2026年4月7日，Rigetti Computing宣布其108量子比特系统Cepheus-1-108Q正式面向公众开放（General Availability），同步上线Rigetti自有云平台与Amazon Braket。(来源: GlobeNewsWire, 2026-04-07) 几乎同一时间，AWS在其每周技术回顾中展示了从Agent Registry到Claude Mythos预览版的一系列AI基础设施更新。(来源: AWS Blog, 2026-04-13) 两条看似平行的产品线——量子计算硬件与AI模型服务——正在AWS的屋顶下发生微妙的引力交汇。

但这里有一个刺眼的数字：Rigetti在2025财年录得$2.16亿年度亏损。(来源: The Quantum Insider, 2026-03-05) 与此同时，Anthropic的Claude产品线ARR突破$300亿。(来源: CNBC, 2026-04-13) 量子计算公司的全年亏损，不及一家AI模型公司单季收入的零头。这不是简单的”赛道差异”，而是一个根本性的商业化鸿沟——量子计算的”最后一公里”问题，远比多数投资者和技术乐观主义者想象的更长、更陡峭。

本文将从4个层面拆解这一事件：108量子比特的实际计算能力边界在哪里；量子优势在AI训练/推理中是否已经可见；AWS将量子硬件接入Braket的真正战略意图；以及量子-AI融合的现实时间表与市场叙事之间的距离。

一、108量子比特：一个里程碑，还是一个刻度线？

1.1 Cepheus-1-108Q的技术坐标

Rigetti的Cepheus-1-108Q系统采用该公司自研的超导量子比特架构，基于其模块化多芯片设计理念。108量子比特的规模使其成为Rigetti迄今公开部署的最大系统。根据Rigetti的官方公告，该系统通过Rigetti Quantum Cloud Services（QCS）和Amazon Braket两个渠道同时面向用户开放。(来源: GlobeNewsWire, 2026-04-07)

这个数字需要放在行业坐标系中理解。IBM在2023年底推出了1,121量子比特的Condor处理器，Google在2024年展示了其Willow芯片的量子纠错能力。但量子比特的”数量”本身是一个极具误导性的指标——就像比较两台电脑时只看CPU核心数而忽略时钟频率、缓存大小和指令集架构一样。真正决定量子计算机实用性的是几个关键参数：量子比特的相干时间（coherence time）、门保真度（gate fidelity）、连接拓扑（connectivity）以及可实现的电路深度（circuit depth）。

截至本文发布时，Rigetti尚未在Cepheus-1-108Q的公开发布材料中披露完整的性能基准数据（如双量子比特门保真度的具体数值）。Quantum Computing Report在其报道中确认了该系统的上线，但同样未提供详细的性能对比数据。(来源: Quantum Computing Report, 2026-04-07) 这一信息缺口本身就值得注意：在量子计算领域，硬件公司倾向于在性能指标有突破时高调公布，而在指标平平时侧重强调”规模”和”可用性”。

1.2 “可用”不等于”有用”

108量子比特能做什么？坦率地说，在当前的噪声水平下，108个物理量子比特（physical qubits）距离执行任何具有商业意义的量子算法所需的逻辑量子比特（logical qubits）数量仍有数量级的差距。

以量子化学模拟为例——这是量子计算最被看好的近期应用场景之一。模拟一个中等复杂度的分子（如咖啡因分子，C₈H₁₀N₄O₂）需要大约160个逻辑量子比特。而根据当前主流的量子纠错方案（如surface code），每个逻辑量子比特可能需要1,000到10,000个物理量子比特来实现容错计算。这意味着108个物理量子比特，即便在最乐观的纠错开销估算下，也远不足以执行一次有意义的容错量子计算。

那么，108量子比特在”含噪声中等规模量子”（NISQ）范式下能做什么？答案是：有限的变分量子算法（VQE、QAOA）实验、小规模量子机器学习电路的探索、以及量子-经典混合算法的原型验证。这些都是有科研价值的工作，但距离”量子优势”（quantum advantage）——即量子计算机在某个实际问题上超越最好的经典计算机——仍有明确的距离。

1.3 Rigetti的路线图困境

Rigetti的处境比单纯的”技术还不够成熟”更复杂。在2025年Q4财报电话会议中，该公司披露了路线图调整和DARPA项目时间线的延迟。(来源: ainvest.com, 2026-03) 这一信息与$2.16亿的年度亏损叠加，揭示了量子计算硬件公司面临的核心矛盾：技术进步需要持续的巨额资本投入，但商业化收入的时间窗口不断后移。

