在过去的一年里，大型语言模型（LLMs）和生成式 AI 在企业 AI 对话中占据了主导地位，但企业还可以从其他方式受益于 AI，其中一种替代方案是大型定量模型（LQMs）。LQMs 是为优化与行业或应用相关的特定目标和参数而训练的，例如材料特性或金融风险指标。这与 LLMs 更通用的语言理解和生成任务形成了对比。SandboxAQ 是 LQMs 的领先倡导者和商业供应商之一，该公司今天宣布在新一轮融资中筹集了 3 亿美元。该公司最初是 Alphabet 的一部分，于 2022 年作为独立业务分拆出来。这笔资金证明了该公司的成功，更重要的是，它对未来增长前景的展望，因为它希望解决企业 AI 用例。SandboxAQ 已经与包括埃森哲、德勤和安永在内的主要咨询公司建立了合作伙伴关系，以分发其企业解决方案。LQMs 的关键优势在于它们能够解决行业中复杂的、特定领域的问题，其中基础物理和定量关系至关重要。“在使用我们的 AI 的公司中，一切都与核心产品创造有关，”SandboxAQ 首席执行官杰克·希达里（Jack Hidary）告诉 VentureBeat。“因此，如果你想创造一种药物、一种诊断方法、一种新材料，或者你想在一家大银行进行风险管理，那就是定量模型闪耀的地方。”LQMs 对企业 AI 的重要性LQMs 与 LLMs 有不同的目标和工作方式。与处理互联网来源文本数据的 LLMs 不同，LQMs 从数学方程和物理原理中生成自己的数据。其目标是解决企业可能面临的定量挑战。“我们生成数据并从定量来源获取数据，”希达里解释说。这种方法能够在传统方法停滞不前的领域取得突破。例如，在电池开发中，锂离子技术已经占据主导地位 45 年，LQMs 可以在不需要物理原型的情况下模拟数百万种可能的化学组合。同样，在药物开发中，传统方法在临床试验中面临高失败率，LQMs 可以在电子水平上分析分子结构和相互作用。与此同时，在金融服务中，LQMs 解决了传统建模方法的局限性。“蒙特卡罗模拟已经不足以处理结构化工具的复杂性，”希达里说。蒙特卡罗模拟是一种经典的计算算法形式，它使用随机抽样来获得结果。通过 SandboxAQ 的 LQM 方法，金融服务公司可以以蒙特卡罗模拟无法实现的方式进行扩展。希达里指出，一些金融投资组合可能非常复杂，包含各种结构化工具和期权。“如果我有一个投资组合，我想知道在这个投资组合发生变化时的尾部风险是多少，”希达里说。“我想做的是创建 3 亿到 5 亿个该投资组合的略有变化的版本，然后我想看看尾部风险。”SandboxAQ 如何使用 LQMs 改善网络安全Sandbox AQ 的 LQM 技术专注于使企业能够创建新产品、材料和解决方案，而不仅仅是优化现有流程。该公司一直在创新的企业垂直领域之一是网络安全。2023 年，该公司首次发布了其 Sandwich 加密管理技术。此后，该公司的 AQtive Guard 企业解决方案进一步扩展了这一技术。该软件可以分析企业的文件、应用程序和网络流量，以识别正在使用的加密算法。这包括检测使用过时或损坏的加密算法，如 MD5 和 SHA-1。SandboxAQ 将这些信息输入到管理模型中，该模型可以提醒首席信息安全官（CISO）和合规团队有关潜在的漏洞。虽然 LLM 可以用于相同的目的，但 LQM 提供了一种不同的方法。LLMs 是在广泛的、非结构化的互联网数据上进行训练的，其中可能包括有关加密算法和漏洞的信息。相比之下，Sandbox AQ 的 LQMs 是使用有关加密算法、其属性和已知漏洞的有针对性的定量数据构建的。LQMs 使用这种结构化数据来构建专门用于加密分析的模型和知识图谱，而不是依赖于一般的语言理解。展望未来，Sandbox AQ 还在开发一个未来的修复模块，可以自动建议并实施对正在使用的加密的更新。没有量子计算机或转换器的量子维度SandboxAQ 背后的最初想法是将 AI 技术与量子计算相结合。希达里和他的团队很早就意识到，真正的量子计算机在短期内不会容易获得或足够强大。SandboxAQ 正在使用通过增强 GPU 基础设施实现的量子原理。通过合作，SandboxAQ 扩展了 Nvidia 的 CUDA 功能，以处理量子技术。SandboxAQ 也没有使用转换器，转换器是几乎所有 LLM 的基础。“我们训练的模型是神经网络模型和知识图谱，但它们不是转换器，”希达里说。“你可以从方程中生成，但你也可以从传感器或其他类型的来源和网络中获得定量数据。”虽然 LQM 与 LLMs 不同，但希达里并不认为这对企业来说是一个非此即彼的情况。“将 LLMs 用于它们擅长的事情，然后将 LQMs 用于它们擅长的事情，”他说。
