量子計算技術發展迅猛，商業潛力初現！如何把握量子計算時代的新機遇？
通用量子計算機一旦實現，將對通訊安全、導航、成像以及人工智慧、生物製藥、新材料研發等諸多領域產生顛覆性影響，帶來國家安全和社會經濟發展的極大變革。
通用量子計算機一旦實現，將對通訊安全、導航、成像以及人工智慧、生物製藥、新材料研發等諸多領域產生顛覆性影響，帶來國家安全和社會經濟發展的極大變革。
當前經典計算體系，並不能解決所有問題。
量子計算將給現有的計算理論帶來深刻變革，將極大加深人類對物質與資訊的理解；將是一種前所未有的計算微觀世界的強大工具。
這場競爭的入口愈發擁擠，波士頓諮詢調查表明，美國、中國、歐盟、英國、荷蘭、日本、加拿大、澳大利亞；Google、IBM、微軟、巴斯夫、大眾、空客、QxBranch、QC Ware、1Qbit均是這一領域的玩家。
誰掌握了量子計算機，誰就可能引領下一次資訊革命，將對科學研究的進步以及建立於之上的商業社會產生巨大影響。
據科學家計算，如果未來一臺64位量子計算機的單次運算速度，達到目前普通計算機CPU的級別（1GHz），那麼這臺量子計算機的資料處理速度，理論上將是目前世界上最快的「太湖之光」超級計算機（每秒9.3億億次）的1500億倍。
量子計算機能做什麼？
在化學及製藥領域，分子的模擬涉及求解數目眾多的電子和原子的量子行為，量子技術將對藥物發現產生指數級的促進作用。業內人士預計，量子技術將使藥物發現率提高5%-10%，效率提高15%-20%。由於更優的分子設計，藥物的送審通過率將提高1.5-2倍。
在人工智慧領域，量子計算機能夠更快地操控高維向量進行大資料分類，與經典計算機相比具有顯著的速度優勢。
如今，汽車自動駕駛、自然語言處理、搜尋引擎、線上廣告、推薦系統等都是機器學習的熱門領域。因此量子計算的演變進度將部分決定IT產業巨頭公司在未來的發展方向和趨勢。
在社會公共領域，量子計算可以瞬間處理監控資料庫中全球60億人次的臉部圖片，並實時辨別出一個人的身份；能夠迅速對複雜的交通狀況進行分析預判，從而排程綜合交通系統，最大限度避免道路擁堵。
在網路安全領域，量子計算可能將對當前經典計算體系下的公鑰加密系統構成威脅。1994年，貝爾實驗室的專家Peter Shor發現，使用量子計算機來破解加密，可在理論上通過160天破解1024位元的RSA金鑰。而現在，世界範圍內最快的超算——神威·太湖之光破解同樣長度的RSA金鑰，則需要500萬年。
儘管執行Shor 演算法破解密碼需要有至少上百萬個量子位元的通用、容錯量子計算機，在短時間內並無法實現。但是，關於量子計算機無法破解的“後量子時代加密技術”的研究也已經有了不少成果，將對整個網際網路安全造成重大影響。
誰在投資或深度參與量子計算的研究？
2017年，美國國會舉辦聽證會，討論如何確保「美國在量子技術領域的領先地位」。
2018年，歐盟投入10億歐元實施「量子旗艦」計劃。英國在牛津大學等高校建立量子研究中心，投入約2.5億美元培養人才。荷蘭向代爾夫特理工大學投資1.4億美元研究量子計算。
日本計劃10年內在量子計算領域投資3.6億美元。加拿大已投入2.1億美元資助滑鐵盧大學的量子研究。澳大利亞政府、銀行等出資8300萬澳元在新南威爾士大學成立量子計算公司。中國也積極投入到這場關乎未來的科技競賽中。
在超導量子計算方面，中國的中科院量子資訊和量子科技創新研究院、Google量子人工智慧實驗室、IBM並稱國際上最強的三家機構。目前，Google處於最領先地位；IBM投入30億美元研發量子計算等下一代晶片，且與MIT合作進行人工智慧及量子計算相關的研究工作，已經使用量子計算機上的可伸縮方法精確地模擬了迄今為止最大的分子——氫化鈹BeH2。
此外，微軟也與多所大學共建量子實驗室。德國化學公司巴斯夫、大眾、空客等企業也已經開始為構建量子計算能力進行投入。一些新興的軟體開發及諮詢公司，如QxBranch、QC Ware和1Qbit也在研發量子應用。
