文凱認(rèn)為，大規(guī)模神經(jīng)網(wǎng)絡(luò)是AI未來發(fā)展趨勢(shì)，而量子計(jì)算“必能破局”，因?yàn)榱孔佑?jì)算具有算力、存儲(chǔ)、帶寬、容錯(cuò)四大方面的優(yōu)越性。

本文來自: 謝矩題圖來自“外部授權(quán)”

9月27日，2021年中國(guó)國(guó)際信息通信展覽會(huì)(PT展)在北京正式開幕。PT展由工業(yè)和信息化部主辦，是泛ICT行業(yè)最具行業(yè)影響力的展會(huì)之一。

在開幕當(dāng)日舉辦的量子計(jì)算專題論壇上，玻色量子創(chuàng)始人&CEO文凱發(fā)表了以《走向AI時(shí)代的量子計(jì)算》為主題的演講。他在演講中表示：“自從深度學(xué)習(xí)被提出以來，深度學(xué)習(xí)參數(shù)的高速提升和大規(guī)模神經(jīng)網(wǎng)絡(luò)等都是AI快速發(fā)展的直接表現(xiàn)。量子計(jì)算可以解決AI快速發(fā)展所帶來的算力、帶寬、存儲(chǔ)空間等不夠的問題，同樣的人工智能也可以為量子計(jì)算解決容錯(cuò)率低的問題。”

文凱將量子計(jì)算的發(fā)展分為四大階段：

第一階段為1981~1993年，是理論提出及探索階段，主要物理學(xué)家有保羅·貝尼奧夫、理查德·費(fèi)曼、大衛(wèi)·德依奇(Deutsch算法提出者)。

第二階段為1994~2009年，是通用量子算法發(fā)展階段，主要物理學(xué)家有shor算法提出者彼特·肖爾、Grover算法提出者羅夫·格羅弗和HHL算法提出者阿蘭·哈羅、阿維那坦·哈西迪、賽思·羅伊德，物理學(xué)家們就開始了不同物理體系單比特和兩比特量子計(jì)算實(shí)驗(yàn)驗(yàn)證。

第三階段為2010~2017年，是近期量子算法繁榮階段，以谷歌、IBM為代表的企業(yè)開始進(jìn)行規(guī)?；孔佑?jì)算機(jī)實(shí)驗(yàn)工程化。

第四階段為2018年至今，是量子AI爆發(fā)階段。

量子計(jì)算目前處于技術(shù)研究、樣機(jī)研發(fā)與應(yīng)用探索的關(guān)鍵階段，在學(xué)術(shù)界和產(chǎn)業(yè)界多方推動(dòng)下獲得迅速發(fā)展。2020年12月，我國(guó)科學(xué)家成功構(gòu)建76個(gè)光子的量子計(jì)算原型機(jī)“九章”，再次實(shí)驗(yàn)驗(yàn)證“量子優(yōu)越性”。

在IBM、Honeywell和lonQ等公司的推動(dòng)下，超導(dǎo)和離子阱等技術(shù)路線樣機(jī)的量子體積指標(biāo)進(jìn)一步提升。在化學(xué)、金融、交通等領(lǐng)域，量子計(jì)算的潛在應(yīng)用探索加速。量子計(jì)算受到社會(huì)輿論和資本市場(chǎng)的持續(xù)關(guān)注，對(duì)技術(shù)和產(chǎn)業(yè)形成良性激勵(lì)，量子計(jì)算進(jìn)入技術(shù)攻堅(jiān)與應(yīng)用探索的“黃金時(shí)期”。

在此背景下，國(guó)內(nèi)外諸多科技企業(yè)和初創(chuàng)企業(yè)紛紛布局，包括IBM、Google、Amazon、Microsoft、D-wave、lonQ、Reggeti、華為、阿里、百度、騰訊、本源、量旋、啟科等，紛紛發(fā)布和推出量子計(jì)算處理器和原型機(jī)、量子計(jì)算軟件和開發(fā)工具，以及量子云計(jì)算服務(wù)等。量子計(jì)算的應(yīng)用探索、產(chǎn)業(yè)培育和生態(tài)構(gòu)建正逐步展開。

文凱認(rèn)為，大規(guī)模神經(jīng)網(wǎng)絡(luò)是AI未來發(fā)展趨勢(shì)，而量子計(jì)算“必能破局”，因?yàn)榱孔佑?jì)算具有算力、存儲(chǔ)、帶寬、容錯(cuò)四大方面的優(yōu)越性：

