爱看影院,天美传媒97a∨,天堂av,国产精品免费大片

上周，OpenAI 突然來了一個更新，將 GPT-4o 模型集成了圖像生成功能，正式向 ChatGPT 的 Plus、Pro、Team 及免費用戶開放。同時，該功能在 Sora 平臺也已同步啟用。經測試，Plus 用戶幾乎沒有使用次數限制，在 Sora 上可以最多單次生成 4 張圖片，體驗更好。觀察各種測試案例，可以發現 GPT-4o 能夠實現多種神奇的功能或特性，包括主體關系控制、多視圖生成、精準輪廓的風格遷移、知識理解能力、多輪對話編輯能力、多元素的一致穩定性控制、復雜文字嵌入和排版等。實際上，一句話總結就是超精準的指令遵循，以及自主生成部分的可靠性。OpenAI 的 CEO Sam Altman 表示此舉將開啟創作自由的新高峰。如果沒有深度融入創作者的工作流中，創作自由不過是隨口說說，所以目前網上零散的案例并沒有太高的說服力。為了測試 Sam Altman 是不是在吹牛，知危編輯部做了一個深度測評，用一個主題和多輪對話，將上面提到的特點一次性測試完成。簡單來說，就是開局一只柴犬，用 Sora來做一個中世紀 RPG 游戲的概念設計。怎么做？很簡單，給柴犬穿上盔甲，通過時空隧道送到中世紀就行了。實測效果表明，GPT-4o 畫圖的前后一致性實在太驚人了。畫了幾十張圖，就都沒有跑偏。為了展示這種一致性，我們暫時跳過畫圖的過程、順序和提示詞，先展示一下成品樣圖。序章：使命的開始。傳說中，在古老的蘭斯王國，被詛咒的石頭城堡已經被黑暗魔法侵蝕數百年。其中棲居著可怕的橘貓魔 —— 一個吞噬靈魂、操控城堡的黑暗法師。漢字生成還是有些問題，但是能看懂王國最后的希望，就寄托在這位身披銀白色板甲的柴犬騎士身上。他的名字叫艾倫，手中的長劍 " 王國的黎明 " 是王室傳承的神器。年輕的柴犬騎士將面臨極端危險的任務。他不僅要打敗橘貓魔，還得面對城堡中9種強大怪物的阻撓。他感到既興奮又緊張，急急忙忙清點裝備。出發！當艾倫踏入詛咒城堡的瞬間，第一個考驗已悄然而至。石之精靈——那個能融入石墻的微小怪物，突然從墻面裂縫中彈出。利爪閃爍，尖嘯劃破寂靜。艾倫本能地側身，長劍一揮，精靈應聲而碎。這只是開始，城堡似乎在用最微小的守衛測試他的決心。隨著深入城堡，艾倫遇到越來越強大的敵人。腐爛蘑菇骷髏、暗影鼠群、破碎鎧甲傀儡……每一個怪物都仿佛是這座詛咒城堡漫長歷史的見證者。在城堡的深處，他遇到了最危險的對手之一：全身覆蓋神秘符文的狼人。那是一個強大到令人窒息的存在，仿佛隨時可以撕裂現實。關鍵時刻，艾倫召喚了之前在高層的城樓戰斗中降服的腐肉騎士和瘟疫烏鴉。藤蔓纏繞，烏鴉群包圍，符文狼人瞬間破防。他趁機給予致命一擊，擊敗了這個強大的守衛。在進入城堡最高的大廳之前，柴犬騎士在一個碑文上讀到了橘貓魔的身世，以及王國災厄的根源。漢字生成依然有些崩，但是依然能看懂打開大門后，柴犬騎士終于和橘貓魔面對面。一言不合，橘貓魔瞬間黑化和巨大化。這是一個已經與城堡融為一體的存在，半神半魔，操控著數百年的黑暗力量。戰斗一觸即發！雙方對峙，力量在空氣中激蕩；能量激烈碰撞，周圍空間扭曲；艾倫積蓄所有力量，釋放 " 王國的黎明 " 最強一擊。當最后一縷黑暗消散，艾倫站在廢墟中。橘貓魔徹底被擊敗，城堡開始恢復光明。遠處，陽光透過破損的窗戶灑落。橘貓魔留下的魔法袍，此刻安靜地懸浮在艾倫面前。這是戰利品，也是王國新的希望。當他披上這件充滿古老魔法的袍子，瞬時就將魔法與力量相結合，領悟了四個新的招式：貓爪裂空斬、貓影穿刺、貓尾旋風、貓步震地刀。王國重新恢復了昔日里寧靜祥和。柴犬騎士沒有停下腳步，他知道邪惡的根源沒有被徹底清除，于是繼續踏上征程。站在一片灰暗的懸崖邊緣，魔法袍輕輕飄動。他背對著腐爛的沼澤，長劍橫在背后，寬大的袍子上點綴著青綠色的符文。遠處，腐爛的樹木如同巨大的骸骨，在霧氣中若隱若現，斷裂的石橋猶如一根被折斷的脊梁，橫跨在死寂的沼澤之上。這將是柴犬騎士要面臨的第二個難關：腐敗沼澤深淵。