《IonQ和哈佛大学的量子技术突破，开启可量产量子计算时代》 2025年8月18日，量子计算公司IonQ与哈佛大学联合宣布在硅基碳化物悬浮膜平台上取得关键突破，显著提升量子比特相干性和控制能力，关键是——兼容现有半导体工艺。 此项突破的核心，不仅在于选择了一种性能卓越的材料，更在于开创了一种颠覆性的制造流程。这一流程从根本上解决了长期困扰纳米加工领域的物理限制，为量子硬件从实验室中的“手工艺品”向量产化的“工业制品”转变铺平了道路。 具体来说，此突破所赋能的，是在单一芯片上实现对量子比特进行精确操控所需的所有关键组件的单片集成（monolithic integration）。这一能力直接解决了囚禁离子量子计算机在走向大规模扩展过程中最核心、最棘手的工程瓶颈：如何将精确的控制信号传递给成千上万乃至数百万个量子比特。通过在SiC平台上共存集成光子学和声学器件，该技术为构建一个真正意义上的、完全集成的量子处理器铺平了道路，其影响堪比经典计算领域中从分立晶体管到集成电路的革命性飞跃。 1. SiC集成光子学：解决量子控制瓶颈 当前，ionQ的囚禁离子量子模式在保真度和相干时间等关键指标上处于领先地位，但其可扩展性受到一个根本性物理限制的严重制约：控制系统的规模。 现有的系统依赖于一个庞大而复杂的外部光学平台：由大量的透镜、反射镜、声光调制器等分立元件组成，其体积、复杂性和稳定性都使其无法扩展到控制成千上万个量子比特的规模。每增加一个量子比特，都意味着需要增加一套相应的复杂光路，这使得整个系统的体积和成本呈指数级增长，成为扩展瓶颈 。 集成光子学（Integrated photonics）为解决这一难题提供了根本性的方案。其核心思想是将所有必需的光学元件，从光源接口到最终的光束聚焦，全部微缩并制造在与离子阱本身相同的芯片上 。 这相当于将一个占据整张光学平台（甚至整个房间）的庞大系统，压缩到一个毫米尺寸的集成电路中。通过这种方式，可以构建出复杂的二维光路网络，将控制激光精确地路由到大规模二维离子阵列中的任意一个量子比特，从而实现对数百万量子比特的独立寻址和操控 。 IonQ与哈佛大学合作开发选用的SiC（suspended thin-film membranes）材料的本身及其新型制造工艺在实现这一愿景中扮演了核心角色。SiC的高折射率使得光可以被紧密地束缚在微小的波导结构中，支持高密度的光路布线，从而在有限的芯片面积内容纳更多的控制通道 。 同时，IonQ与哈佛大学采用的“先悬浮，后刻蚀”工艺带来的高制造保真度，是制造出低损耗、高性能光子元件的先决条件 。只有当光在片上传播时的损耗足够低，开关的消光比足够高时，才能确保传递到离子上的激光脉冲具有足够的精度和强度，以实现高保真度的量子门操作。 2. SiC集成声学：一种全新的量子比特操控模式 除了对光子学的革命性支持外，该SiC平台更具前瞻性的突破在于其实现了声学（phononic）控制系统的集成。这为量子比特的操控引入了一种全新的、强大的物理模式，可以作为纯光子控制的补充甚至替代方案，为量子处理器的设计开辟了新的维度。 量子声学（Quantum acoustics）的核心技术是利用表面声波（Surface Acoustic Waves, SAWs）。 与传统的光学或微波控制相比，基于SAW的声学控制具有几项显著优势。最突出的一点是其波长极短。 这意味着用于构建SAW谐振器、波导和滤波器的结构尺寸可以做到非常小，从而实现极其紧凑和高密度的片上控制架构。 此外，一个SAW谐振器可以支持多个寿命很长的声子模式，相当于一个多通道的量子信息总线，能够同时与多个量子比特相互作用，或者介导远距离量子比特之间的耦合，这对于执行复杂的量子算法和错误纠正码至关重要。 实现高性能声学控制的关键在于异质集成，即将具有优异压电性质的材料与承载量子比特的基底材料完美结合。这正是IonQ-哈佛平台的强大之处。研究中明确展示了在悬浮的4H-SiC薄膜上成功地集成了薄膜铌酸锂（TFLN）。