不只「加速」，从英伟达「量子日」看量子计算的拐点与未来生态 | S9E19
49:15 Share

有声音碰撞世界生动活泼欢迎来到 What's Next 科技早知道第八季和全球创新第一时间同步大家好 欢迎大家来到 What's Next 科技早知道 我是雅贤去年 12 月 Google 是发布了有 105 个量子比特的量子芯片 Velo 是引起了巨大的轰动那我们的节目当时是专门做了一期节目来介绍量子计算以及 Google 的量子纠错技术

那在接下来的半年时间里啊微软和亚马逊也紧随其后发布了自己的量子芯片

在今年 3 月的英伟达 GTC 大会上王仁勋专门举办了一个量子日也就是 Quantum Day 请到了 12 个量子计算初创公司还有两家科技巨头的从业者来分享他们对量子计算的理解和想象请邀请我来欢迎他们 Allen Baratz D-WavePeter Chapman IonQ

但没想到的是量子日之后三家已经上市量子计算初创公司股价大跌那从科技大厂和初创公司的竞争态势来看量子计算无疑是下一个大家都在追赶的风口那我们今天呢就想与大家深入的聊一聊量子计算目前究竟发展到了一个什么样的阶段它离实际应用究竟还有多远更重要的是呢与美国的量子计算生态相比呀中国又发展到了一个什么样的阶段

那我们今天的嘉宾非常特别,他是施耀云老师他在美国普林斯顿大学取得了计算机科学博士学位那曾任密歇根大学电子工程与计算科学系教授 17 年回国加入了阿里巴巴,创立了阿里巴巴量子实验室现在他也是一名学者和独立创业者哈喽施老师,欢迎来到我们的节目哈喽雅琴,非常荣幸能到您的节目

那施老师先给大家介绍一下自己吧我叫施耀云我一生很有幸有几个很好的机会在北大上本科就像您刚才介绍后来在普林斯顿念博士很幸运的是当我念博士的时候正好量计算是一个新鲜的一个学科所以我在普林斯顿四年研究量计算写了这方面的论文后来在密西根大学任教但是之前在加州理工有一年

非常丰富的博士后的一年时间 2002 年到 2017 年在密西根大学任教 2017 年开始在阿里巴巴组建阿里巴巴的量子计算团队我们叫阿里巴巴量子实验室后来改名为达摩医院量子实验室从 2024 年年初到现在我和我的前同事在走自己的量子计算之路

我特别想认识施老师是因为我大概一个多月前在知识分子上看到了施老师写的一篇文章叫做量子计算正处在一个深刻的转变之中然后我到时候也会把这篇文章放在 show notes 里头那我对这篇文章印象特别深刻的原因是它其实没有停留在对一些某些可能技术细节技术路线的解析里头而是一个非常宏观的视角

然后分析了现在量子计算目前所处的历史阶段所以我觉得今天施老师既然有这么丰富的学术的视角然后也有产业界的视角一定能给我们提供不少 insights 谢谢每个人见解都不太一样讲的不一定对

那关于量子计算的原理那大家可以回听我们之前的那一期节目我们今天呢就不多说了那施老师其实你在你的文章里头也提到了量子计算正在处于一个转变之中我不知道您当时是为什么要写这篇文章然后您在里头提到的说这个转变指的是什么文学的话来讲这个转变是量子计算正在从量子走向计算

当我说量子的时候,我背后的意思是物理实验我们过去很长时间,整个社会非常关注量子计算的物理实现新闻上经常会报道哪个单位有多少比特用什么方式,光子或者是超大氧或者中性原子

所以过去很长时间物理或者说量子是整个关注的核心也是大部分资源投入的方向但是最近我认为计算的维度在很多方面比如说资源的投入人才的涌入对社会的影响它的增速我认为是更快

比如说你像那个量子那个黄石兴请来的那些所有的 12 家初创企业的 CEO 吧大部分的时间都是在说他们用的是什么样的实现量子的路径我理解的那个是不是就你说的是大家放很多这个心思在他的硬件上然后在想这怎么样这个能够在实验室里头实现这件事情但是可能很多没有被谈到的就是你说的这个转变所存在的地方也就是这个计算