以上是知危編輯部臆想出的 RPG 游戲《 詛咒世界：破碎王國 》的開頭，所有圖片均為 GPT-4o 生成。在構想中，破碎王國整個世界是破碎的孤島連接而成，每個關卡都是這個破碎世界的一個層級，層級之間并非直線連接，而是通過扭曲的空間通道相互鏈接。世界構成為：底部核心：詛咒城堡；第二層：腐敗沼澤深淵；第三層：冰封王座高原；第四層：灼燒熔爐廢墟；第五層：暗影織網迷宮；頂層：時空破碎祭壇。戰斗才剛剛開始。注：此動圖并非 4o 生成，而是Sora生成的視頻好了，游戲設計到此為止。我們回過頭來評估一下生成效果。可以說，從頭到尾，柴犬和其它怪物的形象都沒有發生太大偏差，甚至裝備、城堡都保持了很好的一致性，這是整個過程中最深刻的體會。橘貓魔的身世背景介紹展示了 GPT-4o 嵌入大量文字的強大能力，GPT-4o目前對非拉丁文字的生成還不擅長，但還是那句話，你莫名其妙基本能讀懂。我們給 GPT-4o 的提示詞是這樣的：以下是橘貓魔的詳細檔案，請用一個中世紀羊皮紙的形式呈現以下信息：名稱：橘貓魔生平背景： 橘貓魔原本是一位王國最強大的法師，精通黑暗魔法和古老禁忌咒術。數百年前，他因追求永生和至高無上的力量，背叛了魔法師協會，將整個石頭城堡作為自己的魔法實驗場。通過獻祭城堡中的所有居民，他完成了一個驚天動地的儀式，將自己與城堡融為一體，成為了一個半神半魔的存在。征服石頭城堡的過程：用 72 天的黑暗儀式將城堡轉化為自己的永恒領域吸收了城堡中所有生命的靈魂力量將城堡本身變成了一個巨大的活體魔法生物徹底切斷了城堡與外界現實世界的聯系能力屬性：生命值：10000魔法值：15000力量：850敏捷：600智慧：1200精神抗性：99%武器與魔法裝備：主武器：滅世之爪每次攻擊能吸收敵人10%的生命力副武器：城堡意志權杖能召喚城堡內任何區域的守衛這些文字也被 GPT-4o 提取到了橘貓魔的資料卡中，但是你仔細看會發現，屬性還是有一些是標錯了的。城堡怪物圖譜是通過對每個怪物都指定一個描述來生成的，基本都遵循了指令。這種能力屬于多元素的一致穩定性控制，在制作統一風格的場景、人物、裝備元素時特別有用。上圖我們給 GPT-4o 的提示詞是這樣的：柴犬騎士在石頭城堡的冒險中，在找到最后的 boss 之前，將面臨 6 種小型怪物，3 種中型怪物的阻撓，以下是這些怪物的描述：小型怪物 ( 6 種 ) ：①石之精靈：能融入石墻的微小尖嘯怪，突然從墻面彈出攻擊敵人。②腐爛蘑菇骷髏：從地牢潮濕角落爬出的會移動的植物骷髏。③暗影鼠群：能在黑暗中集群攻擊，如幽靈般迅速移動的詭異嚙齒生物。④破碎鎧甲傀儡：由殘缺鎧甲組成的會自行移動的戰爭殘骸。⑤詛咒蝙蝠：翅膀帶有詭異符文，能發出令人戰栗的尖嘯。⑥瘟疫烏鴉：身體散發黑色瘟疫霧氣的詭異禽類。中型怪物 ( 3 種 )：①石像鬼守衛：能瞬間變成石頭并偷襲的半人形怪物。②腐肉騎士：半腐爛的騎士，身上纏繞不潔的藤蔓。③符文狼人：全身覆蓋神秘符文的半獸人形態。請生成一個游戲頁面展示這些怪物的簡筆畫，注意頁面排布美觀整齊，怪物特征和頁面風格要符合中世紀 RPG 的世界觀。這組怪物圖譜的畫風，也輕易地遷移到了后續 Doge 獲得新技能的制作以及世界觀地圖的制作中。制作出具有一致性圖像的關鍵，在于合適的參考圖和詳細的提示詞。比如柴犬騎士在第二關開頭的場景。對于這個場景的生成，結合第一關開頭的構圖、柴犬騎士的本體形象，就能更好保證一致性。對于游戲完整地圖的生成。提供相同畫風的圖譜、劍譜，就能控制畫風的一致性。空間構圖的設計，對畫面效果的呈現也很重要。比如，如果用比較簡單的提示詞，來生成柴犬騎士和橘貓魔的對峙，看起來像在拉家常。我們給 GPT-4o 的提示詞是這樣的：接下來，加上空間構圖提示詞。氛圍感一下子就出來了。整個生成過程當然不是一鏡到底，還是會有不少 Bug，以及難以實現的細節。比如柴犬騎士有時候雙足站立有時候不是，甚至會出現同時有四只腳和兩只手的情況，物品欄中的頭盔形狀和柴犬騎士實際佩戴的不一樣，城堡在被詛咒前后的外形細節偏差等等。