Rigetti的收入确认方式也发生了变化——这在财报分析中通常是一个需要关注的信号。当一家硬件公司调整收入确认标准时，往往意味着其产品交付节奏或客户付费模式正在经历结构性变化。(来源: ainvest.com, 2026-03)

对比来看，Rigetti选择在此时将108量子比特系统上线Amazon Braket，更像是一个”可见性”策略而非”盈利性”策略——通过AWS的分发渠道触达更多潜在用户和开发者，建立品牌认知和生态位，同时为下一轮融资或合作提供叙事支撑。

二、量子优势在AI场景中是否已可见？

2.1 量子-AI融合的理论诱惑

量子计算与AI的交叉点主要集中在几个理论方向：

量子机器学习（QML）：利用量子电路作为机器学习模型的一部分，理论上可以在某些特定数据结构上实现指数级加速。

量子优化：许多AI训练过程本质上是优化问题（如神经网络权重优化），量子退火或量子近似优化算法（QAOA）理论上可以更高效地探索解空间。

量子采样：某些生成模型（如玻尔兹曼机）的训练涉及从复杂分布中采样，量子计算机在特定采样任务上可能具有天然优势。

量子线性代数：HHL算法等量子线性代数工具理论上可以加速矩阵运算，而矩阵运算是深度学习的计算核心。

这些方向在学术论文中都有大量讨论，但必须直面一个残酷的现实。

2.2 现实检验：为什么量子-AI融合还很远

第一，规模不匹配。 当前最先进的大语言模型（如Claude系列）的参数量在数千亿到万亿级别。训练这些模型需要的矩阵运算涉及的维度远超当前量子计算机能处理的范围。108个量子比特能表示的希尔伯特空间虽然在理论上是天文数字（2¹⁰⁸），但将实际问题编码到量子电路中的开销（量子态准备、测量统计等）使得有效处理能力大幅缩水。

第二，数据输入瓶颈。 量子计算机面临一个被称为”量子数据加载”（quantum data loading）的根本性瓶颈：将经典数据编码为量子态的过程本身就需要指数级的经典计算资源，这在很大程度上抵消了后续量子处理的理论加速。对于AI训练而言，数据吞吐量是核心指标，而当前量子计算机在这一维度上与GPU/TPU集群不在同一个量级。

第三，纠错开销。 如前所述，容错量子计算需要大量物理量子比特来编码少量逻辑量子比特。在纠错开销被有效降低之前，量子计算机在实际AI工作负载上不太可能超越经典硬件。

第四，经典计算仍在快速进步。 英伟达的GPU架构每代都在提升AI训练/推理效率，Google的TPU持续迭代，各种稀疏化、量化、蒸馏等经典优化技术不断降低AI计算的门槛。量子计算要实现”量子优势”，不仅需要自身进步，还需要跑赢经典计算的进步速度。

2.3 一个被忽视的反向关系：AI加速量子计算

大多数人关注的是”量子计算如何帮助AI”，但在当前阶段，更有实际意义的方向可能是反过来的——AI如何帮助量子计算。

量子纠错码的设计、量子电路的编译优化、量子比特校准参数的自动调优、量子实验数据的分析——这些都是AI/ML技术已经在量子计算研发中发挥作用的领域。AWS在其机器学习博客中展示的Lambda构建奖励函数的技术(来源: AWS Machine Learning Blog, 2026-04)，虽然直接面向Amazon Nova模型定制，但其底层的强化学习范式与量子控制优化有方法论上的共通性。

这种”AI辅助量子”的关系，可能是未来3-5年内量子-AI交叉领域最务实的价值创造方式，而非反过来的”量子加速AI”。

三、AWS的战略棋局：Braket不是产品，是期权

3.1 Amazon Braket的定位逻辑

Amazon Braket自2020年正式推出以来，一直以”量子计算即服务”（QCaaS）的形态存在。它不是一个独立的利润中心，而是AWS云计算生态系统中的一个”战略期权”（strategic option）。

理解这一点需要回到AWS的核心商业逻辑：AWS的护城河不是任何单一服务，而是服务的广度和深度所构成的”引力场”。企业一旦将工作负载迁移到AWS，就会因为数据引力、API依赖和运维惯性而难以迁出。每增加一个服务类别——无论是AI（Bedrock/SageMaker）、量子计算（Braket）还是卫星通信（Ground Station）——都在增强这个引力场。

