IT之家 5 月 23 日消息，科技媒体 Phys 于 5 月 21 日发布博文， 报道称一台笔记本电脑，就能解决复杂量子动力学问题。 西蒙斯基金会弗拉蒂龙研究所计算量子物理中心携手波士顿大学， 于 5 月 21 日在《科学》发表研究 ， 用传统计算机破解了此前被宣称只有量子计算机才能完成的量子动力学模拟任务。 本次研究突破还要追溯到今年 3 月，加拿大 D-Wave Quantum 公司于 3 月 12 日在《Science》发表研究，抛出了“量子霸权”论断。 该公司称其量子退火处理器在数分钟内解出一项复杂现实问题， 而经典超级计算机若完整求解，可能需要数百万年，整体能耗甚至高于全球 1 年的用电量。 量子退火是一种面向特定问题的量子计算方法，尤其适合优化与某些模拟任务。它通过让系统逐步逼近最低能量状态来寻找答案。 与通用量子计算不同，量子退火通常不擅长所有计算任务，但在特定问题上可能更高效，因此常被用于组合优化、材料模拟等场景。 这项任务涉及模拟自旋玻璃系统的量子动力学。自旋玻璃可视作一类磁化且无序的材料模型，相关研究与材料科学直接相连，有助于理解磁性材料演化，并服务于新型金属设计。 图源: 西蒙斯基金会 该任务目标模拟由数百个量子比特组成的系统，由于这些量子比特分布在方形、立方或钻石晶格中，彼此相互作用。 难点在于量子纠缠会把远距离粒子也紧密关联起来，导致描述系统状态的波函数规模随粒子数指数增长，经典计算机很难直接存储，更难高效求解其动力学演化。 不过在这场关键较量中，传统计算机并未出局。来自西蒙斯基金会的科研团队借助 Tensor Network、3D 张量网络和信念传播算法，在较低算力资源下得到高精度结果，部分初始计算甚至可在个人笔记本电脑上完成。 研究人员把它比作波函数的“压缩文件”，可把庞大信息压缩进彼此连接的小型数字表格中，再借助数学结构恢复并计算系统行为。 为处理三维动力学，团队还使用了 3D 张量网络，并结合计算量子物理中心开发的 ITensor 软件库，把原本难以触碰的问题压缩到传统计算机可求解的范围。 这项方法对硬件要求并不夸张。研究初期的许多计算由 Joseph Tindall 直接在个人笔记本电脑上完成。 团队还采用了 1980 年代提出、近年被改造用于量子系统的信念传播算法。虽然它比部分高阶方法更近似，但成本更低，且更适合快速切入大规模、三维、难度高的问题。 结果表明，这些模拟不仅能跑通，而且精度达到当前先进水平。模拟结果与理论预测一致，在较小测试问题上也给出准确答案，同时还与此前量子计算研究团队报告的结果吻合。 IT之家附上参考 Quantum Dynamics Breakthrough Overturns Claim of ‘Quantum Supremacy,’ Opens New Research Directions Quantum supremacy just ran into an unexpected rival: An ordinary laptop armed with new math Dynamics of disordered quantum systems with two- and three-dimensional tensor networks
据《华尔街日报》报道，Anthropic正逐渐成为AI霸权争夺战中公认的领跑者。凭借更快的增长速度和融资能力，其估值可能很快就会超越竞争对手OpenAI。 Anthropic两位创始人曾在OpenAI工作 在这场竞赛中，OpenAI曾看似稳操胜券，而Anthropic只是奋起直追的弱势挑战者。但两家公司之间的差距在今年已显著缩小。新的数据表明，Anthropic的增长仍在持续加速。而某些指标显示，OpenAI的增长已开始趋于平缓。 赶超OpenAI 据知情人士透露，Anthropic近几个月已收到多份投资要约，对其估值超过9000亿美元。这将使该公司目前的估值增加了一倍以上，并首次超越OpenAI。今年早些时候，OpenAI以8520亿美元的估值融资1220亿美元。 根据Anthropic向投资者透露的数据，该公司的收入运行率(创业公司常用的一种基于短期销售预测年度收入的指标)预计将在下月底达到500亿美元。今年4月，其收入运行率已突破300亿美元，而2025年底时为90亿美元。