比如生成裝備選擇畫面的時候，調了很多次提示詞都沒有得到滿意的效果，當然也不排除我們所使用的提示詞不夠專業和系統的原因。怪物圖譜生成如果元素過多或不能劃分為 m*n 的矩形，也可能導致生成效果不規整，視覺排布凌亂。最難實現的細節是不同主體的復雜交互，比如柴犬騎士擊中石之精靈的瞬間、腐肉騎士和符文狼人打斗的瞬間，都很難遵循詳細的提示，呈現效果一般。細節錯誤可以用局部編輯完善，但對圖片進行局部編輯的時候，不能完全保證修改范圍局限在指定的位置。比如第一次生成的游戲地圖，在 “ 冰封王座高原 ” 部分的英文標注是錯誤的，應該是 “ Frozen Throne Plateau ”，但寫成了 “ Scorching Furnace Ruins ”。對 “ Scorching Furnace Ruins ” 涂抹掩碼，提示進行修改并重新生成后。最終效果是滿意的，但最頂部的 “ 時空破碎祭壇 ” 的外形被修改了。到這里，評測就結束啦！總體而言，GPT-4o 的生圖功能，相比過往其它生圖應用的體驗，不聽話、亂畫沒說的、畫的不像話，這種令人崩潰的體驗，少了太多太多。只要用 Sora 一次生成 4 張圖，獲得想要的結果的概率極大。在 “ 柴犬騎士勇闖破碎王國 ” 的概念設計中，GPT-4o 展現了精準的指令遵循、驚人的圖像一致性，這種能力，正是將技術從工具升華為創作伙伴的關鍵所在。可以說 GPT-4o 為創作者打開了一扇通向想象的大門，看來 Sam Altman 沒有說的太夸張。當然，GPT-4o 不是終點，而是一個令人興奮的起點。

AI云基礎設施將是未來幾年最重要的投資主題之一。理解這一點，可以透過這3個核心原因：1. 它是一個國家AI競爭力的基礎支撐；2. 它是Deepseek等開源模型在應用領域爆發“邊緣革命”的前提條件；3. 它是打破經濟下行周期最有效的資本開支路徑之一。因此我們可以明確地說：以Deepseek為支點，以AI云基礎設施為圓心，中國已經正式啟動了新一輪資本開支周期。作為AI云基礎設施系列研究的開篇，本文將聚焦互聯網時代三大云廠商——BAT，通過對三家公司最新動作的梳理，以期“一‘云’知春”。一、阿里：當仁不讓吳泳銘：我們將大力投資人工智能基礎設施。計劃在未來三年對云計算和人工智能基礎設施的投資將超過過去十年的投資。春江水暖鴨先知，作為云計算服務行業從業最早，市占率最高的云計算企業，阿里云基本面已經印證了云計算紅利期的來臨：過去五年間，阿里云在營收側連續同比增長超過17個季度，但在2023年出現了明顯的放緩趨勢，增速僅保持在個位數。但去年三季度以來，依靠著這一輪AI資本開支的紅利期，增速逐漸抬頭，2024Q4重新站穩了兩位數的增長。同時，在利潤側，直到2023年以前，阿里云的EBITDA利潤率掙扎在低個位數的盈虧平衡線上，但2024年增長明顯，Q4更是接近了兩位數的區間。顯而易見的是，今年業績會的Eddie Wu之所以能夠堅定的表達對云計算基礎建設和AI發展投入的決心，一定程度上也是因為阿里云基本面改善帶來的確定性邏輯。阿里巴巴同樣也是這一輪資本開支周期的旗手，從2023Q3的低點以來，資本開支連續六個季度環比增長，并且資本開支密度大幅度增強。根據第四季度的測算，阿里資本開支已經占當季營收的11.3%左右，屬于相對較高的水平。從資本開支和折舊率的關系來看，阿里已經連續兩個季度相對調高了折舊比率，但資本開支折舊比依然大幅提升至441.3%左右，擴張性開支非常明顯，提高折舊率也意味著未來短期內，資本開支的投入不會少只會多。就在年報期，阿里公布了資本開支的計劃，也與去年四季度資本開支的動向契合，未來三年將投入3800億用于AI和基礎設施建設，過去三年阿里自由現金累計3819億。即便將這3800億視為現有基礎上的增量，阿里的自由現金流和現金流儲備也能夠充分覆蓋支出，決心足，并且實力也足夠。