量子计算+AI，未来已来( 二 ) 3-5年内

FounderPark：量子计算和AI的结合中产生的独一无二的价值是什么？
马寅：量子计算的价值首先要从其可用性出发。目前如果需要处理像GPT3这样有1750亿参数的神经网络，所需的服务器集群很大，要面对的不仅是服务器与服务器之间的交互，还有带宽问题。即使利用了并行计算，服务器间的带宽也会影响计算。
第二是对硬件底层的挖掘。量子计算的基本原理是叠加效应，从工程化角度来讲，一个量子比特可以同时代表0和1 ，两个比特能代表四个状态，几百上千个量子比特则可以代表无数状态，并拥有极大的算力。如果量子计算能够真正参与人工智能领域，可能就有机会超越今天我们费时费力建造的GPT3大型集群。
量子计算在真正投入应用时，还需要考虑细节上的软件性和算法性的工作，但这些问题一定能够解决。量子计算的实施能够使人工智能中被视为玄学的调参工作更加得心应手，并有可能在爆炸性数字的参数组合中找出最佳路径。
量子计算的优势还体现在优化方面，它使用了物理学的基本原理。例如自然状态的下雨，每个水滴都会自动流向最低点，而总有一滴水会最快找到最低点。这与参数传递相差无几，如果一个参数向下传递，总有一条路径是最佳路径。量子计算能够在其中的某一个环节作用，并达到路径优化的目的。
FounderPark：公司具体落地了哪些应用场景？量子计算加AI要解决的核心问题是什么？
马寅：目前量子计算主要解决问题里的「单点」，而不是将问题整体量子化。所以这个问题更多讨论的是「单点」涉及的领域。
在金融领域，主要解决的是组合投资的问题。例如在购买多支股票如何分配资金，股票交易如何组合仓位，以及通过数学公式对股票涨停的基本判断，对于此类复杂度较高的问题，目前都有通过量子计算解决的机会。
针对银行风控问题，可以有效处理大规模的风控数据。例如进行贷款前的风险评定时，多种交易数据均被视为参数值，可能导致数据维度的爆炸。量子计算则能够对此进行数据降维，便于计算风控值、设计风控方案，在大规模的风控贷款策略下，获得最小的坏账和最大的贷款收益。
在制药方面，第一步需要进行分子对接，在药物分子和病毒蛋白质进行对接时，要求向好的方向进行演化，即药物有效化，在力学模型中可以定义为函数求极值的工作。所有分子都需要与病毒蛋白质进行结合，一种组合甚至可能千变万化。制药需要在多种药物分子与病毒的匹配中，找出函数的最佳答案。当今算力难以达到要求，因此需要进行简化：在千万种数据中反复提取一定数量的数据，使之可以通过计算机模拟，并选取前十种最优值的分子做成生物药，进行临床试验，反复多次直到选取到有效分子。量子计算可以更好地演化制药过程，使得数据的提取更加精准，算力的大规模提升能够为药企节省大量成本。
FounderPark：在早期的应用探索阶段，客户对量子计算有什么误解？
马寅：第一点就是误以为量子计算可以完成加密、解密工作。网络安全公司会认为量子计算能够与网络安全结合，完成破解、加密密码的工作。
事实上量子通信是加密工具，量子计算可以应用于解密，但是量子计算的解密与量子通信的加密不是矛和盾的关系。量子计算的解密偏向于算法，本质上是计算的方法；通信的加密则是在信息论的角度出发，使信息本身从经典信息变成量子信息，本质上是以物理特性来进行加密。