开场（三人合声）
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！
第一段：晓桐开场
晓桐: 大家好，这里是《今日我们AI说》，我是晓桐。今天这五条，全都不在聊天机器人的赛道里：一家清华班底的中国初创，用量子物理的方法改造大模型的训练链路，声称训练成本能省下四分之一；谷歌上周官宣，10月1日那天，要把自家四颗TPU芯片送上近地轨道；一家由开源推理引擎原班团队创立的初创，开源了首个TPU推理「巨核」，低并发跑分压过英伟达旗舰一代的基线；一支上海交大孵化的中国团队，把「用大白话跑量子计算」做进了一个桌面盒子；还有一篇论文，让四足机器狗学会替视障者找东西。先请云阳过一遍要闻，再来一条一条拆。
第二段：云阳新闻播报
要闻一：清华班底初创「用量子改造大模型」，公司自报训练成本降两成五
云阳: 要闻一，据AI垂直媒体量子位9月27日独家报道，国内首家专注Q4AI——也就是Quantum for AI、用量子技术反哺人工智能——的创业公司费米宇宙，近期推出全链路量子增强大模型FermiQLLM 1.0。这里说清楚：所谓量子增强，不是把大模型搬到量子计算机上跑，而是把张量网络、量子模拟退火这类量子物理与量子多体计算的方法，嵌进模型从数据表征、结构、训练、强化到评测的五个环节，训练和部署仍走现有GPU体系。公司内测口径称：推理性能提升超过15%，持续强化学习环节训练成本下降25%以上（公司口径，待第三方复测）。信息见量子位独家报道原文。团队方面表示，计划在未来6到12个月把量子增强能力抽象成通用框架，并逐步开放模块评测、推动部分技术开源。
要闻二：谷歌官宣10月1日把TPU送上轨道，头一回是「现售芯片」上天
云阳: 要闻二，谷歌9月24日在官方博客Project Suncatcher官方公告官宣：首颗测试卫星定档10月1日，搭乘SpaceX猎鹰9号的Transporter-18拼车任务升空，首次验证自研TPU在太空环境下的运行能力。卫星代号MVP，冰箱大小，由遥感卫星公司Planet Labs建造，舱内是四颗在售的Trillium代TPU，整机算力约等于地面数据中心的一台服务器，太阳能供电约1千瓦，按15分钟运转、停机散热的节奏跑Gemini推理（官方公告口径）。谷歌同时公布地面考核：芯片扛过超过五年在轨剂量的质子辐照、未见硬故障；设计寿命约一年，2027年计划再发两颗卫星测试星间激光互联。
要闻三：vLLM原班人马开源首个TPU「巨核」，低并发解码快过GB200基线
云阳: 要闻三，9月23日，由开源推理引擎vLLM原班团队创立的推理公司Inferact宣布，开源首个TPU推理megakernel——megakernel直译「巨核」，就是把模型推理时原本要调度的几百个小内核合并成一个完整内核，让内存带宽逼近硬件理论上限。官方基准：32块TPU跨四台主机运行2.8万亿参数的开源模型Kimi K3，叠加DeepSeek开源的DSpark推测解码框架，低并发解码达到每秒709个词元；同条件下英伟达GB200基线为每秒450个词元（官方基准，未经第三方复测）。代码以Apache 2.0协议开源在Inferact的GitHub仓库。
要闻四：「说句话就跑量子计算」：上海交大系团队把量子工作台搬上桌面
云阳: 要闻四，9月20日，由上海交通大学科研团队孵化的酉术量子在上海发布异构计算硬件底座UnitarySpark，并上线自然语言驱动的量子科学计算平台UnitaryLab 2.5公测版。据公司发布会披露，UnitarySpark把量子模拟、GPU加速、智能体交互和真机接口装进同一台工作站，推理、算法执行、数据存储全部留在本地，并用统一的线路接口把模拟器和真实量子处理器连起来：用户用日常语言描述科学问题，内置智能体把它翻译成数学表达和可执行任务，再调度算力跑出结果。其技术底座是团队原创的「薛定谔化」算法框架——把科学与工程里常见的连续型方程问题，转换成量子系统能直接处理的演化形式，相关背景可见上海交通大学新闻学术网的报道存档。
要闻五：机器狗替视障者找东西：先「教」一遍，确认找对了才敢报喜
云阳: 要闻五，一篇9月17日提交到预印本平台arXiv的论文RoboFind，把多智能体框架装进「替盲人找私人物品」这件事。流程分两步：用户先用手机把目标物品「教」给系统——论文描述了一个带增强现实引导、语音和触觉反馈、读屏支持的无障碍拍摄流程，生成可复用的多视角物品档案；之后四足机器人出门去找，导航、核验、恢复三个智能体分工，找到候选物先比对档案再确认。论文自述：32次真实机器人任务成功率85%，对比基线为25%，「假成功」比例从75%降到5%（论文自述口径）。论文页见RoboFind的arXiv预印本。
第三段：晓桐×云健对话点评
晓桐: 云健，第一条先来。量子方法改造大模型，这话听着很玄——它到底改了什么？