從論文產出、專利產出等角度看，中國與美國、歐盟和日本之間仍存在很大差距。例如，全球量子計算專利申請數量排名前20的榜單，基本被美國和日本企業所佔據，中國科研機構和企業則無一上榜。（詳細內容請參考國際技術經濟研究所已發表的公眾號文章：《2018全球量子計算領域研發概況》）
全球量子計算專利申請量排行（來源：國際技術經濟研究所）
量子計算帶來的商業機會
波士頓諮詢預計，到2030年，量子計算市場規模將達到500億美金。
僅以美國製藥行業為例，若複雜的原子水平的量子模擬在此刻得以實現，且有10%的公司願意為這一技術買單，那就意味著量子計算在這一領域擁有150-300億美元的市場機會。與之相比，目前全球高效能運算市場的總和為100億美元（如下圖所示）。
量子計算在美國製藥行業的市場機會預測（來源：波士頓諮詢）
除製藥行業外，量子計算還能夠用來加速搜尋任務和機器學習演算法。在資料量指數增長的今天，以及即將接入數百億物聯網裝置的未來，解鎖資料的商業價值變得越來越重要。
雖然GPU使得機器學習與人工智慧技術成為現實，但量子計算機可以顯著加速神經網路的訓練，科學家以及工程師們正在研發適用於機器學習的量子演算法。隨著更多的量子機器學習演算法被構建，量子計算機相對於經典計算機的基本優勢可能導致當前200億美元的高效能機器學習計算市場在2030年前被取代。
總的來說，量子計算所代表的市場總量巨大，但具體的時間節點可能會因技術的實現進度而產生巨大的波動（如下圖所示）。
量子計算市場爆發情況預測（來源：波士頓諮詢）
保守看來，到2035年，量子計算市場將達到20億美金體量。隨著採納率的提高，到2050年，市場規模將飆升至2600億美元。
若當前桎梏量子計算髮展的主要因素——物理量子位的錯誤率——能夠顯著降低，那麼我們可以大膽預計，到2035年，量子計算市場規模將達到600億美元，並在2050年增加到2950億美元。與之相比，當今全球商業及消費市場總規模為8000億美元。
量子計算究竟是什麼？
所謂量子，是構成物質的各種物理量的最基本單元，不可分割。人們所熟知的分子、原子、電子、光子等微觀粒子，都是量子的一種表現形態。
早在20世紀50年代到70年代間，物理學家們就通過量子力學研究電子和光子的性質以及在材料中的運動規律，陸續發明了半導體電晶體、鐳射器、積體電路、磁碟、光纖等技術。
以此為基礎，20世紀80年代以來，個人電腦、手機、網際網路等陸續誕生，實現了第三次科技革命（又稱為資訊革命），將人類文明徹底帶入了資訊時代。
傳統計算機的誕生，給人類帶來了更多的發展機會。然而，有些任務太複雜，運算時間過長，可能研究者都垂暮甚至死去了，一個研究卻還沒算出來，人類顯然需要一種全新的高效能運算技術。
上世紀80年代，諾貝爾獎獲得者理查德·菲利普·費曼（Richard Phillips Feynman）等人產生了一個構想，基於兩個奇特的量子特性——量子疊加和量子糾纏——構建「量子計算」。
傳統計算機在二進位制演算法中只能「非此即彼」：要麼是0，要麼是1。但量子計算機卻擁有一種強悍的能力——「同時存在」，即「量子疊加」。
一個量子位元（可以同時處於0和1的量子狀態）可以用圖中的布洛赫球（在量子力學中，布洛赫球面是二能級量子力學系統純態空間的一種幾何表示方法）來表示。相比於經典位元（資訊量的最小度量單位）只有0和1兩個點，量子位元的取值分佈在整個球面上，即球面上任意一點都可以是某個量子位元的值。
（來源：瞭望智庫）
這也是為什麼量子計算機的運算速度可以遠超經典計算機。
量子計算究竟有多快？
目前我們常用的經典計算機，在提取某個需要解決的問題時，需要把所有可能性列舉並一一驗證，才能「找到」正確的資訊。就好像一個擁有雙手的人，一個時間段只能做一件事情。
而量子平行計算能夠直接計算並提取出相應資訊，相當於一個「千手觀音」，可以同時做2的N次方雙手可以做的事情。
