量子启发的AI可以与当今的大型语言模型竞争吗？

来自列支敦士登的一家公司Dynex最近在其SXSW 2025创新奖决赛中推出其量子扩散大型语言模型(qdLLM)，成为一个引人注目的发展。该公司声称，其qdLLM能够比依赖于当前技术基础设施的传统基于Transformer的系统更快、更有效地生成生成式AI输出。

这与其他新兴方法相比如何？这对AI的更广泛未来意味着什么？

量子计算对AI的意义

量子计算的核心区别在于它利用量子位(qubit)，由于量子叠加，量子位可以同时存在于多种状态。这使得量子计算机能够并行评估大量潜在解决方案，在需要大规模优化、模拟或模式识别等任务中可能具有优势。

在AI领域，研究人员已经探索了量子特性如何改进自然语言处理、机器学习优化和模型训练效率等任务。然而，这些努力大多仍处于早期阶段。例如，IBM和麻省理工学院研究了混合量子经典模型如何减少特定深度学习任务的训练时间，而Zapata AI等初创公司正在试验用于情感分析和预测的量子增强模型。

在此背景下，Dynex的方法引入了一种新的架构，该架构使用量子启发式算法通过去中心化硬件更有效地运行LLM。

Dynex的qdLLM：一种基于扩散的并行方法

与使用自回归技术一次生成一个标记的基于Transformer的模型不同，Dynex的qdLLM建立在一个扩散模型之上，该模型并行创建输出标记。据Dynex称，这种方法在计算上更有效，并产生更好的上下文一致性。

“像GPT-4或DeepSeek这样的传统模型是顺序工作的，一个词接一个词，”Dynex联合创始人兼Dynex Moonshots任务负责人Daniela Herrmann说。“qdLLM是并行工作的。它更像人脑一样思考，一次处理所有模式。这就是量子的力量。”

包括斯坦福大学和谷歌DeepMind在内的几个学术项目，以及主要AI技术提供商的倡议，最近开始探索基于扩散的Transformer。

Dynex进一步通过集成量子退火（一种量子优化形式）来改进文本生成过程中的标记选择，从而使其与众不同。该公司声称，与传统的LLM相比，这提高了一致性并降低了计算开销。

去中心化和模拟量子硬件

Dynex模型的一个独特之处在于它依赖于模拟量子行为的GPU去中心化网络，而不是需要访问实际的量子硬件。这种设计允许系统扩展到Dynex描述的最多一百万个算法量子位。

Herrmann解释说：“任何量子算法，例如qdLLM，都正在GPU的去中心化网络上计算，这些GPU有效地模拟了量子计算。”

这种类型的模拟与TensorFlow Quantum（谷歌和X公司）的工作有一些相似之处，TensorFlow Quantum还在经典硬件上模拟量子电路以创建算法原型。类似地，许多科技初创公司和供应商正在开发平台，以便在物理硬件准备就绪之前大规模模拟量子逻辑。

除了软件之外，Dynex计划在2025年推出自己的神经形态量子芯片Apollo。与需要低温冷却的超导量子芯片不同，Apollo设计为在室温下运行，支持集成到边缘设备中。

“使用神经形态电路允许Dynex大规模模拟量子计算，最多可达100万个算法量子位，”Herrmann解释说。“Dynex将开始生产实际的量子芯片，这些芯片也基于神经形态范式。”

对AI效率和环境影响的量子影响

Dynex表示，qdLLM实现了90%更小的模型尺寸，速度提高了10倍，并且仅使用了通常用于等效任务的GPU资源的10%。这些都是重要的说法，特别是考虑到人们对AI能源消耗的日益关注。

“量子算法的效率和并行性降低了能耗，因为它速度提高了10倍，只需要10%的GPU数量，”Herrmann说。

虽然仍然需要独立验证，但Dynex的方法与Cerebras Systems的努力相呼应，后者已经创建了使用更少能量进行训练任务的晶圆级芯片。另一个例子是Graphcore，其智能处理单元(IPU)旨在通过专门的并行架构来减少AI工作负载的能源足迹。

Dynex报告称，qdLLM在需要强推理的基准测试中表现强劲，优于领先模型，包括ChatGPT和Grok。虽然尚未发布公共基准数据，但该公司表示，随着其更接近2025年的市场发布，它将发布比较研究。在提供同行评审的基准测试之前，Dynex的性能断言仍然是轶事性的，但很有趣。

“我们定期发布qdLLM基准测试，并已证明某些需要强推理的问题无法被ChatGPT、Grok或DeepSeek正确回答，”Herrmann指出。

更大的图景：量子将如何影响AI？

长期来看，Dynex认为量子计算将成为AI领域的核心。

“我们认为量子将在未来5年主导AI，”Herrmann说。

这一预测仍然是推测性的，尽管并非没有先例。麦肯锡、波士顿咨询集团和Gartner的分析师都指出，量子计算可以极大地改进优化和模拟任务，但对于大多数用例而言，可能要到2030年以后才会实现。更谨慎的观点认为，量子-AI混合体将首先出现在利基应用中，例如药物发现、金融风险建模或网络安全。

目前，Dynex处于一个不断壮大的领域中，该领域正在试验量子增强或量子启发式AI方法。他们的去中心化、基于扩散的qdLLM能否超越基准测试还有待观察，但它的出现表明，对AI新基础的搜索远未结束。

以上是量子启发的AI可以与当今的大型语言模型竞争吗？的详细内容。更多信息请关注PHP中文网其他相关文章！