欧洲电动车需求创纪录,太阳能相关研究却绕道量子计算
据CleanTechnica 10月31日发布的月度统计,欧洲2026年9月注册了42.2万辆纯电动车,同比增长63%,创下纪录。对关注光伏背后效率竞赛的人来说,同一周传来的信号更安静也更尖锐:IBM Research报告了两台120量子比特处理器之间米级距离的链路,佛罗里达大西洋大学则发表了用于肺癌预测的量子机器学习结果,而这项研究依赖的是非常小的数据集。
效率纪录只有在走出实验室、变成能出货的产品之后才有意义。这是本档案最新条目贯穿的一条线,而其中最具体的数字来自汽车市场,不是太阳能电池。CleanTechnica 10月31日报道,欧洲9月注册了42.2万辆纯电动乘用车,创下纪录,同比增长63%。插电式混合动力车增加16.7万辆,同样创下纪录,插电式车型合计份额达到43%,纯电动车为31%。
这些车没有一辆依赖新的光伏效率纪录。它们依赖的是电池、电网和价格曲线。
但CleanTechnica这篇报道为后面的研究故事提供了有用的背景:清洁技术的需求侧跑得比占据头条的材料科学更快,而两者并不总是在对话。
最新的量子论文到底说了什么
11月2日,Semiconductor Engineering提到IBM Research的一篇论文,题为《大型量子处理器之间的米级量子互连》。摘要片段描述了四个L耦合器,运行在两台120量子比特的IBM Nighthawk R1超导量子比特处理器之间。这项工作主张的是模块化,不是效率纪录:它论证独立的量子处理器模块可以通过相干链路在米级距离上拼接起来。论文编号为arXiv:2610.29986,日期为2026年10月,该刊将其标注为技术论文链接,而非独立评估。
这为什么该出现在一篇关于光伏研究纪录的文章里?因为测量问题是共通的。
两个领域都试图在微小损耗会不断累积的尺度上认证性能。太阳能电池的效率数字,取决于它背后的仪器和协议;量子链路的好坏,取决于它的相干预算。没有底层数据,这两种说法都站不住。
第二项量子研究更直接地涉及有限数据。据HPCwire 11月2日报道,佛罗里达大西洋大学的研究人员由Arslan Munir带领,用一份309条记录的公开数据集评估量子机器学习用于肺癌预测,并通过一种生成合成样本的统计技术将其扩展到540个样本。团队把输入缩减到10个变量,在五轮测试中检验了量子支持向量机、量子k近邻和量子提升,用108个样本训练,用432个样本测试。D-Wave的退火硬件在量子支持向量机框架下,模拟中达到94.31%的准确率,在量子硬件上为91.90%。研究发表在Discover Quantum Science上。
需要打折扣的地方在方法,不在结果。多出来的样本不是新招募的患者,作者也把这件工作描述为在受限数据下比较各种方法的通用框架,不是临床结论。HPCwire引用Munir的话说,目标是“考察在训练数据量被刻意限制时,不同的量子学习方法表现如何”。这是对基准测试的恰当描述,也是解读94.31%这个数字的正确方式。
一个帮助证明码族的LLM
第三篇论文于10月30日提交到arXiv,走的是与炒作相反的路。Jae-Hyun Baek、Byung-Sun Won和Jon-Lark Kim描述了一条研究者参与其中的流程,把LLM引导的程序演化与精确评估、经过认证的不存在性检验和形式化证明检查结合起来,应用于纠缠辅助量子纠错码。由此得到的码族写作[[n,1,n-1;n-q-1]]_q,填补了存档EAQECC表中的54个空缺,Lean检查了其背后的代数证书。作者发布了115条经验证的码记录,以及十项带DRAT证明检查的不存在性结果。
有意思的数字不是码族公式,而是受控对比。
在八个成对的生成区块中,经验证集筛选的迭代程序在未见长度n=13和n=15的留出执行中成功率分别为46.1%和31.6%,而独立生成的程序为19.5%和3.1%。差距很大,作者谨慎地把它框定为特定设定下的结果。这篇论文提醒人们,“AI发现了X”这类说法,强度只取决于背后站着的证明检查器。
档案里没有的那个太阳能纪录
档案在这里就显得单薄了。主题查询要求的是光伏效率研究纪录,但十二份全文来源没有一份报告新的电池效率数字。背景头条提到铜镓硒12.28%、有机光伏20.5%,以及激光照射下68.9%的GaAs薄膜电池,但这些条目只是作为背景列出的近期头条,内部没有过去一周内的日期。它们不能当作新闻由头。
档案真正支撑的,是一个关于纪录周边基础设施的故事。CleanTechnica的9月统计显示,市场吸收电动车的速度在几年前看来还不可信:一个月42.2万辆纯电动车,份额31%,年初至今纯电动车份额25%,已经超过2025年全年最终的20%。同一篇报道指出,不可插电的混合动力车在2026年9月达到34%的份额,低于一年前的36%,作者将其解读为传统混合动力车可能的峰值。