该公司原本计划今年实现10倍的增长，但在第一季度，其年化收入和使用量却实现了80倍的增长。 OpenAI则在3月底表示，其收入已达到每月20亿美元，年化约240亿美元。不过，由于统计口径不同，这一数据并不完全可比。Anthropic将通过云服务合作伙伴实现的销售计入收入，而OpenAI则不这样处理。OpenAI发言人表示，3月份公布的月收入数据并非旨在代表精确的年化收入运行率。 金融科技创业公司Ramp在周三公布的数据中表示，其使用Anthropic模型的客户数量首次超过了使用OpenAI模型的客户，其中34.4%的客户使用Anthropic，而使用OpenAI的客户占32.3%。数据显示，从3月到4月，Anthropic旗下Claude工具的使用率上升了3.8%，而OpenAI的使用率则下降了2.9%。Ramp分析了约5万名客户的支出情况，来追踪AI应用趋势。 Ramp客户中使用Anthropic的比例超过OpenAI “我们在这个市场上一次又一次看到，一个占据主导地位的大公司可能在短短几个月内被取代。Anthropic就刚刚做到了这一点。”Ramp经济学实验室首席经济学家阿拉·卡拉齐安(Ara Kharazian)表示。 OpenAI发言人表示，Ramp的数据并不能全面反映企业客户的情况，因为大型企业客户并非通过信用卡支付软件服务费用。 逆袭法宝 在今年之前，OpenAI一直被视为AI竞赛中的“默认领跑者”，其ChatGPT聊天机器人在整体用户规模上仍然显著领先于Anthropic的Claude。 Anthropic之所以能够迎头赶上，是因为它专注于开发少数几款产品，而非试图主导市场的每一个角落。它在编程用户和企业客户方面取得的成功，使其按照自己的节奏重塑了AI竞争格局。 2022年底ChatGPT发布后，OpenAI迅速腾飞，很快成为业界公认的赢家，并吸引了大量资本涌入。 与此同时，Anthropic与被判欺诈罪、名誉扫地的加密货币高管萨姆·班克曼-弗里德(Sam Bankman-Fried)扯上了关系。这种关系使得它在许多主流投资者眼中成为了“弃儿”。 这导致Anthropic在更为“受约束”的环境中发展，被迫采取更加克制的策略，将重心放在为企业客户开发AI工具上。 Anthropic的投资者、投资公司Iconiq创始人迪维什·马坎(Divesh Makan)在此前的一次采访中表示，那时候“还没有数十亿美元的资金涌入”，“他们必须时刻想着：如何用更少的资源做更多的事情？”。 Claude 2025年底，随着Claude Opus 4.5的发布，Anthropic的增长急剧加速。该模型在编程能力上的提升推动了Claude Code的使用激增，后者是一款与其旗舰模型配合使用的软件工具。开发者与AI爱好者们在假期期间花费大量时间体验这款工具，并表示他们“对Claude上瘾了”。 今年1月，随着Anthropic面向非技术任务的智能体工具Cowork的发布，其增长势头进一步加快。 尽管如此，OpenAI在消费者覆盖面方面仍然远超Anthropic。OpenAI在2月表示，ChatGPT的周活跃用户已达到9亿。在美国市场的每周应用下载量方面，ChatGPT长期显著领先于Claude，但在3月曾短暂被反超。 根据网络数据公司Sensor Tower的数据，3月2日，Claude在美国周下载量上首次超越了ChatGPT。大约在同一时间，ChatGPT在美国的应用卸载量激增了295%，Sensor Tower认为这与OpenAI与美国国防部达成合作所引发的用户反弹有关。 与此同时，在市场预期Anthropic即将进行新一轮融资以及随后启动IPO的背景下，Anthropic股票在二级市场上的买盘、卖盘和交易活动均大幅增加。在私募股票交易平台Augment上，Anthropic股票第一季度的交易量较去年第四季度增长了两倍，首次位居该平台交易活跃度榜首。 在同一时期，OpenAI在Augment平台上的二级市场估值下跌了22%，交易活跃度则基本持平。 “两个AI领军者，在同一个季度朝着截然相反的方向发展。”Augment在一篇博客文章中写道。 查看评论