是的我觉得您提的这个会呢是一个很好的

来描述这个转变的一个场景我非常谦佩你去数了下 12 家我看到一堆我没有去数基本上西方最著名的制作公司再加上两家你刚才提到两家大公司的量子负责人在那里所以这 12 家代表的确实就是量子时代就每一家都在做量子比特但是

但是呢他们聚集在一起并不是因为有个做量子比特的人做研究的人把他召集在一起就是五年的盟主呢是个做计算的人那黄教主啊那个黄仁勋呢他是很成功的商业领袖了啊

我想它的量子方面的噪音可能是很深到但是做它的决定所以它作为一个计算领域的大脑大气一挥十二路诸侯就很乖乖的跑到台底下听他讲话

这代表了这个这个时代的正在从量子走向计算那这个会议我认为有可能是英伟达的统治地位呢延伸到量子时代的一个开始那你可以具体就是再给我们介绍一下说我们说了这个计算包括哪些方面呢包括比如系统软件啊

算法应用比如说系统英伟达它有所谓的 DGX Quantum 就它和一个也 c 的公司叫 Quantum Machines 量子机器那是一个做量子计算控制系统的公司控制系统加上 GPU 一起它还是个尖点的但底下可以接入这 12 个 12 个加注口的量子硬件再加上其他的

上面可以让应用的开发者容易的原来在 CUDA 上面在英伟达的软件上写的应用程序扩展到量子所以系统我刚才举的例子是英伟达和 Colon Machines 搭建的量子和监点和 GPU 的混合系统软件我刚才提到就是 CUDA 的量子的扩展

但这是从用户角度看是 CUDA Q 吗?CUDA Q CUDA Q CUDA 是经典的那么英文达语 CUDA Q 可以把 CUDA 扩展到这样子那英文达、微软、IBM 都跟很多的区之领域的领袖比如说在汽车方面有德国的一些公司在银行方面有美国一些银行

还有生物制药这些公司去开发他们趋势领域的应用这是应用方面在更加抽象的算法方面也出现了既有很基础的算法研究也有很应用的算法研究所以计算也许可以归结为这么四个方面系统 软件 算法和应用

如果从英伟达的视角来看是不是 CUDAQ 有可能是他们想要建立的在量子时代的 CUDA 系统这个是招人诺街吧招人诺街所以我们都说英伟达是一个他们是想做卖铲子的人然后他们的铲子其实不只是 GPU 也有一系列的软件生态

所以如果对应到这个量子时代的话其实这个软件生态也是非常重要的就是相当于你给所有的上游应用包括硬件厂商搭一个平台然后你自己家的产品都可以在上面就是自由的运行这样相当于也是节省了很多适配的成本对 因为它是个平台公司或者是它的成功是生态

如果单单看 GPU 的性能的话也许不少 GPU 的厂商会觉得他们在某一些基准上面测试不比英语达差但是因为能不能写库达程序写更底层的程序写得很多很难放弃所以它是个生态公司是个平台公司

那么它是不是一个产生的我觉得现在你可以说它既有产生的功能但是呢其实我的文章的主要观点就量计算的第一波应用会跟经典结合而且很多很重的所谓的那个提重物的那一部分呢是经典完成所以它的混合系统量子跟 GPU 的异构计算呢

还是很大的力量要这个巨大的产生刚才提到那个 Quantum BGX 它就是一个用来量子计算机上快速纠错的这么一个软件对吧就是英伟达如果你去看英伟达跟量子机器这个以色列公司的官宣他们混合架构的系统有三个用途

一个是混合算法量子间点的混合算法比如说量子记忆学习第二个是纠错第三个是校准对这些都是量子计算现在需要克服的几大问题或者发展的前景对对对

所以我们在建立一个单元的光线电脑我们在建立一个光线电脑基于门口的超线电脑在 Quantium 我们在建立光线电脑使用困境氧化

刚才你也提到了一些不同的初创公司的技术路线那我其实下面想聊一下就是关于量子计算这么一个现状就是在量子日上黄仁勋是提到了是把这个量子行业的 14 位嘉宾比如说像刚才也提到的 D-Wave 然后 IronQ 这样的初创企业也包括上 AWS 微软这样的大厂他们都来解释了一下自己的技术路线和对未来的一些畅想那有一个非常明显的点就是说这些公司的技术路线都五花八门

