把量子计算放进大模型的决策链路

8 月 27 日，国光量超人工智能研究团队正式发布玄幂（Xenomi）大模型家族，定位科研与学术场景，包含多种规模并支持私有化部署。与常见“量子+AI”概念不同，玄幂把量子能力做进了两个具体环节：决策与随机数。

决策环节上，模型先把提取的语义特征转化为带候选项和约束条件的优化问题，再由量子退火方法快速搜索最佳选择——大模型负责“理解题意”，量子决策层负责“找答案”。据团队公布的对照评测，在特定任务中引入量子决策层后，短决策等待缩短至原来的 1/20；模型在科研科普、路由、智能体决策等任务上，相比主流开源模型表现出更稳定的专业理解与更短的决策路径。

随机数环节上，私有化部署时模型架构接入量子随机数发生器（QRNG），由真空涨落量子随机数芯片提供熵源，为推理采样、智能体会话、工具调用随机数与密钥轮换提供物理熵源。团队称，公开研究已表明伪随机数采样链路在特定攻击条件下可能被操控，真随机数有助于守住私有化部署的随机数边界。目前玄幂已应用于旗下量子计算智能实验平台与夸米多智能体科研系统。

  • 量子决策层：语义特征转优化问题，量子退火搜索，短决策等待缩至 1/20
  • 量子随机数：真空涨落 QRNG 芯片为采样与会话提供物理熵源
  • 私有化部署：端侧轻量、工作站、机房级三种规模可选
玄幂真正的取舍在于：不追求让量子计算“加速训练”，而是把量子能力用在决策路由与熵源安全这两个工程上更容易见效的位置。