綜上所述，阿里云是Deepseek奇點時刻來臨后，最早感知到暖意的企業，沒有之一。因此阿里知行合一，無論是資本開支的力度、管理層態度、持續性還是資本儲備，都預示著阿里云將成為這一輪資本開支周期的旗手，可謂老馬識途、當仁不讓。二、騰訊：暗度陳倉Martin Lau/James Mitchel：現在，在上市公司中，我認為我們在第四季度的資本支出是中國科技公司中最大的；我們的投資策略是：既要投資于未來，同時也要通過股息和股票回購為股東提供當期回報。相較于阿里的當仁不讓，騰訊的表態就曖昧許多——“既要又要”。我們當然能夠理解，作為中國市值最高的企業，騰訊所背負的不僅有科技投資人的愿景，也有財務投資人的期許。對于騰訊而言，云業務在過去一段周期內并不是發展的重點，因此相較于阿里云而言，吃到的紅利相對較小，四季度金科企服的業績增速僅為3.2%。騰訊并沒有單獨披露云業務的數據，但是根據IDC的市場份額推算，整體的營收約為120億～140億區間，大約為金科企服的1/4左右。考慮到支付業務相對承壓，實際云業務的增速要高于金科企服整體的增速，增量可能略遜于阿里云。因此，騰訊的管理層對于云計算紅利感知并沒有阿里云強烈，資本開支相對阿里存在一定的滯后性，從2024Q2才正是邁入加速投資的上升期，相較阿里云落后2～3個季度。但反應過來的騰訊加大了投資力度，正如劉熾平業績會的表述，四季度騰訊整體的資本開支絕對稱得上中概互聯的龍頭，并且以資本開支密度來看，2024年Q4騰訊的資本開支密度達到了驚人的21.2%雖然橫向放眼全年來看，還不足以cover掉與阿里云的差值，但騰訊顯然也意識到資本開支周期的到來，并加快了追趕的步伐。同時，雖然業績會中騰訊的高管花了大量的篇幅來安撫投資者資本開支并不會大幅度抬升折舊費用，但從實際的表現來看，還是2024Q4折舊率的提升還是非常明顯。騰訊的資本開支折舊比達到了494%，比阿里云還高。以比對手更高的投入來追趕認知差帶來的時間節點的差距，只不過相對低調。放長視角，對于騰訊云來說，相較于阿里云的優勢在于，受益于自身業務的特性，過去三年騰訊整體的自由現金流達到了4107億元，要比阿里可用的自由現金流更高，完全有能力抹平二者的投入差。用一句話來總結騰訊面對資本開支周期的動作，那就是口嫌體直、暗度陳倉：雖然管理層左右逢源，兼顧了不同投資者的預期，但實際的動作一點也不軟。當然，騰訊并沒有像阿里一樣對未來的資本開支做出承諾，這份投入的可持續性，還需要觀察。三、百度：背水一戰李彥宏：我們將繼續投資AI，以確保我們始終站在這一技術大趨勢的前沿。毫無疑問，在ChatGPT時刻來臨之前，百度絕對是對標谷歌的AI行業領軍者，只不過這一對難兄難弟，都因為壓錯了寶，起了大早趕了晚急。不過時代的紅利不會拋棄任何一個虔誠者。盡管百度AI應用沒能爆發出類似于Deepseek一樣的潛力，但百度云也算吃到了紅利：百度智能云Q4營收84億元，帶動百度核心非在線營銷業務增長18%。雖然過去百度財報沒有分類披露智能云單季度具體營收，但非在線營銷業務中，占絕對多數的其實就是百度云。四季度李彥宏披露的業績占比中，百度云占86%。也就是說，我們可以根據百度的核心非在線營銷業務管中窺豹智能云的增長趨勢。當然，百度云之所以能在增速層面力壓阿里騰訊，主要的原因還是基數小，增量層面還是不及阿里和騰訊。吃到紅利的百度，面對資本開支周期，并沒有像阿里騰訊一般大幅度提升資本開支力度——過去三年，百度核心業務整體資本開支只有273億左右，還不及阿里、騰訊單季度的資本開支。并且，百度資本開支意愿也不是很強。自2023Q4以來，百度的資本開支密度出現了明顯的下滑，資本開支的強度基本上取決于營收的薄寡，沒有主動的資本開支行為。同時，百度也沒有出現明顯的折舊費率變動，以資本開支折舊比來看，基本上處于維持性資本開支的階段，似乎感受不到邁入新一輪資本開支周期的潛在動向。相較于騰訊阿里，百度的資本實力也不夠雄厚，過去三年累計自由現金流大約為513億左右，四季度資本開支稍抬一點頭，自由現金流便由正轉負。