TFLN是一种性能极佳的压电材料，而SiC本身则提供了稳定承载离子阱和光子线路的平台。 这种将不同功能材料在芯片级别进行无缝集成的能力，是其他单一材料平台难以企及的，它使得在同一芯片上同时制造出最高性能的离子阱、光子网络和声学控制系统成为可能。 3. 更进一步，这种硬件能力的根本性变革，将直接反作用于量子软件和理论的发展。 当前的许多量子算法和量子纠错码（Quantum Error Correction, QEC）的设计，都深受现有硬件物理限制的影响，例如许多超导量子芯片只支持近邻量子比特之间的相互作用。而一个基于SiC QSoC平台的量子处理器，凭借其密集的光子互连和高效的声学总线，有潜力在大型逻辑量子比特模块内部实现“全连接”（all-to-all connectivity）。这种高连通性是囚禁离子架构的核心优势之一，它将极大地简化许多量子算法的编译和实现过程，降低执行算法所需的门操作数量。更重要的是，它使得一些最高效的、需要长程相互作用的量子纠错码变得实用可行。 因此，这项制造技术的进步，其影响将远远超出硬件本身。它通过移除长期存在的硬件物理约束，将直接催生和赋能新一代更强大、更高效的量子软件，从而实质性地加速实现有实用价值的量子优势的进程。 4. IonQ与哈佛大学的SiC平台，其最深远的战略意义或许就在于，它为量子计算机的规模化制造提供了一条前所未有的、清晰且低风险的路径。 通过与全球最成熟、最庞大的半导体产业生态系统进行深度绑定，该技术有望将量子处理器的生产从当前缓慢、昂贵的定制化模式，转变为高效、可重复的晶圆级制造模式，从而根本性地加速量子计算的商业化进程。 超过90%的SiC器件加工步骤，如光刻、薄膜沉积、刻蚀等，都可以与标准硅CMOS生产线上的设备和工艺兼容 。这意味着量子芯片的制造，可以充分利用半导体工厂中已经存在的、经过数十年优化的高度自动化的设备、精密的过程控制系统、严格的质量管理体系以及成熟的供应链网络 。这种“借力”模式，相比于为一种全新的量子技术（如某些超导或拓扑量子比特）从零开始建设专用的、投资巨大的生产设施，具有无可比拟的经济和时间优势 。它极大地降低了量子硬件制造的资本支出（CapEx），并使得IonQ能够直接受益于半导体产业的规模经济效应。 这种规模化生产能力，使得构建一个由大量完美无瑕的组件构成的大规模量子计算机，从理论上的可能变为了工程上的现实。 综上所述，IonQ与哈佛大学在SiC集成量子器件制造技术上的突破，并非量子计算发展道路上一个普通的、渐进式的步骤，而是一块奠定未来产业格局的基石性技术（cornerstone technology）。 回顾技术史，经典计算的革命性爆发，并非源于第一只晶体管的发明，而是源于德州仪器的杰克·基尔比和仙童半导体的罗伯特·诺伊斯发明的集成电路以及与之配套的平面工艺（planar process）。这项制造技术的突破，使得在单一硅片上集成大量晶体管成为可能，从而开启了整个数字时代。 同样地，IonQ与哈佛大学的SiC集成平台，有望在量子时代扮演类似的角色。它提供了一种方法论，一种将实验室中的量子物理奇迹，转化为可被大规模制造、稳定可靠的工业产品的“配方”。这项工作将量子计算从“能否实现”的科学问题，更进一步地推向了“如何以可扩展方式实现”的工程问题。因此，可以合理地认为，这项技术突破是量子计算从科学探索走向一场深刻的工业革命的、一个至关重要的转折点。它为即将到来的量子时代，奠定了坚实的制造基础。

