We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode E100 量子计算大突破!微软Majorana1能撼动英伟达GPU吗?

E100 量子计算大突破!微软Majorana1能撼动英伟达GPU吗?

2025/2/20
logo of podcast 揭秘科技

揭秘科技

AI Chapters Transcript
Chapters

Shownotes Transcript

透过科技现象看到商业本质欢迎来到揭秘科技今天是 2025 年 2 月 19 日今天微软发布了一款名叫做 Mirana One 的量子计算芯片这是微软的一次大突破

简单来说就是他们造出了一个可以用在量子计算机里的新的硬件这个芯片不是普通的常见的那种规基芯片而是用了一种特别的材料和技术目标是让量子计算变得更加的实用更可扩展那这个芯片到底是啥呢 Milrana One 是一个量子处理器也就是量子计算机的心脏它里面有八个特殊的量子比特

这些量子比特是用一种叫做托普导体 Top Conductor 的材料做出来的这个材料很特别微软说它创造了一种全新的物质的状态既不是固体也不是液体或者是气体而是一种托普状态这种状态能够让量子比特更加的稳定更不容易出错量子比特跟普通电脑的比特 0 或 1 不一样

量子比特可以同时是零和一的一种叠加态这让量子计算机能够做超复杂的计算比如模拟一些化学反应破解加密啥的传统的电脑可能在计算上几百万年那为什么量子比特可以同时是零和一的叠加态呢量子比特之所以能同时是零和一的叠加态是因为它遵循量子力学的规则而不是经典的物理逻辑那经典的比特和

量子比特相比起来普通电脑的这种比特它就像一个开关要么是 0 要么是 1 没有中间的状态它靠电信号的有和无来表示很直截了当量子比特呢是用微观的粒子比如电子和光或者是光子它的这种量子的状态来表示的这些粒子有一个特殊的本领叫做量子叠加简单来说它可以不止处于一个状态

而是处于 0 而是可以处于 0 和 1 之间的某种的混合状态那什么是这种叠加态呢想象一下说我们抛一枚硬币那经典的比特呢就像硬币落下来之后要么是正面要么是反面但量子比特呢就像硬币在空中旋转的时候既不是完全正面也不是完全反面而是正面和反面的混合这种状态呢就叫做一个叠加态在技术上

叠加态是量子力学里面的波函数来决定的波函数它描述了粒子的可能的状态比如 50%是 0,51%是 1 或者是其他的各种比例的这种组合只要你不去看它或者是测量它它就能保持这种模糊的状态那为什么会有这种叠加态呢这是微观世界的一个自然规律

微观世界的粒子不像我们日常见的大物体有明确的单一的状态在微观的量子的世界里面它们可以用这种概率波来描述同时拥有多种可能只有当我们来去测量的时候这个波函数才会随机的变成 0 或者是 1 但是在没有测量之前它就是 0 和 1 的叠加那叠加它是怎么样让量子计算机算得更快了呢

量子比特的叠加态是量子计算机强大的核心原因但它不单纯是快而是计算方式完全不同了首先它有了这种并行计算的能力经典的电脑比如一个 32 位的处理器一次只能算一个数如果是想试所有的可能的话那就是一个接着一个的算比如破解密码可能要试一个 2 的 32 次方次大概是 43 亿次的一个计算时间很长

那量子计算机呢因为量子比特能够叠加那 n 个量子比特可以同时表示为 2 的 n 种状态比如 3 个量子比特它就可以同时是 000 001 010 011 100 101 110 和 11 的叠加态这意味着它一次就能够考虑到所有的可能而不是挨个的去试量子比特还有一个特性叫做量子纠缠

两个量子比特纠缠之后一个量子比特的状态会瞬间影响另一个哪怕隔得很远这样量子计算机在处理关联性强的任务的时候比如像化学分子的模拟的时候就能够很快的建立关系除此之外叠加态能够让量子计算机可以用一些个特别的算法比方说在计算机行业里面比较有名的 Grover 算法它搜索的更快

总结一下的话量子比特能够同时是 0 和 1 的叠加态因为量子力学的这种概率波的这种特性这种状态能够让量子计算机一次试所有的可能进行并行计算再加上纠缠特性和一些量子计算所具有的特殊的算法对超复杂的问题有指数级的加速

大家可能比较好奇那微软为什么把这个芯片的名字叫做 Majorana 这个名字呢来自于一种叫做马约拉纳费米子这样的一个例子这种例子呢是科学家在 20 世纪 30 年代猜想出来的很神秘微软用了 20 年的时间来研究终于在芯片里面制造并且控制了这种例子或者说类似的叫做准例子

微软把这些粒子放在超冷的纳米线的两端用来当量子比特所以这种也被叫做 Top 量子比特之所以放在超冷的纳米线的两端就是为了控制量子能够处于这种叠加态微软的量子芯片 Miorana 和别的公司的量子芯片有啥不一样呢

之前大家可能也听说过有其他公司比如说谷歌 IBM 等等也在做量子芯片甚至他们做出来的比微软的 Mirana 还要早但这些公司的量子比特比较容易受外界的干扰比如说温度电磁波等等导致了它的抽搐力比较高所以需要很多额外的比特来纠错