這可能也是百度現如今的困境之一：之前技術路線押注過早，沉默成本高，但實際沒有產生正向的收入貢獻，當Deepseek出現，邁入資本開支周期時，百度依然沒有正向可持續的穩定現金流收入來覆蓋大額資本支出。百度和騰訊幾乎是兩個極端的典型，盡管業績會用大篇幅表態押注云、押注AI，但實際的資本支出明顯落后于阿里騰訊的節奏，拋開資本實力來看，無論是資本開支密度還是折舊比，都不足以展示百度決心。如果在應用側依舊沒有突破，百度可能會在未來的AI發展上逐漸式微。當然，這背后也存在著一條百度可能將“背水一戰”的線索——在年報電話會上，公司著重提及的是其自研AI芯片“昆侖芯”將于2025年內點亮3萬卡集群。相比阿里和騰訊，這將是其最大的比較優勢所在。百度有可能將資本開支的重點壓在自研AI芯片之上，理論上這具備成本優勢以及規模性優勢，但仍要市場驗證。因此，這也將成為未來觀察百度AI云基礎設施風向的關鍵切口。

盡管量子計算機能夠執行一系列廣泛的、在實際應用中具有重要意義且超越經典計算機能力范疇的任務，但要將這一潛力變為現實，仍面臨著挑戰。一個例子是利用不可信的遠程設備生成可被認證為包含一定量的熵的隨機比特。可認證的隨機性有諸多應用，但僅依靠經典計算是無法實現的。3月26日，摩根大通、阿貢國家實驗室、芝加哥大學、Quantinuum、德克薩斯大學、國立臺灣大學、橡樹嶺橡樹嶺國家實驗室的研究人員合作，在《Nature》期刊發表題為“Certified randomness using a trapped-ion quantum processor”（利用離子阱量子處理器實現的認證隨機性）的研究論文。Minzhao Liu、Ruslan Shaydulin、Pradeep Niroula為論文共同第一作者，Ruslan Shaydulin、Charles Lim、Marco Pistoia為論文共同通訊作者。摩根大通在新聞稿中提到：“這項研究通過展示量子計算機的一項潛在應用實現了一個關鍵里程碑。”本月12日，D-Wave發表《Science》宣稱“首次在現實有用的問題上”（材料模擬問題）實現了量子優越性，摩根大通的這項成果是否代表了量子計算現實應用第二塊里程碑呢？本文展示了通過互聯網訪問56量子比特的Quantinuum H2-1離子阱量子計算機來生成可認證隨機比特的過程。該協議利用了近期隨機線路采樣證明所展現出的經典計算難度：客戶端使用少量隨機種子生成量子“挑戰”線路，將其發送給不可信的量子服務器進行執行，并對服務器的結果進行驗證。研究針對一類受限的、現實中短期內可能存在的對手分析了協議的安全性。通過在多臺超級計算機上進行經典驗證，其測得的綜合持續性能為每秒1.1×101?次浮點運算，在這種受限對手及額外假設條件下，認證了71，313比特的熵。研究結果朝著實現當前量子計算機的實際應用邁出了一步。摩根大通全球技術應用研究主管兼杰出工程師Marco Pistoia博士表示：“這項工作標志著量子計算領域的一個重大里程碑，展示了使用量子計算機解決現實世界挑戰的方案，這超越了當今經典超級計算機的能力范圍。經認證隨機性的這一進展顯示出量子硬件的進步，而且對于進一步的研究、統計采樣、數值模擬和密碼學都至關重要。”一、研究背景量子計算機的出現，為解決諸多經典技術難以企及的問題帶來了希望。理論研究表明，量子計算機在處理如大整數分解、求解指數規模線性方程組、優化難題、學習特定函數以及模擬大型量子多體系統等方面展現出巨大的潛力。與此同時，考慮到量子糾錯開銷和門操作速度等因素，目前已知的量子算法對資源的要求極高，使得近期的量子設備，包括許多設想中的容錯架構，都難以滿足這些需求。因此，近期量子設備能否在實際應用中發揮作用，仍是一個有待探索的問題。隨機數生成是一個極具價值的研究方向。隨機數在信息安全、確保諸如陪審團選擇等流程的公平性等領域十分重要，但從第三方獲取隨機數時，驗證其隨機性和新鮮度成為關鍵挑戰。