使用了第三种方法，该方法测得的半径为 0.842 飞米，比之前的结果小 5%。 2013 年用量子显微镜拍摄的氢原子电子轨道图像。 IT之家注：飞米（femtometer，符号：fm，又称费米）是极小的长度单位，1 飞米等于一千万亿分之一米。它主要用于核物理和粒子物理中描述原子核半径、亚原子粒子大小或粒子间距，以纪念物理学家恩里科 · 费米命名。 两项最新研究通过独立实验终结了这一争议。 研究团队在真空腔中利用激光控制氢原子内的电子，精确测量电子能级间的跃迁，由此推断质子电荷半径。 用于测量原子氢中电子跃迁的真空室。 结果显示， 质子半径约为 0.84 飞米 ，与 2010 年的测量结果高度一致。其中，《物理评论快报》发表的实验精度较 2019 年提升 3 倍，而《自然》刊载的研究精度更是达到 5.5 西格玛阈值（Sigma Threshold）。 实验结果证实质子半径是普适物理属性，不因测量手段不同而改变。研究人员利用测得数值，严苛验证标准模型，精度高达万亿分之 0.7，结果与理论预言吻合。 IT之家附上参考地址 Sub-part-per-trillion test of the Standard Model with atomic hydrogen Precision Spectroscopy of 2S-nS Transitions in Atomic Hydrogen: A Determination of the Proton Charge Radius
36氪获悉，近日，高精度现代模拟计算芯片公司“安纳智芯”宣布完成新一轮数亿元融资，本轮由经纬创投领投，峰瑞资本、阿尔法公社跟投，老股东讯飞创投、中赢创投持续加码。
「暗涌Waves」独家获悉，量子计算公司「量坤科技」近日完成数亿元人民币天使轮、天使+轮融资。本轮系列融资由英诺天使基金领投，国汽投资、北工投资、BV百度风投、水木清华校友基金、明势创投等多家机构参与投资。光源资本担任独家财务顾问。 这笔融资背后，是一个逐渐清晰的判断： AI for Science需要量子计算。 AI可以学习规律，但模型能力上限，受制于它所见过世界的“分辨率”。在化学、材料与医药等研发场景中，如果底层数据的精度不够，模型预测结果也会显著受限。 量子计算，天然适合模拟分子结构、化学键等体系。 作为一种高精度求解器，它有可能输出更接近物理世界规律的计算结果；计算产出的量子级高精度数据，也是AI4S提升模型表现的一个关键。 量坤科技成立于2026年1月，创始人吕定顺在华为、字节跳动AI4S Lab工作七年，带领团队探索量子计算的能力边界。再往前，他是清华大学最早一批量子计算方向博士，深度参与基于离子阱量子计算系统的搭建。 过去，凭借“硬件不足，软件先行”的路径，吕定顺在大厂拿到过许多结果。在他看来，量子技术、AI和高性能计算融合的异构智算平台，能够在应用层，最大化有限量子算力的价值。 这位年轻的理工科博士，一直想 用量子计算解决真实世界的大问题 。在量子计算硬件技术路线尚未收敛之际，他没有“卷”入硬件创业的热潮，而是选择了硬件之上的算法和软件平台，把量子算法、AI模型和行业workflow封装成可调用的科学智能体，连接量子计算机与AI4S应用需求。 吕定顺说话语速很快，近两小时的访谈里，说了15次“exciting/兴奋”。在华为第一年，打破谷歌“量子霸权”叙事的研究，没有让他很exciting。但用AI在高温超导相关模型计算中实现SOTA，令他兴奋；遇到敢挑战Google、IBM，能打硬仗的人，他也会兴奋。 目前，量坤科技团队已有近40人，集聚了量子、AI、高性能计算方向的前沿人才。