企業為什麼要投資量子計算？為了找到答案，我們採訪了穆迪AI、機器學習與量子技術常務董事Sergio Gago。
時至今日，「為什麼要投資量子計算」已經成為擺在每一位CIO面前的現實問題。
在與傳統計算演進路徑進行比較時，穆迪AI、機器學習與量子技術常務董事Sergio Gago表示，「我們曾在業內開玩笑說，量子計算大概是上世紀60年代末到70年代初的產物。正式進入70年代後，才是經典計算的時代。那段時光塑造了人們的思維，讓大家習慣考慮「要怎樣具體編碼？要怎樣建立技術棧？」所以現在如果想要投資量子計算技術，那就必須先搞清楚這幾個問題。」
但他也指出，目前的業務流程還沒有真正發揮量子計算的優勢：「無論那幫量子硬體廠商怎麼宣傳，當下也仍然是現場可編程門陣列設備和大型硬體集群占據主流。這些都是我們非常了解的技術，能幫助我們處理一切問題，只是很多時候會存在算力上的限制。」
Corinium Global Intelligence與穆迪分析合作進行的研究發現，在參與調查的金融部門數據科學家當中，87%目前還沒有為量子計算分配預算資源。
在Gago看來，很多人都曾嘗試計算設立量子計算專家團隊的投資回報（ROI），但最終卻發現「沒有回報，這根本就不是個能從投資回報來理解的問題。」
相反，他表示技術領導者們應該關注量子團隊能給企業帶來怎樣的價值，並以此來證明投資的合理性。作為向企業宣傳量子計算以加速特定問題的實例，Gago提到「我們相信，對於這個特定問題，我們能夠讓處理速度實現指數級提升。換句話說，我們將擁有競爭優勢，即我們所獨有、或者能夠在更多案例中實現的比較優勢。這種超越特定組合的泛用性或者實時運行能力，將給客戶帶來巨大的價值。」
Gago還強調，在化學和金融等領域，解決複雜問題的能力將很快觸及天花板。也就是說在未來的某個時刻 ，經典計算將不再具備及時解決此類問題的可能性。
他補充稱，「以金融行業為例，對於某些問題，大家都拿不出充足的算力，無論是大廠還是小公司。因此，我們只能冒著信用風險使用近似答案。」
預測新機遇
穆迪擁有一支專門從事蒙特卡洛模型類量化分析的團隊，他們將模擬技術與機器學習和人工智慧（AI）相結合。Gago表示，該團隊就已經觸及到經典計算的極限，而數學證明量子電腦將具備解決這些難題的能力。
穆迪團隊目前正探索那些能夠模擬量子計算的經典計算設備，利用這些模擬選項測試Gago所說的「小問題」。
「有了這些資訊，我們其實上可以斷言，即一旦擁有了足夠高質量、高時鐘速率的糾錯量子比特，並將將其在晶格中連接起來，那我們就能運行起量子算法，並把解決特定問題的速度以指數級別提升上去。」
在被問及行業在解決金融部門所面臨的計算問題方面取得的實際進展時，Gago表示穆迪曾與不少量子廠商進行過交流，這些公司各自擁有不同的智慧財產權、開發思路和出色的研究成果。
但他也表示，「其中大多數人還是缺乏對行業領域的全面了解。所以，雖然不少廠商宣稱自己能夠加速算法，但結合我們所處的行業之後，就會發現他們其實是找錯了方向、選錯了問題。」
他還提到，根據在經典電腦上運行模擬所推斷出的所需處理能力，真能解決特定計算問題的設備可能需要700個邏輯量子比特。目前也已經有了行業路線圖，技術領導者可以根據該圖來粗略估算研究人員還需要多少年才能拿出適用於生產環境的700邏輯量子比特電腦。
「能有這樣的規劃就已經很好了，但對未來的一切展望都要基於當下的資訊。可量子計算領域的現實，在於每周都會出現新的突破。」
舉例來說，他提到Quantinuum最近就發布消息，稱其研究人員已經實現了三個邏輯量子比特的相互糾纏。對於這一突破的意義，Gago補充稱「我認為現在我們正開啟新的大門，門後就是量子計算容錯時代的開端。」
Gago還提到，從純粹實用的角度來看，這類突破就類似於IBM或者谷歌的量子霸權實驗：「這些實驗都是針對跟實際應用完全脫節的條件而進行的，但難道說因此就能否定量子霸權的深遠影響和重大意義了嗎？當然不能。」
「如果倒退回十年之前，我們問科學家們還要多久才能開發出邏輯量子比特，許多人肯定會認為永遠都不行，相對樂觀一點的也可能覺得要到下個世紀末。但現在，我們知道這是可行的，也標誌著整個行業進行額外研究和擴展探索的起點。」
證明量子投資合理性
考慮到量子計算的種種不確定性，某些IT領導者將不可避免地發現自己很難驗證投資的合理性。但Gago認為，這不該影響到實際技術規劃，並表示正是由於願意先行一步，那些早期投身AI技術的企業才能在當下積累起明確的先發地位和競爭優勢。
「包括我們自己在內，不少企業已經接納了生成式AI、也知道該如何使用。但與此同時，還有很多公司根本就不知道該從哪裡起步。」
對於AI，企業需要在技術成熟之前為AI戰略做好準備。而在Gao看來，這背後真正對應的是如何落實數據治理和數據管道。他表示穆迪投資AI技術已有10年之久，成功確保數據處於正確位置、也建立起必要的數據倉庫編排層。而這正是大多數企業所不具備的。Gago強調，一旦將這些條件準備就緒，就能相對更快地推動生成式AI落地部署。
「我認為現在我們正開啟新的大門，門後就是量子計算容錯時代的開端。」——Sergio Gago, 穆迪
Corinium Global Intelligence發表的研究報告指出，82%的金融機構數據科學家都認為，量子計算成熟度低將成為其組織技術的發展障礙。
在Gago看來，企業級AI應用的早期情況也印證了這一點。「如果非要問量子計算的ChatGPT時刻要何時才會到來，那答案肯定不是明年。」
但哪怕突破沒那麼近，企業也仍然需要積極做好準備。Gago表示，畢竟谷歌研究人員早在2017年就發表了論文《Transformer：一種用於語言理解的新型神經網路架構》，而生成式AI的誕生就正源於這項研究。該技術花了四到五年時間，才逐漸被市場接納並成為主流。
更重要的是，Gago敦促IT領導者們不要總是糾結於投資回報率，而應積極確定那些傳統電腦架構所無法解決的重要問題。只要釐清解決這些問題能給組織帶來哪些好處，自然也就掌握了推動項目落地的論證素材。
儘管很多人認為量子計算還需要很多年才能逐漸開花結果，但Gago的意志顯然非常堅定，相信隨著這項技術的發展成熟，當下積累的專業知識和技術都必將轉化成寶貴的戰略優勢。