對于彩票、電子游戲等應用場景而言，這一點尤為重要，因為涉及多方的交互需要保證公開分發的隨機數是按需生成的。此外，可認證的隨機數還能用于識別不誠實方的行為。以往基于貝爾不等式的隨機數認證協議，雖然在理論上提供了一種解決方案，但實際應用中存在困難。這些協議通常要求貝爾測試無漏洞，然而當量子設備由第三方提供時，客戶端很難確保這一點，這就使得客戶端不得不信任第三方設備提供商如實進行貝爾測試，增加了應用的風險和不確定性。在這樣的背景下，研究人員積極探索新的方法，期望利用量子計算的特性，實現高效、可靠的可認證隨機數生成。二、理論方法隨機線路采樣與驗證協議為實現可認證隨機數生成，研究人員提出結合隨機線路采樣（RCS）與經典驗證的協議。客戶端利用少量隨機種子生成n -量子比特的挑戰線路，并發送給量子服務器。服務器需在短時間內返回從這些線路輸出分布中采樣的長度為n的比特串，客戶端通過計算XEB分數來驗證服務器返回的樣本與理想輸出分布的匹配程度。XEB分數的計算基于公式：其中是理想量子計算機執行線路C時測量到比特串x的概率。如果比特串是從足夠深的隨機線路的輸出分布中完美抽取的，XEB分數應接近1；若與線路誘導的分布不相關，則接近0。圖1：協議概述安全性分析與熵量化該協議的安全性基于假設：對于所考慮的偽隨機線路族，不存在實用的經典算法能夠欺騙協議中的XEB測試。研究人員通過構建受限但現實的對抗模型來分析協議安全性。假設對抗服務器對每個接收到的線路，要么從量子計算機誠實地采樣輸出，要么進行經典模擬。為通過XEB測試并盡量減少返回的熵，對抗者會嘗試用最少的量子樣本達到閾值XEB分數。通過分析，研究人員量化了不可信服務器為達到給定XEB分數，在短時間內必須提供的最小熵。這一量化結果為評估協議的安全性和可靠性提供了重要依據。圖2：對抗模型與協議安全性協議的穩健性與適應性雖然目前的協議安全性依賴于特定線路的難以模擬性，但研究人員也考慮到未來可能出現的技術變化。如果開發出更好的精確模擬技術，對手和客戶端將對稱受益，不會影響協議的安全性。而對于近似模擬技術的顯著改進，客戶端可通過修改挑戰線路集合來增加模擬難度，保持協議的有效性。這種對潛在變化的考慮，體現了協議設計的穩健性和適應性，為其長期應用提供了保障。三、實驗方案實驗選用Quantinuum H2-1囚禁離子量子處理器，通過互聯網遠程訪問。挑戰線路設計為具有固定的10層糾纏Uzz門，每層夾在所有量子比特上的偽隨機生成的SU(2)門之間。兩量子比特門的排列通過隨機n節點圖的邊著色獲得。這樣的線路設計旨在增加經典模擬的難度，充分利用量子處理器的特性。客戶端將線路分組，每組包含2b個線路（b取15或20）。在提交每組線路前，先發送預檢查線路Cprecheck探測設備狀態。提交線路后，服務器需在Tb，cutoff= 2.5×2b秒內返回相應比特串，超時則該組數據作廢。實驗設定了多項參數，如XEB測試閾值等于0.3，平均每個樣本的時間閾值tthreshold= 2.2秒。這些參數基于初步實驗確定，旨在確保誠實服務器能大概率成功，同時防止對抗者通過經典模擬通過測試。客戶端收集到足夠數量的有效樣本后，計算XEB分數。具體計算時，從收集的樣本中隨機抽取大小為m的子集，通過特定公式計算XEB分數。若XEB分數大于閾值且平均每個樣本的時間低于閾值tthreshold，則通過驗證。通過驗證后，客戶端使用Toeplitz隨機性提取器處理樣本，得到最終的隨機數輸出。實驗中使用多臺超級計算機（Frontier、Summit、Perlmutter和Polaris）進行驗證，充分利用其強大的計算能力確保驗證的準確性。四、研究成果實驗成功演示了基于RCS的可認證隨機數協議。通過精心設計的挑戰線路和嚴格的驗證流程，在滿足特定條件下，認證了71，313比特的熵。這一成果表明，利用量子處理器和經典驗證相結合的方式，能夠實現可認證隨機數的生成，為量子計算在實際應用中的拓展提供了有力支持。