在吕定顺看来，“团队是创始人内心认知的映射，当深度理解量子计算这一系统工程，就知道该如何招募团队。人才最核心的是心气儿要足。” 为什么AI4S需要量子计算？算法和操作系统层的创业机会有多大？未来量子计算会成为新的算力解法吗？以下是我们与吕定顺的对话（经编辑）： 一、来时路 「暗涌」：“量子霸权”为什么令人震撼？作为清华第一批量子计算专业博士，你为什么坚定走向了工业界？ 吕定顺： 2019年谷歌发布了包含53个可用量子比特的处理器，只用200秒就完成了一项研究；并宣称，同样的任务，用当时最强经典计算机需要算1万年。这就是“量子霸权”的来由。 后来我们在华为做了一年，用百卡级传统GPU做模拟，通过算法优化验证经典计算机根本不需要1万年，几个月甚至几天就能算出来。这一研究可以说打破了谷歌量子霸权。 但完成这项工作后，我没有特别exciting。因为量子计算机还在往前发展，Scaling（指数级规模扩展）摆在那里。53比特还能追赶，往后60比特、100比特，经典超级计算机很难再跟得上。 我更关心的是，当量子硬件能力继续向上，量子计算到底能解决哪些真实世界问题？解决的问题能不能更大？量子计算是系统性工程，所以我很坚定地选择去工业界。 「暗涌」：在华为期间，你如何寻找量子计算的真实应用场景？ 吕定顺： 量子计算机是一把锤子，要找到合适的钉子。 除了随机线路模拟，还有两段探索经历。一是化学和材料科学模拟。量子计算机本身是微观量子体系，用它模拟另一个量子体系顺理成章，比如材料化学。进入工业界前，我没有研究过化学，就花三个月读计算化学等文章，再写算法、做复现。后来我们把量子化学模拟推到了28比特，这也是当时业界最大规模的模拟。 另一段是做组合优化问题，比如最大切割、网络流量优化等。在量子计算机算力不高的情况下，我们基于QAOA（量子近似优化）算法做降维化简，最终用不到20比特的量子计算资源，模拟出了10万比特的业务规模。 「暗涌」：什么时候开始更聚焦于AI4S场景？“混合异构计算”这一平台思路是怎么形成的？ 吕定顺： 在字节，最开始我们依然沿着“量子计算实用化”的逻辑。 如果量子计算机长期只有20-50比特，怎么解决真实的大问题？ 后来我发现“量子嵌入”是很好的思路，简单来说就是好钢用到刀刃上。它通过计算任务分解，用量子计算机解决最核心、最复杂的矛盾，其他次要部分用经典计算机算，从而在计算规模、精度、成本实现平衡。 比如：眼前这个会议桌上，最重要的特征是摆了两台电脑，其他部分都相似，那我们就用量子计算机去算“电脑”部分。具体场景上，我们选择了电子结构复杂、传统算法难突破的强关联材料做研究，像氧化镍等过渡金属氧化物。 随着AI大语言模型能力爆发，团队思路更加侧重应用。原来是拿着量子计算机这锤子找钉子；后来是只要能解决science问题，AI、量子计算、经典算法一起用。 围绕化学和材料，我们探索了三种路径：多尺度量子计算化学模拟，把原需上万比特的问题，转换成只需20量子比特；将量子计算机作为高精度求解器，为AI4S模型提供高质量数据。基于GPU的量子嵌入算法，不依赖于量子硬件能力提升；还有纯基于神经网络量子态来求解物理问题，既作为问题求解器，也作为数据合成器。 「暗涌」：你很在意解决的问题够不够“大”。做这些应用探索时，最重要的是什么？ 吕定顺：最重要的就是“选题”，要找到一个足够有影响力的问题。 后面我们选择了“高温超导”，这是凝聚态物理领域很关注的问题，普通人也有感知。借助AI神经网络，我们在高温超导的Hubbard模型计算上取得了SOTA。 这让我挺兴奋。