MIT Technology Review：新創 Subquadratic 聲稱突破 LLM 數學瓶頸

來源： MIT Technology Review 原文日期： 2026-06-19

中文摘要

迈阿密新創 Subquadratic 去年從隱身模式公開，聲稱解決了困擾大型語言模型近十年的數學瓶頸。該公司的技術基於「子二次方」（subquadratic）演算法，可大幅降低 LLM 訓練和推論的計算複雜度。起初外界質疑其說法，但 Subquadratic 已開始分享具體技術證據。MIT TR 的報導分析了這一聲稱對 AI 產業的潛在影響——若屬實，將意味著更高效、更低成本的 AI 模型部署成為可能。

關鍵洞察

LLM 的「數學瓶頸」不在模型架構本身，而在計算複雜度（通常是 O(n²) 問題）

Subquadratic 的聲稱若將 O(n²) 降至 O(n log n) 或更低，將根本改變 AI 成本結構

產業對「突破性聲稱」態度謹慎，需要 peer review 和實際部署驗證

這反映了 AI 基礎建設領域的「效率競賽」正在加速

原文關鍵句（英文保留）

> "A startup claims it broke through a bottleneck that's holding back LLMs... Subquadratic came out of stealth last month with a huge claim: it had solved a mathematical bottleneck that had been holding back large language models for almost a decade."

對 CJ 哥的價值

企業 AI 轉型：若 LLM 計算成本大幅下降，將直接降低企業導入 AI 的門檻——可作為「AI 成本下降趨勢」的具體案例

內容生產：適合撰寫「AI 基礎建設投資」或「AI 效率革命」主題文章

顧問工作：客戶詢問「AI 成本何時下降」時，可引用此案例作為技術突破的參考點