1、算力優(yōu)越性：量子的疊加態(tài)，使得量子計(jì)算具有對(duì)求解問題的指數(shù)級(jí)并行算力加速。

2、存儲(chǔ)優(yōu)越性：量子神經(jīng)網(wǎng)絡(luò)的容量可以遠(yuǎn)超于經(jīng)典神經(jīng)網(wǎng)絡(luò)，用指數(shù)級(jí)量子存儲(chǔ)模型，可以用1200個(gè)量子比特存儲(chǔ)GPT3的整個(gè)網(wǎng)絡(luò)模型。在一定的算法下，數(shù)據(jù)也可以用量子模型存儲(chǔ)，節(jié)省存儲(chǔ)空間。

3、帶寬優(yōu)越性：在國(guó)家東數(shù)西算大背景下，帶寬成為算力瓶頸，這些瓶頸不僅來自神經(jīng)網(wǎng)絡(luò)，還有內(nèi)存和緩存的帶寬。量子計(jì)算數(shù)據(jù)和模型的存儲(chǔ)壓縮，可以指數(shù)級(jí)優(yōu)化帶寬。

4、容錯(cuò)優(yōu)越性：中短期之內(nèi)，在糾錯(cuò)還沒有做到100%精準(zhǔn)的情況下，可以利用量子神經(jīng)網(wǎng)絡(luò)的魯棒性和容錯(cuò)性來實(shí)現(xiàn)對(duì)沖。

文凱將當(dāng)前面向神經(jīng)網(wǎng)絡(luò)的量子計(jì)算架構(gòu)分為三種：IBM和谷歌正在研發(fā)的門電路通用量子計(jì)算、D-Wave的量子退火計(jì)算，以及玻色量子自主研發(fā)的相干量子計(jì)算。”

前兩者在共同點(diǎn)上都需要真空超低溫稀釋制冷機(jī)的環(huán)境控制，體積較為龐大。在文凱看來，玻色量子自主研發(fā)的光量子技術(shù)路線，通過對(duì)激光的精準(zhǔn)控制，不需要超低溫超導(dǎo)環(huán)境，在室溫下即可運(yùn)行，具有穩(wěn)定的狀態(tài)，穩(wěn)定的操控，和穩(wěn)定的結(jié)果“三穩(wěn)”優(yōu)勢(shì)。

同時(shí)，文凱表示，玻色量子的“相干量子計(jì)算方案”是已實(shí)現(xiàn)的比特?cái)?shù)規(guī)模最大的技術(shù)方案，也是主流方案中有望最快實(shí)現(xiàn)百萬量子比特規(guī)模的方案之一。在商業(yè)化應(yīng)用場(chǎng)景上，能在成本、功耗可控的條件下，即刻解決當(dāng)下許多需要使用超大算力加速的問題。

以下為文凱的演講全文：

(玻色量子創(chuàng)始人、CEO文凱/來源：2021中國(guó)國(guó)際信息通信展覽會(huì))

大家好，我是北京玻色量子科技有限公司的創(chuàng)始人、CEO文凱。我今天給大家分享量子計(jì)算走向AI時(shí)代的歷程，給大家簡(jiǎn)單介紹一下量子計(jì)算的發(fā)展史，同時(shí)再介紹跟人工智能的關(guān)聯(lián)。

說到量子計(jì)算，現(xiàn)在大家都覺得是一個(gè)非常前沿的技術(shù)。實(shí)際上，這個(gè)技術(shù)已經(jīng)發(fā)展了有40年。這個(gè)技術(shù)的開端就是從1981年的夏天在MIT舉行的第一屆面向計(jì)算的物理學(xué)大會(huì)上開始。

這屆大會(huì)上出現(xiàn)了兩位從事量子計(jì)算的宗師，一位是大家比較熟悉的理查德·費(fèi)曼，另外一位是保羅·貝尼奧夫，他們兩個(gè)人在這個(gè)會(huì)議上首次提出了量子計(jì)算機(jī)的概念。從那天開始，量子計(jì)算機(jī)就正式走入我們歷史的進(jìn)程，所以才有我這樣的一個(gè)機(jī)會(huì)，站在這里跟大家講述。

根據(jù)我自己多年的科研經(jīng)驗(yàn)，我覺得，在量子計(jì)算這40年的發(fā)展歷程中分成四個(gè)階段。

首先在第一個(gè)10年里面，理查德·費(fèi)曼和保羅·貝尼奧夫他們提出了量子計(jì)算機(jī)的概念，另外一個(gè)著名的學(xué)者叫David Deutsch提出了第一個(gè)量子計(jì)算算法。這第一個(gè)10年里，量子計(jì)算還是停留在理論的提出和探索階段。

歷史的車輪來到1994年。那一年，MIT的Peter Shor提出了大家熟知的Shor質(zhì)因數(shù)分解算法。這是第一次在實(shí)際問題里面，展現(xiàn)了量子計(jì)算指數(shù)加速的效果。

