量子计算+AI，未来已来

3-5 年内，量子计算可以实用化。

作者 | Founder Park

摩尔定律正在失效，经典计算机的性能也日益捉襟见肘。单靠堆积硬件的方式，已经无法满足当下骤增的算力需求了。

在这其中，量子计算作为最具潜力、也最受关注的新兴技术，吸引了业内不少的关注，也和人工智能一样，成为了科技巨头纷纷投资的领域，谷歌、IBM、微软等都在量子计算领域砸入重金。

而当量子计算和人工智能又结合在一起的时候，会带给大家一个怎样的惊喜？以及，这样的结合能带来怎样的商业价值，具体会在哪些领域落地？量子计算的诸多技术路线又该如何选择？

作为国内很早就开始探索 AI 和量子计算结合、走光量子路线的玻色量子，他们已经在国内进行了量子计算的商业化尝试。我们专门邀请了玻色量子的联合创始人& COO 马寅，聊一聊 AI 和量子计算的结合，以及量子计算的未来。

• 
  

  硬科技的价值是有所应用，而不是有所实现。

  
  

• 
  

  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。
  

  
  

• 
  

  目前的量子计算行业，是处于学术界和产业界叠加的状态。

  
  

• 
  

  没有缺点的技术是不存在的，缺点才是技术不断向前演进的动力。

  
  

• 
  

  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。

  
  

01

量子计算+AI

是技术的必然趋势

Founder Park：创立公司时，量子计算处于什么样的发展阶段？你看到了怎样的机会？

马寅：2019 年是量子物理界的重大年度。首先，谷歌宣布量子霸权，看到了更多技术的可能性；其次，在学术角度而言，合伙人文凯博士的团队发布了几篇非常重要的顶刊论文，验证了光量子做量子计算的可行性，并在实验室达成一个重要的指标，这一指标在目前已经可以满足我们很多工程化的需求。

我认为硬科技公司有四个阶段。一为科研阶段，即技术原理的突破；二是工程阶段，技术要满足工程级的要求，可以将实验室的科研转换成工程的试验；三是产品化阶段，硬科技结合行业，使其具有行业属性；第四阶段为可复制的商业化，可复制性让整个行业有所不同，此阶段可以达到创业目标。

2019 年量子计算的工程阶段已经跨越了，我们已经进入了工程阶段。其次是谷歌发布的 TensorFlow，让大家认识到人工智能除了我们理解的深度学习等，还有更多的可能性，这种可能性是与新的基础、新的方法关联的，而这众多方法中可能会存在量子计算的机会，在软件生态上证明了量子计算达到了可用的状态。

我觉得 2019 年可以称为量子元年，当时我们的初心和技术都已就位，所以 2020 年就成立了公司。

Founder Park：为什么会选择AI和量子计算的结合？量子计算和 AI 结合后的落地场景有哪些？

马寅：在当今时代的大多数场景，基础计算已经能够满足我们的需要，但在部分场景下，如泛人工智能的大数据运算、对大型参数网络的调校与优化，我们对算力是有更高的要求和需求的。比如城市地图里的交通路径规划、交通灯控制等。

目前量子计算应用更多是从组合优化场景开始，包括交通的路径优化、金融的组合性问题等；另外还有量子模拟，即用基础粒子状态去演化其他类似的系统，如对药物系统的模拟，进行新型药物的开发；此外可结合人工智能，无论是各行各业，还是组合优化场景都需要人工智能，这是毋庸置疑的。

Founder Park：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。

Founder Park：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。

Founder Park：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。

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

Founder Park：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。

Founder Park：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。

Founder Park：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。

Founder Park：光量子计算技术是否可以通向通用计算发展？

马寅：通向通用计算发展需要学术方面和产业方面叠加理解。

通过 1920 年双光子纠缠及相关顶刊论文可知，这一问题在科研上已经得到解决，也就是说，光量子计算技术在科研角度已经达到向通用计算发展的路径了。

但在产业方面分析，我们目前需要大规模的比特，并要求在环境控制上达到人力可控或客户可控的状态，在编程角度上需要具有易接入性。只有在满足以上指标后，产业才会出现通用的需求，这是需要不断进行演化、操作的。