實驗過程中，客戶端輸入用于生成偽隨機線路的種子僅32比特，而最終提取出71，273比特的隨機數，實現了隨機數的擴展。這意味著該協議在隨機數生成方面具有高效性，能夠以較少的初始隨機資源產生大量可認證的隨機數，滿足實際應用中對隨機數數量和質量的需求。圖3：未來改進方向研究人員分析了未來實驗改進的方向。通過提高設備保真度和執行速度，調整協議閾值和tthreshold，有望進一步提升協議的性能。例如，當保真度提高到0.67，響應時間縮短到tQC=0.55秒時，協議的比特率可達到美國國家標準與技術研究院（NIST）公共隨機信標的水平（512比特/分鐘）。這為后續研究指明了方向，展示了該技術在未來具有廣闊的發展前景。Quantinuum總裁兼首席執行官Rajeeb Hazra博士表示：“今天，我們慶祝一個關鍵的里程碑，它將量子計算牢固地帶入了實際的現實應用領域。我們對經認證量子隨機性的應用不僅展示了我們離子阱技術無與倫比的性能，還為提供強大的量子安全性以及推動金融、制造業等行業的先進模擬設定了新的標準。在Quantinuum，我們正在推動開創性的突破，以重新定義各個行業，并釋放量子計算的全部潛力。”“當我在2018年首次提出我的經認證隨機性協議時，我完全不知道要等多久才能看到它的實驗演示，”德克薩斯大學奧斯汀分校斯倫貝謝百年計算機科學講席教授、量子信息中心主任Scott Aaronson教授表示：“我很高興摩根大通和Quantinuum現在在原始協議的基礎上進行了拓展并實現了它。這是朝著使用量子計算機為實際密碼學應用生成經認證隨機比特邁出的第一步。”橡樹嶺國家實驗室量子計算用戶項目主任兼量子科學中心主任特Travis Humble博士表示：“這些量子計算成果得益于橡樹嶺國家實驗室、阿貢國家實驗室和勞倫斯伯克利國家實驗室中世界領先的美國能源部計算設施。這樣的開創性努力推動了計算領域的前沿發展，并為量子計算與高性能計算的交叉領域提供了寶貴的見解。”五、主要研究人員Minzhao Liu，摩根大通高級應用研究助理，芝加哥大學普利茲克分子工程學院博士。研究興趣包括物質的拓撲相、量子信息和計算機科學。Ruslan Shaydulin，量子信息科學專家，研究重點是將量子計算機應用于優化和機器學習方面的問題，他在設計和實現量子計算機的各個方面都擁有豐富的經驗。在量子算法和量子-經典混合算法、從理論分析到錯誤緩解經驗豐富。Charles Lim，摩根大通全球技術應用研究的網絡安全主管，致力于開發下一代加密網絡解決方案。目前在新加坡國立大學擔任設計與工程學院的副教授（終身教授）。2019年獲得新加坡享有盛譽的國家研究基金會（NRF）獎學金和國家青年科學家獎，以表彰他在量子網絡和密碼學方面的工作。2021年，他被要求領導新加坡的國家量子安全網絡。Marco Pistoia，紐約大學博士，摩根大通全球技術應用研究（前身為應用研究與工程未來實驗室）的董事總經理、杰出工程師和負責人，負責領導量子計算、量子通信、云網絡、增強現實和虛擬現實（AR/VR）、物聯網 （IoT）以及區塊鏈和密碼學方面的研究。他還是美國專利商標局授予的250多項專利的發明者，以及300多項正在申請的專利，其中，40多項專利涉及量子計算領域。

The Information的文章周末在北美快速發酵，北美基金都在集體學習、Debate、消化。具體細節我們就不在這討論了，總結幾個關鍵的點的話：Palo Alto這樣的網絡安全巨頭覺得用Deepseek是安全的，并且Deepseek的價格僅為北美先進模型的5%，他們將短期減少AI支出。許多客戶支持、Coding和Analytic的AI公司開始嘗試Deepseek和OpenAI發布的低成本模型，并且降低了成本。Thomson Reuters、Intuit也因為模型價格的不斷降低，使得其AI支出不用繼續增長，或者開始放緩。從長遠來看，杰文斯悖論可能是對的，即價格下降帶來更多的收入，但短期來看模型價格下降會讓收入放緩。