最近幾年，在科技圈，人工智能和量子計(jì)算一直是兩大炒作熱點(diǎn)。無數(shù)人宣稱它們將改變世界，但實(shí)際成果卻難以令人滿意，尤其是在量子計(jì)算領(lǐng)域。

受人工智能浪潮的推動(dòng)，曾經(jīng)沉寂的量子計(jì)算可能會(huì)迎來新的高光時(shí)刻。更有趣的是，人工智能和量子計(jì)算正在走向融合。當(dāng)前人工智能產(chǎn)業(yè)存在一些痛點(diǎn)，量子人工智能或許會(huì)成為最理想的解決方案。

有了人工智能，人類可以建造更強(qiáng)大的量子計(jì)算機(jī)；借助優(yōu)化算法實(shí)時(shí)糾錯(cuò)，量子機(jī)器或許會(huì)離現(xiàn)實(shí)更近一步。在復(fù)雜的人工智能任務(wù)中，量子處理器具備天然優(yōu)勢，例如為人工智能模型生成合成數(shù)據(jù)。

量子計(jì)算仍處于早期實(shí)驗(yàn)階段

許多人將量子計(jì)算的發(fā)展劃分為三個(gè)階段：

——第一代（2023–2032年）：實(shí)驗(yàn)階段

目前的量子計(jì)算處于第一代實(shí)驗(yàn)階段，谷歌、IBM和AWS是這一領(lǐng)域的領(lǐng)頭羊。例如，谷歌開發(fā)的Willow芯片完成一項(xiàng)任務(wù)只需5分鐘，而經(jīng)典計(jì)算機(jī)則需要10的24次方年。但谷歌所說的突破仍停留在概念層面，尚未證明其商業(yè)價(jià)值。

——第二代（2030–2038年）：實(shí)用階段 

進(jìn)入第二階段，量子計(jì)算機(jī)將變得實(shí)用并具備商業(yè)可行性。屆時(shí)，量子系統(tǒng)能夠解決優(yōu)化和模擬問題，工具更加易用，技術(shù)廣泛落地。

——第三代（2035–2045年）：成熟階段

此時(shí)量子計(jì)算走向成熟，擁有完善的生態(tài)系統(tǒng)，并融入企業(yè)流程。

盡管潛力巨大，但目前外界對(duì)量子人工智能仍存疑慮，主要因?yàn)樾麄鞒醋鬟^多，實(shí)際應(yīng)用寥寥無幾。量子人工智能還面臨諸多挑戰(zhàn)，例如硬件不穩(wěn)定、需要專用算法等。盡管大家普遍認(rèn)為，隨著糾錯(cuò)技術(shù)的進(jìn)步和量子比特穩(wěn)定性的提升，其可靠性將增強(qiáng)，但目前的進(jìn)展仍缺乏說服力。

IBM Quantum System Two和谷歌量子系統(tǒng)是行業(yè)代表，雖已研發(fā)多年，但仍無法運(yùn)行大型AI模型。正因如此，多數(shù)專家才斷言：“人類距離完全實(shí)現(xiàn)量子人工智能還需要多年時(shí)間。”

LDG科技咨詢公司總裁勞倫斯?加斯曼去年曾表示：“量子人工智能仍處于起步階段，對(duì)許多機(jī)構(gòu)而言，現(xiàn)在談?wù)摿孔佑?jì)算人工智能為時(shí)過早，甚至沒有必要?！?

不過，科技巨頭已開始布局，量子AI計(jì)算或許會(huì)加速發(fā)展。作為人工智能領(lǐng)域的領(lǐng)頭羊，英偉達(dá)最近突然進(jìn)入量子計(jì)算領(lǐng)域。Craig Hallum分析師理查德?香農(nóng)（Richard Shannon）表示：“他們此前一直沒有涉足，這一點(diǎn)讓我有些意外?！?

對(duì)于量子計(jì)算，英偉達(dá)CEO黃仁勛的態(tài)度也一直在變化。今年1月，他稱實(shí)用型量子計(jì)算機(jī)還需15至20年才能實(shí)現(xiàn)；到了3月，他收回這一觀點(diǎn)；6月，他又表示量子計(jì)算的拐點(diǎn)已經(jīng)到來，未來幾年有望解決一些實(shí)際問題。

就目前而言，量子計(jì)算對(duì)英偉達(dá)的AI客戶幫助有限。PsiQuantum首席科學(xué)家皮特?沙德博爾特（Pete Shadbolt）指出：“量子計(jì)算與人工智能在某種程度上截然相反。AI之所以強(qiáng)大，是因?yàn)樗軓暮Ａ繑?shù)據(jù)中學(xué)習(xí)規(guī)律；而量子計(jì)算機(jī)討厭數(shù)據(jù)，偏愛精準(zhǔn)?！?

