FOMO的量子商用黎明( 四 )


除此之外 , 量子计算在许多领域都有应用 , 比如广告营销、工业制造、商业咨询、材料化学等 。 可以肯定的是 , 只要量子计算能够被更高效、更低成本地使用 , 帮助企业获得指数级增长 , 就会吸引商业公司的拥抱 。 这也证明了量子计算商业化潮流的必然加速 。
但问题来了 , 只有极少数的企业能够自己构建通用量子计算机 , 那么量子计算想要扩大应用范围 , 还需要跨越哪些障碍?
跨越鸿沟:从实验室到生态丛林的惊险一跃
量子计算要实现商业化 , 必须克服的挑战有很多 。
既有技术层面的 , 如前所说 , 量子比特容易受到扰动 , 要让错误降低 , 必须不断扩展量子比特数量 。 有业内人士认为 , 量子计算硬件要发展到 1000 个量子比特 , 可以系统执行纠错电路并被广泛采用 , 预计到 2023 年实现 。
这一过程中 , 量子计算公司还需要研发更快的量子芯片 , 构建量子开发工具 。 这一点需要学术界和工业界的联合发力 。 因为在量子技术中 , 高校往往不具备最先进的硬件设计和制造能力 , 而工业界则缺少将量子科学转化为产品所需的深厚物理学专业知识 。 科学家和工程师的紧密合作 , 依赖于产学研用的精密配合 , 知识产权以的保护及激励措施 。

FOMO的量子商用黎明

文章插图
(1998 年到 2020 年的量子比特进展)
第二重挑战则是人才方面 。
量子的硬件和软件方面都需要更多的人才 , 目前 , 专门研究量子算法的师资力量在全球范围内都比较稀缺 。 中国某企业量子实验室负责人也曾透露 , 招人是让他感到最耗费精力的事情 , 因为理论计算机科学研究人员很少 , 其中研究量子计算尤其是量子算法及其复杂性的人更少 。
此外 , 正如 AI 落地需要学术与产业交叉融合的能力 , 量子计算的落地应用同样需要既懂技术、又懂产业的综合性人才 , 很多企业量子实验室团队都具备数学、物理、化学等多学科背景 。 而近年来的 AI 人才焦虑也在提醒我们 , 从现在开始未雨绸缪 , 提前培养量子领域的人才 , 对于未来加速量子计算的发展十分必要 。 或许在 2022 及不远的将来 , 我们将见证更多中国量子人才的校企联合培养计划、竞赛等不断涌现 。
FOMO的量子商用黎明

文章插图
第三重挑战 , 则是产业场景落地 。
量子计算要获得认可 , 避免泡沫化 , 需要展现出真正改变组织效率、带来业务价值的能力 , 这就要求解决方案提供方明确技术与场景的契合度 , 优先考虑那些商业可行性的方案 。
从目前各行业应用量子计算的需求出发 , 会发现使用量子辅助优化算法、为 AI 系统提供支持 , 能够帮助降低成本、加速组织流程、降低风险 , 是最具价值的场景之一 。 Zapata 首席执行官 Christopher Savoie 也分享到 , 调研中 71% 的受访者对使用量子计算来解决机器学习和数据分析问题最感兴趣 。
从这个角度看 , 量子计算的商用一定不是对经典计算取而代之 , 而是与 AI 技术、经典计算相结合 , 三位一体协同形成更强大的计算能力 , 再通过集成到云端 , 为千行百业所用 。
FOMO的量子商用黎明

文章插图
对于企业来说 , 数智化转型已经对现有的 IT 基础设施、组织架构、业务逻辑、商业模式等提出了不小的挑战 , 再加上一个量子计算 , 简直是 ” 不可承受之重 “ 。 一方面 , 企业和组织要开启 ” 量子计算副本 “ , 首先要通关 ” 经典计算副本 “ , 不断加速推进数智化进程 , 增强对大数据、AI 和云的熟练使用 , 这会为未来引入量子能力打好基本功 。


特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。