也有反例，比如PwC就在Chatbot成本大幅下降后，增加了Usecase和支出。The Information說Azure幾個銷售團隊調低了銷售KPI。我們之前在久謙發了一篇文章《MSFT砍單與杰文斯悖論疑似減弱》談這一現象，文章也可以在Discord里查閱。很多與The Information后面發表的這篇很相似。3月27日也有相關調研。在過去我們曾經寫過一篇文章談過Deepseek與杰文斯悖論以及微軟上一次為什么Delay數據中心。我們提到客戶普遍存在Double Purchase現象，這也是Deepseek帶來GPU利用率提高最大的原因。即客戶在保留GPT/Llama的同時，還會花費額外的預算測試Deepseek。普遍在2個月后，會進入到最后的模型選型，才能觀察到剔除Double Purchase后的消耗情況。現在看很多客戶都到了最后的階段，也在2個月后并沒有看到Deepseek帶來的明顯增量，這也邊際降低了短期杰文斯悖論的可信度。

對于美國金融傳媒巨頭彭博新聞社而言，今年1月引入的AI新聞摘要功能目前仍處在磕磕絆絆的磨合期。在本周三準確爆料特朗普即將宣布汽車關稅的文章上方，彭博的AI摘要卻錯誤地總結出未來更廣泛關稅行動的實施時間，發現問題后該機構將其移除。根據統計，今年以來，彭博社已經至少對36篇AI生成的新聞摘要進行過更正。例如在本月，彭博刪除了一條聲稱“特朗普去年對加拿大加征關稅”的AI摘要，另一則更正說明則表示，AI“未能區分主動管理和被動管理基金，因此提供了不正確的數據”。彭博社在今年1月15日宣布推出“AI新聞摘要總結”。自那以后，許多彭博新聞的標題下方，都會出現一個帶有亮眼提示的文本框，展現三條由“彭博AI”總結的新聞精華內容。（來源：彭博網站）顯然，彭博并不是唯一一家嘗試引入AI“打工人”的媒體機構。美國最大報業集團Gannett也采取了類似的技術，在文章頂部展示人工智能生成的摘要。“世界第二富”貝索斯旗下的《華盛頓郵報》，也推出了名為“詢問郵報”的工具，能根據發布的文章回答問題。就闖禍程度而言，《洛杉磯時報》本月初推出的“AI評論員”一馬當先。根據介紹，該功能對評論文章和報道的政治偏見進行評分，并提供反駁論點。在上線的第二天，這個AI就因為發表美化種族主義極端組織“3K黨”的論述引發軒然大波，評論也迅速被撤下。與此同時，被稱為“全球首份全AI報紙”的《Foglio AI》在3月18日發布首刊，但現在只能靠專門指派人力扶持，避免滑向徹底崩壞的結局。在本周接受媒體采訪時，推出《Foglio AI》的意大利中右翼日報《Il Foglio》主編克勞迪奧·切拉薩承認，使用ChatGPT Pro寫的文章遠遠沒有達到與人類作者相同的水平。文章中存在大量的事實錯誤、拼寫錯誤，還會編造從未發生的事情，而且行文也相當平淡，沒有看頭。更麻煩的是，AI還會大段抄襲同行的作品。為了阻止這項試驗變成純粹的丟臉行徑，切拉薩現在指派了兩名員工，專門負責事實核查并剔除虛假信息。但《Foglio AI》仍會保留“小錯誤”和“拙劣的寫作”，因為他認為這能展現“AI的局限性”。切薩拉表示，他計劃在4月11日試驗結束時向讀者披露一系列出錯的實例，并邀請他們一起來分析人工智能的錯誤。“AI的質量取決于人類”在宣布推出AI摘要前，彭博社總編輯約翰·麥克列威特發布文章，闡述他對于AI新聞摘要的思考。他寫道：“用戶喜歡它——因為他們可以快速了解任何報道的內容，而記者們則更為懷疑，因為擔心人們只會閱讀摘要，而不去看他們的文章。”麥克列威特也承認，人工智能摘要的質量取決于它所基于的報道，而獲取這些報道仍然離不開人的作用。對于AI摘要的近況，彭博新聞社在一份聲明中表示，這家機構每天會發布數千篇文章，99%的人工智能摘要符合編輯標準。同時記者對是否發布AI摘要擁有完全的控制權，并可以刪除任何不符合標準的摘要。聲明也補充稱，AI摘要旨在補充新聞報道，而并非取代新聞。