作為未來產(chǎn)業(yè)明確提出的六大領域之一，量子計算能夠為新質生產(chǎn)力提供強大的算力支撐，已經(jīng)并還將持續(xù)釋放應用潛力。
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)新服務行動會上，中科大教授、中科院院士郭光燦圍繞“量子計算發(fā)展現(xiàn)狀”做主題報告時，將量子計算機的發(fā)展劃分為三個階段。
2010-2020：量子計算機原型機時代。這一階段可以理解為實驗室階段，量子比特數(shù)較少，功能不強，應用有限，但“五臟俱全”，是地地道道的量子處理器，能夠按照量子力學的規(guī)律運行。
2020-2030：專用量子計算機時代。這一階段意味著量子計算機已經(jīng)開始走出實驗室開啟應用探索，盡管量子比特數(shù)只有100左右，但其運算能力已經(jīng)超過任何超級的電子計算機，只是并未采用“容錯糾錯”技術來確保其量子相干性，因此只能處理在其相干時間內能完成的有關問題。
2030-2040：通用量子計算機時代。這一階段屬于商業(yè)成熟階段，量子比特數(shù)達到百萬量級，并已采用“糾錯容錯”技術，能夠在各個領域獲得廣泛應用。
郭光燦院士分享現(xiàn)場
很明顯，眼下我們正處于專用量子計算機時代。
中國信通院前不久發(fā)布的《量子計算發(fā)展態(tài)勢研究報告》（2024 年）中提到，目前量子計算處于從前沿研究向應用探索落地突破的關鍵階段，也側面印證了這一事實。此外，GJB 7688-2012《裝備技術成熟度等級劃分及定義》從技術成熟度角度拆解了“專用量子計算設備”，即犧牲了計算的圖靈完備性，在工程可靠性上獲得了有效進步。通過查閱公開報道可知，專用量子計算設備的穩(wěn)定時間可達到數(shù)小時尺度，并且已經(jīng)在一定數(shù)量的應用場景中遷移了軟件算法，并獲得了實際應用驗證。對標GJB 7688-2012，可以達到5-7級成熟度，正處于工程化往產(chǎn)品化漸進的階段。
不同于通用量子計算機較長的研發(fā)與應用周期，業(yè)界認為，專用量子計算機有望在未來3到5年率先迎來商業(yè)爆發(fā)期。據(jù)此前北京日報報道，國內專用量子計算代表企業(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對專用量子計算機的認可。
量子計算快速發(fā)展的背后，另一個備受關注的問題是：通用量子計算機何時能實現(xiàn)？
2024年9月，在以“共享創(chuàng)新、共塑未來：構建科技創(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 年度國家最高科學技術獎獲得者薛其坤院士指出，在研制量子計算機方面，從物理學上至少還有5道難關，包括錯誤率、相干時間、制冷機、硬件方案不確定性，估計至少還需要 10-20 年時間，才能研制出通用的執(zhí)行任何量子算法的量子計算機。
言外之意，樂觀指數(shù)拉滿，通用量子計算機的誕生仍需要10-20年。
目前，通用型量子計算機體積巨大，附屬設施復雜，難以部署在普通的數(shù)據(jù)中心中，且采購、建設和運行成本也極其高昂，只能以大型科研設備的形態(tài)存在。
但當未來到來的那一天，通用量子計算和專用量子計算又會是哪種相處模式呢？
并行發(fā)展。一個非常好的參考就是 CPU 和 GPU，它們是面向兩個不同場景的硬件體系，看看如今的英特爾和英偉達便可知。
我們以人工智能為例。當前，AI 模型的訓練和推理依賴于大量算力，而 GPU 已經(jīng)成為 AI 訓練的主力。要知道，GPU 最初是為加速圖形渲染和游戲而設計的，因其具備強大的并行處理能力，尤其適合深度學習模型中矩陣運算的大規(guī)模并行計算需求。因此，雖然 GPU 原本并非為 AI 設計，但由于其特性與AI需求高度契合，迅速成為了主流的計算硬件之一。
未來的 AI 應用場景將更加多樣化。隨著 AI 從數(shù)據(jù)中心向邊緣設備、物聯(lián)網(wǎng)、自動駕駛、智能機器人等領域擴展，AI 計算逐步向“邊緣計算”轉移。這些應用場景對實時性、低延遲、高能效等方面有嚴格要求，使得通用計算設備難以滿足需求。因此，各類專用芯片（如ASIC、FPGA、NPU等）應運而生。專用芯片可以根據(jù)具體的應用場景進行高度定制化設計，以優(yōu)化特定任務的性能。
例如：
自動駕駛：需要處理大量來自攝像頭、雷達和激光雷達的數(shù)據(jù)，實時處理需求使得通用 CPU 難以勝任。NVIDIA 的 Orin 芯片和 Mobileye 的 EyeQ 芯片等，都是為自動駕駛設計的專用芯片，提供強大的算力支持。
智能手機與物聯(lián)網(wǎng)設備：這些設備要求高能效和低功耗，因此廠商設計了集成 AI 計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，如圖像處理和語音識別。
綜上可看出，AI 所依賴的算力越來越多元化，未來不同的應用場景將會根據(jù)需求選擇最合適的算力設備，根本無需拘泥于專用還是通用計算設備，最終目的都是在實際的應用場景中提高計算效率，以應用效果促進生產(chǎn)力的發(fā)展。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