将Rigetti的Cepheus-1-108Q接入Braket(来源: AWS What’s New, 2026-04)，AWS的直接成本极低（硬件由Rigetti运营和维护），但获得了几个战略价值：

生态锁定：研究人员和企业如果在Braket上开发量子应用原型，其代码、工作流和数据管道都会与AWS生态深度绑定。当量子计算真正进入商业化阶段时，这些用户迁移到其他云平台的成本将非常高。

人才吸引：提供前沿量子硬件的访问权限，有助于AWS吸引和留住对量子计算感兴趣的高端技术人才和研究机构。

叙事资本：在与Azure（Microsoft）和GCP（Google）的竞争中，”我们也有量子”是一个必要的叙事元素。Google有自研的量子硬件（Sycamore/Willow），Microsoft有拓扑量子比特路线和Azure Quantum，AWS通过Braket的多硬件接入策略（IonQ、Rigetti、Oxford Quantum Circuits等）保持竞争叙事。

3.2 Braket与Bedrock：两条线何时交汇？

AWS目前的AI战略核心是Bedrock——其托管式基础模型服务平台。2026年4月13日的AWS周报中提到了Claude Mythos预览版在Bedrock中的上线，以及AWS Agent Registry的发布预览版。(来源: AWS Blog, 2026-04-13) 这些动作清晰地表明，AWS的AI战略重心在于构建企业级AI Agent基础设施——模型选择、Agent编排、治理合规。

Braket和Bedrock目前是两条完全独立的产品线，没有技术集成点。但如果我们推演未来，两条线可能交汇的场景包括：

场景1：量子-经典混合优化服务。 当量子计算机的规模和保真度达到一定水平时，AWS可能推出一种”混合计算”服务——用户提交优化问题，后端自动决定哪些子问题用量子处理器、哪些用经典处理器。这类似于当前Bedrock中的模型路由逻辑（根据任务复杂度选择不同模型），但扩展到计算范式层面。

场景2：量子增强的AI模型训练。 如果量子采样或量子优化在特定AI训练子任务上实现优势，AWS可能将其封装为Bedrock/SageMaker中的一个”加速选项”，对用户透明。

场景3：量子密码学与AI安全。 随着量子计算对现有加密体系的威胁日益真实，量子安全通信可能成为AI Agent之间数据交换的必要基础设施。这是一个Braket和Bedrock可能在安全层面交汇的方向。

但这些场景的时间窗口，最乐观的估计也在2030年之后。当前阶段，Braket和Bedrock的交汇更多是”叙事层面”的——AWS可以对企业客户说：”我们不仅有今天最好的AI基础设施，还有通向未来量子计算的桥梁。”

3.3 AWS的量子”保险策略”

值得注意的是，AWS并没有像Google或Microsoft那样押注自研量子硬件。AWS的量子战略有两条腿：

第一条腿：Braket的硬件中立平台。 接入多家量子硬件供应商（IonQ的离子阱、Rigetti的超导、Oxford Quantum Circuits的同轴量子比特等），让AWS在不承担硬件研发风险的情况下保持量子计算的入口地位。

第二条腿：AWS Center for Quantum Computing。 这是AWS在加州理工学院附近设立的自研量子计算实验室，探索基于猫态量子比特（cat qubit）的纠错方案。这是一个长期押注，时间线可能在10年以上。

这种”短期靠合作伙伴，长期靠自研”的双轨策略，与AWS在芯片领域的做法（短期用英伟达/AMD GPU，长期发展Graviton/Trainium/Inferentia自研芯片）高度一致。

四、$2.16亿亏损与$300亿ARR：量子计算的商业化鸿沟

4.1 数字背后的残酷对比

让我们直面这组数字：

  • Rigetti Computing 2025财年年度亏损：$2.16亿(来源: The Quantum Insider, 2026-03-05)
  • Anthropic Claude产品线ARR：突破$300亿(来源: CNBC, 2026-04-13)

这不是同一个赛道的公司在不同阶段的对比——这是两种完全不同的商业化成熟度。AI大模型已经进入了”收入爆发期”，而量子计算仍处于”烧钱研发期”。

Rigetti的亏损并非因为管理不善或战略失误——这是量子计算硬件公司的结构性宿命。量子处理器的制造需要极端的低温环境（约15毫开尔文）、精密的微波控制系统和复杂的校准流程。每一代处理器的研发都需要大量的物理学、材料科学和工程投入，而产出的商业价值目前几乎为零——因为没有客户愿意为一台在大多数任务上不如笔记本电脑的机器支付溢价。

