当地时间周四，双方联合发布了 NASA-IBM 月球基础大模型。这是一套开源人工智能系统，可在 Hugging Face 平台直接下载。

找冰：误差比微软 SwinV2-B 低 23%

IBM 欧洲、英国及爱尔兰研究院院长胡安·贝尔纳韦-莫雷诺博士介绍，作为一套基础大模型，它可以完成多项任务，其中最擅长的，是识别月球表面可能存在冰的区域。

双方为此开展了一项对照测试：把模型的预测结果，与一套依靠成熟科研流程生成的月球地图进行比对，这套地图融合了地形、温度以及其他环境数据。研究团队还把该模型与微软开发的高分辨率图像视觉处理模型 SwinV2-B 做对比，最终 NASA-IBM 模型的识别误差降低了 23%。之所以选择 SwinV2-B 作为参照，是因为它常被用作各类图像分析任务的基准模型。

数陨石坑：只用一半训练数据，性能反而高 19%

NASA 和 IBM 还测试了模型识别、分类陨石坑的能力。在这项测试中，新模型仅使用一半训练数据，性能就比 SwinV2-B 高出 19%。

8 月 5 日，SpaceX 一枚猎鹰 9 号火箭残骸撞击月球，研究团队借此机会验证了模型的实战能力。IBM 把撞击影像输入模型后，模型准确识别出撞击形成的新陨石坑，即便这个新坑与原有陨石坑大面积重叠。贝尔纳韦-莫雷诺评价：”效果非常出色，模型一次就识别成功。”

月球的阴影”锐利如刀”，常规训练法完全失效

贝尔纳韦-莫雷诺表示，训练这套模型本身就充满挑战。他解释道：”在地球遥感观测中，我们能拿到画质完好的图像。地球大气会散射阳光，环境光可以填充阴影区域，让阴影边缘变得柔和。但月球上的阴影边缘锐利如刀，漆黑一片。拍摄时，阴影区域的像素不携带任何有效信息。”

他补充说：”月球上，不同时段的阳光照射角度不同，时而照亮地表，时而划出浓重阴影，模型必须处理这类光影变化。同一个陨石坑，在不同照片里看起来可能完全不一样。”

另一个难题来自计算机视觉模型常规的训练与测试逻辑。常规做法一般是抹除图像的部分区域，让模型基于训练学到的图像规律，还原被抹掉的内容。贝尔纳韦-莫雷诺举例：”我们可以抹掉一个陨石坑 90% 的画面，只留下 10%，让模型还原剩下 90%。”这套方法放到月球场景行不通，原因不难理解：从轨道拍摄的照片里，大量陨石坑外观高度相似。贝尔纳韦-莫雷诺称，IBM 一开始尝试用传统方式训练模型，结果”完全失败”。

把月球像切橙子一样分区

研究团队最终想出了一套创新方案：”我们把月球像橙子一样切成多个扇形区块，训练集区块和测试集区块完全分开。这样一来，模型训练就能保持良好的一致性。”

200 万个数据点：全球首个同类开源数据集

NASA 与 IBM 对这次发布寄予厚望，其中一个重要原因，是配套推出了全球首个同类开源数据集，可供其他科研人员用来开发新模型。数据集整合了数万张影像与探测仪器数据，来源包括 NASA 的月球勘测轨道飞行器（LRO）、重力恢复与内部实验室（GRAIL）任务，以及日本的月亮女神号月球探测器（SELENE）。

贝尔纳韦-莫雷诺说：”过去一直没有功能全面、性能强大的月球专用大模型，一大原因就是缺少整理得当的配套数据。”这里所说的数据整理，指构建一套网格体系，让影像里每一个像素都能对应模型可调用的其他维度探测数据。”单单这件事本身就是重大科研成果。抛开模型不谈，科研圈现在拥有了一套配准对齐的数据集，包含超过 200 万个数据点。”

他补充道：”AI 模型总会被更新的模型淘汰，但数据才是支撑 AI 模型持续发展的根基。”

一项由 IBM 商业价值研究院发起、覆盖 33 个国家 2000 名技术高管的调查显示：三分之二（67%）的 CIO（首席信息官）与 CTO（首席技术官），要为并不完全受自己控制的 AI 系统承担责任。与此同时，70% 的受访者表示，技术在整个企业内的部署速度，已经快过 IT 部门能够追踪的节奏；77% 的人认为，AI 的采用速度已经超出了自身的治理能力。

更棘手的是顶层压力：80% 的受访者称，其 CEO 已下达加速 AI 转型的强制指令。也就是说，一边是自上而下”加快用”，一边是治理框架远未跟上。

智能体规模暴涨，事故随之而来

调查预计，到 2027 年，企业平均部署的 AI 智能体数量将达到 1661 个，较当前增长 38%。然而只有 11% 的高管表示，已为未来一年预期中的智能体部署规模”完全准备好”。