云健: 说白了，先把它说人话：这台「量子」不借量子计算机的力，借的是量子物理的数学。大模型内部是一片高维空间，参数之间的关系盘根错节；量子物理学家研究了几十年另一类难题——一堆粒子纠缠在一起怎么算，手里攒下了一套压缩高维复杂系统的工具，比如张量网络。费米宇宙做的事，是把这些工具插进训练链路。值得肯定的地方在路线选择：不赌尚未成熟的量子硬件，先在经典GPU上兑现收益，这是能落地的工程姿态。但泼冷水必须在点上：性能提升15%、成本下降25%、种子轮累计融资1亿元、投后估值约10亿元（公司口径），全部出自公司内部，没有论文、没有第三方跑分。而且量子机器学习这条线不是处女地，海外做了十年，真正改变产业格局的成果还没出现，连「量子该在哪一层帮到AI」业内都没吵出结论。Q4AI是不是下一个风口，看的不是定语多少，是它敢不敢把评测开源出来让人复测。
晓桐: 那谷歌为什么非要把芯片送上天？地面上电不够用，是这个意思吗？
云健: 地面电价只是半个原因，真正的账在轨道上。低轨几乎没有黑夜，同一块太阳能板的发电量约是地面的八倍，谷歌想验证的是「阳光直接喂AI」这条补给线。你发现没有，这次最值钱的不是算力，是芯片身份：上天的是现售的Trillium，不是特制宇航级器件。航天业几十年的信条是「入太空必定制」，谷歌拿云端商用芯片直接赌辐射环境，靠的是地面质子辐照实验的数据撑腰。赌注的另一面也要摊开：15分钟跑一轮就得停机散热、整机算力只等于一台服务器、设计寿命约一年，谷歌研究院的高级管理人员自己都对媒体说，几年内谈不上可商用成果。这不是一次产品发布，是一份昂贵的开题报告——本台9月22日那期讲过把完整5G基站送上天的鹏城首发星，现在谷歌把AI芯片也送上去，轨道计算这条赛道已经不只一家在报名。
晓桐: 第三条跟第二条是一对？同样是TPU，一个上天，一个下地？
云健: 对，今天是「TPU双面日」：一条讲谷歌把TPU送到天上找电，一条讲有人把TPU在地面上的用法重写。而第三条的分量，恰恰藏在它的身份里——Inferact这批人是vLLM的原班人马，vLLM是全球用得最多的开源推理引擎之一，他们最懂模型在英伟达卡上是怎么被喂饱的。这次开源TPU巨核，本质是替所有中小开发者向英伟达体系外挪一步：整层模型压进一个内核，低并发场景下把旗舰GPU基线甩开五成。注意口径，这是单点解码的场景，不等于高并发生产环境也赢57%——大流量下英伟达的软件生态优势还在。真正的信号是生态裂缝：过去五年，推理优化绕开CUDA都是小众行为，如今一家有分量的开源公司公开把TPU当第一公民，连DeepSeek的推测解码框架都搭了顺风车。本台9月26日那期讲过八张显卡被软件优化出近七倍吞吐——「锁住算力的不是硬件是软件」，这句话值得说第二遍，因为正在变成行业共识的东西不怕重复。
晓桐: 第四条，说句话就能跑量子计算，那是不是谁都能当量子程序员了？
云健: 理想很丰满，现实要分两半看。这台桌面盒子解决的不是「量子变简单了」，而是「入口变便宜了」：以前跑一个量子算法，你得懂线路、会写专用代码、还得纠结数据传不传云——金融建模、药物设计这些场景，参数出不了门是合规硬要求。现在智能体站在人和算力中间当调度中枢，本地跑、真机接口预留，这三刀都砍在痛处上。但要说清口径：所谓「薛定谔化」，是把科学与工程里常见的连续方程问题，通过一次数学变换改写成量子系统能处理的演化形式，这条研究路线在国际上真实存在。泼冷水在两处：它的加速目前主要停留在理论和模拟验证，「指数级加速」还没在真机上兑现，公司自己的表述也只是「有机会拿到」；而「说句话就出结果」的降门槛叙事，最后卡住人的还是把现实问题翻译成数学问题的能力——盒子缩短了工具链，没把科学判断力外包。把今天两条量子选题放一起看更有意思：两家中国初创都不赌容错量子计算机的成熟时间表，先把手里的经典机器用起来——这倒是眼下最务实的量子姿势。
晓桐: 最后这条，机器狗找东西，听着不新，它难在哪？
云健: 难在「找对」两个字。通用的找物系统，把「找一个杯子」理解成「任何一个杯子」；但视障者要找的是自己那只药盒、那把钥匙——全世界只此一件，找错了还不能表功。RoboFind的解法是把「定义目标」这件事还给用户本人：手机带着你拍一圈，系统就把这件物品学成一个多角度档案，机器狗出发前就知道自己在找什么，找到候选物还要比对确认才回报。它把无障碍领域那句老话执行到位了——「没有我们的参与，就不要做关于我们的决定」：不是工程师想象盲人需要什么，而是用户亲自「教」机器认自己的东西。当然，32次任务、十个目标，规模还小，对比基线也是作者重建的；真进家门，还要过门槛、线缆、家具挪位这些琐碎关。但本台9月24日那期讲过失去左臂十七年的使用者靠意念控制机械臂做三明治，从给假肢拧瓶盖到给视障者找回药盒，具身智能落地的路标，正在从实验室炫技转向具体的人的日常生活。
第四段：收尾
晓桐: 好，今天的节目就到这里。量子改造的账本要等第三方复测来签认，天上的TPU要等10月1日那枚火箭和一年的在轨数据，开源的巨核要等社区把它从基准表用进生产环境，桌面上的量子盒子要等真机上的第一个加速实锤，机器狗的档案库要等它真的走进某户人家。今天这五条，方向各不相同，但都在回答同一个问题：当生成式大模型的叙事开始拥挤，AI的下一批增量藏在哪？答案可能藏在物理学的数学里，藏在轨道的阳光下，藏在一个合并的内核里，藏在科学计算的方程里，也藏在一只被找回来的药盒里。记录时代，也记录技术。明天见。
晓桐+云阳+云健: 今日我们AI说，带你听见未来的声音！