支持者認(rèn)為，量子計(jì)算有望開啟全新計(jì)算范式。GPU能夠通過并行計(jì)算解決大量簡單問題，量子計(jì)算不同，它可以解決少量復(fù)雜但有價(jià)值的問題，二者并不沖突。

谷歌量子人工智能實(shí)驗(yàn)室研究員黃新元（Hsin-Yuan Huang）認(rèn)為，對(duì)于量子力學(xué)系統(tǒng)的模擬問題，經(jīng)典計(jì)算機(jī)無法應(yīng)對(duì)。量子力學(xué)描述的是物理基礎(chǔ)理論，這些問題不是靠堆疊GPU就能解決的。

如果有一天量子計(jì)算機(jī)投入運(yùn)行，英偉達(dá)將占據(jù)核心位置。沒有大量經(jīng)典計(jì)算的支持，量子計(jì)算機(jī)無法運(yùn)行，例如，控制量子計(jì)算機(jī)、糾錯(cuò)以及分析結(jié)果都依賴于經(jīng)典計(jì)算機(jī)。

量子計(jì)算與AI結(jié)合的前景展望

英偉達(dá)已與谷歌量子計(jì)算AI（Google Quantum AI）展開合作，模擬量子處理器的物理原理，旨在理解并減少“噪音”。所謂“噪音”，指的是困擾量子硬件、限制計(jì)算運(yùn)行時(shí)長的誤差。例如，原本需要一周完成的模擬，現(xiàn)在僅需幾分鐘即可完成。

訓(xùn)練大型AI模型需要耗費(fèi)大量時(shí)間與算力，因此科技企業(yè)爭相建設(shè)數(shù)據(jù)中心。如果部署量子計(jì)算機(jī)，模型的學(xué)習(xí)進(jìn)化速度將會(huì)更快。傳統(tǒng)訓(xùn)練需要數(shù)周甚至數(shù)月，而量子計(jì)算機(jī)可能只要幾天就能完成。

在模式識(shí)別領(lǐng)域，無論是圖像還是文字，量子計(jì)算機(jī)可以同時(shí)分析多種可能性，從而提高準(zhǔn)確率和識(shí)別速度。

此外，當(dāng)前生成式AI工具輸出的內(nèi)容仍然不夠細(xì)膩和真實(shí)。量子人工智能可以讓模型處理更多數(shù)據(jù)，增強(qiáng)真實(shí)感，使細(xì)節(jié)更加豐富。

如果量子計(jì)算機(jī)真能與人工智能完美融合，互為助力，將有望幫助人類解決許多難題，例如欺詐檢測、數(shù)據(jù)合成、材料研究、藥物研發(fā)、碳捕獲等。這些難題若用經(jīng)典計(jì)算解決，不僅耗時(shí)漫長，甚至可能難以真正突破。

安永（EY）全球首席創(chuàng)新官喬?德帕（Joe Depa）指出，人工智能對(duì)電力的需求極為龐大，未來如果量子增強(qiáng)算法成熟，有望大幅降低訓(xùn)練能耗，不過目前這種設(shè)想仍停留在推測階段。

從基礎(chǔ)設(shè)施的角度看，人工智能與量子計(jì)算存在本質(zhì)差異。人工智能可以依托現(xiàn)有云架構(gòu)實(shí)現(xiàn)規(guī)?；渴?，而量子計(jì)算需要極端低溫環(huán)境和專用設(shè)施。IBM已嘗試將量子處理器整合到超算設(shè)施中，也就是將經(jīng)典計(jì)算與量子計(jì)算融合，但類似項(xiàng)目仍處于試點(diǎn)階段。企業(yè)不愿投資量子基礎(chǔ)設(shè)施，因?yàn)閼?yīng)用尚未得到驗(yàn)證；如果沒有完善的基礎(chǔ)設(shè)施，應(yīng)用又無法驗(yàn)證——這形成了一個(gè)死循環(huán)。

眾所周知，人工智能存在“黑箱”問題，其得出結(jié)論的過程人類難以理解。量子計(jì)算同樣存在“黑箱”問題，且更為嚴(yán)重。量子態(tài)在測量過程中本質(zhì)上是無法被完全知曉的，這并非技術(shù)限制，而是量子力學(xué)本身的特性所決定的。如果將量子計(jì)算與人工智能結(jié)合，得出結(jié)論的過程可能會(huì)變得更加不可知。

總之，當(dāng)前量子AI計(jì)算仍處于早期探索階段，理論潛力巨大但現(xiàn)實(shí)應(yīng)用有限，技術(shù)瓶頸與基礎(chǔ)設(shè)施仍是主要挑戰(zhàn)。（小刀)