从那个超导量子比特然后包括光子量子比特还有离子井然后我不知道施老师你是怎么看就是所有这些技术路线的分歧你觉得以后会有哪一种技术路线胜出就成为唯一的技术路线吗量计算现在的这个状态呢是确定性和不确定性的一个组合那么不确定性呢就包括说我们有很多不一样的实现量子比特的

技术的路线这些路线那么这个每个路线后面都很多人很多很棒的人在努力然后也有很多资源投资在背后所以很显然就是能不能没有统一的意见说哪个

每个路线会胜出甚至有可能说不是单一个路线胜出有可能也许最后的系统是存储用某个系统某个操作会有其他的路线所以最后是什么形态确实这也是不确定然后现在每个路线都有它的

长处或者说还生存的还生存下来还有人在做还有钱在进去的都有它的优点都有它的希望然后为什么一群很聪明的人很努力的人

会有不一样意见呢我想每个人不一样他也许背景不一样他掌握的知识不一样所以这是人类在探索为之的一个很正常的状态对 不过有一点也许是值得去反思的有个观点这观点是这样的不同路线它的相对的优势在不一样的阶段会改变就它的优势也许随着

整个系统的演化会有不一样的相对的强强和弱可以举些具体例子比如说操导操导它的好处就是说它的操作相对比较快而且它的比特的设计空间很大所以你可以去做很多参数的调整

超导就是现在比较主流的一个 Google IBM 很多初创公司也都走的是超导路线确实有可能超导是社会财富投入最多的因为它相对比较早它的比特有一些优势那么它的怎么样做很多比特呢这个技术框架也被验证过就是传统半导体光刻呀 镀膜呀这都是框架都是已经相对成熟的框架当然还是需要改

最近的一个业界整个进展是用传统半导体的产线去做超导量子比特比如说在比利时的 iMac 有篇文章就用 12 寸的产线做超导量子比特 Google 以前的硬件的负责人 Joe Martinez 教授他离开 Google 之后成立了公司的一个

的一个方向也是用 12 寸长线很大的间缘上面去做超量子比特台湾他们也在做他们用 8 寸长线做超量子比特所以超导在扩展性上面的技术框架是跟现代半导体是基本兼容需要做些改变它的劣势在于说有几个劣势一个是它的比特都不一样因为每个比特本身还有不一样的组成的成分当你做两个比特的时候它会产生不一样

整个不一样之后你会需要去单独的去控制它至少现在的方案是这样的所以有可能成本一个量子比特就是美国几万美元中国也是几万人民币不知道中国可能不会是省那么多但是会省一点我们有些思路能够克服这个问题那么中性原子是目前受到很大注意力的一个相对新鲜的领域

应该是 23 年的一个文章是哈佛教授跟他的公司合作者他的好处就是一下子能够同时控制很多比特所以比特数一下子上去了然后他也可以做操作所以他们演示了量子纠错码但是他的一个缺点是他需要挪这个原子物理上去挪就很慢了所以他每个人操作大概是比超达 1000 倍

在小系统小系统你做的事情很简单 1000 倍没关系但是如果你要解决实际问题的话半个 1000 倍有可能可算不可算之间区别所以有可能如果你画个横着是比特数量系统的规模纵着是一个很抽象的好坏有可能在几百几千几万中心原子你可以做得很好

把操刀逼下去但是到了很大的时候如果你没有解决速度问题的话

最后还是没法算历史上有这么个案例最早演示量子计算的技术是核磁共振 NMR 但现在基本没有人做了没有人用它来做量子计算所以这个已经被学界广泛接受说这个系统是很难做到很多所以在一开始的时候他是发政刊发新闻然后人们也拿到做这个事情的人脸拿到很好的教职

所以感觉它世界就是朝最方向走但很快它就销声匿迹了所以我的要点呢是第一点就是系统不同系统它各有各的优势跟挑战然后第二点呢是系统之间的比较呢

也许跟技术的发展阶段强相关对然后我在量子日就是那些 CEO 们的发言里头有出现几个高频词汇我试图来理解一下现在大家在解决的主要问题一个叫 skateability