Rigetti在扩展量子系统部署的同时录得巨额亏损(来源: The Quantum Insider, 2026-03-05)，这本身就说明了一个问题：”部署”不等于”变现”。将系统上线Amazon Braket可以带来一些按使用量计费的收入，但这个量级与研发投入相比几乎可以忽略不计。

4.2 量子计算的”死亡谷”

量子计算行业正处于一个典型的”死亡谷”（Valley of Death）阶段——技术已经超越了纯实验室阶段，但距离商业化应用还有明确的差距。这个阶段的特征是：

融资压力增大。 早期的”量子概念”热潮已经降温，投资者开始要求看到更具体的商业化路径。Rigetti的股票分析显示市场对其前景存在显著分歧。(来源: techi.com, 2026)

人才竞争加剧。 最优秀的物理学和工程人才正在被AI公司以远高于量子计算公司的薪酬吸引。当Anthropic的ARR达到$300亿时，它有能力支付顶尖人才的市场价格；而Rigetti在年亏$2.16亿的情况下，人才竞争力面临严峻挑战。

客户教育成本高。 企业客户对量子计算的理解仍然停留在”它很快”的模糊认知上。向他们解释”108量子比特不等于108个经典比特的量子版本”、”当前的量子计算机在大多数任务上不如经典计算机”，这本身就是一个巨大的市场教育挑战。

4.3 DARPA时间线延迟的信号

Rigetti在Q4 2025财报电话会议中披露的DARPA项目时间线延迟(来源: ainvest.com, 2026-03)，是一个值得深挖的信号。DARPA（美国国防高级研究计划局）是量子计算领域最重要的政府资助方之一。DARPA项目的时间线延迟可能意味着：

  1. 技术里程碑未按预期达成
  2. 项目范围或目标发生调整
  3. 合同条款的重新谈判

无论哪种原因，这都表明量子计算的技术进展速度可能比行业路线图所暗示的更慢。政府项目通常比商业项目有更大的时间弹性和容错空间——如果连DARPA项目都在延迟，商业化的时间表只会更长。

五、两个对立视角与我的判断

5.1 乐观视角：”量子计算正在按计划推进”

持这一观点的人会指出：

  • 108量子比特是Rigetti的重要技术里程碑，展示了其模块化架构的可扩展性
  • 通过Amazon Braket的分发，量子计算的可及性正在快速提升
  • NISQ时代的应用探索（量子化学、组合优化、量子机器学习）正在积累关键的软件和算法知识
  • 量子纠错技术在过去2年取得了显著进展（如Google Willow的纠错实验）
  • 政府和国防部门的持续投资为行业提供了稳定的资金来源
  • 量子计算的历史进展曲线与半导体行业早期类似——在商业化爆发前需要数十年的基础投入

5.2 悲观视角：”量子计算的商业化时钟被严重高估”

持这一观点的人会强调：

  • 108个物理量子比特距离实用的容错量子计算还有3-4个数量级的差距
  • 经典计算（GPU/TPU）的进步速度持续压缩量子优势的窗口
  • 量子计算公司的商业模式本质上依赖于”未来的承诺”而非”当前的价值”
  • DARPA时间线延迟和收入确认方式变化暗示实际进展不及预期
  • AI的爆发式增长正在吸走量子计算领域的资金、人才和注意力
  • 量子-AI融合在可预见的未来（5-10年）不会产生商业化规模的价值

5.3 我的判断：量子计算是真实的，但商业化时钟至少还需要8-12年

我的立场介于两者之间，但明确偏向审慎。

量子计算的物理学是真实的。 量子叠加、纠缠和干涉是经过无数实验验证的物理现象。基于这些原理构建的计算设备在特定问题上超越经典计算机，这不是”如果”的问题，而是”何时”的问题。

但”何时”比大多数人想象的更远。 从108个物理量子比特到数百万个物理量子比特（容错量子计算的门槛），不仅需要量子比特数量的指数级增长，还需要门保真度、相干时间、连接性等多个维度的同步提升。这是一个多维度的工程挑战，不是简单的摩尔定律外推。