失控已经显现。受访组织在过去一年里，平均发生了 54 起需要人工干预或纠正的 AI 智能体事故；其中 17% 被归为高危。在那些高危事故中，37% 造成了数据泄露或安全突破，33% 引发了级联式系统故障，17% 触发了合规问题。

“影子 AI”才是真正的缺口

分析师指出，问题的根源在于去中心化的 AI 部署。业务团队——采购、财务、人力、市场——正绕过 IT 治理，独立引入 AI 工具。正如 Forrester 首席分析师查理·戴所概括的：AI 采用由业务主导，嵌入在各类软件服务、云平台与开发工具中，绕开了中心 IT，带来了”影子 AI”。

与传统”影子 IT”只引入未受管理的软件不同，影子 AI 引入的是未受管理的”判断”。其风险不限于安全与合规，还包括失控的成本、监管暴露、提示词注入攻击，以及智能体层本身的漏洞。Greyhound Research 的分析师桑奇特·维尔·戈吉亚的总结颇为中肯：控制权一旦触及多个平台就会分散，但责任并不会随之转移。

治理必须成为”运营能力”

好消息是，治理并非无计可施。数据显示，将治理机制直接嵌入 AI 系统本身的组织，其相关事故比主要依赖人工监督的组织少了约 25%。IDC 亚太区大数据与 AI 研究负责人迪皮卡·吉里提到，目前仅有约 16% 的组织拥有统一的 AI 治理模型。

可行的方向包括：建立集中的可观测性，让技术负责人看得见”正在跑什么、能触达什么、如何叫停”；在预置护栏内实行”受治理的去中心化”，让业务单元保留部署权；以及强化数据治理。NIST 的 AI 风险管理框架、COBIT 等，都是企业级治理可借力的工具。

对于正在加速 AI 落地的企业而言，这套挑战具有普遍性：当决策权分散、而问责仍集中在顶部时，填补”问责鸿沟”的关键，不是把一切收归中央，而是让治理更早、更可见地嵌入技术运行的每一步。

新版本提供 30 亿（3B）、80 亿（8B）与 300 亿（30B）三种参数规模，采用 decoder-only（仅解码器）架构，原生支持 128,000 个 token 的上下文窗口。其中 8B 与 30B 两款（3B 除外）额外经过了”智能体强化学习”阶段，强化了调用终端、检索网页、使用外部工具等能力；3B 版本同样支持工具调用，但训练侧重略有不同。

IBM 在发布说明中称，”Granite 4.2 是 Granite 语言模型家族中聚焦推理的版本”。这里的”推理”并非人类意义上的理解，而是指功能性推理——通过链式思维（chain-of-thought）将中间结果在多步计算中向前传递。对用户而言，这意味着部分场景下回答更严谨准确，但通常响应更慢、算力开销更高。

这一发布契合当下行业趋势。近来围绕 Anthropic、OpenAI 等前沿云端模型的算力与成本压力讨论不断，个人开发者与企业都在探索本地模型作为更便宜的替代方案；也带动了”模型路由器”类工具的兴起——这类工具负责解读用户请求，并将其分发给规模匹配的模型，以平衡性能、速度与成本。Granite 系列很少因”最快”或”最激进”登上头条，相较英伟达 Nemotron 等同类本地企业模型，其卖点更偏向”可预期的稳定部署”，这也契合 IBM 当下的产品定位。

开源权重模型同样受到爱好者、AI 研究者与个人开发者的欢迎：他们可以在本地硬件上自由试验，无需为每次调用支付 token 费用。

过去十多年，衡量量子计算机是否”超纲”的主流方法是随机电路采样（RCS）——让量子计算机生成复杂到经典计算机无法高效复现的模式。难点在于验证：问题越难，越难以证明量子计算机的答案正确，除非对量子计算机内部做很强的假设。这次发布的三篇论文，各自换了一套”可验证”的思路，绕开了这个死结。

74 量子比特：商用硬件首次在物理问题上胜出

第一篇由 IBM 与量子软件公司 Qedma 主导，合作方包括日本理化学研究所（RIKEN）和量子电路模拟公司 BlueQubit。研究团队利用最多 74 个量子比特的电路，追踪了一个二维弗洛凯—伊辛模型（Floquet Ising model）中磁化强度随时间的演化，并观测到了持续振荡的行为。