与传统计算范式相比，我们的算法在小数点后第二位就已经显示出优势，既往学界都在PK小数点第四位。 这个AI模型也不是传统的Data-driven算法，本质是基于“变分原理”解极复杂的薛定谔方程，通过不断优化降低Loss，求出真正的基态解。从第一性原理来看，它可以拓展到化学、材料等很多问题。 一开始这方法消耗的计算资源很大，我们紧接着又做了算法和框架改进，极大降低了算力需求，让更多科研团队能参与进来。 二、正当下 「暗涌」：在量子计算这个系统工程里，如何理解你们的卡位？ 吕定顺： 量子计算产业，很多公司在做量子计算机硬件，解决基础的算力问题。最上面的应用层需求也很旺盛，用户想把量子计算、AI用于解决真实问题，比如半导体材料、化学材料、新药分子研发等。 但硬件算力层和应用层中间，算法、软件工具，其实是缺失的。量子算力的操作系统，正是我们想卡住的位置。 图源：量坤科技 「暗涌」：如何理解做中间算法、工具层的技术壁垒？为什么你选择了算法与操作系统端的创业机会？ 吕定顺： 中间层，不是简单地把已有算法程序化。特别是现在量子计算机硬件资源还不丰富。 不丰富，意味着不是所有算法路径都能完成任务。因为量子计算的误差会累积，只有对算法做充分优化，让路径足够短，才可能把有限的量子算力榨出来，最大限度地用起来。 这跟在GPU上运行算法不同。GPU上算法差一些，效率低几倍也能跑，无非成本高；但量子计算里，如果算法效率差了5倍，可能根本跑不起来。这是0和1的区别。 所以算法层的壁垒，在于能不能巧妙地设计和改造算法。这套算法和操作系统平台建好，还可以不断扩充功能，逐渐拓展成算法和工具平台。 「暗涌」：目前量子计算的产业图景里，哪些是你们想要服务的用户？ 吕定顺： 第一类是本身就有量子计算需求的客户，比如国央企、科研院所等。他们需要培育量子计算能力、迭代量子算法。这类通常会从工具出发，把问题分解成量子算法，再运行到对应的量子计算机上。 第二类是有明确研发需求的产业客户，比如半导体材料、新药研发等企业。用户并不关心底层算力是不是量子计算机，更关心问题能不能解决，成本效率如何。求解路径上，他们可能会用AI算法、量子算法，也可能用多分辨量子-经典混合算法。（混合算法，即把最难、最核心的交给量子计算，其他用神经网络、经典算法或其他精确算法处理） 量子计算机厂商，其实也是我们的合作和服务对象，很多公司聚焦硬件的演化，操作系统、算法工具和应用生态，需要专业的团队和长期投入。合作方式上，比如将操作系统、算法平台与硬件打包销售，一起卖算力，或卖整机加操作系统等。 「暗涌」：现在AI4S公司很多，融资也很热。为什么一定需要量子计算？ 吕定顺： 纯AI for Science视角来看，AI是一种解决方案，量子计算也是一种解决方案。除了计算速度快（量子加速），精度也是量子计算的一个优势。 很多材料、化学问题需要高精度求解，纯AI模型非常依赖训练数据质量，比如结合能预测，如果底层数据精度不够，模型结果也会受限制。传统DFT方法本身也有精度边界，且依赖泛函选择。 高精度计算在GPU上也可以做，但往往受显存限制，只能处理较小规模体系。量子计算虽然现在规模还不大，但在精度上有优势，未来有机会把高精度求解扩展到更大体系。 「暗涌」：针对这几类客户的需求，你们如何交付并完成商业化？ 吕定顺： 我们交付的其实是将量子计算、AI、经典计算和行业工具等封装后的能力。交付形式很多：CRO式解决方案、高精度数据合成、workflow、云访问入口等都可以。 早期以项目制为主，后续会沉淀项目经验，以标准化的科学发现云服务平台服务用户。