域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過
作為未來產(chǎn)業(yè)明確提出的六大領(lǐng)域之一，量子計(jì)算能夠?yàn)樾沦|(zhì)生產(chǎn)力提供強(qiáng)大的算力支撐，已經(jīng)并還將持續(xù)釋放應(yīng)用潛力。
近日，在合肥舉辦的以“量子科技 協(xié)同創(chuàng)新”為主題的2024年企業(yè)自主創(chuàng)新服務(wù)行動(dòng)會(huì)上，中科大教授、中科院院士郭光燦圍繞“量子計(jì)算發(fā)展現(xiàn)狀”做主題報(bào)告時(shí)，將量子計(jì)算機(jī)的發(fā)展劃分為三個(gè)階段。
2010-2020：量子計(jì)算機(jī)原型機(jī)時(shí)代。這一階段可以理解為實(shí)驗(yàn)室階段，量子比特?cái)?shù)較少，功能不強(qiáng)，應(yīng)用有限，但“五臟俱全”，是地地道道的量子處理器，能夠按照量子力學(xué)的規(guī)律運(yùn)行。
2020-2030：專用量子計(jì)算機(jī)時(shí)代。這一階段意味著量子計(jì)算機(jī)已經(jīng)開始走出實(shí)驗(yàn)室開啟應(yīng)用探索，盡管量子比特?cái)?shù)只有100左右，但其運(yùn)算能力已經(jīng)超過任何超級(jí)的電子計(jì)算機(jī)，只是并未采用“容錯(cuò)糾錯(cuò)”技術(shù)來確保其量子相干性，因此只能處理在其相干時(shí)間內(nèi)能完成的有關(guān)問題。
2030-2040：通用量子計(jì)算機(jī)時(shí)代。這一階段屬于商業(yè)成熟階段，量子比特?cái)?shù)達(dá)到百萬量級(jí)，并已采用“糾錯(cuò)容錯(cuò)”技術(shù)，能夠在各個(gè)領(lǐng)域獲得廣泛應(yīng)用。
郭光燦院士分享現(xiàn)場(chǎng)
很明顯，眼下我們正處于專用量子計(jì)算機(jī)時(shí)代。
中國(guó)信通院前不久發(fā)布的《量子計(jì)算發(fā)展態(tài)勢(shì)研究報(bào)告》（2024 年）中提到，目前量子計(jì)算處于從前沿研究向應(yīng)用探索落地突破的關(guān)鍵階段，也側(cè)面印證了這一事實(shí)。此外，GJB 7688-2012《裝備技術(shù)成熟度等級(jí)劃分及定義》從技術(shù)成熟度角度拆解了“專用量子計(jì)算設(shè)備”，即犧牲了計(jì)算的圖靈完備性，在工程可靠性上獲得了有效進(jìn)步。通過查閱公開報(bào)道可知，專用量子計(jì)算設(shè)備的穩(wěn)定時(shí)間可達(dá)到數(shù)小時(shí)尺度，并且已經(jīng)在一定數(shù)量的應(yīng)用場(chǎng)景中遷移了軟件算法，并獲得了實(shí)際應(yīng)用驗(yàn)證。對(duì)標(biāo)GJB 7688-2012，可以達(dá)到5-7級(jí)成熟度，正處于工程化往產(chǎn)品化漸進(jìn)的階段。
不同于通用量子計(jì)算機(jī)較長(zhǎng)的研發(fā)與應(yīng)用周期，業(yè)界認(rèn)為，專用量子計(jì)算機(jī)有望在未來3到5年率先迎來商業(yè)爆發(fā)期。據(jù)此前北京日?qǐng)?bào)報(bào)道，國(guó)內(nèi)專用量子計(jì)算代表企業(yè)北京玻色量子科技有限公司獲得數(shù)億元融資，無疑表明了資本市場(chǎng)對(duì)專用量子計(jì)算機(jī)的認(rèn)可。
量子計(jì)算快速發(fā)展的背后，另一個(gè)備受關(guān)注的問題是：通用量子計(jì)算機(jī)何時(shí)能實(shí)現(xiàn)？
