「量子計算，寒冬將至了？」

本周五，AI 先驅 Yann LeCun 的一番言論引發了人們的討論。

這位 AI 領域的著名學者表示，量子計算正在進入一個艱難時刻。與此同時，很多科技領域專家認為，目前的量子計算技術進步很多趨向于炒作，距離實際應用仍然很遙遠。

對此，很多人同樣持有悲觀態度。

讓我們看看 IEEE 的這篇文章是怎么說的：

量子計算機革命可能比許多人想象的更遙遠、更有限。

一直以來，量子計算機都被期許為一種能夠解決廣泛問題的強大工具，可應用的方向包括金融建模、優化物流和加速機器學習。量子計算公司往往會提出一些雄心勃勃的規劃，稱機器可能會在短短幾年內對現實世界產生巨大影響。但如今，對該技術不切實際的期望遭到越來越多的抵制。

LeCun—— 量子比特，沒那么神奇

圖靈獎得主、Meta 人工智能研究負責人 Yann LeCun 最近給量子計算機的前景潑了一盆冷水。

在慶祝 Meta 基礎人工智能研究團隊成立 10 周年的媒體活動上，LeCun 表示量子計算這項技術是「一個令人著迷的科學話題」，但他不太相信「會真正制造出真正有用的量子計算機」。

雖然 LeCun 并不是量子計算領域的專家，但該領域的領軍人物也發出了類似的警告。亞馬遜網絡服務量子硬件負責人 Oskar Painter 表示，目前該行業存在「大量炒作」，「很難從完全不切實際的情況中篩選出樂觀的觀點」。

有觀點認為將信息傳播到許多物理量子比特上，可以創建更強大的「邏輯量子比特」，但這可能需要每個邏輯量子比特多達 1000 個物理量子比特。一些人甚至認為量子糾錯根本上就是不可能的。

總之，Oskar Painter 表示：以所需的規模和速度實現這些計劃仍然是遙遠的目標。他還指出：「考慮到實現能夠在數千個量子比特上運行數十億個門的容錯量子計算機所面臨的技術挑戰，很難給出一個時間線，但我估計至少需要十年。」

微軟 —— 量子計算，非常消耗算力

不僅僅是時間的問題。今年 5 月，微軟量子計算領導者 Matthias Troyer 在《Communications of the ACM》上合著發表了一篇論文，表明量子計算機可以提供的有意義應用數量比人們想象的要有限。

「我們發現過去十年來人們提出的許多想法都行不通，并且我們發現原因非常簡單」，Matthias Troyer 說道。

量子計算機主要的前景是能夠比傳統計算機更快地解決問題，但有關具體能快多少，人們的思考卻各不相同。Troyer 表示，在兩種應用中，量子算法似乎可以提供指數級的加速。一是對大數進行因式分解，這使得解除互聯網所依賴的公鑰加密成為可能。另一個是模擬量子系統，它可以在化學和材料科學中獲得應用。

量子算法已經被提出來解決一系列其他問題，包括優化、藥物設計和流體動力學。但研究中聲稱的計算加速并不總是成功 —— 有時相當于二次增益，這意味著量子算法解決問題所需的時間是其經典算法所用時間的平方根。Troyer 表示，這些增益很快就會因為量子計算所需的大量計算消耗所抵消。操作量子比特比開關晶體管要復雜得多，因此速度要慢幾個數量級。

這意味著，對于較小的問題，經典計算機總是會更快，而量子計算機獲得領先的點取決于經典算法的復雜性擴展的速度。

Troyer 和他的同事將單塊英偉達 A100 GPU 與虛構的未來容錯量子計算機進行了比較，該計算機具有一萬個「邏輯量子比特」，并且 gate 時間比當今的設備快得多。

研究人員發現，具有二次加速的量子算法必須運行幾個世紀，甚至幾千年，才能在大到有用的問題上超越經典算法。

另一個重大障礙是數據帶寬。量子比特緩慢的運行速度從根本上限制了量子計算機輸入和輸出經典數據的速度。Troyer 表示，即使在樂觀的未來場景中，這也可能比傳統計算機慢數千或數百萬倍。這意味著在可預見的未來，像機器學習或搜索數據庫這樣的數據密集型應用程序幾乎肯定是遙不可及的。