（來源：瞭望智庫）
比如，用橋樑將有若干個島嶼的群島連線起來，隨著島嶼數量的增加，可能的解決方案數量呈指數級增長。假設這一問題有一百萬種解決方案，那麼二進位制計算機需要五十萬次計算才能找到正確方案，但執行Grover演演算法的量子計算機僅通過一千次嘗試便可解決這一問題，是傳統計算方式的500倍。
波士頓諮詢針對一些計算負載遠高於當前計算能力的應用進行了研究。並將問題分為三種類別，分別繪製出量子方法與傳統方法所需的計算時間函式。（如下圖）
研究顯示，在製藥、化學、能源等行業，利用量子計算機對物理系統建模，能夠起到立竿見影的效果；在搜尋、密碼學、機器學習等資料密集型領域，量子數學能夠對演算法加速，從而解鎖巨大的商業價值。
針對三種類型問題量子方法與傳統方法的時間函式比較（來源：波士頓諮詢）
具有顯著速度優勢的案例（對應上圖最左座標系）
傳統計算機採用順序計算的方式，因此無力處理特別複雜的問題。以「將大數拆解為素數乘積」問題為例，由於不存在已知的解決方案，計算機需要依靠試驗與猜測求解。被拆解的大數越大，計算複雜度越高，所需時間呈幾何級增長。
量子計算則不同，其運作方式是將所有的可能解同時丟擲，並篩除掉不正確的解。因此，對於某些問題，量子處理器的解決方案執行時間隨著維數的增加呈線性增長，而非指數增長，從而擁有巨大的速度優勢。
1994年，數學家Peter Williston Shor針對大數分解問題研發了量子演算法——Shor演算法，使得這一問題在可接受的計算時間內得以解決。
速度優勢意味著巨大的市場潛力。在醫藥及化學研發領域，模擬大分子之間的化學反應一直是個惱人的問題，其解決方案複雜性類似於大數分解問題。按照Richard Feynman的構想，量子處理器能夠同時計算所有可能的化學反應，並瞬間計算出反應的最終態。
波士頓諮詢預計，到2030年，量子模擬技術將催生一個高達200億美元的藥品市場，以及70億美元的包括化學、材料科學及其他材料密集型產業在內的市場。
具有適度速度優勢的案例（對應上圖中間座標系）
對於過程中涉及到非結構化搜尋的任務以及機器學習相關的任務來說，量子計算相較於傳統計算方式具有一定程度的速度優勢。
2008年，Aram Harrow、Avinatan Hassidim和Seth Lloyd提出HHL演算法：在一系列前提假設下，量子計算機可以在對數複雜度內求解一些特殊的線性方程組，這是很多擬合、推斷、優化問題的基礎。HHL 的各種衍生演算法與人工智慧的結合，讓量子機器學習成為可能，也讓量子計算機第一次擁有了商業價值。
一些量子演算法，例如能夠以很高的概率發現黑箱函式的唯一輸入的Grover演演算法，完成非結構化搜尋任務所需的時間僅為傳統計算方式的平方根。如今，大規模搜尋以及機器學習問題多由GPU解決。波士頓諮詢預計，隨著量子計算方法取代GPU，非結構化搜尋及機器學習領域將爆發出超200億美金的市場。
值得注意的是，一些量子機器學習演算法只需要有50到100個量子位元的小型量子計算機就能展現出優勢。自2011年始，尤其2014年之後，各大商業公司開始紛紛關注量子計算。波士頓諮詢猜測，這也許是谷歌、IBM等巨頭對能夠優化搜尋的量子計算平臺感興趣的原因之一。
不確定是否具有速度優勢的案例（對應上圖最右座標系）
當今的經典計算方法已經能夠充分解決涉及複雜操作以及網路拓撲尋優的問題，比如運輸及物流領域的路線優化問題。在這類任務中，雖然量子計算方法有望突破傳統計算方式的速度閥值，但業內普遍表示目前的計算方式已經足夠。因此目前尚不清楚在這類問題中，量子計算能否釋放新的價值。
考慮到量子計算技術能夠以PaaS的形式輸出，因此在某些速度優勢顯著的領域，有望看到五年內大於70%的採納率，約等於GPU在機器學習領域的採納速度。對於速度優勢不明顯的領域，預計將在15年後達到50%的採納率，類似SaaS服務的發展速度。至於速度優勢未知的領域，15年後量子計算的採納率可能只有25%或更低。
