LQM 與 LLM 的三大關鍵差異

1. 訓練數據與方式
LLM 的訓練資料來自網際網路上的文字、書籍與對話，目的是理解和生成人類語言。而 LQM 則完全不同，它們是基於量化數據以及物理、化學、數學的基本定律進行訓練 。SandboxAQ 形容 LQM 是建立在「數值結構化數據」而非文字之上 。

2. 目標
LLM 的優化目標是語言的理解與生成，例如預測句子中的下一個詞或摘要文件。LQM 則是針對特定的量化目標進行優化，例如預測材料的特性、化學反應的行為，或是金融風險指標 。

3. 輸出結果
LLM 產出文字、摘要和對話。LQM 則產出植基於物理現實的預測、模擬和工程洞察 。如同 SandboxAQ 的說明：LLM 可以「描述」一個化學反應，而 LQM 可以直接「模擬」它 。

SandboxAQ 執行長 Jack Hidary 曾表示，LQM 將在製藥、材料、能源和金融等垂直領域超越 LLM 。該公司也強調，LQM 並非用來取代 LLM，而是互補工具——LLM 負責人機互動，LQM 則負責精確的量化運算 。

上架了哪些模型？

SandboxAQ 初期將透過 Google Cloud Marketplace 提供兩款 LQM 產品 ：

• AQCat（材料探索）—— 首批上架
• AQPotency（藥物發現）—— 將在 AQCat 之後推出

使用者可以透過 Marketplace 直接存取這些模型。SandboxAQ 也讓其 LQM 能夠與主流 LLM 互動，研究人員可以用他們熟悉的自然語言介面來查詢這些科學模型 。

什麼是 Gemini for Science 套件？

Gemini for Science 並非單一模型。它是 Google 在 2026 年 I/O 大會（5月19日至20日）上宣布的一系列實驗性 AI 工具組合，旨在加速科學研究流程 。最精確的定位是，它是一個「科學研究的協調層 (orchestration layer)」。

Gemini for Science 主要包含三大核心支柱：

• 假說生成 (Hypothesis Generation) —— 基於 Co-Scientist 系統，由一組 AI 代理協作，共同生成、辯論並評估研究假說。Google 同時在《自然》(Nature) 期刊上發表了驗證其方法的論文 。
• 運算發現 (Computational Discovery) —— 基於 AlphaEvolve 與經驗研究助手 (ERA) 構建。根據發布時的基準測試，ERA 在傳染病預測上的表現甚至超越了美國疾管署 (CDC) 的模型 。
• 文獻洞察 (Literature Insights) —— 基於 NotebookLM，提供自動化的文獻摘要與研究分析 。

此外，Gemini for Science 還包含了 Science Skills，這是 Google Antigravity 平台中的一個獨立層，可連結超過 30 個生命科學資料庫 。

這些實驗性工具可透過 Google Labs (labs.google/science) 存取，並於推出時逐步開放使用權限 。

合作的商業邏輯

對 Google Cloud 而言：SandboxAQ 的 LQM 代表一個全新的高價值工作負載類別——科學與定量 AI，這將帶動雲端服務的消耗量。透過這項合作，Google Cloud 除了通用的 Gemini 模型之外，還獲得了一個具差異化的企業級產品，得以將自己定位為「AI 原生科學發現」的基礎設施提供者 。

對 SandboxAQ 而言：Google Cloud Marketplace 提供了直達 Google 龐大企業客戶群的管道、值得信賴的計費與採購流程，以及可擴展的基礎設施——包括與 Google Cloud 上 NVIDIA DGX Cloud 的整合 。作為由 Alphabet 拆分出來、目前估值達 50 億美元的公司，此舉深化了其與 Google 之間自然的商業關係 。

這對科學 AI 意味著什麼？

這次的 Marketplace 上架是科學 AI 的一個商業化里程碑。這是專門的大型定量模型——一個有別於通用型 LLM 的全新類別——首次透過主流雲端市集，以企業級採購、計費和安全標準提供給大眾 。

這也意味著科學 AI 正從研究實驗室和客製化部署，轉變為一種標準化的、陳列在商品目錄中的產品類別，企業可以直接購買。SandboxAQ 執行長 Jack Hidary 曾預言，LQM 將在製藥、材料、能源和金融領域超越 LLM ，而 Marketplace 的可用性，正是讓這個願景成真的基礎建設。

重點整理

• LQM 的訓練基礎是物理、化學和數學，而非文字，其優化目標是量化預測而非語言生成。
• AQCat（材料）和 AQPotency（藥物）是首批上架 Google Cloud Marketplace 的 LQM 模型。
• Gemini for Science 是一個協調套件，而非單一模型，它整合了 Co-Scientist、AlphaEvolve、ERA 和 NotebookLM。
• 這項合作讓 Google Cloud 成為科學 AI 的基礎設施骨幹，同時為 SandboxAQ 提供了企業級的銷售通路。
• 此次上架是專業 LQM 首次透過企業雲端採購管道提供，具有劃時代的商業意義。