这项研究最有意思的地方在于它如何”打败”经典方法。团队用 IBM 量子计算机（搭载 Heron 处理器，通过云端开放）运行 Qedma 的误差抑制与缓解软件 QESEM，所得结果在多种独立估算器之间始终保持一致。作为对照，经典模拟由 RIKEN 的旗舰超算”富岳”（Fugaku）和 BlueQubit 提供，采用了两种思路截然不同的策略。但随着系统规模增大，没有任何一种经典方法能在量子实验所达到的尺度上给出一致可靠的答案——两种经典方法之间甚至出现了相互矛盾。研究还跨硬件平台做了独立验证：在 Quantinuum 的离子阱系统上重复部分实验，行为一致，进一步说明观测到的物理来自真实的量子系统，而非设备特有的误差。

这也是首次用商用硬件和软件实现量子优势：无需特制的科研装置，云端即可调用的量子计算机已经能充当探索物理的”可信仪器”。相关电路与结果已公开发布在”量子优势追踪器”（Quantum Advantage Tracker）上，供社区持续检验。

70 逻辑量子比特：把验证编进计算本身

第二篇由 IBM 与芝加哥大学合作完成，论文题为《用可验证高保真度采样困难电路》。它要解决的是另一个长期痛点：如何在纠错电路上同时拿到”算得快”和”算得对”的双重证明。

团队用一种被称为”掺杂克利福德采样”的结构化方案替代了随机电路采样。核心技巧是，在一个本来可被经典高效模拟的克利福德电路中，策略性地掺入 T 门——这种非克利福德门让计算在经典层面变得困难，同时保留纠错与验证所需的结构。关键在于，这些电路被嵌入”时空码”中：辅助量子比特分布在空间和时间两个维度上，在计算过程中就能检测错误。

演示中，一项 70 个逻辑量子比特的计算在保持实际执行效率的同时，实现了约 10 倍的等效门误差降低，执行了 2415 个逻辑双比特操作和 468 个逻辑 T 门。这套电路在 IBM 量子计算机上约 15 分钟完成，而领先的经典模拟方法面临”不可行的运行时间”。芝加哥大学副教授比尔·费弗曼（Bill Fefferman）评价，验证仍是确立实验性量子优势的最大挑战之一，这项实验发展出更好的技术来刻画噪声下困难量子态的保真度。

56 量子比特：在”没有标准答案”时建立信任

第三篇由量子软件公司 Algorithmiq 主导。它关注的是一个更本质的问题：当经典计算机根本给不出可靠答案时，凭什么相信量子计算机？

研究团队设计了一种量子算法，用来估算算符洛施密特回声（Operator Loschmidt Echo，OLE）——一个追踪信息与能量如何在电池电解液、化学催化剂等非均匀无序量子材料中传播的关键量。他们的 56 量子比特实验进入了一个区间：至少三个顶级经典模拟团队的方法给出了相互矛盾的预测，且都与量子计算结果不符。

这项工作的贡献在于提出了一套”在没有可靠经典答案时建立信任”的策略：把同一套误差缓解方法应用到具有不同噪声特征的五台量子计算机上，得到了彼此一致的结果，使量子计算成为所有候选方法中最可信的描述。也就是说，与其追问经典计算机能否复现量子结果，不如转而验证用于描述和消除量子计算机误差的模型本身是否成立。

从”跑分”到”用起来”

三篇论文都收录在”量子优势追踪器”中，这个由经典与量子计算组织联合发起的公开评估平台，用于系统追踪量子优势的有力候选、并衡量其与最优经典方法之间的差距。除 IBM 系的三项成果外，追踪器还收录了 Q-CTRL、BlueQubit 和印度比拉理工学院等机构的提交。

甘贝塔在声明中强调，重点已经从单纯对系统进行基准测试，转向利用这些系统开展科学研究、探索实际应用。IBM 首席执行官阿尔温德·克里希纳（Arvind Krishna）给出了迄今最清晰的商业化时间表：量子计算将在 2028 或 2029 年对 IBM 的营收和利润产生”可测量的影响”，到 2030 年代末释放万亿美元级别的价值。IBM 已宣布在未来五年投入超过 100 亿美元用于量子研发，目标是在 2029 年交付首台大规模容错量子计算机”IBM Quantum Starling”。

需要明确的是，”量子优势”不等于”全面超越”。这类演示仍是在精心构造的任务上，针对特定问题域确立优势，距离通用、可规模化的量子计算解决实际问题还有距离。但它至少改变了外界评估量子计算机的方式：不再只问”算得比经典快吗”，而是问”算对了，而且能被证明算对了吗”。

来源：IBM 官方新闻室 / IBM Quantum 博客（2026 年 7 月 30 日）、Ars Technica、量子位；三篇论文分别由 IBM 与 Qedma、芝加哥大学、Algorithmiq 合作完成。