從此，就開啟了通用量子算法發(fā)展的新階段。在這個(gè)階段里面我們有三個(gè)代表性的算法：一個(gè)是Shor算法;另外一個(gè)是Grover算法，清華的龍桂魯教授也在這方面做了一些貢獻(xiàn);第三個(gè)就是線性方程組求解加速算法，我們簡(jiǎn)稱HHL，是由MIT的三位學(xué)者提出的。

在這個(gè)階段里，由于算法加速的優(yōu)勢(shì)，實(shí)驗(yàn)物理學(xué)家也開始進(jìn)行單量子比特和兩量子比特的物理體系的量子計(jì)算實(shí)驗(yàn)驗(yàn)證。

2010年開始，以谷歌和IBM為代表的企業(yè)開始進(jìn)行規(guī)?；牧孔佑?jì)算實(shí)驗(yàn)和工程化。這時(shí)候，大家發(fā)現(xiàn)，即使在含噪聲的中等規(guī)模的量子計(jì)算體系(NISQ)里面，又發(fā)現(xiàn)一些算法可以體現(xiàn)量子的優(yōu)越性。它們就是玻色采樣、VQE(變分量子本征求解器)以及QAOA(量子近似優(yōu)化算法)。

2018年至今，我覺得這是一個(gè)量子計(jì)算全新的令人振奮的階段——量子和人工智能相結(jié)合的爆發(fā)的階段。

提到這個(gè)階段，我們就不能不提像谷歌發(fā)布的TensorFlow Quantum這樣的架構(gòu)。TensorFlow是谷歌提出在業(yè)內(nèi)廣泛使用的深度學(xué)習(xí)的框架，它主動(dòng)把TensorFlow和量子計(jì)算相結(jié)合。

這里面有一個(gè)非常著名的例子：在2018年，由谷歌研究員提出用量子門電路的一些參數(shù)以及量子測(cè)量打造的一個(gè)量子計(jì)算的神經(jīng)層，跟經(jīng)典計(jì)算的神經(jīng)層相結(jié)合，通過梯度下降的優(yōu)化，實(shí)現(xiàn)深度學(xué)習(xí)識(shí)別的算法，在小規(guī)模訓(xùn)練中已經(jīng)取得了不亞于經(jīng)典神經(jīng)網(wǎng)絡(luò)的計(jì)算的結(jié)果。

隨之而來的是，更多量子與AI結(jié)合的結(jié)果出現(xiàn)，包括QCNN(量子卷積神經(jīng)網(wǎng)絡(luò))、QNLP(量子自然語言處理)，QGM(量子生成模型)等成果。

為什么我是覺得在AI時(shí)代更需要量子計(jì)算?

大家可以從這張圖看：深度學(xué)習(xí)自從提出以來，參數(shù)的規(guī)模是呈一個(gè)指數(shù)增長(zhǎng)的狀態(tài)，右上角有一個(gè)大規(guī)模自然語音處理的訓(xùn)練模型GPT-3，它本身有接近1750億個(gè)參數(shù)。這樣的大規(guī)模神經(jīng)網(wǎng)絡(luò)是AI未來發(fā)展的趨勢(shì)。但它本身也帶來了巨大的算力、存儲(chǔ)、帶寬等問題。

(AI時(shí)代參數(shù)規(guī)模呈指數(shù)增長(zhǎng)/來源：玻色量子)

為解決這些問題，大家除了建造更大的數(shù)據(jù)中心，買更多的GPU顯卡以外，還在探索不同計(jì)算的路徑。我認(rèn)為，量子計(jì)算所帶來的指數(shù)加速效果，實(shí)際上是一個(gè)很好解決大規(guī)模神經(jīng)網(wǎng)絡(luò)運(yùn)算的解決方案。

這里面我可以提出來新的指標(biāo)。谷歌在2019年發(fā)表的論文已經(jīng)解決了證明量子計(jì)算的優(yōu)越性的問題。它通過50多個(gè)量子比特能夠替代超級(jí)計(jì)算機(jī)，在解決特定問題時(shí)要比經(jīng)典超級(jí)計(jì)算機(jī)快非常非常多。

我們剛才提到的GPT-3模型，它里面有1745億個(gè)參數(shù)，每個(gè)參數(shù)是32位的單精度浮點(diǎn)。這么大的一個(gè)模型，在經(jīng)典超級(jí)計(jì)算機(jī)里面用一張顯卡或者一臺(tái)機(jī)器是無法承載的。而在量子存儲(chǔ)器里面，利用用量子比特的疊加態(tài)，通過指數(shù)的疊加，其實(shí)只需要60個(gè)量子比特就可以完全承載這么大規(guī)模的參數(shù)。那其實(shí)就是量子在人工智能領(lǐng)域優(yōu)越性的體現(xiàn)指標(biāo)之一。