量子計算有多遠？
波士頓諮詢預計，未來25年，量子計算的成熟之路將經歷三次浪潮。
第一次浪潮，2018-2028年。一些非通用的量子計算平臺將被研發出來，用於例如低複雜度的模擬等專項任務。這些平臺會於近幾年迅速問世，並將一直沿用至第二次浪潮。
第二次浪潮，2028-2039年。量子計算機將擴充套件到50個邏輯量子位，實現量子霸權，即專用型量子計算機針對特定問題的計算能力超越經典超級計算機。這一時期的量子計算將集中在大分子模擬、藥物研發、以及軟體開發等領域，可用的應用程式將進入市場，創造可觀的商業價值。與此同時，量子資訊處理（Quantum Information Processing）將發展為一個單獨的領域，商業公司也將更加適應量子模擬方法。
第三次浪潮，2031-2042年。此時，量子計算方式將在模擬、搜尋以及優化任務中全方位趕超傳統計算方法。由於半導體領域摩爾定律的放緩，以及某些特定應用中量子計算趕超傳統計算的閥值較低，因此第二和第三次浪潮會有一段時間的重疊。按總體軌跡看來，量子計算將在未來十年穩步發展，並在2030年左右迎來爆發。
量子計算技術的發展路線（來源：瞭望智庫）
2017年11月和2018年3月，IBM和Google分別宣稱實現了50個和72個量子位的原型機。然而IBM和Google都沒有宣佈實現「量子霸權」，也沒有公開相關測試結果，這意味著技術上離「量子霸權」還有一定的距離。
因為量子晶片是通過半導體工藝進行加工，量子位數目可以任意增加，但是僅有量子位元數目的增加是遠遠不夠的。在技術上更加困難的是對多量子位元的相干控制能力。如果一個晶片對多量子位元的相干控制能力沒有獲得好的測試結果，那麼這個晶片就沒有科學或實用價值。
與嚴謹的學術論文不同，IBM和Google釋出這類新聞不需要經過任何測試和同行評議，很大程度上是出於商業目的。而目前經過嚴格同行評議並正式在國際學術期刊公開發表的最高質量測試結果是Google的9量子位超導晶片和我國的10量子位超導晶片。
如何實現量子計算？
量子計算機的成敗有兩個指標：量子退相干時間，以及可擴充套件性。
「退相干」指的是量子相干態（指量子力學中量子諧振子能夠達到的一種特殊的量子狀態）與環境作用演化到經典狀態的時間。量子計算必需在量子疊加態上進行，因此量子計算機的退相干時間越長越好。
「可擴充套件性」指的是系統上可以增加更多的量子位元，從而才能走向實用化量子計算機。和經典計算機的簡單增加位元不同，量子計算機需要把量子位元糾纏起來，因此難度是指數級的，每增加一個位元，難度就要翻番。
不同物理系統做量子計算引數比較（來源：瞭望智庫）
從這兩個指標出發，世界各地相關領域的科學家從不同的方向朝著同一目標努力——實現通用量子計算機。目前，鹿死誰手還未可知。
離子阱方案：這是針對量子計算機提出的最早的方案，技術上較為成熟，但可擴充套件性有限，限制了它向實用化量子計算機的發展。這一方向上奧地利因斯布魯克大學和美國科羅拉多大學世界領先。
光量子方案：利用單光子做量子位元，通過複雜光路系統進行計算。如果光子不被吸收和散射，它的相干性就能一直保持。利用現有的光學元件，光量子的退相干時間可達足夠長，其可擴充套件性受光子線寬和整合光路等技術的限制。在此方向，中國科學技術大學的潘建偉團隊世界領先。
核磁共振方案：有著出色的退相干時間，但單個分子的大小完全限制其可擴充套件性。在此方向上探索量子計算機的努力已經基本陷入停滯。
超導電路方案：這種方案雖然退相干時間短，但其可擴充套件性一枝獨秀。IBM、Google等資訊巨頭們正大力投入這一方向。Google投資了加州大學聖芭芭拉分校（UCSB）的Martinis團隊，成立了Google-UCSB聯合實驗室；阿里巴巴集團投資了潘建偉院士團隊，在中國科學技術大學上海研究院成立了中科院—阿里巴巴量子計算聯合實驗室，把超導方案作為重心來支援。
