來源：澤平宏觀
12月10日，Google公佈最新一代量子晶片——Willow，轟動全球科技界，連馬斯克都驚嘆一聲「哇塞」 ！
Willow晶片強大在哪？距離大規模量產還有多遠？
1. 谷歌最新一代量子晶片Willow炸裂推出，最大的突破在於超強的運算能力與糾錯能力
對於一項名為「隨機電路採樣」的基準任務，目前最快的超級電腦需要花費10 的25 次方年來解決，時長遠超宇宙年齡（267億年）；而Willow完成這項任務的時間不到5分鐘。
量子計算有潛力在特定任務上顯著提高計算速度、超越經典計算機，這被稱為「量子優越性」。早在2019年，Google就已經驗證了這一事實，在《Nature》公佈，表明其利用一台54量子位元的量子電腦Sycamore實現了傳統架構電腦無法完成的任務：在世界第一超級電腦需要計算1萬年的某實驗中，Sycamore只花了3分20秒。彼時谷歌CEO桑達爾·皮查伊表示這是研究者期待已久的一句“Hello World”，是截至當時，量子計算實用化最有意義的一個里程碑。
這次Willow的發布，無疑是量子計算領域的另一個標誌性事件。
然而，「快」還不是Willow最值得矚目的突破。
Willow最大亮點在於超強糾錯能力。
過去，量子晶片在資料處理過程中，由於量子態的脆弱性，容易受到環境幹擾而發生退相干現象，導致量子位元的狀態出錯。所以，儘管具備“量子優越性”，但量子電腦容易受到環境影響，非常容易出錯。通常，量子位元越多，發生的錯誤就越多。
因此，「量子糾錯」就成了一項關鍵技術，量子晶片需要特殊的量子糾錯技術，這也是該領域的重要挑戰，也一度嚴重限制了量子運算的實際應用和發展。
Willow 晶片成功解決了近30 年來一直困擾研究者的量子糾錯難題，實現了錯誤率的指數級降低。谷歌的研究表明，在Willow中使用的量子位元越多，系統的錯誤率越低。
當量子位元數量增多，從3×3 的陣列擴展到5×5 再到7×7 的陣列時，Google的Willow 晶片實驗中每次擴展都能將編碼錯誤率降低2.14 倍，錯誤率下降得越來越快。
2.什麼是量子計算？為何如此強大？
1935年，奧地利物理學家薛丁格提出一個偉大的思想實驗：把貓裝在一個放有放射性物質的盒子裡，有50%的機率放射性物質會衰變並釋放出毒氣殺死這隻貓，同時有50 %的機率放射性物質不會衰變而貓咪將活下來。在打開盒子前，誰也不知道貓活著還是死了，只能用「處於生死疊加態」來描述。
量子世界，就如同“薛定諤的貓”一樣，處於一種懸而未決的疊加態；對應的新計算理論即為“量子計算”，硬體層則表現為量子晶片、量子計算機。
量子計算表現出兩個優點：
第一，強大的資料儲存能力。經典計算以位元為基本單元，而量子計算則以量子位元為基本單元。
在經典計算中，比特的狀態是確定的，要么是0要么是1；而量子比特卻處於0和1的疊加態，換句話說，它可以同時存儲0和1。
1塊有n個位元的傳統晶片，可以同時儲存n個資料；而一塊擁有n個量子位元的晶片，則能夠在同一時刻儲存2^n個資料。
第二，對特定問題展現強大的平行運算能力。
傳統電子計算機是串行計算，每次操作只能將單一數值轉換為另一個數值，這意味著它必須按照順序進行計算。而量子計算機透過一次操作即可同時將2^n個資料轉換為新的2^n個資料。
3.未來的量子晶片能否取代GPU，推動AI發展進程？
人工智慧技術及各種應用在最近幾年飛速發展，對運算能力的需求也指數級增長。
理論上講，量子運算的平行處理能力，使其在處理複雜的人工智慧演算法時具有天然的優勢，能夠大大提高模型的訓練速度和準確性。 Willow晶片的出現，或許能為人工智慧的進一步發展提供了強大的算力開拓。