Founder Park：光量子方案有什么缺点？

马寅：没有缺点的技术是不存在的，缺点才是技术不断向前演进的动力。光量子的缺点主要有以下几点。

第一，可编程性的控制难度大。光子速度极快，难以储存，因此导致了控制足量的光子并使其参与计算的难度极高，这也是光量子方案一定要跨越的门槛。目前是使用经典物理的方案——光电联合的技术来解决的。

第二个缺点在于规模可扩展性。模拟演化阿司匹林的药物分子，只需要几十个量子比特；而模拟演化新冠疫苗复杂的蛋白结构可能需要成千上万个量子。基于当前的技术，没有任何一个科学家可以提供解决新冠病毒演化的算力量级工具。这就说明光量子方案的规模需要不断演进。

第三是容错问题，即量子计算需要接受一定的噪音。受环境及计算等多方面的影响，对于未来获得稳定的、大规模的、具有可用软件的通用光量子计算机，容错率是技术上需要直面的问题。光量子容错问题的理论突破仍处于起步阶段，由学术界向工程化的转变阶段。

Founder Park：你们官网所介绍的相干伊辛机是什么？它要解决的是什么问题？

马寅：相干伊辛机是光量子演化的一种方式。

人为所构建的封闭稳定系统需要在开放状态才能够进行关联控制，噪音也因此产生，量子比特的规模扩大，噪音也会更大。如何在含有噪音的自然场景内，建立一个与自然关联的状态，使得人们能够合理利用物理现象进行计算，进一步构建开放性的量子计算系统？相干伊辛机应运而生。在系统内噪音影响可以通过量子叠加效应、量子纠缠等使量子系统演化为经典系统，并且在短暂的数毫秒内完成量子计算。

相干伊辛机的制造将基本物理原理与光电控制合二为一，能够处理大规模的数学问题。例如可以在一万个节点中在几毫秒内求出最优解，完成路径优化或向量分割的问题；还可以助力人工智能聚类算法区分特征点，通过构建向量解决不同人物的判定问题。相干伊辛机的应用不仅局限于此，还在很多的金融场景、人工日常具有一定意义。

Founder Park：目前量子计算的实现路径有很多，你们押注在光量子，会担心押错路线吗？

马寅：技术路线肯定是公司的核心，但我们对技术路线的理解是跟产业关联的，更严谨地说是产品路线，也就是商业化的问题。

英伟达如今也在研发量子计算，不过是用量子模拟的方式，还是走 GPU 计算的方式。比如他们也进行了最大割问题*（Maximum Cut）的计算，使用了接近 1000 块 A100 的显卡，这样的算力可以演化 3000 个节点的最大割问题，但是在我们的相干伊辛机中，可研阶段已经可以做到一万个节点的演算了。从这个角度来看，商业化前景是不需要质疑的。

最大割问题：NP 完全问题。给定一张图，求一种分割方法，将所有顶点（Vertex）分割成两群，同时使得被切断的边（Edge）数量最大。最大割问题在统计物理、图像处理等工程问题中有着广泛的应用。

Founder Park：行业偏向于用量子比特的数量去定义量子计算机的算力，你们也是这样去做定义的吗？

马寅：量子比特的数量作为基本指标，也只能这么去定义。但在产业需求角度出发，应该在计算复杂度的帮助下进行理解，要跨过科研、工程，回到产品阶段，不同的产品对于比特数量的理解有所差异。

例如处理人脸识别聚类运算跟人工智能，行业更关注欧式距离问题，以及如何用 Max-Cut 进行加速，重视量子比特的数量能够解决多大规模的数学问题。如果数学问题能够和量子比特一一关联，则量子比特可以作为计算指标。

但就应用方角度而言，噪声问题的影响和软件使用的差距会导致真实使用的量子比特数量与投入数量严重不符。客户更在乎实际能够解决的节点数量和解决具体问题的规模大小，并以此确定产品价值，即偏好以计算复杂度作为衡量指标。