《价值重估：民用eVTOL的真正价值是资产而非交通工具》 8月18日，加州首次启动eVTOL空中出租车服务，市场反应平淡。但这可能是一个被严重低估的历史性转折点。 当前市场将Archer Aviation的商业首飞视为普通的技术验证，关注点仍停留在：能否按时量产？单机经济模型是否成立？与Joby等竞争对手的差异在哪？ 但这种视角完全错了。 市场用评估"马车制造商"的逻辑在审视一个"汽车时代"的开创者。被忽视的关键变量包括： 起降场的稀缺性：在纽约、洛杉矶等核心城市，获得审批的Vertiport极其有限，其价值更像核心商业地产而非停车场 网络效应：一旦航线网络形成，独家航线权、高净值用户数据、空域调度平台将构成强大护城河 生态价值：与美联航的合作不仅是卖飞机，而是共建全新的高端出行网络 能否超预期？我认为极有可能。 市场正用衡量"重资产航空制造商"的框架审视一个"稀缺基础设施+高频服务平台"。一旦商业运营步入正轨，将迎来估值框架的根本性切换——从制造业逻辑转向平台经济逻辑。 投资eVTOL的本质，不是在购买一架飞机，而是在认购未来城市天空网络的首批'节点'。 其价值核心在于稀缺空域资源、物理起降点以及由此形成的高端服务网络——这是一个远比制造飞行器更具护城河的生意。

Rocket Lab（$RKLB）Q1 2025财报显示收入1.23亿美元（同比增长78%），订单储备超10亿美元，计划于2025年底推出可重复使用的Neutron火箭。 其16次年度发射和4.5亿美元新合同，显示强劲增长势头。 Neutron火箭如进展顺利可能使其在中小型卫星发射市场挑战SpaceX。

如何分析AI生物制药领域公司的竞争优势？这里是我研究的核心要点总结： 1. 核心驱动力：“闭环”飞轮效应是真正的护城河 在AI驱动的生物制药赛道中，真正的护城河并非仅仅拥有先进的AI算法，而是建立一个高效、快速迭代的“闭环”飞轮。这个飞轮的具体运作模式是：AI模型（干实验室/Dry Lab）进行预测，例如识别新的药物靶点或设计新的分子；然后，自动化机器人（湿实验室/Wet Lab）快速进行生物实验以验证这些预测；实验产生的高质量、独家的（Proprietary）数据被立即反馈给AI模型，用于下一轮的训练和优化。这个“设计-制造-测试-学习”（DMTA）的循环速度和规模，决定了公司的核心竞争力。像Recursion每周能进行超过200万次自动化实验，其数据飞轮转速极快，使其能够以前所未有的速度绘制“生物学地图”。这种模式下，数据优势增强了模型能力，而更强的模型能指导公司进行更精准的实验，从而获得更优质的数据，形成一个不断自我加强、竞争对手难以逾越的壁垒。 2. AI原生生物科技（AI-Native Biotech）：“速度与平台”的双重革命 以Recursion、Exscientia和Insilico Medicine为代表的AI原生公司是这场革命的先锋。它们的共同特点是，从零开始就将AI和自动化实验深度整合，构建了端到端的药物发现平台。Recursion的“Recursion OS”通过对细胞进行大规模扰动和表型成像，建立了一个庞大的、可用于导航的生物学地图，其核心是规模化的数据生成能力。Exscientia则强调“以患者为先”，利用源于真实患者组织的多组学数据来指导AI模型，使其预测更具临床相关性，并已成功将多个AI设计的候选药物推入临床。Insilico Medicine则以其Pharma. AI平台闻名，该平台包括用于靶点发现的PandaOmics和用于分子设计的Chemistry42，并以惊人的速度将其首个AI发现和设计的药物从概念阶段推进到临床II期。这些公司不仅通过技术平台吸引了与大型药企数十亿美元的合作，也同时在建立自己的内部药物管线，展示了“平台即产品”的强大商业模式。 3. 传统大型药企（Big Pharma）的觉醒：“数据金矿”与“生态系统”的构建 传统大型药企如赛诺菲（Sanofi）已经意识到，它们最大的资产之一是沉睡了几十年的海量专有临床前和临床数据。它们的策略是“双管齐下”：一方面，大规模投资内部AI平台，如赛诺菲的plai，旨在打通从研发到生产、商业化的所有数据孤岛，赋能内部科学家；另一方面，它们不再仅仅是技术购买方，而是与顶尖AI公司（如与Exscientia合作）甚至科技巨头（如与OpenAI合作）建立深度战略合作，用自己高质量的专有数据来“精调”（Fine-tune）最前沿的AI大模型。