与传统的基于GPU的计算相比，量子计算有可能更快、更便宜地执行更复杂的任务。

　　由于生成人工智能（genAI）和一般人工智能处理需求，数据中心从全球电网中消耗的电力比以往任何时候都多。

　　据人工智能研究所Epoch AI称，训练大型语言模型的计算能力，即生成性人工智能（gen）和人工智能运行的平台，现在大约每九个月翻一番。国际能源机构预测，从2022年到2026年，全球数据中心的电力需求将增加一倍多，这在很大程度上要原因是人工智能和加密货币。

　　这种贪得无厌的能源需求让科技公司争先恐后地寻找替代能源，以及减少人工智能技术能源需求的方法。

　　人工智能计算困境的一个潜在新兴解决方案是量子计算，它在处理能力和能耗方面大大超过了当今的二进制计算系统。研究表明，量子计算可以提高人工智能神经网络在自然语言处理和图像分析等任务中的性能。

　　“量子计算无疑增强了人工智能的力量。例如，人工智能和量子计算一起使用可以使药物发现和个性化药物加速数年。量子计算支持基于人工智能的临床药物试验模拟，因此试验需要一小时而不是十年，”Gartner副总裁分析师Avivah Litan说。

　　例如，2月，Insilico Medicine、Zapata AI和多伦多大学宣布，他们已经展示了在量子硬件上运行的生成模型的第一个实例，在生成可行的癌症药物候选药物方面优于先进的经典模型。

　　什么是量子计算？

　　在经典计算机中，编程为数据单位的位可能值为1或0——因此称为二进制代码。在量子计算机中，数据单元用量子位编程，称为量子位，量子位可以同时表示一、零或零和一的组合。在高水平上，与使用GPU或CPU的经典计算系统上的数据处理相比，这种特征使量子计算机在基本处理任务上更快、更好。

　　例如，谷歌的量子人工智能部门基于其Sycamore量子处理器构建了一台超级计算机。每个芯片目前都持有70个量子比特，据报道，可以在几秒钟内完成一个类似大小的基于CPU或GPU的超级计算机几十年来处理。

　　谷歌Sycamore处理器

　　从左到右，谷歌演绎了其量子计算平台和SYCAMORE量子处理器。

　　全球非营利IT协会CompTIA在一篇博客中表示：“具有更好算法的量子人工智能......更快、更准确。”

　　商业量子平台，如Microsoft Azure Quantum、AWS Braket、Google Cirq等，允许云提供商使用量子计算作为计算服务产品。

　　IDC的研究经理Heather West说：“将这些平台视为量子计算市场，云服务提供商与多个量子计算供应商合作，提供对其硬件、软件、QSDKs[量子软件开发工具包]等的访问。”

　　“这些云服务提供商中的大多数没有，因此也没有提供对自己的量子系统的访问，谷歌除外。人工智能不是这些产品的一部分或相关，”她补充说。

　　与任何技术一样，除了积极因素外，还有与量子计算相关的消极因素。例如，据CompTIA称，量子计算对几乎每家公司所依赖的网络安全系统构成了严重威胁。CompTIA表示，目前加密算法的标准，如RSA或SSL/TLS，依赖于将大量数字分解为素数的复杂性，这就是量子计算机擅长解决的问题类型。

　　初创公司和老牌公司继续加快在量子计算领域的进步。阿里巴巴、亚马逊、IBM、谷歌和微软等大型科技公司已经推出了商业量子计算云服务。两年前，高盛表示，它计划最早于2026年将量子算法引入金融工具的定价。霍尼韦尔预计，量子在未来几十年内将形成一个1万亿美元的行业。

　　量子计算与genAI：重塑未来计算的黄金搭档

　　量子计算正逐渐成为通用人工智能（genAI）不可或缺的合作伙伴，其潜力在于显著降低AI运行的能源需求，为各行各业带来革命性的变革。近期，日本三井住友信托银行与Zapata AI的携手合作，便是对这一趋势的生动诠释。

　　这家银行正利用量子计算运行由genAI驱动的程序，旨在构建更为精准的未来市场走势金融模拟模型。Zapata AI，这家源自哈佛大学量子计算实验室的创新企业，正引领着这一前沿探索。其首席执行官Christopher Savoie坚信，量子计算中的线性代数（量子数学）是解决包括ChatGPT在内各类AI任务的关键。他直言不讳地指出，当前AI聊天机器人消耗的大量GPU资源并未带来预期的商业价值，而量子计算则有望成为打破这一瓶颈的新利器。

　　此外，Zapata AI还与Insilico Medicine及多伦多大学合作，利用量子硬件上的生成模型加速癌症药物的研发进程。Savoie自豪地表示，基于量子模型的筛选方法能够发现传统模型无法识别的有效药物分子，不仅提高了研发效率，还降低了成本。这一成果在药物发现领域具有里程碑意义，预示着量子计算将为制药行业带来前所未有的创新动力。

　　为了更广泛地推广量子计算在AI领域的应用，Zapata AI推出了Orquestra平台，该平台支持包括传统神经网络及专有张量网络在内的各类AI和机器学习模型。尤为值得一提的是，张量网络不仅能在现有经典计算机上模拟量子电路，提前享受未来量子计算的性能优势，还能在当前AI应用中展现出更高的准确性、效率和表现力。

　　Savoie进一步强调，量子统计学的引入能够显著提升genAI模型在推断缺失信息和生成高质量新数据方面的能力。这对于工业界而言至关重要，因为高质量的新数据是驱动创新、优化决策的关键要素。

　　综上所述，量子计算与genAI的深度融合正逐步成为现实，它们之间的协同作用将开启一个计算效率与智能水平双提升的新时代。随着技术的不断成熟和应用的持续拓展，我们有理由相信，量子计算与genAI的“黄金搭档”将为人类社会的各个领域带来前所未有的变革与机遇。

　　量子计算：未来挑战与早期探索

　　在科技前沿的量子计算领域，IDC的West专家发表了独到见解，强调量子计算的独特优势与当前局限。她明确指出，尽管量子计算被视为解决复杂问题的利器，但它并非传统意义上的“大数据解决方案”。量子计算擅长的是针对特定类型问题的优化，尤其是那些在传统计算机上难以高效处理的问题。

　　West深入解析了量子计算的核心机制——量子退火。在这一过程中，量子比特从传统的0或1二进制状态出发，通过退火作用相互纠缠，从而能够同时代表多个潜在答案，并自动趋向于能量最低状态。这一过程在极短的时间内完成，为快速优化问题开辟了新途径。

　　然而，West也坦诚地指出，量子计算目前仍处于极其早期的发展阶段，面临诸多挑战。特别是硬件层面，基于门的量子计算模型尚需重大改进，以支持更复杂的量子算法执行。目前，这些系统主要用于小规模实验和调试，尚未有真正意义上的现实世界应用案例。

　　对于量子计算与人工智能的结合，West持谨慎乐观态度。她表示，尽管已有研究探索如何将AI集成到量子计算中，或利用量子特性优化AI算法，但这一过程仍处于假设和实验阶段，距离实际应用尚有距离。量子计算目前主要应用于解决特定的科学和商业优化问题，AI的深度融合尚需时日。

　　综上所述，量子计算作为一项前沿技术，其潜力巨大但挑战重重。未来，随着硬件技术的不断突破和算法研究的深入，量子计算有望在更多领域展现其独特价值，为人类解决复杂问题提供全新视角和工具。然而，在这一进程中，保持理性预期和持续探索精神至关重要。