2024年9月，在以“共享創(chuàng)新、共塑未來：構(gòu)建科技創(chuàng)新開放環(huán)境”為主題的 2024 年浦江創(chuàng)新論壇主論壇上，2023 年度國(guó)家最高科學(xué)技術(shù)獎(jiǎng)獲得者薛其坤院士指出，在研制量子計(jì)算機(jī)方面，從物理學(xué)上至少還有5道難關(guān)，包括錯(cuò)誤率、相干時(shí)間、制冷機(jī)、硬件方案不確定性，估計(jì)至少還需要 10-20 年時(shí)間，才能研制出通用的執(zhí)行任何量子算法的量子計(jì)算機(jī)。
言外之意，樂觀指數(shù)拉滿，通用量子計(jì)算機(jī)的誕生仍需要10-20年。
目前，通用型量子計(jì)算機(jī)體積巨大，附屬設(shè)施復(fù)雜，難以部署在普通的數(shù)據(jù)中心中，且采購(gòu)、建設(shè)和運(yùn)行成本也極其高昂，只能以大型科研設(shè)備的形態(tài)存在。
但當(dāng)未來到來的那一天，通用量子計(jì)算和專用量子計(jì)算又會(huì)是哪種相處模式呢？
并行發(fā)展。一個(gè)非常好的參考就是 CPU 和 GPU，它們是面向兩個(gè)不同場(chǎng)景的硬件體系，看看如今的英特爾和英偉達(dá)便可知。
我們以人工智能為例。當(dāng)前，AI 模型的訓(xùn)練和推理依賴于大量算力，而 GPU 已經(jīng)成為 AI 訓(xùn)練的主力。要知道，GPU 最初是為加速圖形渲染和游戲而設(shè)計(jì)的，因其具備強(qiáng)大的并行處理能力，尤其適合深度學(xué)習(xí)模型中矩陣運(yùn)算的大規(guī)模并行計(jì)算需求。因此，雖然 GPU 原本并非為 AI 設(shè)計(jì)，但由于其特性與AI需求高度契合，迅速成為了主流的計(jì)算硬件之一。
未來的 AI 應(yīng)用場(chǎng)景將更加多樣化。隨著 AI 從數(shù)據(jù)中心向邊緣設(shè)備、物聯(lián)網(wǎng)、自動(dòng)駕駛、智能機(jī)器人等領(lǐng)域擴(kuò)展，AI 計(jì)算逐步向“邊緣計(jì)算”轉(zhuǎn)移。這些應(yīng)用場(chǎng)景對(duì)實(shí)時(shí)性、低延遲、高能效等方面有嚴(yán)格要求，使得通用計(jì)算設(shè)備難以滿足需求。因此，各類專用芯片（如ASIC、FPGA、NPU等）應(yīng)運(yùn)而生。專用芯片可以根據(jù)具體的應(yīng)用場(chǎng)景進(jìn)行高度定制化設(shè)計(jì)，以優(yōu)化特定任務(wù)的性能。
例如：
自動(dòng)駕駛：需要處理大量來自攝像頭、雷達(dá)和激光雷達(dá)的數(shù)據(jù)，實(shí)時(shí)處理需求使得通用 CPU 難以勝任。NVIDIA 的 Orin 芯片和 Mobileye 的 EyeQ 芯片等，都是為自動(dòng)駕駛設(shè)計(jì)的專用芯片，提供強(qiáng)大的算力支持。
智能手機(jī)與物聯(lián)網(wǎng)設(shè)備：這些設(shè)備要求高能效和低功耗，因此廠商設(shè)計(jì)了集成 AI 計(jì)算單元的專用處理器，如蘋果的 A 系列芯片中的神經(jīng)引擎，專門用于加速 AI 任務(wù)，如圖像處理和語音識(shí)別。
綜上可看出，AI 所依賴的算力越來越多元化，未來不同的應(yīng)用場(chǎng)景將會(huì)根據(jù)需求選擇最合適的算力設(shè)備，根本無需拘泥于專用還是通用計(jì)算設(shè)備，最終目的都是在實(shí)際的應(yīng)用場(chǎng)景中提高計(jì)算效率，以應(yīng)用效果促進(jìn)生產(chǎn)力的發(fā)展。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
