抛开量子比特的物理学基本原理不谈,云巨头倒是对未来充满信心。
量子硬件显然还未发展成熟,但量子计算的发展步伐要比量子网络略快些许。事实上,对于超安全交易而言,量子网络已经成为一个深奥、但却极具深远意义的技术领域。而亚马逊云科技(AWS)正致力于将量子连接从实验室环境带入现实世界。
AWS一直没有推动自研量子处理器,而是通过Braket服务围绕现有量子设备和工具建立了生态系统。但之前的努力基本都针对量子计算展开,如今这家科技巨头终于将目光投向了量子网络。
除了2021年底建立的量子计算中心之外,AWS还宣布将建设量子网络中心。该公司宣称,量子网络中心的建设目的在于“解决基础性科学与工程挑战,并为量子网络开发新的硬件、软件与应用程序。”
与量子计算机一样,这些网络同样利用粒子物理学原理,特别是借由光子实现信息传输。AWS描述了早期潜在应用场景,包括对各独立量子系统进行集群化,由此实现超越传统加密的量子密钥分发——这也是美国政府目前密切关注的研究课题。
2020年,美国能源部建立起量子互联网蓝图,其中包含四大量子网络优先研究方向,用以明确当前最重要的攻坚概念:
尽管仍有未解的难题,但美国能源部表示,他们“已经获得一定进展,可以考虑从小规模实验转向建立首个全国性量子互联网设施。”
美国能源部的第三项研究领域,针对的就是功能性量子互联网的主要实现障碍之一。从本质上讲,这里指向的是量子物理学层面的一个基本问题:光子无法被放大,因此传输范围是有限的。AWS解释称,“这就意味着必须开发出特殊新技术,例如量子中继器及传感器,才能建立起全球量子网络。”
这类网络必须依赖于量子纠缠效应,但即便如此,传输范围仍无法令人满意。美国能源部在其蓝图中表示,纠缠实验的距离虽然可延伸至令人印象深刻的1200公里,但还是不足以支撑起全球互联网体系。
荷兰研究人员最近解决了量子网络中的一个基本问题——通过中间节点实现数据传输。但论文并未提及此项实验能够实现多大的传输范围。
面对一系列工程与科学挑战,AWS的量子网络中心当然得挑选出合适的切入课题,但中心建立公告中并未具体说明。亚马逊方面也未披露关于量子网络中心的未来发展计划。
好文章,需要你的鼓励
地球日之际,NVIDIA聚焦五个推动气候科学与可持续发展的项目:利用Earth-2平台开展气候模拟、借助AI推进红毛猩猩等濒危物种保护研究、通过AMP机器人实现可回收物自动分拣、借助AI技术研究早期海啸预警系统,以及通过Planet地球观测数据平台提取环境洞察。AI与加速计算正大幅提升环境保护与气候研究的效率与精度。
这项来自哥本哈根大学等多机构的研究(arXiv:2604.09746),构建了一个纽约市虚拟导航模拟系统,让150个"蓝队"AI与100个隐藏身份的"红队"AI交互对抗。红队通过伪装成热心路人,用风景渲染、权威话术等手段把蓝队引向广告牌陷阱。研究采用KTO方法进行十轮迭代训练,发现蓝队任务完成率从46%升至57.3%,逐渐习得了主动反驳、目标锚定等策略,但被骗率始终高达70%以上,揭示了AI智能体在持续社交操控下的深层脆弱性。
CoreWeave宣布推出三项新功能,旨在简化跨云AI训练与推理工作。其中CoreWeave Interconnect直接与谷歌云互联,支持开发者灵活部署训练和推理任务;SUNK Anywhere支持大规模长周期AI训练项目,可跨谷歌云、AWS、Azure及本地环境扩展算力;LOTA Cross-Cloud则允许数据集中存储、跨云运行工作负载。此次合作借助谷歌全球网络扩展了CoreWeave的服务覆盖范围,并消除了企业连接多云时依赖第三方的繁琐流程。
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。