就是可规模化然后第二个叫 fidelity 就是保真性然后还有第三个叫 error correction 就是纠错我不知道才师老师看来就是现在大家主要功课的量子计算的挑战有哪些我提到这几个算是主要的挑战吗如果简化一下我觉得任何平台在应景方面就需要解决两个问题质量问题和数量问题所以你刚才讲的所谓的

Fidelity 即是质量质量问题它多接近于完美你讲的 Scalability 就数量问题如果你做很多所以我们既要很多又要很好不同系统的优缺点你可以从这两个维度去考虑量子纠错它是一个系统工程可以分解到刚才的比特的质量跟数量

独立于这两个额外的维度也包括说比特之间的连接

所以我们再看得更细的话除了质量和数量之外还有所谓的连接度就一个量子比特它可以跟多少个其他量子比特之间可以做交互然后另外量子纠错你需要做一个解码这个解码是很需要强大顺利或者需要很短的时间内必须把它处理的一个经典进程问题那这个这部分放在哪里是比如说英伟达他们

他们希望用他们 GPU 啊但是呢是不是最后应该放在跟量子芯片更接近的地方甚至就跟他同一个地方所以这个是研究前沿啊

这个确实也是一个挑战的问题它跟质量数量都相关但也有些额外的维度所以你刚才讲的这三个我同意这都是很重要的问题所以其实可能不同的技术路线在这三个挑战的优势上会有所不同可能有一些是比较容易 scalable 就是容易规模化容易做到很大的比特的数量

数量但有一些可能是保真性比较好比较准确但是可能操作比较慢然后或者说是很难把数量做上去确实是的比如说粒子锦它的比特都是一样的都是原子是一样的他们喜欢讲一句话是 Nature fabricates our qubit 就大自然呢给我们制造的比特

所以他们的优势就是比特都是一样的所以一个信号呢你可以让所有的比特同时起舞有响应那么超导呢这方面是有挑战的所以那么怎么规模化呢像英特尔他们做电子用电子来携带量子信息那他之所以走他的技术之前呢因为他对

大规模的做芯片是很有经验的,是最好的之一所以他就说如果我们把小规模系统做好了那我们做很多比特的是很简单的事情这是简化的一个简单从高层次来讲确实他有这个优势能够大规模的去规模化我记得当时有一个 CEO 发言当时他让我挺震撼的应该是 SideQuantum 他们的 CEO 叫 Pete

他讲得非常的自信然后意思就是说我们的这个晶圆已经在 fabricate 了然后到 2030 年我们就能实现百万量子比特的操纵然后讲得特别自信你觉得他讲的这个话是是在吹牛吗这个问题可能得采访

做光量计算的专家才会得到更好的一个答案但您讲的他很自信很有说服力这点跟这个公司融资非常成功有关系量计算原理上是没有问题的光学原理上也没问题他们采取的路线在我看来是很有道理他就直接用产线去

做很高集成度的光学的芯片在逻辑上也是很自洽但它技术上做得多好我无法判定但关于光学的量计算可能大家需要留一个心是所谓的量子比特如果我们定义它为你不光能够存储量子信息而且你能操作而且操作是

能够做完整的量子计算操作的话那么人们还远远没有实现很多的光的量子比特比如说以前辛惠妮经常讲的所谓的波色采样问题波色采样问题它会有很多光子但是它不能够说是量子比特所以这都有一个比较细节的概念上会被替换的一个问题

大众对量子计算的前景其实可能是经历了一些比如说从争论到质疑可能到现在有一点被信服的这么几个阶段然后你也提到了说可能你像你就是大家下一步要做的事情是要挑战三个预设可不可以给我们介绍一下你所谓的这三个预设是什么应该说对量计算什么时候能够解决实际问题

有很宽广的意见有早就说量计算已经有用了然后也有觉得一切都是泡沫一切都是下吹也有这样的观点其实有可能每个人讲的都有道理只不过他

讲的话背后有些假设但这个假设不一样但也许他有个预设是量计算机本身要去解决实际问题而不是加上经典的计算在那个情况确实它很难解决实际问题的我觉得在未来几年很难比如说目前量计算的芯片最好的芯片

在超导大概有 100 量级很好的比特大家如果听了节目忘了所有东西的话你要记住一点有多少比特其实很简单

你很容易造出很多比特就像你去做饼干你可以做很多饼干出来但好不好吃是一个很大的问题所以要挑战第一个预设呢就是我要批驳的想法是量计算的应用是要靠量计算自己来扛我认为呢量计算的第一波应用肯定是量子加上经典的一个混合架构