微软的这个思路呢就不一样微软用了这种拓扑量子拓扑量子比特它的天生就抗干扰出错少所以理论上需要的这个比特数就少了很多微软还说虽然目前这个今天发布的这个迈尔拉纳芯片里面呢只有八个量子比特位但是这个芯片的设计能够扩展到支持一百万个量子比特位塞在一个手掌大小的芯片里

微软还说了别的公司的技术呢要支持 100 万个量子比特币的话可能是需要一个足球场那么大的一个机器那微软是怎么做到这一点的呢微软用了两种材料深化因和这个铝是一种半导体和一种超导体一层一层的堆起来精确到原子的级别然后把这些东西呢冷却到接近于绝对零度也就是零下的 273 度再用磁场来调一调就能够在纳米线上造出了

马约拉纳粒子这些粒子被安排成了 H 型的一个结构每个量子比特有四个这样的粒子组成能存的信息还能够被数字来控制说了这么多量子芯片有什么用呢微软说这个芯片是通往实用量子计算机的关键一步

微软预计在几年之内而不是几十年就能够造出能够干很多大事的量子计算机比如用来设计新药算出分子怎么样组合能够发明新材料比如能够自我修复的建筑材料能够优化物流解决超级复杂的供应链的问题等等甚至还可能去破解现在的加密系统这个听起来有点吓人了

那现在的微软的迈尔安娜量子芯片能做什么呢目前迈尔安娜 1 芯片只有 8 个量子比特位所以它还只是一个产品的原型原型的意思就是说做到了证明它能够被控制能够跑一些简单的数学问题它还不能直接拿来用去做现实当中的一些项目但微软的目标是很快把它扩展到几千个甚至上百万个量子比特

到了那个规模就能够真正的用来解决问题了好了接下来一个非常关键的一个问题量子芯片与英伟达的 GPU 的关系是竞争还是替代呢大家知道英伟达的 GPU 是当前 AI 的硬件支柱硬通货微软的量子芯片或者说谷歌的量子芯片与英伟达的 GPU 的关系是既有潜在的竞争也有互补的可能

首先从技术本质上的差异上来看 GPU 它是经典的计算硬件用成千上万个核心并行处理矩阵的运算特别适合 AI 的这种神经元网络的训练和推理这种 GPU 的优势它就是通用性强尤其是英伟达的这个酷打生态 PyTorch 对支持等等

能够跑各种各样的人工智能任务对酷达比较感兴趣的听友可以去我前面的一期节目里面专门有介绍这是英伟达的软件的生态系统也是它整个的英伟达芯片的最核心的竞争力而量子芯片目前看起来是用于处理特定场景的计算和优化

所以对比下来 GPU 是一个全能选手而量子芯片是特种兵擅长的领域不同从应用力的领域来对比 GPU 现在 90%的工作都是用来在 AI 方面比如大模型的训练图形的生成自动驾驶等等它能够实时的处理海量的数据满足广泛的需求

而量子芯片未来可能在 AI 的某些子领域发光比如优化超大模型的参数或者是模拟分子的一些行为但目前的这个八个量子比特的这个芯片呢连跑个小模型肯定都是不行的长期来看量子芯片可能会挑战 GPU 在优化和科学计算上的地位比如用来去加速 AI 训练的某些个特定的步骤

所以在短期在一到五年之内呢看起来双方可能是以互补为主 Miranda 1 现在还是太弱无法跟 GPU 竞争完全无法跟英伟达的 GPU 竞争而且微软和英伟达呢还有合作量子芯片呢更像是一个补充的实验可能会跟 GPU 搭配量子计算用来解决特殊的问题 GPU 呢用来跑通用的任务那长期来看呢五到十年的时间线

确实存在潜在的竞争如果量子芯片扩展到了百万级可能在某些 AI 任务上面会超越 GPU 比如去模拟滑雪反应量子计算有指数级的优势那个时候 GPU 只能望尘莫及了但也不会完全替代 GPU 因为 GPU 的通用性是量子芯片所无法取代的

量子计算只对特定的问题计算得非常快普通任务上并未必有优势而且从当前的市场格局上来看英伟达的 GPU 已经占了 AI 硬件市场的几乎是 90%以上它的生态的地位牢不可破

微软的量子芯片是一个未来的赌注如果想抢占下一代的计算先机还得新建整个软件和开发者的生态短期之内是威胁不了英伟达的 GPU 的根据马斯克的最新的大模型 Grok3 的预测他认为如果微软实现了商用的量子计算可能会抢走 GPU 在高端 AI 计算部分的市场份额但更可能是分工合作

GPU 用来跑试试推理量子计算在后台进行优化所以从 MirrorWanna1 这颗芯片我们可以看到了量子计算的未来的一些个雏形更加稳定的量子比特更接近于实用化的结构以及微软在下一代计算平台上的野心短期来看它不会取代 GPU 也不会立即改变 AI 计算的格局但它代表了一条完全不同的技术路线

可能在未来某个时间点开启新的计算的范式如果你对量子计算 AI 硬件的未来发展感兴趣欢迎订阅揭秘科技我们会持续关注最前沿的技术趋势让复杂的科技变得简单易懂感谢收听我们下期再见