來自列支敦士登的一家公司Dynex最近在其SXSW 2025創(chuàng)新獎決賽中推出其量子擴散大型語言模型(qdLLM)，成為一個引人注目的發(fā)展。該公司聲稱，其qdLLM能夠比依賴於當前技術基礎設施的傳統(tǒng)基於Transformer的系統(tǒng)更快、更有效地生成生成式AI輸出。

這與其他新興方法相比如何？這對AI的更廣泛未來意味著什麼？

量子計算對AI的意義

量子計算的核心區(qū)別在於它利用量子位(qubit)，由於量子疊加，量子位可以同時存在於多種狀態(tài)。這使得量子計算機能夠並行評估大量潛在解決方案，在需要大規(guī)模優(yōu)化、模擬或模式識別等任務中可能具有優(yōu)勢。

在AI領域，研究人員已經(jīng)探索了量子特性如何改進自然語言處理、機器學習優(yōu)化和模型訓練效率等任務。然而，這些努力大多仍處於早期階段。例如，IBM和麻省理工學院研究了混合量子經(jīng)典模型如何減少特定深度學習任務的訓練時間，而Zapata AI等初創(chuàng)公司正在試驗用於情感分析和預測的量子增強模型。

在此背景下，Dynex的方法引入了一種新的架構(gòu)，該架構(gòu)使用量子啟發(fā)式算法通過去中心化硬件更有效地運行LLM。

Dynex的qdLLM：一種基於擴散的並行方法

與使用自回歸技術一次生成一個標記的基於Transformer的模型不同，Dynex的qdLLM建立在一個擴散模型之上，該模型並行創(chuàng)建輸出標記。據(jù)Dynex稱，這種方法在計算上更有效，並產(chǎn)生更好的上下文一致性。

“像GPT-4或DeepSeek這樣的傳統(tǒng)模型是順序工作的，一個詞接一個詞，”Dynex聯(lián)合創(chuàng)始人兼Dynex Moonshots任務負責人Daniela Herrmann說。 “qdLLM是並行工作的。它更像人腦一樣思考，一次處理所有模式。這就是量子的力量?！?/p>

包括斯坦福大學和谷歌DeepMind在內(nèi)的幾個學術項目，以及主要AI技術提供商的倡議，最近開始探索基於擴散的Transformer。

Dynex進一步通過集成量子退火（一種量子優(yōu)化形式）來改進文本生成過程中的標記選擇，從而使其與眾不同。該公司聲稱，與傳統(tǒng)的LLM相比，這提高了一致性並降低了計算開銷。

去中心化和模擬量子硬件

Dynex模型的一個獨特之處在於它依賴於模擬量子行為的GPU去中心化網(wǎng)絡，而不是需要訪問實際的量子硬件。這種設計允許系統(tǒng)擴展到Dynex描述的最多一百萬個算法量子位。

Herrmann解釋說：“任何量子算法，例如qdLLM，都正在GPU的去中心化網(wǎng)絡上計算，這些GPU有效地模擬了量子計算?！?/p>

這種類型的模擬與TensorFlow Quantum（谷歌和X公司）的工作有一些相似之處，TensorFlow Quantum還在經(jīng)典硬件上模擬量子電路以創(chuàng)建算法原型。類似地，許多科技初創(chuàng)公司和供應商正在開發(fā)平臺，以便在物理硬件準備就緒之前大規(guī)模模擬量子邏輯。

除了軟件之外，Dynex計劃在2025年推出自己的神經(jīng)形態(tài)量子芯片Apollo。與需要低溫冷卻的超導量子芯片不同，Apollo設計為在室溫下運行，支持集成到邊緣設備中。

“使用神經(jīng)形態(tài)電路允許Dynex大規(guī)模模擬量子計算，最多可達100萬個算法量子位，”Herrmann解釋說。 “Dynex將開始生產(chǎn)實際的量子芯片，這些芯片也基於神經(jīng)形態(tài)範式?！?/p>

對AI效率和環(huán)境影響的量子影響

Dynex表示，qdLLM實現(xiàn)了90%更小的模型尺寸，速度提高了10倍，並且僅使用了通常用於等效任務的GPU資源的10%。這些都是重要的說法，特別是考慮到人們對AI能源消耗的日益關注。

“量子算法的效率和並行性降低了能耗，因為它速度提高了10倍，只需要10%的GPU數(shù)量，”Herrmann說。

雖然仍然需要獨立驗證，但Dynex的方法與Cerebras Systems的努力相呼應，後者已經(jīng)創(chuàng)建了使用更少能量進行訓練任務的晶圓級芯片。另一個例子是Graphcore，其智能處理單元(IPU)旨在通過專門的並行架構(gòu)來減少AI工作負載的能源足跡。

Dynex報告稱，qdLLM在需要強推理的基準測試中表現(xiàn)強勁，優(yōu)於領先模型，包括ChatGPT和Grok。雖然尚未發(fā)佈公共基準數(shù)據(jù)，但該公司表示，隨著其更接近2025年的市場發(fā)布，它將發(fā)布比較研究。在提供同行評審的基準測試之前，Dynex的性能斷言仍然是軼事性的，但很有趣。

“我們定期發(fā)布qdLLM基準測試，並已證明某些需要強推理的問題無法被ChatGPT、Grok或DeepSeek正確回答，”Herrmann指出。

更大的圖景：量子將如何影響AI？

長期來看，Dynex認為量子計算將成為AI領域的核心。

“我們認為量子將在未來5年主導AI，”Herrmann說。

這一預測仍然是推測性的，儘管並非沒有先例。麥肯錫、波士頓諮詢集團和Gartner的分析師都指出，量子計算可以極大地改進優(yōu)化和模擬任務，但對於大多數(shù)用例而言，可能要到2030年以後才會實現(xiàn)。更謹慎的觀點認為，量子-AI混合體將首先出現(xiàn)在利基應用中，例如藥物發(fā)現(xiàn)、金融風險建?；蚓W(wǎng)絡安全。

目前，Dynex處於一個不斷壯大的領域中，該領域正在試驗量子增強或量子啟發(fā)式AI方法。他們的去中心化、基於擴散的qdLLM能否超越基準測試還有待觀察，但它的出現(xiàn)表明，對AI新基礎的搜索遠未結(jié)束。

以上是量子啟發(fā)的AI可以與當今的大型語言模型競爭嗎？的詳細內(nèi)容。更多資訊請關注PHP中文網(wǎng)其他相關文章！