所以说以之前的预设是量子计算要一出来就要能做所有的事情或者说是能做最难的事情但是实际上第一波应用可能是大量由经典计算机来完成然后辅助以量子计算的一些优点对或者说以前的想法是量子计算它必须一切都自己扛

所有的苦都自己扛但其实你可以跟更强大的经典计算一起让这个强大的经典计算它有了你之后它可以扛更大更重的东西那您提到第二个预设是量子计算的意义指在于算得快这个也是可能大家对它的一个误解确实黄仁勋在他的量子日上也说他说量子计算是一个 accelerator

也就是说是加速的意思但是从您这边看可能不只是算的快我想加速呢可能在英伟达的这个宇宙里面是个核心词哈因为他最早 GPU 就是一个加速图像处理的一个芯片我们有个团队叫做量子跃迁计算而不是叫量子加速计算这个选择的词语呢背后的意思是我觉得量子计算的意义呢

加速显然是很重要的但是它也在不同 100 个量子比特刚才提到的当前在超导最好的一个状态它本身还没有实用人们还不知道怎么实用它但是我们也无法模拟这 100 个量子比特的行为

因为最直接的模拟需要 2 的 100 次方因为如果老黄能够点石成金摸一个东西就把它变成一个 GPU 即使它有这样的神力的话整个宇宙所有的分子都变成所有的原则都变成 GPU 也无法模拟 100 个量子比特行为

那我们刚才讲到了很多比如说量子计算机可以辅助经典计算来完成一些这个计算任务然后也讲到了说量子可以不同有没有一些实际的就是我们如果我们实现了量子计算或者说量子计算有一天可以落地的话一些实际的使用的这种场景呢具体的讲可以有这么几个方向一个是模拟量子物理的方向比如材料

或者更基础的以所谓的多体量子系统的模拟这是一个很重要的领域因为材料化学很多都是需要多体量子物理的模型人们需要计算这个模型的最低能级然后低激发态能级然后这个系统

如果我们知道它初始态的话经过一段时间它会变成什么状态当我们去测量它的时候或者是它最后也没有我们想要的这个材料的性质所以这样的模拟量子物理的问题呢是最早飞曼提出量子专制概念的时候讲的主要的应用这是很多人在尝试的那除了材料方面呢还有一些什么其他方面呢

我们团队的一个信念叫挑战预设

我们挑战预设的一个想法也许自然语言处理也是量子经典混合系统或者是量计算可以起到很大作用的一个方向自然语言处理是就是现在 AI 的大语言模型吗对对比如说大语言模型我们看目前大语言模型革命性的突破很多人就认为是谷歌的所谓的注意力机制 attentionmechanism 的发明

注意力机制它提供的是揭示不同的词之间的关联量子信息有纠缠这个特性那么纠缠它表达出来的超越经典的一个现象就是关联量子信息本身因为纠缠产生的关联的现象是无法用经典来模拟的

所以学界的工作是把 token,就是把我们的大元处理里面的每个基本的元素映射到量子的操作然后这个映射能够使得说量子太纠缠产生的关联的现象被用来减少处理这个方向算是相当于量子计算可以助力 AI 的一个方面

对我们现在讨论的主题是不同的价值那助理 AI 呢很有可能是这个不同的价值最大的体现的这个方向我甚至有一个也许相对有点极端的一个观点概念上快是非常的震撼的

比如说破解密码这是理论上更快模拟物理理论上更快但是最后量子计算落地有相应的价值解决实际问题的时候呢我怀疑不同带来的价值会更多为什么呢因为世界上更多的问题是属于那种没有终极的巧妙的解决方案其实这个现象我觉得对我来讲是很深刻的一个现象就说明说这个世界呢

没有各玩家有一个永远占据统治地位的策略所以他也不得不赌他资源也有限不能够做穷极水有可能所以实际生活里面或者说更重要的事情更重要的问题是属于那种根本无法解决的问题有些人会觉得好像这世界很不完美其实我觉得正好因此这个世界变得很有意思那我们聊一聊您想挑战的第三个预设吧