量子-AI融合的商业化时间表：最早2034年。 在AI训练/推理场景中实现有商业意义的量子优势，需要满足三个前提条件：(1) 容错量子计算机的实现；(2) 量子算法在实际AI工作负载上的优势被严格证明；(3) 量子-经典混合系统的工程化和产品化。这三个条件中的任何一个都至少需要5-8年，而且它们之间存在依赖关系。

AWS的Braket策略是正确的——作为期权。 AWS不需要量子计算在短期内产生收入。Braket的成本对AWS而言微不足道，但它提供了”如果量子计算突破了，我们已经在那里”的战略保险。这是一个低成本、高期权价值的投资。

Rigetti的生存挑战是真实的。 $2.16亿的年度亏损意味着Rigetti需要持续融资才能维持运营。在量子计算的商业化时钟比市场预期更慢的情况下，Rigetti面临的不仅是技术风险，还有资本市场的耐心风险。

六、大多数人没看到的：量子计算的真正价值可能不在”计算”

6.1 量子传感和量子通信的近期商业化潜力

当所有人的注意力都集中在”量子计算机何时超越经典计算机”这个问题上时，一个被忽视的事实是：量子技术的近期商业化价值可能不在计算领域，而在传感（quantum sensing）和通信（quantum communication/QKD）领域。

量子传感器已经在医学成像（如量子磁力计用于脑磁图）、地质勘探（量子重力仪）和导航（量子惯性导航）等领域展现出接近商业化的成熟度。量子密钥分发（QKD）系统已经在多个国家部署了商业化网络。

这意味着什么？对于像Rigetti这样的量子硬件公司，其核心技术能力（超导量子比特的制造和控制）在传感和通信领域可能找到比量子计算更早的变现路径。但这需要战略转型的勇气——从”我们在建造量子计算机”转向”我们在建造量子技术平台”。

6.2 量子计算对AI的间接影响：密码学革命

量子计算对AI领域最可能的近期影响不是”加速AI训练”，而是”颠覆AI安全基础设施”。

当前AI系统的安全性——从模型参数的保护到API通信的加密——依赖于RSA、ECC等经典密码学方案。足够强大的量子计算机（运行Shor算法）可以在多项式时间内破解这些方案。虽然这样的量子计算机还不存在，但”先存储、后解密”（harvest now, decrypt later）的威胁已经是现实：对手可以现在截获加密数据，等待量子计算机成熟后再解密。

这意味着AI公司和云服务商需要在量子计算机实现破解能力之前完成向后量子密码学（post-quantum cryptography, PQC）的迁移。NIST已经在2024年发布了首批PQC标准。AWS、Google、Microsoft等云服务商正在将PQC集成到其TLS实现中。

这是量子计算对AI生态系统最确定、最近期的影响——不是通过”加速”，而是通过”威胁”来驱动变革。

6.3 AWS Agent Registry与量子安全的隐含连接

AWS在2026年4月发布的Agent Registry预览版(来源: AWS Blog, 2026-04-13)，其核心功能是AI Agent的集中式发现与治理。当企业部署数十甚至数百个AI Agent时，Agent之间的通信安全、身份验证和数据保护变得至关重要。

在一个量子威胁日益真实的世界中，Agent Registry这样的治理基础设施最终需要集成量子安全的身份验证和通信协议。这是Braket和Bedrock在”安全层”而非”计算层”交汇的可能路径——虽然这个交汇点可能在5年之后，但AWS今天的基础设施布局已经在为此做准备。

七、So What：对不同角色的启示

7.1 对企业技术决策者

现在不需要投资量子计算能力。 108量子比特的系统在任何企业级工作负载上都不会比经典计算更好。但可以考虑以下低成本动作：

  • 在Amazon Braket上分配少量预算（几千美元级别）让团队熟悉量子编程范式
  • 关注后量子密码学（PQC）的迁移规划——这是量子技术对企业最近期的实际影响
  • 评估您的行业是否属于量子计算的”早期受益领域”（制药、材料科学、金融建模、物流优化）

7.2 对投资者

警惕量子计算公司的估值叙事。 Rigetti的$2.16亿年度亏损与其系统部署扩张之间的矛盾，典型地反映了量子计算公司”技术里程碑驱动估值，但缺乏收入支撑”的特征。量子计算的投资逻辑更接近于”深度科技风险投资”而非”成长型科技股”——需要10年以上的时间视野和对全额损失的容忍度。

