從專用量子計算到實用化：解讀郭光燦院士的量子計算最新論斷
作為未來產業明確提出的六大領域之一，量子計算能夠為新質生產力提供強大的算力支撐，已經并還將持續釋放應用潛力。
近日，在合肥舉辦的以“量子科技 協同創新”為主題的2024年企業自主創新服務行動會上，中科大教授、中科院院士郭光燦圍繞“量子計算發展現狀”做主題報告時，將量子計算機的發展劃分為三個階段。
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開始走出實驗室開啟應用探索，盡管量子比特數只有100左右，但其運算能力已經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。這一階段屬于商業成熟階段，量子比特數達到百萬量級，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布的《量子計算發展態勢研究報告》（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定時間可達到數小時尺度，并且已經在一定數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，正處于工程化往產品化漸進的階段。
不同于通用量子計算機較長的研發與應用周期，業界認為，專用量子計算機有望在未來3到5年率先迎來商業爆發期。據此前北京日報報道，國內專用量子計算代表企業北京玻色量子科技有限公司獲得數億元融資，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？
2024年9月，在以“共享創新、共塑未來：構建科技創新開放環境”為主題的 2024 年浦江創新論壇主論壇上，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行任何量子算法的量子計算機。
言外之意，樂觀指數拉滿，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據中心中，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 從數據中心向邊緣設備、物聯網、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。專用芯片可以根據具體的應用場景進行高度定制化設計，以優化特定任務的性能。
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據，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。
智能手機與物聯網設備：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力的發展。