Troyer 表示，當前的結論是量子計算機只能以指數級速度真正解決小數據問題。「其余的都是美麗的理論，但并不實用，」他補充道。

Troyer 表示，這篇論文并沒有對量子計算研究社區產生太大影響，但許多微軟客戶很高興能夠了解量子計算的實際應用。他說，他們已經看到許多公司縮小甚至關閉了量子計算團隊，包括金融和生命科學領域的公司。

應用范圍可能有限

本月早些時候，來自量子計算初創公司 QuEra 和哈佛大學的研究人員證明他們可以使用 280 個量子比特處理器生成 48 個邏輯量子比特，遠遠超過之前的實驗所能達到的水平。

QuEra CMO Yuval Boger 強調該實驗是實驗室演示，但該結果已促使一些人重新評估容錯量子計算的時間尺度。

但與此同時，他也注意到一些公司悄悄地將資源從量子計算轉移出去的趨勢。他認為這在一定程度上是由于大型語言模型出現以來人們對人工智能的興趣日益濃厚所致。

即使在量子計算機看起來最有前途的領域，其應用范圍也可能比最初希望的要窄。例如，近年來的研究論文表明，量子化學中只有有限數量的問題可能受益于量子加速。

德國制藥巨頭默克集團數字創新全球主管 Philipp Harbach 表示，同樣重要的是要記住，許多公司已經擁有在經典硬件上運行的成熟且高效的量子化學工作流程。

他表示：「在公眾看來，量子計算機似乎能夠實現目前無法實現的目標，這是不準確的。首先，它將加速現有任務的速度，而不是引入完全顛覆性的新應用領域。所以我們正在評估這里的差異。」

Harbach 的團隊大約六年來一直在研究量子計算與制藥等工作的相關性。雖然 NISQ 設備可能用于解決某些高度專業化的問題，但他們得出的結論是，在實現容錯之前，量子計算不會對工業產生重大影響。Harbach 表示，即便如此，這種影響的變革性實際上取決于公司正在開發的具體用例和產品。

量子計算機擅長為經典計算機難以解決的大規模問題提供準確的解決方案。這對于某些應用非常有用，例如設計新催化劑。但在默克的實踐中，人們感興趣的大多數化學問題都涉及快速篩選大量候選分子。

「量子化學中的大多數問題都不會呈指數級擴展，近似值就足夠了，」Harbach 表示。「它們是易于解決的問題，你只需要通過增加系統規模來使它們更快。」

盡管如此，微軟的 Troyer 表示，我們仍然有理由對量子計算感到樂觀 —— 即使量子計算機只能解決化學和材料科學等領域的有限問題，其影響仍然可能改變游戲規則。「我們談論的是石器時代、青銅時代、鐵器時代和硅時代之間的代際區別，所以材料對人類有著巨大的影響，」他說道。

Troyer 認為，提出一些懷疑的目的不是為了減少人們對該領域的興趣，而是為了確保研究人員專注于量子計算最有前途、最有可能產生影響的應用。

或許在 Yann LeCun 的推特下，有人的一條回應可以支持這樣的說法。

谷歌市場負責人 Guillaume Roques 表示：如今大語言模型的基礎 —— 神經網絡的首次實現是由 Marvin Minsky 和 Dean Edmond（當時是哈佛大學的學生）于 1950 年提出的。

在 1957 年，Frank Rosenblatt 創建了感知器，這是一種以軟件形式實現的單層神經網絡，返回二進制結果（0 或 1）作為輸出。不幸的是，多層網絡直到幾十年后才會出現，因為人工智能在研究方面經歷了一個漫長的「冬天」，因為感知器受到了 Minsky 的批評，而且 James Lighthill 關于人工智能的非常悲觀的報告把有關人工智能的很多研究多「埋葬」了幾年。

因此，希望量子計算不會迎來冬天，這樣我們就能看到它對我們一生的影響……