量子人工智能新的飞跃

无论你是否察觉，人工智能已渗透到我们的日常工作流程与常规任务中。例如，Gemini（谷歌旗下 AI 模型）在各类谷歌产品中的集成，会在后台默默为你提供建议；你或许还会更直接地使用聊天机器人与图像生成工具，如 OpenAI 的 ChatGPT 和 DALL-E。而在不久的将来，更先进的虚拟助手也将逐步落地。

若说人工智能本身已足够 “未来感”，那么即将到来的全新突破 ——量子人工智能（quantum AI），则更令人瞩目。它将人工智能与尚未完全成熟、仍以实验为主的非常规量子计算相融合，形成一种超高速、高效率的技术。

“我的同事有时会问，为什么我要离开蓬勃发展的人工智能领域，转而专注于量子计算，” 谷歌量子人工智能实验室创始人哈特穆特・内文（Hartmut Neven）在去年 12 月介绍 Willow 量子芯片的博文中写道，“我的回答是：这两项技术都将成为我们这个时代最具变革性的技术，但先进的人工智能若能借助量子计算的力量，必将获得显著提升。”

下文将简要梳理量子人工智能的基础知识，帮助你更好地理解这一技术。

人工智能与生成式人工智能的区别

人工智能是一种模拟人类决策与问题解决能力的技术。这类软件能够识别模式、从数据中学习，甚至能 “理解” 语言 —— 通过聊天机器人与人类互动、推荐电影，或识别照片中的人脸与物体。

生成式人工智能（Gen AI）作为人工智能的一个重要分支，生成式人工智能的能力远超简单的数据分析或预测。生成式 AI 模型会基于训练数据创造全新内容，如文本、图像与音频。常见案例包括 ChatGPT、DALL-E、Midjourney、Gemini、Claude 以及 Adobe Firefly 等。

这些（生成式 AI）工具由经海量数据训练的大型语言模型（LLM）驱动，能够生成逼真的输出内容。但在幕后，即便是最先进的 AI，仍受限于经典计算—— 也就是我们日常使用的 Windows、Mac 电脑，以及数据中心服务器乃至超级计算机所依赖的计算模式。然而，二进制运算（经典计算的核心）的能力终究存在上限。

而这，正是量子计算有望改变格局的关键所在。

什么是量子计算？

经典计算与量子计算在多个方面存在差异，其中之一便是处理方式：经典计算采用线性处理（逐步完成计算），而量子计算采用并行处理（同时进行多组计算）。

二者的另一核心差异在于基础处理单元。经典计算机以 “比特（bit）” 作为最小数据单位，取值只能是 0 或 1；量子计算机以 “量子比特（qubit，简称量子位）” 为基础，其运作遵循量子力学定律。借助 “叠加态” 现象，量子比特可同时表示 0 和 1 两种状态。

量子计算机还能利用另一项量子特性 ——纠缠态：两个量子比特相互关联，无论相距多远，一个量子比特的状态变化都会立即影响另一个的状态。正是 “叠加态” 与 “纠缠态” 的结合，让量子计算机在解决复杂问题时速度远超传统计算机：对于某些经典计算需要数周甚至数年才能完成的任务，量子计算可能仅需几小时就能搞定。

那么，量子计算为何尚未普及？

原因在于，依赖定制量子芯片运行的量子计算机极为精密，需在极低温度环境下才能正常工作，且体积庞大，目前尚无日常实用价值。尽管如此，英特尔（Intel）、谷歌（Google）、IBM、亚马逊（Amazon）、微软（Microsoft）等企业仍在量子计算领域投入巨资，这场 “让量子计算具备实用价值” 的竞赛已全面展开。对于多数企业而言，自建量子计算机的资金与专业团队门槛过高，但亚马逊 Braket、谷歌量子 AI 等云量子计算服务，为其提供了可行的接入途径。

量子 AI 是否切实可行？

尽管量子 AI 的潜力巨大，但目前外界对其主要的质疑在于：相关宣传炒作过多，而切实可行的应用场景较少。量子 AI 面临着硬件不稳定、需开发专用算法等挑战。不过，随着错误校正技术的改进与量子比特稳定性的提升，量子 AI 的可靠性正逐步增强。

当前的量子计算机（如 IBM 的 Quantum System Two、谷歌的量子设备）虽能处理部分计算任务，但尚未具备运行大规模 AI 模型的能力。此外，量子计算对环境要求极高（需高度可控的物理环境），如何扩大规模以实现广泛应用，仍是一大难题。

因此，多数专家认为，要实现完全成熟的量子 AI，我们可能还需要数年时间。正如 LDG 科技咨询公司总裁劳伦斯・加斯曼（Lawrence Gasman）在 2024 年初为《福布斯》撰写的文章中所言：“量子 AI 仍处于起步阶段，对许多机构而言，当下涉足量子 AI 或许为时过早，甚至没有必要。”

未来的量子 AI

量子 AI 目前仍处于早期试验阶段，但无疑是一项极具前景的技术。当前，AI 模型的能力受限于经典计算机的算力，尤其是在处理海量数据或运行复杂模拟时表现得更为明显。而量子计算有望为 AI 提供关键助力，使其能以超高速处理大规模、复杂的数据集。

尽管量子 AI 在现实世界的具体应用尚处于推测阶段，但我们可预见，以下领域将从这一技术突破中获益最多：金融交易、自然语言处理、图像与语音识别、医疗诊断、机器人技术、药物研发、供应链物流、基于抗量子密码学的网络安全，以及自动驾驶车辆的交通管理。

此外，量子计算还将从以下方面提升 AI 的能力：

1. 加速大型 AI 模型训练：训练 LLM 等大型 AI 模型需消耗大量时间与算力，这也是 AI 企业依赖大型数据中心的原因之一。量子计算可大幅缩短训练周期，让模型学习更快速、高效 —— 原本需要数周或数月的训练过程，量子 AI 模型可能只需几天就能完成。

2. 提升模式识别能力：AI 的核心优势之一是模式识别（如图像、文本、数字中的模式）。量子计算可同时处理多种可能性，从而实现更快、更精准的模式识别。这对于需同时考量多种因素的领域（如金融交易中的市场预测）尤为重要。

3. 突破生成式 AI 局限：尽管生成式 AI 工具已令人惊叹，但在生成逼真、细腻的输出内容时仍有不足。量子 AI 可让生成式模型处理更多数据，进而生成更真实、更复杂的内容。

4. 优化多因素决策：在药物研发、气候建模等需平衡多种因素的决策场景中，量子计算机可支持 AI 同时测试无数种可能的场景与结果，帮助科学家在较短时间内找到最优解决方案。