顛覆性的運算效率宣稱
位於邁阿密的初創公司 Subquadratic 最近走出隱身狀態，向外界投下了一顆震撼彈。公司聲稱，他們開發的 SubQ 1M-Preview 模型，透過採用全新的全「子二次方」（subquadratic）架構，實現了高達 1,000 倍的 AI 運算效率提升。該公司主張，這一架構成功突破了自 2017 年以來限制所有大型語言模型（LLM）發展的數學瓶頸——即運算成本隨上下文長度呈現二次方增長的限制。
根據 VentureBeat 的報導，Subquadratic 宣稱其計算成長與上下文長度呈線性關係，若此項技術屬實，這將被視為人工智慧領域的一個真正的轉折點。然而，目前該技術尚未經過外部學術驗證，且相關發表文件尚未出現在主要學術資料庫中。
業界 skepticism 與證實需求
對於這項大膽的宣稱，AI 學界與產業界均展現了高度的懷疑與保留態度。儘管效率提升的概念在 AI 研究中非常熱門，但 1,000 倍的量級在目前的技術條件下被認為極度罕見，甚至被部分專家視為不可能的任務。多位研究人員已公開要求 Subquadratic 提供獨立的技術證明與公開基準測試報告。
目前，Fact Checker 團隊針對該技術的查核結果為「未驗證」，信心分數僅為 35。查核結果顯示，儘管有媒體報導了該公司的宣稱，但仍缺乏同儕審查（peer review）的學術支持或獨立實驗數據，這也說明了為何業界對於這項突破性宣稱保持警惕。在缺乏透明度和科學數據的情況下，Subquadratic 的聲明更多被視為一種市場策略而非技術成熟的體現。
未來展望與觀察重點
對於 Subquadratic 而言，接下來的挑戰不僅是技術的實踐，更在於說服科學界。如果這項技術真的能夠實現線性擴展，這將彻底改變大型模型的推理與訓練成本，從而使得在邊緣運算裝置上運行大型 AI 成為可能。然而，在此之前，這項宣稱仍面臨極大的真實性考驗。
我們將持續關注 Subquadratic 是否會發布開源模型代碼或提交至如 arXiv 等平台接受審查。在 AI 領域，頻繁出現各種「突破性」的宣稱，但唯有經得起嚴格科學檢驗的架構，才能真正重塑未來的運算景觀。投資者與技術觀察者目前應持審慎觀望態度，避免因行銷炒作而誤判技術發展的節奏。