量子计算+AI,未来已来( 三 )


量子计算破解密码可能还需十余年 。 解密工作对于真正参与计算的逻辑量子比特的质量和数量要求非常高 , 目前技术无法提前企及 。
第二点误解是认为量子计算技术过于前沿 , 没有使用场景 。 量子计算现在算力大、算得快 , 可以在时间轴的几个节点进行加速 , 缩短计算时间 。 把能优化的进行优化后 , 就可以体现量子优势 , 也就是量子计算应用场景的落地 。
02
选择光量子路线
是基于商业化考虑
FounderPark:目前实际做量子计算会有哪些不同的技术路线?
马寅:量子计算的路线较多 , 有三种主流路线:光量子路线、超导量子路线和离子阱路线 。 三个技术路线都有人去实操 。 例如谷歌和IBM做超导量子路线 , 微软投资了光量子公司 , 美国上市公司IonQ做离子阱量子计算 。
FounderPark:感觉量子计算的实现路径缺乏共识 , 你认为这个行业的发展趋势是什么?
马寅:我认为目前量子计算行业 , 是处于学术界和产业界叠加的状态 。 我们今天认为这是一个产业界的行业 , 但实际上当今量子计算行业存在很大比重的学术属性 。
抛开产业问题 , 只考虑学术界 。 任何一个技术方向都有存在、演进的必要 , 行业里存在的多种量子计算路线就是源于学术界的百家争鸣 , 而这种现象对于物理原理的探索是不可或缺的 。
但回到产业界 , 从应用角度出发 , 我们目前考虑更多的是哪种技术能够从实验室跨到工程阶段 , 有机会成为产品 。 实际上我们需要通过产品阶段反向验证 , 在结合行业的实际需求后 , 产业化的诉求反馈回企业 , 各个行业将会有一些应用场景的细分和分类 , 从而确定某个技术路径更适合哪个赛道 。
而行业的发展趋势取决于各种生态因素 。 对光量子来说 , 在人才生态的角度来看 , 国家的光量子人才的储备充足 , 即便多数从事于通信行业 , 但基本原理控制与测量是一贯百通的 。 但超导量子就很难从社会面招到专门的人才 。
其次是行业生态 , 客户对于算力工具的需求更多考虑性价比、环境的依赖性与可操控性问题 , 算法工具解决这些问题需要依靠技术路线 , 比如是否能搭建超低温环境甚至零度环境等 , 这就取决于公司的定位是做商业化产品还是大国重器 。
我个人认为最终还要以产业化思维去做科技公司 , 所以选择了做一个能够赋能各行各业的企业的定位 。
FounderPark:相比较其他路线 , 光量子是适合做商业化落地的一种量子技术 , 这种商业化应该会由哪些要素组成?
马寅:我们总结了四点 。
第一 , 光量子可以简化量子比特的规模 。 不管是什么方式的光量子 , 都有机会能够演化出更多的量子比特 , 这一结论在科研领域已经得到了证实 , 这就是其算力上的科研优势 。
第二 , 就温度方面而言 , 光量子计算设备可以处于常温状态运行 。 因此整机体积的指标可以控制 , 随着集成供应更高 , 未来可以向越来越小的路径进行演化 。 而超导是朝着越来越大的方向演化的 。
第三 , 光量子的可用性很高 , 且多与可编程软件相互关联 。 可编程性既包括硬件的可编程——硬件本身在搭建后可以针对体系内的参数进行修改;也包括软件的可编程——客户只需要了解其需求是如何通过算子进行使用的 。
第四 , 光量子可以进行工程化 。 光量子的实验室阶段已经跨过 , 即便目前实现状态不稳定 , 但也已经证明光量子可以做出一个更大规模、满足客户需求的机器 。 而当前的其他路线还在不断演进 。