量子的優(yōu)越性在人工智能里面分為以下幾個(gè)方面：

首先是算力優(yōu)越性。量子計(jì)算通過量子的疊加實(shí)現(xiàn)了指數(shù)級(jí)增長(zhǎng)，從而使得在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和優(yōu)化里可以得到指數(shù)級(jí)加速的效果。

第二個(gè)是存儲(chǔ)的優(yōu)越性。就像剛才提到的像GPT-3這樣的模型，它的參數(shù)可以用60個(gè)量子比特可以進(jìn)行存儲(chǔ)，對(duì)于存儲(chǔ)空間是大大的優(yōu)化。另外訓(xùn)練數(shù)據(jù)不光是模型非常大，人類每天還會(huì)產(chǎn)生上百個(gè)PB以上的數(shù)據(jù)，這么大規(guī)模的數(shù)據(jù)如果能通過量子存儲(chǔ)器進(jìn)行指數(shù)壓縮的存儲(chǔ)，那可以大大減少它們存儲(chǔ)的空間。

第三個(gè)是帶寬優(yōu)越性。國(guó)家提出了“東數(shù)西算”的戰(zhàn)略，就是東部產(chǎn)生、存儲(chǔ)的數(shù)據(jù)，由西部進(jìn)行運(yùn)算。這會(huì)給東部和西部之間的數(shù)據(jù)傳輸?shù)膸拵砭薮蟮奶魬?zhàn)。如果每天都要傳輸幾百個(gè)PB以上的數(shù)據(jù)，整個(gè)網(wǎng)絡(luò)帶寬是會(huì)面臨非常大的壓力。

在人工智能的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理中，不光存在著數(shù)據(jù)中心之間的帶寬，還有機(jī)器之間的網(wǎng)絡(luò)帶寬，甚至在機(jī)器內(nèi)部還存在著內(nèi)存、總線以及線上緩存帶寬。這些都是一個(gè)未來潛在的瓶頸。因?yàn)槟柖蒀PU的算力在20年來已經(jīng)有幾個(gè)數(shù)量級(jí)的提升，而帶寬經(jīng)歷20年只有接近30倍的提升。隨著神經(jīng)網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，網(wǎng)絡(luò)對(duì)帶寬的需求會(huì)逐漸變成一個(gè)很嚴(yán)重的瓶頸。

通過量子存儲(chǔ)器可以用少數(shù)的量子比特就能存儲(chǔ)大量數(shù)據(jù)，同時(shí)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，這樣的話就可以從根本上解決帶寬的瓶頸。

第四個(gè)是在神經(jīng)網(wǎng)絡(luò)里面有一定的魯棒性和容錯(cuò)性。這樣帶來量子計(jì)算的好處就是在糾錯(cuò)還沒有完全達(dá)到百分之百精確的情況下，我們可以通過神經(jīng)網(wǎng)絡(luò)自身的一些魯棒性，可以去對(duì)沖掉量子計(jì)算自身的一些容錯(cuò)需求。

最后我們也介紹一下在量子計(jì)算的三種不同實(shí)現(xiàn)的架構(gòu)：

(面向神經(jīng)網(wǎng)絡(luò)的量子計(jì)算架構(gòu)/來源：玻色量子)

首先就是IBM在做的，基于門電路的通用量子計(jì)算設(shè)備。大家可以看到這里面最左邊圖，這是一個(gè)體積巨大的系統(tǒng)，采用了超導(dǎo)量子比特路線，需要在真空超低溫的環(huán)境下才能穩(wěn)定運(yùn)行。

中間這個(gè)圖是量子退火機(jī)，以加拿大D-Wave公司為代表。他們也采用了超導(dǎo)量子比特方案，也需要真空和超低溫，所以體積也非常大。在這些超導(dǎo)路線的設(shè)備里，需要超低溫和真空，不參與計(jì)算的能耗非常大。

而第三個(gè)是我們公司現(xiàn)在自主研發(fā)的相干量子計(jì)算設(shè)備。它專門針對(duì)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，是一種基于光量子物理實(shí)現(xiàn)的量子計(jì)算設(shè)備，在室溫下就可以穩(wěn)定運(yùn)行，所以不需要額外的制冷能耗。相比于前兩者，我們的方案在能耗應(yīng)用比上就擁有了一個(gè)巨大的優(yōu)勢(shì)。

玻色量子的口號(hào)就是“用量子重新定義AI”，實(shí)現(xiàn)用量子計(jì)算給人工智能帶來上述算力、存儲(chǔ)、帶寬、容錯(cuò)上的優(yōu)勢(shì)。我們歡迎各位海內(nèi)外的專家、學(xué)者能夠加入我們，一起來開創(chuàng)量子AI的新時(shí)代。

關(guān)鍵詞： 量子 階段 爆發(fā)