NovaMind AI 发布 QNA-1：首个量子-经典神经架构协议

旧金山，2027年11月10日 — 成立仅一年的初创公司 NovaMind AI 今日发布了 QNA-1（量子神经架构）协议，声称可以在量子-经典混合计算节点集群上编排神经网络架构搜索，将前沿 AI 模型的训练计算成本以前所未有的幅度削减。

该公司展示了 QNA-1 在 12 节点混合集群上的运行效果——四台 IonQuantum 量子处理器搭配八台 NVIDIA H200 级 GPU——在 31 小时内从零开始设计了一个 7000 亿参数的语言模型。而仅使用经典基础设施的同类训练通常需要数周时间，成本高达数百万美元。

QNA-1 的工作原理

传统的神经架构搜索（NAS）需要评估数千种模型变体以找到最优结构——这一过程计算量巨大且成本极高。QNA-1 用量子辅助优化循环取代了暴力搜索。量子节点利用量子退火处理架构选择的组合爆炸问题，而经典节点则对最有希望的候选方案执行基于梯度的微调。

两个系统通过 QNA-1 自定义的 Wire 协议进行通信，NovaMind 已将其以 Apache 2.0 许可证开源。该协议定义了量子节点与经典节点之间如何交换架构候选嵌入、如何同步梯度信号，以及当量子节点在搜索过程中发生退相干时如何处理故障恢复。

"我们相当于给 AI 提供了一套导航系统，而不是让它走遍每一条可能的道路，" NovaMind 联合创始人、前麻省理工学院量子计算研究员尤娜·塞萨伊博士表示。"量子部分找到大陆，经典部分找到房子。"

行业影响

如果基准测试能在规模化场景中复现，QNA-1 将显著降低前沿 AI 研究的门槛。长期以来，大学和小型实验室都被高额成本挡在大型模型开发的门外。94% 的成本削减可能使百亿参数级别的模型进入资金充裕的初创公司和全球顶级研究机构的视野。

主要云服务商正在密切关注。亚马逊云服务（AWS）和微软 Azure 均宣布了将 QNA-1 整合进量子即服务产品的初步合作计划，预计2028年第二季度正式推出。

质疑声仍在

并非所有人都信服。斯坦福大学机器学习研究员马库斯·蒂恩博士提醒说，NovaMind 的基准测试是在受控条件下进行的。"我们需要看到跨不同模型家族和任务领域的同行评审结果，才能宣布范式转变，"他表示。"量子加速的声称在这个行业有不良记录。"

量子硬件仍然不稳定。退相干误差、低温冷却要求以及高质量量子比特的稀缺，意味着大多数组织若不通过云服务访问就无法运行 QNA-1 工作负载。

下一步计划

NovaMind 计划在 12 月 15 日前发布详细阐述 QNA-1 架构的技术白皮书。该公司还宣布完成由红杉资本和谷歌创投领投的 6000 万美元 A 轮融资，自2026年底成立以来累计融资达 7800 万美元。

这家初创公司的下一个里程碑是部署 100 节点集群，面向万亿参数模型训练——这一规模目前只有最大的 AI 实验室才能实现。如果成功，可能标志着一个 AI 开发民主化新时代的开始。