人工智能正在重塑整个科技行业的格局，量子计算最近也开始展现出改变世界的潜力。而在这两大趋势之间，有一家企业正在试图将它们弥合起来。
12 月 18 日，SandboxAQ 宣布完成超过 3 亿美元融资，估值达到 56 亿美元。由 Alger 领投，T. Rowe Price、Breyer Capital 等现有投资者跟投，Yann LeCun 也参与其中。
（来源：SandboxAQ）
这家公司的故事要追溯到 2016 年。当时，Google 联合创始人 Sergey Brin 在 Alphabet 内部悄然发起了一个雄心勃勃的项目，目标是探索量子计算与 AI 结合的可能性。这一项目最初是 Alphabet 登月工厂 X （The Moonshot Factory ）的一部分，由 Jack Hidary 带头，他也是 X Prize 长期的董事会成员。
前 Google CEO、时任 Alphabet 董事长的 Eric Schmidt 对这个项目给予了特别关注。到 2022 年 3 月，这个项目在完成5亿美元首轮融资后从 Alphabet 独立出来，正式成立了 SandboxAQ。Eric Schmidt 出任公司董事长，Hidary 担任 CEO。“在 SandboxAQ，AQ 代表 AI 和 Quantum（量子）。”Hidary 在接受彭博社采访时解释道。这个简单的命名背后,是其远大的技术愿景与目前主流的大语言模型不同，SandboxAQ 开发的是大型量化模型（Large Quantitative Models, LQMs）。
图丨SandboxAQ 的两位领导者（来源：SandboxAQ）
要理解 SandboxAQ 的创新, 我们需要首先了解当前 AI 领域面临的挑战。主流的大语言模型通过处理互联网上的海量文本来学习语言理解和生成能力，这种方法在处理自然语言任务时表现出色，但在涉及精确的科学计算、材料设计或药物研发等领域时却显得力不从心。这是因为这些领域需要的不是对语言的理解，而是对底层物理规律和数学关系的精确把握。
正是着眼于这一痛点，SandboxAQ 开发了他们的大量化模型。不同于大语言模型通过处理互联网上的非结构化文本数据来学习和生成内容，LQMs 是从数学方程和物理原理出发，生成自己的训练数据。
LQMs 的技术架构与传统的 transformer 模型有着本质区别，其所采用的是神经网络模型和知识图谱的组合，这种架构设计允许模型不仅能通过方程式生成数据，还能接收来自传感器或其他量化数据源的输入。更重要的是，它能够准确捕捉物理系统中的因果关系和约束条件。
（来源：SandboxAQ）
这种独特的技术路径在金融领域已经展现出显著优势。传统的金融风险评估依赖于蒙特卡洛模拟方法，这种方法通过随机采样来获得结果。然而，在面对现代复杂的结构化金融工具时，这种方法已经显得力不从心。“如果我们想了解一个投资组合在各种市场条件下的尾部风险，传统方法难以应对。而我们的 LQM 想做的是，创建 3 亿到 5 亿个该组合的轻微变体版本，然后系统地分析每种情况下的风险状况。”Hidary 说。
量子计算固然可以用量子力学语言直接模拟这些系统,但其真正实现可能还需要数十年。因为其当前的量子计算仍面临着一系列挑战，如量子比特的错误率控制。尽管谷歌最近发布的 Willow 芯片在这一问题上有了重大突破，但距离大规模量子计算机的构建，还有很多问题有待解决。
为了解决这些问题，SandboxAQ 开发了基于张量网络（Tensor Networks）的新算法。这种算法最初源自量子多体物理领域，它利用了自然界的一个基本特性局域性（Locality）。简单来说，局域性意味着一个系统中相隔甚远的部分，例如长分子中的两个遥远原子，不会以有意义的方式相互影响。利用这一特性，张量网络算法可以用一种高效的方式来表示量子态，即“纠缠面积定律”。
通过与 Nvidia 建立了深度的技术合作关系，SandboxAQ 对 CUDA 库的功能进行了扩展，使得普通的 GPU 也能够支持量子计算。这使得他们不需要等待真正的量子计算机出现，而是让现有的硬件也能进行量子模拟，同时，也能在未来整合量子处理单元（QPUs）。在一项研究中，SandboxAQ 的研究团队使用 Google 的张量处理单元（TPUs）在 24 小时内完成了涉及超过 6000 亿参数的复杂高维优化，创造了世界上最大规模的张量网络计算记录。
图丨相关论文（来源：arXiv）
在实际应用中，SandboxAQ 的技术已经在多个领域展现出独特价值。以制药研发为例，针对癌症或阿尔茨海默病等传统上难以治疗的疾病，临床数据往往非常有限，这让基于数据驱动的 AI 方法难以发挥作用。而 SandboxAQ 的量子启发式算法可以从分子的基本物理特性出发，精确模拟药物分子与人体受体的相互作用。
系统首先会基于量子化学方程生成大量分子结构变体。每个变体都会通过量子启发式算法进行测试，预测其在真实环境中的行为。这些预测结果又会被输入到神经网络中，与来自传感器和其他定量数据源的信息结合，形成对目标系统更全面的理解。这样就能在实验室合成之前，筛选出最有希望的候选分子。从而加速了药物开发过程，也显著降低了研发成本和风险。
在网络安全、材料科学等方面，它同样有着非常广阔的前景。
随着这轮融资的完成，这家立志将两项革命性技术结合的公司正准备在技术创新的道路上继续前进。公司计划将部分资金用于扩充研发团队，目前已有 80 多名博士和 70 多名软件工程师。量子计算与AI的结合，才刚刚开始。
“使用 LLMs 来做 LLMs 擅长的事情，用 LQMs 来做 LQMs 擅长的事情，”Hidary 总结道，“这不是一个非此即彼的选择”。让量子计算与 AI 各行其是，或许正是它们发展的未来图景。
参考资料：
1.https://www.bloomberg.com/news/articles/2024-12-18/ai-startup-sandboxaq-raises-funds-at-over-5-6-billion-valuation
2.https://venturebeat.com/ai/beyond-llms-how-sandboxaqs-large-quantitative-models-could-optimize-enterprise-ai/
3.https://www.sandboxaq.com/post/quantum-algorithms-meet-ai-chips-a-breakthrough-in-simulation
4.https://techcrunch.com/2022/03/22/alphabet-spins-out-a-new-subsidiary-and-in-asign-of-the-times-its-focused-on-quantum-tech/
排版：刘雅坤