其實，現在被廣泛應用於AI的GPU，最初也是為了加速圖形處理而設計。例如遊戲中的3D 場景渲染、動畫製作中的建模和特效處理、影視製作中的視訊視覺效果等。但是，由於其強大運算能力，GPU後來才被廣泛應用於科學運算和人工智慧領域，特別是深度學習中的神經網路訓練和推理階段，在處理大規模資料集、並行度高的運算任務時表現出色。
從這個角度來看，量子晶片未來也會逐步突破發展，打破運算限制，加速各類AI機器學習演算法的訓練過程。量子晶片目前主要應用於一些對運算複雜度要求極高的特定領域，如密碼學中的加密演算法破解（例如對基於RSA 演算法的傳統加密方式構成潛在威脅）、量子系統模擬（模擬分子、材料等量子層面的物理和化學性質）、複雜的最佳化問題求解（如物流規劃、資源分配等複雜的組合最佳化問題）等。在這些領域，量子運算的優勢能夠充分發揮，有可能解決傳統電腦在可接受時間內無法完成的任務。
量子晶片運算能力的成長主要與量子位元數量的增加和品質的提升有關。未來，隨著量子位元數量的增多，量子電腦的運算能力呈指數級增長。每增加一個量子位元，其可能的狀態組合數就會翻倍。例如，2 個量子位元有4 種狀態組合，3 個量子位元有8 種狀態組合，以此類推。同時，量子位元的品質（如相干時間、保真度等）也對運算能力有重要影響，高品質的量子位元能夠更有效地維持量子態，從而實現更準確、更複雜的計算。
但是，從短期來看，量子晶片難以撼動GPU的地位。量子晶片相比GPU擁有更強的運算能力，理論上可以進行替代。但GPU的護城河，運算能力只是一方面，更重要的是：可程式架構和開發者生態優勢、製造流程和產業成熟度。
GPU的可程式架構和開發者生態是核心壁壘。英偉達用GPU掀起的這場「AI算力革命」鋪墊了十多年。
CUDA（Compute Unified Device Architecture）是2006年由英偉達開發的首個GPU編程架構平台，其價值在於構建了一個GPU開發者生態，演算法工程師可以按照自己需求對GPU的能力進行發掘，這也將GPU的應用領域從圖形渲染拓展到了通用領域。
如果基於新的硬體（如量子晶片）開發新軟體，就需要實現向前相容，但現有的主要AI軟體基本上都依賴CUDA平台開發，因此脫離CUDA架構需要付出高昂的成本。再加上開發社群的護城河效應，眾多高效能運算開發者是在CUDA生態中累積開發經驗的，CUDA每年有高達五百萬次的下載量，推動開發者社群轉向其他程式設計模型將是以十年計的工程。
GPU晶片製造流程與產業鏈成熟，擁有廣大的消費市場與產業正循環。
GPU從誕生至今已25年，下游的個人PC、客製化開發、AI資料中心等商業化應用場景，已形成10至30年不等。目前，GPU從晶片立項到流片一年，流片到量產一年，以GPU開發為主基調，形成了光刻設備開發、晶圓代工製程迭代等對應的連動週期。如此堅固的產業鏈在十幾年的正循環下很難被打破。
而量子晶片製造和GPU產業鏈難以重疊。量子晶片的設計、製造工程極其複雜，需要高度純淨的實驗環境，精密的量子控制技術和穩定的量子比特，因此長期以來都是零星幾家頂尖科技公司在“單打獨鬥”，還沒有形成成熟的產業供應鏈。因此，短期內實現量子晶片的量產和商業化應用是一大難題。
4.量子晶片影響最大領域：加密貨幣和“HPC+AI”
4.1 量子晶片或是加密貨幣的“剋星”
以比特幣為例，其安全性建立在兩個關鍵機制之上。一是「挖礦」機制，比特幣產出是基於依賴哈希函數的工作量證明（Proof of Work），哈希率越高，挖礦成功的可能性也越大。二是交易簽名，一種基於橢圓曲線數位簽章演算法(ECDSA)，相當於用戶的「身分錢包」。這兩種機制的設計讓比特幣在傳統運算上幾乎無法被破解，而量子晶片將會對比特幣構成直接威脅。