对第三个预设就是回到我们原本的问题量子计算什么时候会有用这个问题背后有个假设好像这个时候是一个点状的时间好像今天 12 点之前没用过了这个点突然有用事实我觉得更有可能是个过程如果你把量子计算机比成你的孩子然后你问一个问题说他什么时候比狗还聪明

刚生出来的孩子肯定狗能做很多事情有些狗还特别聪明很显然你的孩子还没有智力还没有发展到那个程度是不是有一天你发现我的孩子终于从狗走到狗了不会有这个事情不会说有一天今天这个事件发生然后我就说我孩子终于比狗更聪明

所以这是个过程但是至少有一天很显然这个孩子的记忆比较透明所以量子计算什么时候使用也会类似的那现在是不是已经没有人在质疑就是说量子计算会能够在未来商业落地或者说能有实际应用这么一个问题了我认为至少在学术界跟我了解的产业界甚至是科技政策的决策者应该有个共识这个共识就是量子计算实现的是

好

从去年开始吧确实从黄仁勋应该是在年初的时候大概说了一下说啊这个量子计算然后想要落地的话 15 年太早 30 年又太晚然后也许 20 年正合适然后说了这句话以后然后这个三家上市公司的这个股价就腰斩然后后来慢慢也涨上去了然后量子日之后他们又跌了一波然后又慢慢涨上去了所以我不知道就是现在这个资本对他们是一个什么态度呢

欧美特别是美国对量计算的投资是计很多而且结构也很丰富麦肯锡应该有个数据是几十个 billion 几百亿个美元结构的丰富体现在他不光有国家的投资他也有大企业的像 IBM 应该是非常多人在做量计算

三个月几个礼拜之前有个官方的宣布说未来五年他要投入 300 亿美元作量计算这是第二个类型大公司第三个类型就是初创企业其实应该加个第四个类型的上市公司现在至少有三个上市公司

所以你可以看到美国投资是量级大而且大结构是很丰富的背后什么意思意思就是说人们认为这是很有价值的虽然量级算目前还没有解决实际问题还没有令所有人幸福的解决问题不等于说它没有价值不等于说你不能够给它

股票定值或者公司定价一个公司的价值呢反映的是对未来现金收入考虑了各种不确定性之后折算出来的现在的价值那这个价格理论上反映了对未来的一个期待未来会有什么收入折算到现在显然价格上上下下变化很大

所以不确定性很多他如果知道说老黄再过几个月要量子日那么这很多人要去大家都有预期要涨所以他会涨然后讲完话之后有些人也挣到钱了挣到钱之后他就赶紧去套现所以会卖所以这个就是一个资本本身运作的规律会导致价格的波动还有另外一个很关键的

因素是这个市场到底有多少钱如果这个钱没有地方去只有一个地方去的话那个东西肯定会涨价然后所以这样子计算上市公司的高的市值然后还没上市的高的估值我讲的是美国体现了这个市场很多钱

施老师你在中国和美国都有学术和产业的经历那你可不可以比较一下不管是从资本的结构或者从其他的研究方面的角度来看中国和美国在生态上有什么不同呢有很多不同很多方面像两个世界一样不过我想在讲不同之前我想强调一个共同点共同点就是中美都有一群很优秀的人

然后两国从政府到学术界到产业界到大众都特别的关注就像我们 DeepSeek 一群在杭州很技术的人追求技术这个是共同点差异有很多角度了因为我也在尝试创业所以要找钱那么在资金来说我们刚才也提到美国钱极多而且有

结构也很丰富那么在国内至少我看到还是以公共部门的投入为主然后从驱动力的角度看就是什么人什么群体在让这个事情往前走美国我觉得更多的是一个自下而上是学界产业界在推特别产业界声音很大然后政府他也很支持

你有看到它政策上不光是有各个部门在协调的国家的量子战略它也会有很强硬的出口管制还有量子外交国内可能从上而下的方向比美国会更显著一点因为大部分的投资或者整个行业收到的经费可能一大比例是政府或公共部门的投资

那能力结构上面呢美国在物理计算还有商业方面都有很多很聪明的人在做那国内呢主要还是集中在实验物理其实连理论物理我觉得都是有很大的发展空间那技术方面也相对薄弱我们很幸运有几个很棒的