相比之下，AI基础设施（如AWS的Bedrock生态、Anthropic的Claude）已经进入了可验证的商业化轨道。$300亿ARR的Claude(来源: CNBC, 2026-04-13)与$2.16亿亏损的Rigetti(来源: The Quantum Insider, 2026-03-05)之间的鸿沟，不仅是数字差异，更是商业化阶段的本质差异。

7.3 对技术从业者

量子计算是一个值得关注但不需要all-in的领域。 如果你是AI/ML工程师，学习量子计算的基础概念（量子比特、量子门、量子纠缠）有助于拓展思维，但不需要现在就转型为量子软件工程师。

更有实际价值的是关注量子-经典混合算法的发展——当量子计算最终成熟时，能够设计量子-经典混合工作流的工程师将极具稀缺性。Amazon Braket和类似平台提供了低成本的学习环境。

7.4 对AWS及云服务商

Braket的”期权策略”是正确的，但需要警惕两个风险：

第一，合作伙伴风险。 Rigetti等量子硬件公司的财务状况意味着它们可能无法长期独立存在。如果关键硬件合作伙伴被收购或倒闭，Braket的硬件供应可能受到影响。

第二，叙事与现实的脱节风险。 如果AWS过度宣传量子-AI融合的前景，可能在客户中产生不切实际的期望，最终损害信誉。当前的做法——将Braket作为一个独立的、低调的服务类别——是恰当的。

结论：商业化时钟的真实刻度

Rigetti的108量子比特Cepheus-1-108Q上线Amazon Braket，是量子计算行业的一个值得记录的事件，但不是一个改变游戏规则的事件。它标志着量子计算硬件在可及性上的进步，但没有改变商业化的根本时间表。

量子-AI融合的商业化时钟，按照最诚实的评估，刻度大致如下：

  • 2026-2028年：NISQ时代继续，量子计算主要用于学术研究和算法探索。Braket等平台的主要价值是教育和生态培育。
  • 2028-2032年：早期容错量子计算的原型出现，可能在量子化学模拟等特定领域展示有限的量子优势。量子-AI融合仍处于实验室阶段。
  • 2032-2036年：如果量子纠错技术按最乐观的路线图发展，首批具有商业意义的量子-经典混合应用可能出现。
  • 2036年之后：量子计算可能开始在特定AI工作负载（如大规模组合优化、量子采样）上提供可量化的商业价值。

在此期间，AI的经典计算基础设施将继续以惊人的速度进步。量子计算要实现”量子优势”，不仅需要自身的指数级进步，还需要在经典计算持续进步的背景下保持相对优势。这是一场双重竞赛，量子计算目前在两个维度上都处于追赶位置。

对于今天的科技产业而言，量子计算是一个真实的、重要的长期技术方向——但它不是明天的答案，甚至不是后天的答案。它是下一个十年的某个时刻可能到来的变革。在那之前，保持关注、控制投入、避免炒作，是最理性的策略。

108量子比特上线Amazon Braket，是量子计算漫长征途中的一个脚印。但从这个脚印到”量子-AI融合改变世界”的终点，路还很长。

参考资料

  1. Rigetti Announces General Availability of 108-Qubit System — Rigetti Computing / GlobeNewsWire, 2026-04-07
  2. Amazon Braket adds support for Rigetti’s 108-qubit Cepheus QPU — AWS, 2026-04
  3. Rigetti Posts $216 Million Annual Loss While Expanding Quantum System Deployments — The Quantum Insider, 2026-03-05
  4. Rigetti Computing Q4 2025 Earnings Call: Roadmap Shifts, Revenue Recognition Changes, and DARPA Timeline Delays — ainvest.com, 2026-03
  5. AWS Weekly Roundup: Claude Mythos Preview in Amazon Bedrock, AWS Agent Registry, and More — AWS Blog, 2026-04-13
  6. Anthropic Claude 在企业市场引发”Claude Mania”，ARR 突破 $30B — CNBC, 2026-04-13
  7. Rigetti makes its Cepheus-1-108Q quantum computer available via its cloud platform and Amazon Braket — DatacenterDynamics, 2026-04
  8. Rigetti Releases 108-Qubit Cepheus-1-108Q System via Cloud Platforms — Quantum Computing Report, 2026-04-07
  9. How to build effective reward functions with AWS Lambda for Amazon Nova model customization — AWS Machine Learning Blog, 2026-04

主题分类：技术突破