量子AI：量子计算远未成熟，人工智能已“饥渴难耐”

最近几年，在科技圈，人工智能和量子计算一直是两大炒作热点。无数人宣称它们将改变世界，但实际成果却难以令人满意，尤其是在量子计算领域。

受人工智能浪潮的推动，曾经沉寂的量子计算可能会迎来新的高光时刻。更有趣的是，人工智能和量子计算正在走向融合。当前人工智能产业存在一些痛点，量子人工智能或许会成为最理想的解决方案。

有了人工智能，人类可以建造更强大的量子计算机；借助优化算法实时纠错，量子机器或许会离现实更近一步。在复杂的人工智能任务中，量子处理器具备天然优势，例如为人工智能模型生成合成数据。

量子计算仍处于早期实验阶段

许多人将量子计算的发展划分为三个阶段：

——第一代（2023–2032年）：实验阶段

目前的量子计算处于第一代实验阶段，谷歌、IBM和AWS是这一领域的领头羊。例如，谷歌开发的Willow芯片完成一项任务只需5分钟，而经典计算机则需要10的24次方年。但谷歌所说的突破仍停留在概念层面，尚未证明其商业价值。

——第二代（2030–2038年）：实用阶段 

进入第二阶段，量子计算机将变得实用并具备商业可行性。届时，量子系统能够解决优化和模拟问题，工具更加易用，技术广泛落地。

——第三代（2035–2045年）：成熟阶段

此时量子计算走向成熟，拥有完善的生态系统，并融入企业流程。

尽管潜力巨大，但目前外界对量子人工智能仍存疑虑，主要因为宣传炒作过多，实际应用寥寥无几。量子人工智能还面临诸多挑战，例如硬件不稳定、需要专用算法等。尽管大家普遍认为，随着纠错技术的进步和量子比特稳定性的提升，其可靠性将增强，但目前的进展仍缺乏说服力。

IBM Quantum System Two和谷歌量子系统是行业代表，虽已研发多年，但仍无法运行大型AI模型。正因如此，多数专家才断言：“人类距离完全实现量子人工智能还需要多年时间。”

LDG科技咨询公司总裁劳伦斯・加斯曼去年曾表示：“量子人工智能仍处于起步阶段，对许多机构而言，现在谈论量子计算人工智能为时过早，甚至没有必要。”

不过，科技巨头已开始布局，量子AI计算或许会加速发展。作为人工智能领域的领头羊，英伟达最近突然进入量子计算领域。Craig Hallum分析师理查德・香农（Richard Shannon）表示：“他们此前一直没有涉足，这一点让我有些意外。”

对于量子计算，英伟达CEO黄仁勋的态度也一直在变化。今年1月，他称实用型量子计算机还需15至20年才能实现；到了3月，他收回这一观点；6月，他又表示量子计算的拐点已经到来，未来几年有望解决一些实际问题。

就目前而言，量子计算对英伟达的AI客户帮助有限。PsiQuantum首席科学家皮特・沙德博尔特（Pete Shadbolt）指出：“量子计算与人工智能在某种程度上截然相反。AI之所以强大，是因为它能从海量数据中学习规律；而量子计算机讨厌数据，偏爱精准。”

支持者认为，量子计算有望开启全新计算范式。GPU能够通过并行计算解决大量简单问题，量子计算不同，它可以解决少量复杂但有价值的问题，二者并不冲突。

谷歌量子人工智能实验室研究员黄新元（Hsin-Yuan Huang）认为，对于量子力学系统的模拟问题，经典计算机无法应对。量子力学描述的是物理基础理论，这些问题不是靠堆叠GPU就能解决的。

如果有一天量子计算机投入运行，英伟达将占据核心位置。没有大量经典计算的支持，量子计算机无法运行，例如，控制量子计算机、纠错以及分析结果都依赖于经典计算机。

量子计算与AI结合的前景展望

英伟达已与谷歌量子计算AI（Google Quantum AI）展开合作，模拟量子处理器的物理原理，旨在理解并减少“噪音”。所谓“噪音”，指的是困扰量子硬件、限制计算运行时长的误差。例如，原本需要一周完成的模拟，现在仅需几分钟即可完成。

训练大型AI模型需要耗费大量时间与算力，因此科技企业争相建设数据中心。如果部署量子计算机，模型的学习进化速度将会更快。传统训练需要数周甚至数月，而量子计算机可能只要几天就能完成。

在模式识别领域，无论是图像还是文字，量子计算机可以同时分析多种可能性，从而提高准确率和识别速度。

此外，当前生成式AI工具输出的内容仍然不够细腻和真实。量子人工智能可以让模型处理更多数据，增强真实感，使细节更加丰富。

如果量子计算机真能与人工智能完美融合，互为助力，将有望帮助人类解决许多难题，例如欺诈检测、数据合成、材料研究、药物研发、碳捕获等。这些难题若用经典计算解决，不仅耗时漫长，甚至可能难以真正突破。

安永（EY）全球首席创新官乔・德帕（Joe Depa）指出，人工智能对电力的需求极为庞大，未来如果量子增强算法成熟，有望大幅降低训练能耗，不过目前这种设想仍停留在推测阶段。

从基础设施的角度看，人工智能与量子计算存在本质差异。人工智能可以依托现有云架构实现规模化部署，而量子计算需要极端低温环境和专用设施。IBM已尝试将量子处理器整合到超算设施中，也就是将经典计算与量子计算融合，但类似项目仍处于试点阶段。企业不愿投资量子基础设施，因为应用尚未得到验证；如果没有完善的基础设施，应用又无法验证——这形成了一个死循环。

众所周知，人工智能存在“黑箱”问题，其得出结论的过程人类难以理解。量子计算同样存在“黑箱”问题，且更为严重。量子态在测量过程中本质上是无法被完全知晓的，这并非技术限制，而是量子力学本身的特性所决定的。如果将量子计算与人工智能结合，得出结论的过程可能会变得更加不可知。

总之，当前量子AI计算仍处于早期探索阶段，理论潜力巨大但现实应用有限，技术瓶颈与基础设施仍是主要挑战。（小刀)