未来在同类大场景，可能这套系统95%的能力可以标准化，只有小部分需要定制。 其实，我们希望能把中间环节抽象掉。量子算法也可以抽象成skill，用户能够通过自然语言调度多种skill，构建复合函数去求解。 用户只需带着问题来，用户端入口可能就是agent系统。 他可以不关心底层用谁家的量子计算机，甚至不操心调用哪种算法。就像今天用大模型，用户不关心背后是谁家的硬件，只关心输出质量、Token效率。 「暗涌」：AI时代，算力和能耗焦虑长期存在。量子计算的发展，会是算力新解法么？ 吕定顺： AI 和量子都是具备“完备性”的求解器，它们之间能双向赋能。AI for Quantum已经聊了很多，AI可帮助构建更好的量子计算机和算法，放大量子计算能力。 反过来，Quantum for AI也有几层意义。首先，量子计算的一些insight，可能启发AI算法设计；其次，量子计算机作为高精度求解器，产生的高质量、差异化数据，会成为未来增强AI模型的关键。 更长远看，今天我们可以在GPU、FPGA上部署模型，未来理论上也可能在量子计算机上部署量子版大模型。到了那个阶段，AI面临的算力和能耗问题，可能会出现新的解法。 但现在还没有到那一步。量子硬件还在发展，技术路线也没有完全收敛，更现实的情况是在现有硬件条件下，将量子计算、AI算法和经典计算等结合起来，以量子突破精度天花板，以AI重塑效率边界，推动难而重要的科学问题求解。 这也是我们对现阶段的定义：“第四范式++Science”。 三、打硬仗 「暗涌」：量子计算、AI4S需要很多高阶人才，你们招人难么？ 吕定顺： 我们现在已经进入了招人的良性循环，现在团队接近40人。AI方向，有全国物理、化学竞赛集训队背景的人才；高性能计算，也有清华的特奖选手、天才少年；工程化方面，有大厂出来的技术骨干。 量子计算、AI4S是一个系统工程，各个方向都要有足够强的人，不能出现明显短板。 「暗涌」：刚创业四五个月，为什么能招到这么多人才？ 吕定顺： 我们有招人的方法论。除了学术界的合作网络，我觉得，团队很多时候是创始人内心认知的映射、能力的延伸。如果创始人对整个系统的认知足够深，清晰地知道需要延伸、补足哪些能力，就可能配到很强的团队。 「暗涌」：有怎样特质的人，更容易让你觉得磁场相合？ 吕定顺： 前几天我去清华做分享，有个问题是：AI时代，人才最重要的能力是什么？大家有提到定义问题的能力、批判性思维。在我看来，最重要的是心气儿，是你敢不敢去打胜仗。在量子计算领域，面对IBM、谷歌的顶尖团队，你觉得自己能不能打得赢。畏首畏尾的人，不会让我觉得兴奋。 「暗涌」：这很华为。 吕定顺： 字节也是一样，强调韧性。打硬仗、打胜仗，需要韧性。没怎么失败过的人，反而不敢打仗，失败会让他们背上包袱。 我们处在一个开放的世界，研究、商业都是开放目标，要敢于挑战难题。量子产业直接招到对口的人确实难。组队方面，既往我有很多经验。我们不一定最关注专业背景，反而看重自我驱动力。 如果动力够强，进入团队和这个环境，我们可以从0到1，快速把他带到业界高水平，然后为团队做贡献。我们提供了很有竞争力的薪酬，来了可以不操心钱，主要就操心能不能把事情做起来。我们也会协调解决优秀员工的北京落户问题。 最关键是你对这件事是否有信念、愿不愿意折腾、眼里有没有光。
36氪获悉，字节跳动正式发布更高精度的新一代3D生成大模型——Seed3D 2.0。据介绍，该模型采用MoE架构，通过稀疏专家路由，在扩大模型参数量和分辨率的同时控制推理计算量，使模型能生成更丰富的纹理细节和更精确的金属-粗糙度边界。目前Seed3D 2.0技术报告已公开，API也已上线火山引擎。