这是需求信号,不是材料突破。它重要,是因为效率研究的资金和采用都通过市场实现,而欧洲市场目前是中国以外最清晰的试验场。如果纯电动车份额继续攀升,压力就会转向更便宜的电池、更好的逆变器和电网整合,光伏效率的说法最终要在这里证明自己。
本周的其他数字,简要说说
11月3日,Tech.eu报道奥地利初创公司Tumbleweed融资690万欧元,自称是该国最大的航天科技种子轮,此时距其发射奥地利首颗商业卫星过去四个月。该公司在其Oasis轨道平台上运营模块化实验室Pod,并于2026年7月7日通过SpaceX Transporter-17发射首个任务Oasis Alpha,搭载了四家客户的实验。本轮由PactVC领投,Vanagon Ventures、Prototype Capital、EWOR和天使投资人参与。这是航天故事,不是太阳能故事,但它显示出同样的模式:小型硬件公司卖的是接入权,不是拥有整个技术栈。
同样在11月3日,Electrek报道起亚10月在美国售出80008辆车,同比增长16%,创下其最佳10月,电气化车型销量增长112%,混合动力车销量增长114%。
2027款EV3是起亚最实惠的纯电SUV,基础Light版起价29890美元,配58.3 kWh电池,续航最高221英里。Electrek引述起亚美国销售副总裁Eric Watson的声明说,公司“相信这一创纪录的节奏会带我们走过第四季度,并一直延续到2027年”。EV3在8月中旬上市后的头两个月售出1496辆。
中国又提供了两个数据点。CnEVPost 11月2日报道,小鹏第三季度交付118390辆车,创下纪录,10月交付50237辆,首次突破5万辆,其第三季度财报将于11月16日发布。11月1日,同一家媒体报道德汽车10月售出310183辆车,距月度纪录差245辆,出口107153辆,新能源车占销量创纪录的69%。吉利国内销量同比下降23.55%,这一分化更多说明价格竞争,不是电池化学。
效率故事为什么需要一个怀疑者
面对光伏效率这样的主题,诱惑是把纪录排成一排,然后宣布进步。档案不允许你诚实地这么做。
过去72小时里唯一的硬科学数字是量子计算结果,唯一的硬市场数字是车辆注册量。在540个样本的肺癌数据集上取得94.31%的模拟准确率,在留出的量子码搜索中取得46.1%的成功率,之所以有意思,恰恰因为作者说明了局限。
下一个太阳能纪录也该按这个标准来衡量。当新的电池效率数字出现时,要问的问题和FAU与arXiv团队提前回答的一样:什么数据集,什么协议,什么独立检查,规模扩大后会发生什么。档案里较早的材料还提供了一条警示。据ScienceDaily 10月29日报道,波茨坦气候影响研究所的一项研究发现,过去十年升温约为每十年0.35°C,接近1970年至2015年间每十年略低于0.2°C的两倍,这是在剔除自然波动之后。报告称,该发现在五套数据中一致,统计置信度超过98%。
这就是每一项效率声明背后的需求曲线。它不能让纪录变成真的,但能解释为什么纪录不断出现。
资料来源
9- 01Record Demand Catches (Some) OEMs with Their Pants Down, Europe September 2026EN
- 02Quantum Interconnects Link Two 120-Qubit Processors (IBM Research)EN
- 03FAU Researchers Explore Quantum Computing to Predict Lung Cancer with Limited DataEN
- 04Researcher-in-the-Loop Evolutionary Discovery of Entanglement-Assisted Quantum Code FamiliesEN
- 05Tumbleweed raises record €6.9M seed round to bring microgravity research to the massesEN
- 06Kia racks up another record month as its new $30K EV3 hits dealersEN
- 07Xpeng to report Q3 results on November 16 after record quarterly deliveriesEN
- 08Geely nears monthly sales record as exports remain strongEN
- 09Scientists confirm global warming is accelerating faster than ever recordedEN
本文所有数字与引语均来自下列来源,未添加来源之外的内容。
本内容由编辑部在人工智能辅助下制作完成。
评论
0- 还没有评论——来说两句吧。