英特尔量子计算之道：质量先行，规模在后

金磊 发自 美国圣何塞
量子位 | 公众号 QbitAI

“关键在于质量，而不是数量。”

这就是芯片巨头英特尔研究院院长Rich Uhlig，在Innovation 2023中对于量子计算给出的最新观点。

在“数量”上，从目前量子计算整体产业发展来看，英特尔确实并不占优势，毕竟目前许多系统的量子比特数量大约在几十到几百个之间。

而在这次大会中CEO基辛格展示的Tunnel Falls量子处理器（今年6月份已发布），其拥有的量子比特数量仅为12。

虽然数量上的现状如此，但英特尔能够说出刚才那句话也是有底气在的。

因为它在量子计算上的路数还真是有点“不走寻常”的感觉，用首席技术官Greg Lavender的话来说就是：

• 我们是唯一一家致力于硅量子比特的公司，我们不仅使用了熟悉的工艺和材料，还进行了创新性的调整，以创造出领先的量子比特。

据了解，这是一种采用了更接近传统微处理器制造的技术，可以利用硅芯片中的电子来记录量子比特的状态。

基辛格在现场所展示的，便是采用这种技术，镶嵌了Tunnel Falls处理器的300毫米硅晶圆，总共容纳了24000个量子比特。

不仅如此，在与Rich Uhlig的交流过程中，他还透露英特尔在量子计算上正在开展另一个技术：

• 我们构建了一个可以在非常低温下运行的量子控制芯片，被称为“Horse Ridge”。
• 它可以在低温环境下实现对量子系统的有效控制，并操纵和读取量子位状态，控制多个量子位纠缠所需的多个量子门。
• 我们认为这将是实现量子计算规模化的关键因素，使量子比特在未来能够进一步扩展。

质量先行，规模在后

那么接踵而至的一个问题便是，英特尔如此的路数，在量子计算领域能否实现弯道超车？

其实，若是用“以史为鉴”的方式来看待这个问题，答案便可一目了然。

英特尔许多探索性的未来技术都来自成立于1989年的英特尔研究院，由现任CEO基辛格一手操办。

现如今，英特尔的探索逻辑已经形成了“发现”（Seek）、“解决”（Solve）和“推广”（Scale）这样一种模式。

对于“发现”的理解，是不局限于英特尔内部、与大学等合作伙伴建立丰富的关系网络；不只是资助研究，更是让英特尔的研究人员与他们的合作者共同参与研究、一起发表论文等。是一种互相学习的过程。

此外，英特尔还和其它研究机构展开合作，积极地“走出”英特尔，去开拓视野。

在解决英特尔认为值得解决的问题时，研究院倾向于采取跨学科方法，涵盖从集成电路衍生的各种领域。正如Uhlig所述：

• 我们有集成电路研究员，有为未来CPU、GPU和加速器做微型架构的研究员，也有负责系统软件研究、编程系统和编译器的研究员。
• 我们研究工作负载，比如AI工作负载是大家都在关注的领域，但这不是唯一，还有很多其它新兴的工作负载，我们都在紧跟前沿。
• 在所有这些研究当中，我们会建立技术原型，采用系统视角，做硬件和软件。我们尽量把概念向前推进，这样我们就有信心，当这些概念进入规模化阶段时能够走向成功。
• 我们不是象牙塔，我们分布在全球各地，与业务部门和产品团队毗邻而坐。从项目开始初期直到项目结束，都是共同协作完成，就问题陈述、方法和需要交付的内容等问题达成一致。这也是我们最终能够成功将研究项目转化为产品的关键所在。

并且Uhlig还强调，当研究院准备好扩大规模时，会借助英特尔的力量、强大的执行能力来扩大他们的产品规模，使其达到数千万，甚至数亿的规模。

研究院与生态系统协作，特别是在开源领域英特尔一直非常活跃。这就是英特尔规模化的一种方式。

如此模式之下，英特尔研究院在数十年时间里已经“解锁”了诸多被大众所熟知的技术，如Thunderbolt、USB等等。

以Thunderbolt为例，它是将I/O整合到一个连接器上，当时研究院的笔记本电脑上充斥着各种不同类型的连接器，所以当时他们就突发了一个想法，能否通过单一接口将它们整合在一起？

英特尔研究院花了几年时间才做到这一点，而现在它已经无处不在。

还有英特尔虚拟化技术（Intel Virtualization Technology），这也是Uhlig在实验室的第一个项目，在 2008 年最终成为产品之前，他们花了大约 10 年时间对此进行研究，而现如今，在数据中心随处可见它的身影。

硅光子学（silicon photonics）是另一个长达十年的故事，构建了从硅基激光器、调制器、光放大器到感光元件的所有基本要素，同样证明了英特尔可以低成本地实现硅光子，这也成为英特尔相关业务的基础。

总体来看，用“十年磨一剑”来形容英特尔研究院的研发模式是再恰当不过。

因此，在量子计算这条路上，是值得期待一波了。

参考链接：
https://www.cnet.com/tech/computing/intel-plans-a-quantum-computing-approach-to-leapfrog-rivals/