Google孵化、Yann LeCun參投，這家量子+AI的初創估值破56億美元

人工智能正在重塑整個科技行業的格局，量子計算最近也開始展現出改變世界的潛力。而在這兩大趨勢之間，有一家企業正在試圖將它們彌合起來。

12 月 18 日，SandboxAQ 宣佈完成超過 3 億美元融資，估值達到 56 億美元。由 Alger 領投，T. Rowe Price、Breyer Capital 等現有投資者跟投，Yann LeCun 也參與其中。

這家公司的故事要追溯到 2016 年。當時，Google 聯合創始人 Sergey Brin 在 Alphabet 內部悄然發起了一個雄心勃勃的項目，目標是探索量子計算與 AI 結合的可能性。這一項目最初是 Alphabet 登月工廠 X （The Moonshot Factory ）的一部分，由 Jack Hidary 帶頭，他也是 X Prize 長期的董事會成員。

前 Google CEO、時任 Alphabet 董事長的 Eric Schmidt 對這個項目給予了特別關注。到 2022 年 3 月，這個項目在完成5億美元首輪融資後從 Alphabet 獨立出來，正式成立了 SandboxAQ。Eric Schmidt 出任公司董事長，Hidary 擔任 CEO。「在 SandboxAQ，AQ 代表 AI 和 Quantum（量子）。」Hidary 在接受彭博社採訪時解釋道。這個簡單的命名背後,是其遠大的技術願景——與目前主流的大語言模型不同，SandboxAQ 開發的是大型量化模型（Large Quantitative Models, LQMs）。

要理解 SandboxAQ 的創新, 我們需要首先瞭解當前 AI 領域面臨的挑戰。主流的大語言模型通過處理互聯網上的海量文本來學習語言理解和生成能力，這種方法在處理自然語言任務時表現出色，但在涉及精確的科學計算、材料設計或藥物研發等領域時卻顯得力不從心。這是因為這些領域需要的不是對語言的理解，而是對底層物理規律和數學關係的精確把握。

正是著眼於這一痛點，SandboxAQ 開發了他們的大量化模型。不同於大語言模型通過處理互聯網上的非結構化文本數據來學習和生成內容，LQMs 是從數學方程和物理原理出發，生成自己的訓練數據。

LQMs 的技術架構與傳統的 transformer 模型有著本質區別，其所採用的是神經網絡模型和知識圖譜的組合，這種架構設計允許模型不僅能通過方程式生成數據，還能接收來自傳感器或其他量化數據源的輸入。更重要的是，它能夠準確捕捉物理系統中的因果關係和約束條件。

這種獨特的技術路徑在金融領域已經展現出顯著優勢。傳統的金融風險評估依賴於蒙地卡羅模擬方法，這種方法通過隨機采樣來獲得結果。然而，在面對現代複雜的結構化金融工具時，這種方法已經顯得力不從心。「如果我們想瞭解一個投資組合在各種市場條件下的尾部風險，傳統方法難以應對。而我們的 LQM 想做的是，創建 3 億到 5 億個該組合的輕微變體版本，然後系統地分析每種情況下的風險狀況。」Hidary 說。

量子計算固然可以用量子力學語言直接模擬這些系統,但其真正實現可能還需要數十年。因為其當前的量子計算仍面臨著一系列挑戰，如量子比特的錯誤率控制。儘管Google最近發佈的 Willow 芯片在這一問題上有了重大突破，但距離大規模量子計算機的構建，還有很多問題有待解決。

為瞭解決這些問題，SandboxAQ 開發了基於張量網絡（Tensor Networks）的新算法。這種算法最初源自量子多體物理領域，它利用了自然界的一個基賓特性——局域性（Locality）。簡單來說，局域性意味著一個系統中相隔甚遠的部分，例如長分子中的兩個遙遠原子，不會以有意義的方式相互影響。利用這一特性，張量網絡算法可以用一種高效的方式來表示量子態，即「糾纏面積定律」。

通過與 Nvidia 建立了深度的技術合作關係，SandboxAQ 對 CUDA 庫的功能進行了擴展，使得普通的 GPU 也能夠支持量子計算。這使得他們不需要等待真正的量子計算機出現，而是讓現有的硬件也能進行量子模擬，同時，也能在未來整合量子處理單元（QPUs）。在一項研究中，SandboxAQ 的研究團隊使用 Google 的張量處理單元（TPUs）在 24 小時內完成了涉及超過 6000 億參數的複雜高維優化，創造了世界上最大規模的張量網絡計算記錄。

在實際應用中，SandboxAQ 的技術已經在多個領域展現出獨特價值。以製藥研發為例，針對癌症或阿爾茨海默病等傳統上難以治療的疾病，臨床數據往往非常有限，這讓基於數據驅動的 AI 方法難以發揮作用。而 SandboxAQ 的量子啟髮式算法可以從分子的基本物理特性出發，精確模擬藥物分子與人體受體的相互作用。

系統首先會基於量子化學方程生成大量分子結構變體。每個變體都會通過量子啟髮式算法進行測試，預測其在真實環境中的行為。這些預測結果又會被輸入到神經網絡中，與來自傳感器和其他定量數據源的信息結合，形成對目標系統更全面的理解。這樣就能在實驗室合成之前，篩選出最有希望的候選分子。從而加速了藥物開發過程，也顯著降低了研發成本和風險。

在網絡安全、材料科學等方面，它同樣有著非常廣闊的前景。

隨著這輪融資的完成，這家立誌將兩項革命性技術結合的公司正準備在技術創新的道路上繼續前進。公司計劃將部分資金用於擴充研發團隊，目前已有 80 多名博士和 70 多名軟件工程師。量子計算與AI的結合，才剛剛開始。

「使用 LLMs 來做 LLMs 擅長的事情，用 LQMs 來做 LQMs 擅長的事情，」Hidary 總結道，「這不是一個非此即彼的選擇」。讓量子計算與 AI 各行其是，或許正是它們發展的未來圖景。

參考資料：

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-a-sign-of-the-times-its-focused-on-quantum-tech/

排版：劉雅坤