A-中国崛起并不必然意味着中国将获得世界霸权，但是必然意味着美国将失去它。 B-谷歌去年10月份就摸到了月token消耗1300万亿的水平。说一个国家失去霸权不能只靠嘴。 A-记者从国家数据局获悉：2024年初，中国日均词元（Token）调用量为1000亿；至2025年底，跃升至100万亿；今年3月，已突破140万亿，两年增长超千倍。 B-数据是对的，但是最重要的增长贡献是字节的视频生成，也就是雪山飞狐酱板鸭消费掉的。国产AI在编程任务上与国外的有一定差距但是可以用的。在高校课程学习上，电子硬件上，完全不行，不堪用。谷歌相当高比例的token消耗在优化搜索结果上。 3 个帖子 - 3 位参与者 阅读完整话题
谷歌云首席执行官 托马斯·库里安Thomas Kurian 在最新访谈中展示了谷歌作为全球唯一拥有 全栈AI能力 巨头的底气。他不仅揭秘了自研TPU如何通过11年的积淀反超行业通用方案，更首次深入探讨了与竞争对手Anthropic的复杂关系，以及面对Mythos的准备。 库里安透露，谷歌正在改变以往通用芯片的策略，将第八代TPU划分为针对性更强的家族成員：8T（训练）与8i（推理）。 专为训练设计的 8T 系统可容纳 2PB（2000TB） 的内存。通过超低延迟的 Optical Torus 网络，数据在芯片间的流动效率达到了前所未有的高度。针对日益增长的推理需求，8i 采用了非水冷（空冷）设计，使其能部署在更多传统数据中心。库里安指出，随着Nano Banana 等模型实现 多模态输出（Media Out） ，推理成本的控制将决定AI能否真正普及。库里安澄清，此前的 Ironwood 芯片实际上是训练与推理的混合体，而现在的分工标志着AI工作负载已进入成熟期。 访谈中最具的部分在于谷歌与 Anthropic的关系。作为谷歌云的最大客户之一，Anthropic 既是谷歌的竞争对手，也是其基础设施的深度依赖者。库里安对此表示： 谷歌是一家平台公司。虽然 Gemini 在模型层与 Claude 竞争，但我们同样自豪于能为 Anthropic 提供部署。 。当被问及算力紧缺时，是否会优先留给自家 Gemini 而 断供 对手？库里安承认这涉及复杂的执行委员会决策，但他给出了一个句： 拥有自己的芯片并面临需求过剩，总比没有芯片要好得多。 他强调谷歌不只是转售英伟达或他人的 IP，而是通过自研 IP 获取了极高的毛利率，这种财务自由度让谷歌能支撑起 AGI极高的研发成本。 面对业内关于“预训练放缓”的传闻，库里安表示。 表示谷歌确认很快将推出 Gemini 的新模型。库里安表示，在所有内部基准测试中，新模型的表现都令人极其兴奋 。针对传闻中世界首個 10万亿参数级别的模型 Mythos，库里安表示谷歌早已部署了“解耦服务（Disaggregated Serving）”技术。这意味着无论模型规模多么庞大，谷歌的 TPU 架构都能实现高效的推理部署。 库里安认为，AI 的下一个战场是 Agent。为了让 Agent 能够像人一样操作電腦、处理复杂的企业级数据，谷歌在底层架构上进行了大修加入了Virgo 网络提供超低延迟的连接，确保成千上万颗芯片像一颗大脑一样协同工作。并且采用了Rapid Storage（快速存储）提供高达 15 TB/s 的推理存储速度。当 Agent 需要在几秒钟内查阅数千个企业文档时，这种速度是必不可少的。 库里安指出，处理简单的文本文件很容易，但要让 AI 理解拥有 1000 个字段、充满下拉列表的 ERP 系统（如 SAP），需要极高的逻辑推理能力。谷歌正利用企业级数据在 轨迹优化（Trajectory Optimization 平台上训练 Gemini，使其在处理复杂逻辑上远超对手。 在谷歌内部，软件工程正在发生改变。库里安分享了名为 Jet Ski ” 的内部开发环境。 谷歌不再以代码行数衡量生产力。借助 AI，高级工程师正在编写更紧凑、功能更强的代码。 谷歌正在开发三种特殊的 Agent：一种负责持续攻击系统（红队演练），一种负责对发现的漏洞进行优先级排序，第三种则负责自动修复代码。 面对AI 生成代码、AI 审阅代码是否会导致人类丧失理解能力的风险，库里安表示，谷歌坚持 senior 工程师的同行评审，但会利用 Gemini 作为辅助工具来扫描安全漏洞。 在采访的最后，库里安表示，他最关注的是长期资本基础设施的规划(是否有足够的电力、数据中心和TPU来满足爆发式的需求)。 Google Cloud CEO: Anthropic, TPUs, Mythos, NVIDIA and more 10 个帖子 - 10 位参与者 阅读完整话题