何时实现ChatGPT式突破？探寻量子产业的成熟之路

光子盒研究院

在人工智能的历史进程中，AlphaGo的成功和ChatGPT的问世显得格外引人瞩目。这两个里程碑式的事件为我们分析距离实现真正高效的量子计算还有多远提供了重要的启示。

2016年，AlphaGo击败了围棋世界冠军李世石，这一壮举标志着人工智能发展的一个关键转折点。AlphaGo的胜利不仅仅意味着在复杂的棋类游戏中取得了突破，更重要的是，它展示了人工智能在执行具体而复杂任务时的卓越能力。它向我们展示了针对特定任务的人工智能应用的巨大潜力，如两年后推出的革命性蛋白质折叠预测工具AlphaFold。

与此不同，ChatGPT在2022年推出，展现了人工智能在理解上下文和生成连贯回应方面的能力，从而立刻适应了广泛的应用场景。与专注于单一领域的AlphaGo不同，ChatGPT的应用范围极为广泛。

人工智能的演变历经数十年的发展。这一技术领域的起源通常被追溯到1956年在达特茅斯学院举行的一次会议，比AlphaGo早了近60年。量子计算作为一项令人激动的技术，被期待解决经典计算难以应对的众多问题。那么，我们又将等待多久才能迎来类似于AlphaGo和ChatGPT那样具有里程碑意义的量子计算成就呢？

量子计算的理论可以追溯到20世纪80年代，但真正见证其显著进步的时期是在过去的五到十年。

也许我们首先应该问一问，近年来我们取得了多大的进步。目前，大多数量子计算机用户通过公共云平台，如IBM、亚马逊或微软，来访问这些计算资源。在评估量子计算能力时，量子比特（qubit）的数量成为了衡量不同供应商之间差异的关键指标。五年前，公众可接触的最大量子计算机仅具有20个量子比特，而且只有少数几家供应商提供访问服务。

如今，我们已经实现了显著的进步。目前最大的公开可访问量子计算机拥有数百量子比特，而且超过十家供应商提供了公共访问服务。在过去的五年中，多家量子计算公司已经上市，风险投资对量子计算行业的投资额达到了大约50亿美元。量子计算的发展速度已远超人工智能早期的发展速度。

2019年，谷歌公布了一项被称为“量子霸权”的实验，标志着一个重要的里程碑。据谷歌称，其“梧桐树”（Sycamore）计算机在200秒内完成了最强大的经典计算机需要1万年才能完成的任务。但这是否能算作量子领域的AlphaGo时刻？可能尚未达到。谷歌的演示虽展示了其计算机的能力，但使用的算法并未针对实际的计算任务设计。

量子计算的AlphaGo时刻可能是在量子计算机解决了一个复杂且特殊的问题，其性能远远超出经典计算机的范畴。

按照这些标准，我们似乎正在接近这一历史时刻。阿美石油公司（Aramco）最近透露，它已将一种量子算法投入实际生产，用于解码地下成像信号。这是一种所谓的“地球超声波”，用于发现矿物。

此外，德勤咨询公司（Deloitte Consulting）报告称，一种量子机器学习算法显示出优于传统机器学习算法的性能。IBM和加州大学伯克利分校最近在127量子比特的IBM量子Eagle处理器上进行的实验，在复杂的物理模拟中展现了精确性，在某些情况下甚至超越了传统方法。Quantinuum报道了在蒙特卡罗模拟中量子计算优势的早期迹象。

本周，D-Wave Quantum公司在模拟非平衡磁自旋动力学方面的一个现实问题上展示了量子计算的性能优势。

虽然这些成就可能尚不足以称之为“量子霸权”，但它们预示着未来的潜在变革。经典计算机能模拟的量子比特数目上限大约为50个，而随着具备100多量子比特的计算机的普及，我们似乎离实现有用算法中的可证明量子优势只是时间问题。

随着量子计算机技术的成熟，小型创业公司正在成长为拥有高要求客户和股东的大型公司，这是硅谷及全球许多科技公司的常见发展路径。

其中，IonQ、Rigetti和D-Wave等量子计算机公司已在纳斯达克和纽约证券交易所上市。尽管后两者曾因股价低迷面临退市的风险，但他们均在不同时期成功克服了这一挑战。

与此前的纯研发阶段不同，许多量子公司正向更加实际的操作和工程阶段过渡。

IonQ首席执行官彼得·查普曼（Peter Chapman）表示，他加入公司时，公司主要由博士组成，现在则正经历从学术组织到工程组织的文化转变。他们不再仅仅聘用博士，而是更多地招募软件、机械和硬件工程师，目标是成为一家以客户为中心的产品公司。