Founder Park：量子计算可以可以分为渐进式和阶跃式，具体走这两种路线的公司有哪些？

马寅：不同方式的选择与生态和国人的习惯有关。

美国的技术创业创新多为阶跃式。美国硬科技大部分作为车库创业，潜心做边缘人工智能芯片的基础研究，最终被证实能够得到算力上的一定提升，并可以立刻在相关领域投入大规模使用。企业被收购后，超大型的巨头会带来应用场景，并提供充足的资金量，企业的技术迭代得以加速发展。类似模式已经在美国形成生态，并影响着美国硬科技模式的选择。

国内坚持眼见为实、实事求是的观念，更专注于当前可视的、清晰的演进路径。区分于渐进式的表述，中国式的创业是适时的阶跃与爬坡相融合，步步校验以实现目标的方式。玻色量子选择的也是这种路线。

举例说明，中国发明制作飞天汽车，会先实现汽车落地化，再加两个翅膀尝试飞行，最后进行稳定化控制使其达到真正飞天；而美国的飞天汽车可能是直接追求 1.0 到 10.0 的进步，直至达成目标为止。

Founder Park：大家通常说百万量子比特，实现百万量子比特意味着什么？

马寅：真正实现百万量子比特的应用场景，我们目前可能只能构想到 30% 左右，例如在极短时间内找到交通问题的最短路径。

大多数的场景无法想象，我们之前进行过一些头脑风暴，比如百万量子比特可能有助于深刻理解人类大脑，跨越数字孪生达到量子孪生，使人工智能做到模拟人类的基本动作；还有可能实现可控核聚变，做到精准仿真，通过外部控制影响演化方向；可控核聚变意味着无限能量的获得，人类可能因此飞出太阳系，达成星际旅行的梦想。

目前能达到的量子操控数的话，以美国顶尖公司 PsiQuantum 举例，他们提出的光纤内存，可以在 1 公里的光纤内存可以暂态存储超过 5000 个光子。目前在光量子的学术领域上已经得以实现，在工程领域有机会达到。

Founder Park：量子计算的发展路径是怎样的？如何理解量子优势？

马寅：发展路径第一步是量子优势阶段，近几年就会出现。第二步是实用化，实用量子计算，还需要更长时间。第三步则是通用量子计算的愿景。

产业化的量子优势多为单点且不具有可复制性。在最开始探索阶段，大多数被提出的问题都无法实现，如果恰好有几个问题在产业界里能够实现，则需要证明这些问题是具有实际应用价值的数学问题。在制作出产品并能够应用于某人工智能后，算力得到了一定的进步，则可称在此体现了量子优势。

实用化量子计算优势则是体现在拥有无数类似优势后，对于大多数的问题都有从软件到硬件的解决方案，量子计算已经相对实用，并应用于组合优化、量子模拟、人工智能等方面。

通用量子计算则意味着量子计算可以应用于各行各业，解决各类问题。

03

3-5 年内

实现量子计算实用化

Founder Park：创业之前的经历是什么样的？

马寅：我的高中比较有名——合肥一中，也是杨振宁的母校。大学就读于中科院光电专业，但是这个阶段并没有从事于量子计算。在小时候常看的科幻杂志的影响下，我更偏向于星辰大海，所以选择了航天工作。研究生期间第一次绘制电路板就应用于嫦娥二号，之后从事了长时间的神舟飞船的研制工作。

基于对科技的信仰，以及对做硬科技的向往，在 2016 年着手于一款适用于航天员的远程协作系统，最终以 AR 眼镜的形式面世，航天员佩戴后可以及时向地面反馈问题、进行求助。