金剛石方案：利用金剛石中的色心缺陷做量子位元，其退相干時間和可擴充套件性受到樣品本身的限制。這一方向中國科學技術大學杜江峰院士團隊世界領先。
超冷原子方案：與離子阱方案比較相似，可擴充套件性有限，目前更多的是用來做凝聚態系統的量子模擬。這一領域世界領先的是德國馬普學會量子光學所（MPQ），美國JILA實驗室，哈佛-麻省理工聯合冷原子中心等。
除此之外，還有一些其它物理系統，比如「拓撲量子計算」等。但它們在可擴充套件性方面無法與超導電路相比。因此物理學家和IT巨頭們大多把未來通用量子計算機的期望寄託在超導電路系統上。
實現難點：從實際工程的角度看，執行環境是量子計算機發展的主要制約因素。量子電路只有在非常低的溫度下（接近絕對零度）才能發揮最好的效果。量子態極不穩定，任何外界的干擾都會使錯誤率增加，這也是為什麼量子計算機需要集中在寒冷的資料中心執行。對於手機、筆記本電腦等移動裝置，量子計算技術暫時還派不上用場。
此外，連貫性及錯誤率都是量子計算機非常重要的指標。按當前技術水平，當量子計算機的規模增大到足以進行實際模擬任務時，用來容錯的物理量子位與實際發揮作用的邏輯量子位之比將高達3000:1。
如何抓住量子計算機遇？
儘管還未實現，但主流觀點認為，「量子霸權」時代必然會到來，這是一場誰都輸不起的競爭。畢竟一旦量子計算技術突破，掌握這種能力的國家，在經濟、軍事、科研、安全等領域將迅速建立全方位優勢。
距離量子計算完全發揮潛力還需十年左右的時間，但商業公司應該從現在就開始行動，時刻監控量子計算技術的發展程序，一旦在某一領域量子霸權得以實現，公司即可迅速採用。
為了更早地讓量子計算機展現出它的優勢，物理學家們想到了針對一些特殊的問題，可以用專用型量子計算機來解決。這些專用型量子計算機可以不需要邏輯閘（操作一個小數量量子位元的量子線路），只靠自身系統的特點來通過模擬的方式針對性地解決問題。
目前，專用型量子計算機在解決一些問題上已經顯現出優勢，如加拿大的D-Wave公司研製了一款用絕熱量子演算法尋找基態（極小值）的專用型量子計算機；中國科學技術大學（中科院-阿里巴巴實驗室）的光量子計算機用5個光量子模擬了玻色子取樣問題，在這個問題上的它的計算速度已經超越了早期的經典計算機，即歷史上第一臺電子管計算機（ENIAC）和第一臺電晶體計算機（TRADIC）。
IBM和微軟均在構建量子計算社群、量子計算模擬器，以及易於使用的工具，這些工具能夠使開發者獲得量子計算的能力。一旦量子演算法、對應的程式語言、量子云服務走向成熟，開發者便可逐步將它們納入自己的解決方案中。
製藥公司和其他依賴材料科學創新的公司開始探索使用量子處理器進行分子模擬。波士頓諮詢預計，近幾年，一些化學公司將利用現有的有限的量子計算能力進行相對簡單的大分子建模及優化。
涉及到搜尋、神經網路和優化演算法的公司，鼓勵其資料科學家研究如何使用量子處理器加速其計算能力。與其他先進技術一樣，在人工智慧和機器學習領域，那些能夠早日利用量子計算技術的公司將會建立顯著壁壘。
此外，儘管要達到破解加密技術的能力需要超1000個量子位元的計算資源，但據波士頓諮詢預測，到2040年，當前的加密技術將不再適用。因此，商業公司應該關注新的加密方式，以便隨時擺脫對整數分解加密方法的依賴。
儘管還處於相對早期階段，量子計算正迅速從實驗室走向商用。未來十年，量子計算將有可能為企業釋放巨大價值。企業管理者需要從現在開始關注量子計算的研發程序，並關注量子霸權可能實現的時間節點，那些想要應用量子技術的公司更是需要從現在開始建立能力。
未來智慧實驗室是人工智慧學家與科學院相關機構聯合成立的人工智慧，網際網路和腦科學交叉研究機構。
未來智慧實驗室的主要工作包括：建立AI智慧系統智商評測體系，開展世界人工智慧智商評測；開展網際網路（城市）雲腦研究計劃，構建網際網路（城市）雲腦技術和企業圖譜，為提升企業，行業與城市的智慧水平服務。
文|藍馳創投