2023年，IonQ联合创始人兼首席科学家克里斯·门罗（Chris Monroe）离开公司，返回杜克大学的学术界。查普曼在财报电话会议上提到：“克里斯会是第一个告诉你IonQ所做工作背后的物理学问题已经解决的人。现在，这主要是一个工程问题。”

Atom Computing的首席执行官罗布·海斯（Rob Hays）强调了软件工程师在量子计算领域的重要性，指出公司正在寻找具有基础物理学和科学知识、以及云服务或大型软件公司工作经验的软件工程师。

他说：“我们主要在寻找曾在云服务提供商或大型软件公司工作过，并有兴趣学习或已经掌握了一些基础物理学和科学知识的人才。但我们很幸运，这些人自我选择并找到了我们。我们有相当多的软件工程师拥有物理学本科学位，并对量子力学有着浓厚的兴趣，尽管他们的职业和经验都是软件工程师。”

目前，大型预置式量子计算机主要集中在国家实验室和学术机构。大多数量子处理单元（QPU）供应商通过自己的门户网站或公共云服务提供访问。

但是，人们很少期望当今的系统能像我们期望的那样，以久经考验的硅硬件所具备的五到九倍的弹性和冗余度运行。海斯说：“现在，量子系统更像是超级计算机，它们通过队列进行管理；它们可能不是24小时在线，用户将作业输入队列，并在队列执行时得到回复。”

Rigetti首席技术官大卫·里瓦斯（David Rivas）也表示，他们正致力于提高系统的正常运行时间，并为远程操作进行升级。

其他供应商也正在经历类似的磨合阶段，即如何使他们的系统（目前是敏感、易变和复杂的系统）为世界数据中心的企业就绪。

查普曼提到，他们与云服务提供商达成了明确的服务水平协议（SLA），目标是实现24/7的服务，同时减少对操作人员的依赖。他预测，在未来三到四年内，只有在设备出现问题时才需要值班人员。

Rigetti首席技术官大卫·里瓦斯（David Rivas）也表示，他的公司也在努力提高正常运行时间。

他说：“每个季度，系统本身的熄灯时间越来越长。因为我们要为这种远程操作进行装备，并确保生产设施能够为这种操作进行装备。”

这些转变显示了量子计算公司正在朝着更成熟、更适合企业使用的方向发展。

自从第一代量子计算机问世以来，这些系统的制造和维修逐渐趋向成熟。虽然量子计算机不会大规模生产，但该行业正逐步从一次性手工生产模式转向更类似于生产线的方法。

Atom公司的海斯说：“很多硬件的确是在电子工程师和机械工程师的协助下制造出来的，但很多仍然是由实验物理学家制造的。”

英国牛津量子电路公司首席技术官西蒙·菲利普斯（Simon Phillips）解释说，他们正专注于如何招聘员工和与合作伙伴协作，在数据中心推广QPU。

随着量子初创企业的成熟，它们的供应商也开始适应商业运营商的需求，以及在数据中心部署量子系统意味着什么。过去，供应链主要服务于自给自足的学术界，但现在正逐渐向商业量子计算领域转变。

AWS亚马逊Braket总经理理查德·穆德斯（Richard Moulds）认为，稀释制冷机市场是一个“山寨产业”，供应商很少。

主要供应商之一是牛津仪器公司（Oxford Instruments），该公司是牛津大学从上世纪50年代末分拆出来的，早在1966年就推出了第一台商用稀释装置。另一家大型供应商Blufors是15年前从现在的芬兰阿尔托大学低温实验室分拆出来的。

在量子计算热潮之前，近年来最大的变化是脉冲管技术的引入。量子计算机现在可以使用闭环系统（又称干冰箱/低温恒温器），而不是将低温恒温器插入液氦-4浴中。

这意味着系统可以变得更小、更高效、更受软件控制，也更方便用户使用。

“使用湿稀释制冷机（或湿恒温器），你需要两层楼高的房间。你需要技术人员充氦和运行液化器，你需要购买氦气来不断充氦。”牛津仪器公司量子技术产品部门经理Harriet van der Vliet解释说：“这是一个相当人工的过程，光是预冷就需要一周的时间，而且还没有达到基础温度。”

虽然公司拒绝透露具体数字，但牛津大学表示，近年来，公司的客户群发生了“明显的变化”——转向了商业量子计算客户；而且购买趋势也发生了变化：QPU公司更倾向于一次性购买多台制冷机，而不是每隔几年为学术研究实验室购买一台。

Blufors公司首席技术官David Gunnarsson补充说：“商业部分肯定在增长。公司已经扩大了工厂产能，使生产能力几乎翻了一番，以满足日益增长的需求。”