Founder Park：创业对你意味着什么？

马寅：可以全心全意完成、实现我的想法，并看到成果，这种通过个人努力得到反馈，从而不断修正行为，努力然后收到更多反馈，这样正向、循环往上的过程，让我觉得十分充实。

我个人偏向在应用方面理解硬科技，更在乎它的使用方式。例如神舟飞船的有效载荷，也就是飞船上的科学仪器、专用设备等工具等，对于我们探索人类未来、进行科学研究有重要意义。硬科技的价值是有所应用，而不是有所实现，这也是老科学家们向我们传达的思路。就像量子计算，即便听起来晦涩难懂，但本质上也只是一种有效的算力工具。

人类未来可能会通过算力来解决很多难题，2019 年，当时我的积累、能力，加上对行业的判断和自己的初心，决定一定要解决算力的问题，只有如此才能让我对未来几十年的人生负责任。

Founder Park：为什么会选择玻色量子这个名字？

马寅：物理界的基本粒子的类型分为两种：费米子和玻色子，光子是典型的玻色子。我们公司专注于做光量子计算，用光子做一个量子的基本比特，然后去控制光，所以叫玻色量子。物理系的同学一听就知道，玻色量子显然就是一个做光量子的公司。

Founder Park：公司目前的产品形态是什么样的？

马寅：产品形态与技术方案相关联，光量子的特点造成其比特规模可以稳定攀升、控制，能抽象成计算复杂度的指标，并用软件的方式给客户应用，这些就是目前公司工作的部分内容。未来交付客户的产品形态主要有两种。

一方面，对于比特能够制作出的最大工程机，公司一定能够将其建成云平台，让客户进行访问。针对单次运算，如演化天气系统的离线型需求，可以通过类似的云服务完成计算。

另一方面，针对导航软件和金融行业股票交易的并行访问量，客户的升值需求要求保证数据私有化的同时，能够维持设备的稳定性。在交付客户机房后只需要工程师即可维护运行，并在独立修改参数后仍可投入应用。类似能够实现私有化部署的中小型商用机在今年就会公开发布，此外，公司同时具备公共型运营的大型商业模式产品。

Founder Park：在目前的工程化阶段中，公司遇到的挑战有哪些？

马寅：第一是资金投入量的问题。不是所有问题在实验室演化成功，在工程上就一定能够成功，但工程化阶段要求达到 100% 的成功率。这就要求工程上的经费投入，能够支撑概率从 1% 达到 100%。

第二个挑战是实际控制的调节。经典系统需要去控制量子系统，这就导致整个过程的指标分工可能不明确。针对不同的方案要进行具体分析，例如最终得到的参数集合可能会有一套定制化的稳定算法，参数集合的工作中需要物理方案和工程方案的组合，这就需要对相关技术人员进行平衡、调节，制作成可编程化的算法以适应不同参数。

第三是国产化的调整。如果想要精益求精，我们首先需要优化和更新系统，在指标和细节上完善定义。其次要掌握核心器件及参数组件技术，实现自主供应。在今年下半年或年终的时间节点上，公司将基本实现核心技术百分之百的国产化进程。

Founder Park：公司需要多久能够实现量子计算的目标？

马寅：近几年可以做到量子优势，目前玻色量子已经实现了部分商业化的拓展，如与银行、医药领域的合作。

三到五年阶段能够达到实用化量子计算。十年期甚至更长周期做到通用量子计算。

Founder Park：公司未来的发展规划是怎么样的？

马寅：核心定位是希望能够把公司的量子计算与行业结合做得更好。在过程中有几件事。

第一件事情要做好科研工程化的产品，整合工程化工作与科研工作内容，我们现在一直在学术和企业人员之间来回切换。

第二点是与更多行业的结合。希望能够了解各行各业算力的真实需求，也许能够找到其中一个点，从而演化出一些量子优势，对于量子计算的发展意义重大。

第三件事情是解决应用生态的问题。希望能够找到一个方案便于更多人自发参与，如果我们和产业界能够再近一步，也许就因此碰撞出新的火花，甚至有机会解决在行业中横亘了十年的难题。

*以上嘉宾观点不代表 Founder Park 立场，也不构成任何投资建议。

*头图来源：玻色量子官网

极客一问

请将你的问题放在这里？