这种策略的优势在于，它们拥有验证AI预测结果的完整后端能力——从临床前开发到全球临床试验再到市场准入。大型药企的飞轮在于其数据的广度和深度，以及将AI模型洞见转化为上市药物的强大能力，这是初创公司在短期内无法比拟的。 4. 技术平台公司（Tech Platform）的降维打击：从“卖铲子”到“共同掘金” 这一类别的公司以薛定谔（Schrödinger）和Isomorphic Labs (Google DeepMind)为代表。薛定谔的独特之处在于其基于物理学的计算平台与机器学习的深度融合。它开创了一种混合商业模式：既通过向全球药企销售其业界领先的模拟软件来获得稳定、高利润的现金流（“卖铲子”），又利用这个平台进行内部药物研发和与大药企（如BMS）的高价值合作（“共同掘金”），分享后期收益。这种模式风险较低，且能通过广泛的客户使用和合作项目不断验证和改进其平台。而Isomorphic Labs则代表了另一种力量，它继承了Google DeepMind在AlphaFold上的突破性成就，试图用最纯粹的“AI优先”或“数字生物学”方法重新定义整个药物发现过程。它不依赖于自己的湿实验室，而是相信其强大的预测和生成模型本身就构成了核心价值，通过与大型药企（如礼来、诺华）建立价值数十亿美元的里程碑式合作，来验证其“数字孪生”驱动的研发模式。 5. 数据护城河的两种主要形态：规模化工业数据 vs. 精准化人类数据 在AI制药领域，数据是核心资产，但其形态和获取方式决定了护城河的类型。第一种是“规模化工业数据”，以Recursion为典范。通过在实验室中对标准化细胞模型进行数百万次可控的实验扰动（如基因编辑、化合物处理），生成海量、统一、高质量的图像和组学数据。这种数据的优势在于其规模和一致性，适合训练能够理解复杂生物学通路的底层模型。第二种是“精准化人类数据”，以Exscientia和Verge Genomics等公司为代表。它们专注于获取与特定疾病直接相关的真实人类生物样本（如肿瘤活检、神经退行性疾病的脑组织），并进行深度多组学分析。这种数据的优势在于其极高的临床相关性，能够帮助AI模型更准确地识别与人类疾病真正相关的靶点和生物标志物。这两种数据策略各有千秋，未来最强大的公司可能会是能将两者有效结合的企业。 6. 商业模式的演进：从单一服务到“合作+自有管线”的双轮驱动 早期AI制药公司多以提供技术服务或点状合作为主，但现在赛道领先者已经普遍进化为“合作+自有管线”的双轮驱动模式。这种模式的好处是多方面的：首先，通过与大型药企的高价值合作，不仅可以获得大量非稀释性的资金来支持平台发展，还能借助合作伙伴的专业知识和资源来验证其平台的技术价值和商业潜力，这本身就是一种强有力的背书。其次，建立内部药物管线，尤其是将候选药物推进到临床阶段，是证明其平台能够独立创造最终产品（药物）的终极证据。这不仅能带来未来更高的潜在回报（如果药物成功上市），也极大提升了公司在合作谈判中的议价能力和整体估值。Insilico Medicine拥有超过30个内部管线项目，其中多个已进入临床，充分展示了这种策略的执行力。 7. 行业面临的共同挑战：从数据孤岛到“可解释性AI” 尽管前景光明，但整个行业仍面临严峻挑战。首先是“数据挑战”，包括数据孤岛（数据分散在不同部门、格式不一）、数据质量参差不齐，以及公开数据与能用于训练强大模型的专有数据之间的巨大鸿沟。其次是“模型挑战”，特别是“黑箱问题”。AI模型，尤其是深度学习模型，其决策过程往往不透明，这在受到严格监管、人命关天的制药行业中是重大障碍。因此，“可解释性AI”（XAI）的发展至关重要，科学家和监管机构需要理解模型做出某个预测的生物学依据，才能真正信任并采纳其结果。最后是“验证挑战”，一个AI预测出的新靶点或新分子，最终仍需通过耗时且昂贵的真实世界实验和临床试验来验证，这个“从虚拟到现实”的转化瓶颈依然存在，是衡量一个AI制药公司成熟度的关键指标。 8. 未来趋势展望：生成式AI与多模态数据的融合 展望未来，两个关键趋势将主导AI制药的发展。