物理学家带动了国内的实验物理方面的研究但是量子计算机科学相对来讲研究者就少很多然后培养的学生的数量也比较少但最近有不少年轻人回国我觉得他们做得非常棒然后商业方面

美国有很多创企业然后大公司它有很多商业活动所以吸引了很多商业的人才所以最后产业还是需要商业的人才的像 Elon Musk 我觉得他更多的是一个产业领袖所以他是工程师我觉得很难相信我觉得他是一个很棒的一个产业的领袖所以除了这个领袖之外还是需要做市场化的

各个方面的人才这方面中国显然不缺潜在的人才但整个产业的活动目前还处于一个早期的阶段再一个不一样比如资源的分布美国的资源分布有很大一部分在大公司科技巨头

然后另外公共部门投资它会有很多小而美的研究团队不一定有几十个人获得很多所谓的 70%这种记忆它也许就两台三台四台也许就是五六个学生十个

但是这些很多的这样的团队它能够产生改变一个领域走向的结果所以全新璀璨的这种研究小组小组真的是很小的组这是资源分布的一个美国的一个特点所以大公司 初创企业当然有国家实验室但是有很多小组

国内可能很多资源呢会集中在小数的几个大型的一个实验团队里面我有一个疑问啊就国内有几位老师就是做得非常优秀然后也发了特别好的文章然后他们是都主要集中在实验科学吗国内其实也有很多年轻人做得越来越好啊

然后也有一些不算巨型的团队也做的非常棒的工作比如说我这项大学的王浩华教授他把他的资源利用到很极致我个人喜欢讲一句话叫做集中资源办大事我觉得这个说法也许有它的合理性跟历史的背景

当我们的资源不多的时候那我们要做一个很大的事情确实我们还是需要集中但我们是不是已经到了一个阶段我们资源不至于那么少使得说或许在一定的集中的情况底下也把较大的一部分很分散培养很多独立的小而精小而美的

让他们去做很基础的突破性的前瞻性的工作也许是一个分散资源同时能做大事的一个方式那大型的机构他们也许可以去做需要很大型的设备需要很复杂的协调类型的

但还是基础性颠覆性前瞻性的工作我在讲一个创新能力吧美国却主导了基本上所有的关键的基础的技术从零到一的技术大部分是在美国产生对对从零到一啊

比如说破解密码的算法,纠错码的原始想法和基础理论超小量子比特的鼻祖他们除了有日本的几位很重要也是整个里面创始者之外大部分都在美国量子计算方面我看到的更多的人力跟资源还是在

做跟谷歌 IBM 类似的东西我们会有创新其实做同样的东西也不容易但是那种改变行业方向的工作那种去无人区里面去开拓的工作相对比较少我很自豪我们以前从阿里巴巴时代开始到现在我们一直在无人区里面我们的比特类型跟

IBM 跟谷歌不一样虽然都是超导但是我们选择一个原理上更优然后物理实现上的更加挑战的一个类型比特叫 FlaXonian 国内有些团队也做开创性的工作但整体来讲我希望看到国内有更多的做突破性基础的前瞻性的工作

特别是大型研究机构呢我希望除了去不让我们落下的这个努力之外呢有个初期并 surprise 的那种计划我希望有更多这样的投入其实其实施老师说的就是在量子计算行业不同可以应用到中国

这个在转化阶段的各个领域然后包括我熟悉的这个医药领域所以就是基本上其实从零到一的你现在一些就是靶点的发现不管是现在特别火的癌症的靶点免疫治疗的靶点几乎都是在美国或者是在欧洲被发现的然后中国特别擅长的就是 fast follow 就是快速跟上步伐然后把价格卷得非常的低呵呵

然后做一些这个当然也是创新了但是做一些工程上的改进但是探索一些未知的就像您说的一些这个无人区吧未知的靶点这个在吸引资本上是非常困难的

不管是国家还是私有资本可能都不太愿意投那些我们叫未经验证的把点根本问题还是钱少总量少总量少对应该说我讲的是社会资本社会资本总量少比如说民营企业或者是民间投资

我其实很同情投资者就是我一点不埋怨他们我认为投资者他们也很苦他们最大化他们收益我觉得是很正常的话他只是在这个环境里面去做他的决策然后所谓的创新跟复制之间投资者好像或者市场好像更青睐于复制这种也许有个文化或者说我们进化的

