思科(NASDAQ: CSCO)宣布推出思科通用量子交换机(Cisco Universal Quantum Switch)。这是量子网络领域的重要里程碑,解决了构建量子网络过程中最基础的关键障碍之一。作为一款可运行的研究原型,该成果是思科持续加速推进全栈量子网络计划的最新例证。该项目建立在多年基础研究、真实场景演示以及不断扩展的战略合作生态之上。

思科通用量子交换机
量子计算机采用不同方式对信息进行编码,而在此之前,尚不存在一种交换机能够在不破坏量子信息的前提下,接收并转换所有主流编码模态。思科通用量子交换机旨在首次应对这一挑战:它可在室温环境下、基于现有电信光纤,在保持量子信息完整性的同时实现量子信息路由,并通过思科专利转换引擎,在输入端和输出端完成不同编码模态之间的转换。
思科高级副总裁兼新兴技术与培育事业部Outshift总经理Vijoy Pandey表示:“实现这一里程碑,是思科量子项目的重要时刻,也体现了量子网络的变革潜力。我们早已认识到,连接量子系统是实现真正可扩展性的关键,而现在,我们已经朝着将这一愿景变为现实迈出了关键一步。尽管这是一项重要成就,但这仅仅是开始。前路仍然漫长,但我们正在打造的,以及未来即将实现的成果,其影响都将极为深远。”

思科高级副总裁兼新兴技术与培育事业部Outshift总经理Vijoy Pandey展示通用量子交换机。
思科正在为量子时代构建网络层
如今的量子计算机能力强大,但仍存在局限,其规模通常停留在数百量子比特(qubits);而医疗健康、金融服务和航空航天等现实应用若要实现前所未有的速度和技术突破,则需要数百万量子比特。思科认为,网络和连接能力是弥合这一差距的核心。量子未来不会由任何一家公司或任何一种技术单独构建,而是要通过将它们全部连接起来而实现。
试想,如果要通过直连电缆连接数十亿人和数百亿台设备,这将几乎无法管理。互联网之所以成为可能,正是因为传统交换机能够通过共享、可扩展的网络连接所有这些终端。思科通用量子交换机为量子网络实现同样功能。当两台量子计算机需要共享信息时,它能够接收任意模态的输入信号,将其转换为可用于路由的“通用语言”,并以接收系统所需的格式完成传送,同时在整个过程中不丢失任何量子信息。
这一能力源于量子交换机核心的思科专利转换引擎。输出模态既可以与输入模态相同,也可以完全不同,从而使量子交换机能够连接并转换那些原本并非为彼此通信而设计的量子系统。这一能力对于构建跨厂商、跨技术路线运行的量子网络至关重要。
思科通用量子交换机旨在支持当前用于承载量子信息的所有主流量子编码模态,包括:
截至目前,该量子交换机已通过偏振编码的实验验证。对时间分箱和频率分箱的支持已纳入设计之中,并将成为思科后续验证工作的下一步重点。
概念验证实验与结果
思科研究团队使用思科自研的纠缠光源和单光子探测器,对思科通用量子交换机进行了测试。在这些实验中,该交换机证明了量子信息可以在不同系统之间实现快速、准确且高效的路由与转换,同时不会在过程中遭到破坏。
主要结果包括:
为未来量子网络提供支撑
量子网络目前仍处于起步阶段。连接量子系统的基础设施尚未形成,大多数系统也只能与采用相同信息编码方式的其他系统通信。
思科通用量子交换机提供了一种全新的实现路径:
思科对未来发展的愿景
40多年来,思科致力于打造连接世界的基础设施。思科通用量子交换机是这一历程中的最新里程碑,也体现了思科的坚定判断:通过由互联量子设备组成的分布式网络,实用量子计算将在数年内建成,而非数十年之后。
思科通用量子交换机只是思科更广泛量子网络产品组合中的一部分。该组合还包括思科量子网络纠缠芯片 (quantum network entanglement chip),用于生成量子网络传输信息所依赖的纠缠光子;以及思科业内首个具备网络感知能力的量子编译器,用于协调量子算法如何在多个量子处理器之间分布与执行。这三项成果均由思科位于加州圣塔莫尼卡(Santa Monica) 的专属量子实验室自主研发。结合Quantum Sync、Quantum Alert等应用,这些创新共同构成了思科对完整量子网络技术栈的愿景——从生成和路由量子信息的硬件,到进行管理的软件,再到将其投入实际应用的应用层。与此同时,思科也正通过与IBM、Qunnect、Atom Computing等企业开展战略合作,持续推进这一愿景的实现。

思科量子实验室研究各种量子网络技术,引领量子网络发展。
好文章,需要你的鼓励
OpenAI在与多家新闻机构的版权诉讼中陷入困境。以《纽约时报》为首的原告指控OpenAI在长达两年时间里向法庭撒谎,刻意隐瞒其已对ChatGPT日志进行大规模搜索的事实。据悉,OpenAI实际上已拥有包含1000万和7800万条记录的日志样本,并曾用于研究版权内容过滤器,却对外声称无法进行此类搜索。原告据此提出制裁动议,要求法院追责。OpenAI则否认相关指控,坚称其立场基于合理使用原则。
斯坦福与UC伯克利提出LLM-as-a-Verifier框架,通过提取AI模型内部概率分布生成连续评分,在代码、机器人、医疗领域均达到最优性能,且无需额外训练。
美国加州大学圣地亚哥分校研究团队在《自然》期刊发表研究成果:外科医生通过远程操控宇树G1仿人机器人,成功完成两例活体猪胆囊切除手术,创下全球首例。与造价数十至数百万美元的达芬奇手术机器人相比,仿人机器人成本更低、体积更小,未来有望部署于农村、战地乃至太空等资源匮乏的医疗场景。但目前仍存在需频繁重新校准、机械臂活动范围受限等挑战。
字节跳动Seed团队发现AI智能体在真实环境中学习的进步曲线精确遵循对数S形规律,R?达0.998,且前沿模型的学习速度每三个月翻倍。