LQM 與 LLM 的三大關鍵差異

1. 訓練數據與方式
LLM 的訓練資料來自網際網路上的文字、書籍與對話，目的是理解和生成人類語言。而 LQM 則完全不同，它們是基於量化數據以及物理、化學、數學的基本定律進行訓練 。SandboxAQ 形容 LQM 是建立在「數值結構化數據」而非文字之上 。

2. 目標
LLM 的優化目標是語言的理解與生成，例如預測句子中的下一個詞或摘要文件。LQM 則是針對特定的量化目標進行優化，例如預測材料的特性、化學反應的行為，或是金融風險指標 。

3. 輸出結果
LLM 產出文字、摘要和對話。LQM 則產出植基於物理現實的預測、模擬和工程洞察 。如同 SandboxAQ 的說明：LLM 可以「描述」一個化學反應，而 LQM 可以直接「模擬」它 。

SandboxAQ 執行長 Jack Hidary 曾表示，LQM 將在製藥、材料、能源和金融等垂直領域超越 LLM 。該公司也強調，LQM 並非用來取代 LLM，而是互補工具——LLM 負責人機互動，LQM 則負責精確的量化運算 。

上架了哪些模型？

SandboxAQ 初期將透過 Google Cloud Marketplace 提供兩款 LQM 產品 ：

• AQCat（材料探索）—— 首批上架
• AQPotency（藥物發現）—— 將在 AQCat 之後推出

使用者可以透過 Marketplace 直接存取這些模型。SandboxAQ 也讓其 LQM 能夠與主流 LLM 互動，研究人員可以用他們熟悉的自然語言介面來查詢這些科學模型 。

什麼是 Gemini for Science 套件？

Gemini for Science 並非單一模型。它是 Google 在 2026 年 I/O 大會（5月19日至20日）上宣布的一系列實驗性 AI 工具組合，旨在加速科學研究流程 。最精確的定位是，它是一個「科學研究的協調層 (orchestration layer)」。

Gemini for Science 主要包含三大核心支柱：

• 假說生成 (Hypothesis Generation) —— 基於 Co-Scientist 系統，由一組 AI 代理協作，共同生成、辯論並評估研究假說。Google 同時在《自然》(Nature) 期刊上發表了驗證其方法的論文 。
• 運算發現 (Computational Discovery) —— 基於 AlphaEvolve 與經驗研究助手 (ERA) 構建。根據發布時的基準測試，ERA 在傳染病預測上的表現甚至超越了美國疾管署 (CDC) 的模型 。
• 文獻洞察 (Literature Insights) —— 基於 NotebookLM，提供自動化的文獻摘要與研究分析 。

此外，Gemini for Science 還包含了 Science Skills，這是 Google Antigravity 平台中的一個獨立層，可連結超過 30 個生命科學資料庫 。

這些實驗性工具可透過 Google Labs (labs.google/science) 存取，並於推出時逐步開放使用權限 。

合作的商業邏輯

對 Google Cloud 而言：SandboxAQ 的 LQM 代表一個全新的高價值工作負載類別——科學與定量 AI，這將帶動雲端服務的消耗量。透過這項合作，Google Cloud 除了通用的 Gemini 模型之外，還獲得了一個具差異化的企業級產品，得以將自己定位為「AI 原生科學發現」的基礎設施提供者 。

對 SandboxAQ 而言：Google Cloud Marketplace 提供了直達 Google 龐大企業客戶群的管道、值得信賴的計費與採購流程，以及可擴展的基礎設施——包括與 Google Cloud 上 NVIDIA DGX Cloud 的整合 。作為由 Alphabet 拆分出來、目前估值達 50 億美元的公司，此舉深化了其與 Google 之間自然的商業關係 。

這對科學 AI 意味著什麼？

這次的 Marketplace 上架是科學 AI 的一個商業化里程碑。這是專門的大型定量模型——一個有別於通用型 LLM 的全新類別——首次透過主流雲端市集，以企業級採購、計費和安全標準提供給大眾 。

這也意味著科學 AI 正從研究實驗室和客製化部署，轉變為一種標準化的、陳列在商品目錄中的產品類別，企業可以直接購買。SandboxAQ 執行長 Jack Hidary 曾預言，LQM 將在製藥、材料、能源和金融領域超越 LLM ，而 Marketplace 的可用性，正是讓這個願景成真的基礎建設。

重點整理

• LQM 的訓練基礎是物理、化學和數學，而非文字，其優化目標是量化預測而非語言生成。
• AQCat（材料）和 AQPotency（藥物）是首批上架 Google Cloud Marketplace 的 LQM 模型。
• Gemini for Science 是一個協調套件，而非單一模型，它整合了 Co-Scientist、AlphaEvolve、ERA 和 NotebookLM。
• 這項合作讓 Google Cloud 成為科學 AI 的基礎設施骨幹，同時為 SandboxAQ 提供了企業級的銷售通路。
• 此次上架是專業 LQM 首次透過企業雲端採購管道提供，具有劃時代的商業意義。