对话量旋科技项金根：黄仁勋预测太保守，10年后将实现百万物理比特的容错量子计算机

　　当中经常会碰到“纠错”。比如，CPU、GPU计算的时候会出错，之后就需要用一个纠错的算法把它“纠”回来。如今，很多纠错的算法都固化在硬件里面，所以都是在计算机里面纠错；另外，通讯数据传输过程中也会出错，它会带有一些冗余的信息，那些信息能够帮助我们把数据错误纠回来，用冗余的信息/比特来做纠错，使得数据错误能够被纠正回来。

　　传输中，纠错码也在广泛应用。

　　那么在量子计算机里面，也会出错，而且出错的概率比经典计算机还高。所以，如果量子计算机进行大规模计算，比如发展到几万个量子比特的时候，其实是需要有类似“量子纠错”这样一种技术，使得我们的量子比特的错误率下降，而背后需要量子的纠错码、量子的纠错算法，使得我们的量子计算机量子比特错误降低，这就是“量子纠错”。

　　需要说明的是，量子计算的纠错码复杂性，会比经典计算机的纠错码高很多个量级。因为实现真正量子纠错的意思是，量子比特错误率为0，所以，目前我们还没有实现真正的“量子纠错”。

　　但是，去年谷歌发布的实验论文已经证明，量子纠错在实验上也是可行的，当然前提条件是量子纠错的理论是可行的。

　　我们在量子纠错方面研究了很多年，大家也发明出了很多理论的纠错码，也证明了很多种纠错码，都是可以实现量子纠错以及达到容错量。去年底，谷歌在量子纠错层面达到了一个里程碑阶段，就是随着冗余的量子比特越来越多，被纠错的量子比特的保真度越来越好，错误率越来越低，并且这个错误率的降低曲线和趋势，与理论是相吻合的。

　　根据目前整个量子纠错的状况，要实现真正的量子纠错的可编程量子计算机，可能至少还需要5-6年时间，IBM认为2029年就可以实现。

　　容错量子计算机则更加复杂。

　　纠错的本质在于，量子比特放在那里可能自己就会出错，因为它会受环境的影响而出错。但容错在于，在门电路之间，需要让一个被纠错的量子比特，和另外一个被纠错的量子比特之间连接操作，即需要两个逻辑量子比特之间互相有电路操作，复杂度就要高很多。至少需要未来10年时间。

　　目前来看，量子计算云平台肯定还没那么大的作用。然而，它可以让那些想用量子计算机，但又买不起量子计算机的人用上这一技术，这个作用是可以实现的。

　　但是，用量子计算云去解决实际产业级问题，我觉得现在都还达不到，所以从宣传角度来讲，我们还只能说有无的问题，不能把它宣传成可以实现产业化应用的作用。

　　如果再展开一点说，全球量子云这个赛道当中，IBM的技术水准、储备、云平台的稳定性、量子计算机硬件的稳定性都是全球最好的。从技术储备上来看，IBM还是比谷歌好一些。

　　英伟达是做AI算力芯片的，所以英伟达涉足量子，就是开拓另外一个算力体系架构，或者算力芯片，你可以把量子计算作用也看作是量子QPU，所以这其实是自然而然的事情。

　　英伟达其实就是靠算力起家，特别是现在AI对算力需求增多，而英伟达至少在算力领域最有发言权，所以英伟达投整个量子计算或者进军量子计算的话，对行业有带动性。

　　目前我们没有看到英伟达进军量子计算的路径，但它肯定会离不开AI和量子计算的结合，比如AI可以辅助量子计算的制造和研发等。

　　英伟达内部有一个量子计算团队，当然这个组比较小，主要是做量子模拟器，即用GPU模拟量子计算机。

　　AI对于量子计算肯定是有一个比较大的促进作用。

　　随着量子比特数量越来越多，整个量子计算机的控制和复杂度也会越来越高，AI可以做很多控制、驱动或脉冲优化，用AI来辅助量子计算。

　　去年12月谷歌做的量子纠错实验，就是通过AI学习和生成一些脉冲的优化算法及处理最终结果。未来，随着比特数量越来越多，复杂度还会增加，需要用AI来辅助，因为人力总是有上限的。

　　同时，未来量子计算机的算力达到一定水准后，可以反哺AI需要的算力，也就是量子计算机可以给AI提供很多算力。

　　那么，对于我们公司来说，有两大优势——团队建设、研发技术产品可以实现销售，这对于整个公司来说是一个良性循环。

　　技术层面看，我们对标不是国内公司，而是IBM、IQM Quantum Computers等海外公司，当然相对来讲，我们还处在追赶阶段，但我们还是希望通过中国人的努力，把技术差距缩短。

　　我们未来最终目标是非常明确的，就是要利用超导路线实现自主可控的容错的通用量子计算机。所以这也是我们在超导上投入很多资金的原因。