第一是“生成式AI的深化应用”。继AlphaFold在蛋白质结构预测领域取得突破后，生成式AI正被广泛用于从头设计全新的蛋白质、抗体和具有理想特性的小分子药物，这远比在现有化学库中进行筛选更具想象空间。这意味着AI的角色正在从“发现者”转变为“创造者”。第二是“多模态数据的融合”。未来的AI模型将不再仅仅依赖于基因组或蛋白质组数据，而是能够同时理解和整合来自不同维度的数据类型，如基因组学、转录组学、蛋白质组学、细胞成像数据、电子病历（EHR）和数字病理学图像等。通过构建一个更全面的疾病数字孪生模型，AI将能更精准地进行个性化治疗方案推荐、预测药物反应和临床试验结果，真正将精准医疗推向一个新的高度。

SEC主席 Paul Atkins 在加密任务小组圆桌会议上关于代币化的讲话： “今天下午的讨论主题非常及时，因为证券正逐渐从传统（“离线”）数据库转向基于区块链（“在线”）的账本系统。 将证券从链外系统迁移到链上系统的过程，类似于几十年前音频录音经历的变迁：从黑胶唱片到磁带，最终进入数字软件时代。这一变化反映了技术发展的趋势和对更高效交易方式的追求。 就像数字音频的普及彻底改变了音乐行业一样，链上证券的引入也有可能通过创新证券的发行、交易、持有和使用方式，深刻改变证券市场的各个方面。 为了使美国成为特朗普总统所描绘的“全球加密货币中心”，委员会需要紧跟技术创新的步伐，并思考是否有必要进行监管调整，以适应链上证券和其他加密资产的发展。 作为主席的一个重要工作重点是为加密资产市场建立一个合理的监管框架。这将包括制定明确的规则，以规范加密资产的发行、保管和交易，同时继续严厉打击违法行为。 美国证券交易委员会（SEC）开启了新的篇章。今后，政策的制定将不再是通过临时的执法措施来决定。相反，委员会将运用现有的规则制定、解释和豁免权，来为市场参与者设定合适的标准。 这项工作需要协调委员会内多个办公室和部门的合作，因此很高兴委员会委员 Uyeda 和委员 Peirce 共同成立了加密任务小组。 委员会在很长一段时间内一直面临政策制定孤岛的问题。而加密任务小组则展示了政策部门如何能够齐心协力，快速为美国公众提供迫切需要的清晰和确定的信息。 现在提到加密资产政策的三个关键领域——发行、保管和交易。首先，期望委员会能够制定清晰合理的指导方针，以规范那些被视为证券或受投资合同约束的加密资产的分配。 目前只有四个加密资产的发行者进行了注册发行及根据 A 号规则的发行。这些发行者大多选择避免此类发行，主要是因为满足相关披露要求面临许多挑战。 委员会的工作人员最近发布了一份声明，说明了某些注册和发行的披露义务。声明中还明确表示，某些分配和加密资产不受联邦证券法的影响。 其次，赞成让登记者在加密资产的保管方式上拥有更多的选择权。 明确哪些类型的保管人符合《顾问法》和《投资公司法》中的“合格保管人”标准非常重要。同时，还需要提出合理的例外，以便满足加密资产市场中某些实践的需要。 第三，允许注册者在他们的平台上交易更多种类的产品，并根据市场需求进行相关活动，这些在之前的委员会中是被禁止的，这一点是值得支持的。 例如，一些经纪交易商希望推出一个“超级应用”，这个应用整合了证券和非证券的交易功能，此外还有其他金融服务，用户可以在一个平台上完成所有操作。这种愿望旨在提供更便捷的一站式金融服务体验。 已经请员工帮助想出一些方法来现代化 ATS（替代交易系统）的监管体系，以更好地适应加密资产。同时，也在探讨是否需要更多的指导或规则来支持加密资产在国家证券交易所的上市和交易。 希望能够与特朗普总统的政府和国会的同事们共同努力，争取让美国成为全球参与加密资产市场的最佳选择。” -- 原文来自 SEC 官推

Coinbase 钱包集成mini app就像是sol上的phantom等的钱包支持blink一样 想通过社交提升crypto adoptioni 区别在于，cb想通过钱包为social带来流量 solana想通过social为钱包带流量