一是量子計算對「挖礦」機制的暴力破解。量子計算的演算法可以加速計算雜湊函數，即加快挖礦速度，且幅度超過以往所有的傳統設備，結果是挖礦成功率提高，加密貨幣供應量驟增，造成其市場價格的大幅波動。 12月10日，比特幣從10萬美元一度跌到9.4萬美元。 Coinglass數據顯示，12月10日至12日共有23.7萬人爆倉。
二是量子運算對交易簽章的直接威脅。加密貨幣的交易存在「公鑰」和「私鑰」兩種憑證，前者相當於銀行卡號，後者相當於錢包密碼。通常，公鑰地址的公開並不會影響用戶的資金安全，但量子計算可以透過公鑰來破解簽名，並偽造交易。例如，量子運算中的Shor演算法，專門用來破解大整數的質因數分解和離散對數問題，將對交易簽章造成嚴重威脅。
雖然Willow在當下對比特幣的威脅很小，但未來加密貨幣極有可能被量子運算突破。理論上，要對比特幣的簽章和挖礦機制發動攻擊，大約需要數百萬個實體量子比特，這與Willow目前擁有的105個實體量子比特相比，差距仍然非常巨大。但如果Willow像通用GPU一樣迭代，實現量產和算力躍遷，那麼未來十年比特幣被「攻陷」並不是不可能。
4.2 量子晶片將促進「HPC+AI」,推動高階人工智慧發展
依照OpenAI對AI的分級，從L1（Chatbot）到L5（AGI），目前的AI大模型發展僅在L1到L2的過渡階段。 L5級的AGI定義為“具備組織層級能力”，對動態複雜的真實環境能進行判斷、推理、預測、並規劃行動。業界認為「HPC+AI」將是實現AGI的關鍵一步。
高效能運算（HPC）指的是用強大的電腦能力來解決科學、工程和技術實現問題，和如今的AI大模型在一定程度上同源，但方向和重點不同。
HPC專注於“複雜問題解決”，如超級電腦在氣象、物理、天文等領域的應用帶來重大科研突破。
而AI模型則著重於“推理和生成”，雖然不擅長於解決複雜模型，卻具備良好的通用性。
量子晶片的落地對HPC領域是革命性突破，複雜問題的解決不再需要傳統的HPC的長時間“暴力運算”，而是可以在新的方向發展——與AI結合進行更複雜的通用訓練。
一是傳統的AI訓練並不能對量子位元資料進行處理，而量子運算能優化特定的傳統運算無法處理的學習模型，並建構量子現象敏感的系統模型。即，未來的AI模型將具備推理、預測複雜世界的能力，相較於當前的大模型減少、甚至消除「AI幻覺」現象。
二是量子糾錯技術的優勢，Willow晶片克服了量子糾錯的關鍵挑戰，實現了錯誤率的顯著降低。在高階AI訓練中，量子糾錯技術的應用能確保模型在訓練、處理大量複雜資料時的準確性和可靠性，減少因量子位元脆弱性導致的計算錯誤，進而提升AI訓練的效果和可信度。
雖然目前的AI訓練還不具備應用量子晶片的條件，但未來極有可能需要量子晶片作為算力的核心支援。由於量子位元極為敏感，容易受到外在環境因素的影響，包括溫度和電磁場等，這些因素可能導致量子態的退相干，進而影響計算結果的精確度。儘管Willow在量子糾錯技術上取得了一定的進展，但在實際的人工智慧訓練應用中，為了實現長時間的穩定運行，量子系統的穩定性和抗干擾性能仍需進一步提升。
谷歌發表新一代量子運算晶片Willow，在全球科技界引起了巨大的轟動，這不僅是量子運算領域的重大突破，也是下一個全球技術最前線。
未來量子運算技術的發展之路仍有荊棘，距離大規模應用於AI 訓練仍有許多待解難題。
科技的進步從來都不是坦途，正如 GPU從默默無聞到大放異彩。