虽然业界正在努力尽可能地缩小外形尺寸，但在可预见的未来，业界基本上还是会采用更大的制冷机来进行强制超冷。两家公司都发布了专为量子计算机设计的新型稀释制冷机。

较小的制冷机（和较低的量子比特数）系统也许可以放入机架，但大多数较大量子比特数的超冷系统需要比传统机架大得多的占地面积。Blufors最大的Kide系统可以冷却约1,000个量子比特：系统高度不到3米，直径2.5米，其下方的地板需要能够承受约7,000公斤的重量。

牛津仪器公司（Oxford Instruments）和Blufors可能是现存的竞争者，但也有越来越多的新公司进入了制冷机领域，其中一些专门专注于量子计算。

牛津仪器的部门经理说：“稀释制冷机的市场不断扩大，因此该领域也出现了更多制造不同冷却系统的初创公司。参与者越来越多，但市场也在不断增长。”

现有厂商有能力继续保持市场领先地位，但QPU运营商希望竞争能带来更好的产品。

Atom公司的海斯指出，对于基于激光的量子系统来说，激光器本身可能是供应链中最大的制约因素。与稀释制冷机一样，这些技术在很大程度上仍然是由少数供应商制造的科学技术。

他说：“我们需要相对高功率的激光器，它们必须非常安静、非常精确。我们的激光器是现成的，但它们是半定制的，制造商按订单生产。这意味着交货期很长，有时长达一年。”

现在，许多光子集成电路仍然相对较小，只有五分硬币和一角硬币大小，但希望它们将来能缩小到半导体大小，以帮助减少占地面积。

总之，量子行业目前正享受其学术时代的尾声，下一阶段很可能会带来“量子霸权”和高性能计算的新阶段，但这很可能会导致产业的开放性降低。

AWS的Moulds说：“我认为，这对客户来说是好事；它降低了成本，提高了可靠性和性能。”

目前，各界对于哪个领域将首先从量子技术中受益尚无定论。一些供应商认为机器学习和人工智能将最先获益，而其他供应商则将焦点放在材料科学、制药进展以及金融和供应链优化上。

微软公司于2022年发布了一份详细的评估报告，分析了哪些应用可能首先实现量子优势，以及实现这一目标所需的量子资源。这为有兴趣的客户提供了利用量子计算机的时间估算。

论文链接：

https://arxiv.org/abs/2211.07629

例如，一家金融服务公司可能尝试利用量子计算机优化包含10种资产的投资组合。但这家公司可能会等到量子计算机能有效优化500种资产的投资组合时，才认为它真正发挥了作用。资源估算提供了实现此目标的路线图。

另一方面，量子版的ChatGPT时刻可能还有一段时间才会到来。这可能是一种通用量子计算机，能解决经典计算机无法模拟的各种问题。这样的计算机不仅限于解决特定问题，而是能够应用于多种问题。例如，通用优化的量子计算机可以用于优化生产计划、快递路线、集装箱装载、股票投资组合或确定电动汽车充电站的最佳布局。

要实现这一目标，主要挑战在于扩大量子系统的规模，同时减少计算误差。这涉及两个方面：一是增加量子比特数，超过经典计算的限制；二是创造条件，以便在不积累太多误差或失去量子相干性的情况下进行长时间计算。

量子纠错技术是多个行业和学术团体关注的焦点，被认为是实现量子系统真正实用性的关键。

相比之下，经典计算机的错误率微乎其微，可能每万亿次运算中仅出现一次错误。但量子计算机的错误率远高于此。在量子计算机中，即使1%的误差也被认为相当不错，但这意味着一个算法在仅需一百次运算的情况下，几乎肯定会提供错误结果。因此，要使量子计算机有效，必须显著降低错误率，从而才能进行更长、更复杂的计算。

随着量子技术的不断进步，全球正逐渐准备迎接量子革命。IBM预计，到2030年量子计算的“全部潜力”将被释放。若此预测准确，我们距离这一时刻还有六年时间。

尽管当前的量子计算机尚未在实际应用中展示出超越经典计算机的明显优势，但量子计算领域的创新和投资势头表明，重大突破可能已经近在咫尺。学术界、工业界和政府之间的合作正在推动这一领域的发展，让我们有望在未来十年内见证类似AlphaGo或ChatGPT的量子计算里程碑时刻。

参考链接：

[1]‍‍‍‍‍‍https://quantumcomputingreport.com/podcast-with-marcin-dukalski-of-the-aramco-research-center/

[2]https://www.datacenterdynamics.com/en/analysis/longer-coherence-how-the-quantum-computing-industry-is-maturing/

[3]https://builtin.com/hardware/quantum-computing-chatgpt-moment

[4]https://thequantuminsider.com/2024/02/07/quantum-matters-quantum-ai-early-days-for-a-killer-combination/