所谓的肌肉记忆因为我们之前很多行业都是复制开始对回到咱们量子计算这个问题我不知道您对量子计算的未来有没有一个预期或者说在时间线上的一个规划我认为现在处于探索使用是绝对是有非常好的理由去探索的我不能说已经有用了但我认为就应该去探索

然后你要说几年的话我认为从现在到未来的三五年就会涌现出我认为是很强有力的证据而且我认为就是量子跟经典的混合的系统那纠错的那个是会更远的未来

揪错系统应用如果从我们自己的规划到谷歌 IBM 的规划到因为 DataPath 有一个很大的项目它自己制定的目标大概从现在开始 10 年左右法国也有个赛马的政府支出的项目大概 10 年左右会有千级别的逻辑比特几乎完美的逻辑比特

那时候就可以做实际的问题用纠错的方式这个事情我在中国不会这么发生我刚才的预测是整个行业我认为会是这样的因为狗肋我刚才讲到一个特点还是 top-down 比较常见所以这其实也是一个机会就是说我们

如果能够请政策的自定者去做一些刺激市场的行为比如说我会建议说自算中心因为到处都建什么千卡万卡集群如果规定说 10%的经费你要建自算要建超算没关系好我有这么多钱给你 10%必须采购量子

而且你采购的时候你必须全国招标不能够因为你这个公司是本省的你就去照顾我觉得需要刺激消费这个词可能现在很关键就刺激系统的采购让公司们让投资者看到这个刺激这个系统采购是一个政策而且这个会长期存在这个政策一定要说有个让市场有预期所以投资者又开始投然后从业人员也会开始进入对吧

所以我觉得设计这个系统采购会在中国会是起到很好的一个推进的一个作用

另外有一辆机器要用,那你可以发大件卷教授,我有这么多钱是给你去使用这个机时的使得说运维这个量子计算机的方位呢,它不会亏钱这个有点像政府刺激电动车的研发的套路就是首先比如说会说所有的出租车政府的出租车都要采购电动车比如说比亚迪然后就

私有资本就发现哦国家现在都在这个刺激电动车的这个应用那我们要去投电动车然后其次呢就是说也会给政府补贴让你愿更加愿意去这个买车这个其实就有点像你说的带军券对产业政策中国绝对是最先进的想的最深对吧而且西方国家在学习中国的一个一个方向啊

中国的制造业的能力跟产业的工业的供应链很高的效率使得它成本低这点是其他地方很难比拟很难去超越的然后中国特别在半导体方面的投入使得从工程师到设施资源很丰富降低了像我们做超导量计算

所需要的成本所以中国是有很多优势所以那就差不多了石老师还有什么还有什么其他想说的吗我是个计算机科学家所以这个计算的重要性是得说

中国的量子计算机科学呢更多的投入跟给这个人群呢更多的影响力更多的资源然后也帮助这个教育呢蓬勃发展产生更多人才所以知识结构方面计算机科学量子计算机科学呢

和技术是需要增强的当然我们有传统计算机科学技术的很多人业界中国的 IT 行业对这群已经在

经典的 IT 公司包括芯片公司包括这个鸡血星我鼓励这些朋友来考虑进入量计算现在我们招人的时候我们并不要求说你以前就懂量计算我们懂量子我们要做系统需要做软件需要做刷法需要做应用的而且我们是经典跟量子结合你原来懂经典计算系统你懂比如说 Risk5

的 CPU 设计然后你懂编译器然后你懂科学计划你懂人工智能这些都是我们很需要的我们很需要量计算是个交叉学科加入我们就相当于在 OpenAI 做出 Chad CP 之前加入 OpenAI 你想吗我都想加入了

那我们今天非常高兴啊我们从这个美国的一些生态他们不同的技术路线聊起然后聊到了施老师从量子到计算转折的一些思考然后也聊到了中美生态的差异对我本人也学习到很多对然后所以也希望能够有更多的人才然后能够一起来做量子计算的创新我觉得如果说哪个国家的量子计算还能跟美国相抗衡或者竞争的话我觉得也只有中国吧

所以我觉得还是一个非常有潜力的市场那我们就这样好谢谢拜拜好拜拜