論量子掏金熱

Cover photo credit: Xanadu Quantum Technologies Inc.
我透過Natur同名文章回顧了這個開始不到五年的量子科技掏金潮:在私人資金流入與新創大量募資的背景下,Nature文章分析不同分支的量子科技在不同地區國家的發展,整體樂觀的同時隱隱著警示量子冬天可能會和人工智慧冬天一樣出現(畢竟掏金眾人總是得掏出不少沙).而我原則上不會(也無需)說太多樂觀的故事,畢竟現在這領域正在hype起飛階段這種文章很多,而會著重在文章提到的泡沫.

最初還是先整理下資金流入的好消息,自從2012年起,私人企業投資了超過50家量子科技背景的新創:有名的如D-wave/Regetti/IonQ(以下數字不計入政府投資、大企業內部投資、以及中國大量未公開的投資),2015/16兩年創投投資1億美元、2017/18兩年則是倍增到4.5億美元(當然和AI產業相比這大概是十年前的規模,畢竟創投在18年一年就投了快100億美元在AI),好消息的部分還有大家耳熟能詳企業:Google/IBM/Honeywell等投入了大量的金錢研發.
註:根據口耳相傳的消息,在google量子霸權的研究正式刊出後,Google 未來十年將會注資十億美元Google Quantum AI  lab,看來和老牌研究量子計算的IBM正式宣戰了.

 

quantum patent

Photo source: Martino Travagnin/EC Joint Research Centre

接下來是以地區和科技類別來分析,雖然中國在科技專利總量上是美國的兩倍,但是大部分的投入都是在量子科技中較為成熟的量子通訊、而且量子通信是否在未來世界扮演重要角色是見仁見智(我個人是屬於認為其有學術價值而無大型商業價值),畢竟後量子密碼學(如晶格加密)完全可以取代現行的非對稱加密而無需使用量子通信,另外一點是即使量子通訊在理論上是證明安全(這和後量子密碼學不同),實作上有各種工程和漏洞要克服;所以我個人認為就算要以專利數目當作投入程度(這已經排除掉各國政府和企業的不公開計畫),也必須把專利範圍侷限在量子計算:量子科技的聖杯.補充一下,中國目前從合肥到北京的量子通信網路和量子衛星都採用的是要有可信中間人(Trust node)的通訊協定,所以我認為基本上沒有商業價值,會是第一個量子泡沫,是區域型以及政府注資在特定方向的泡沫.

 

如此重新分析專利的結果是美國在第一梯隊,而加拿大、中國、日本在第二梯隊.加上考慮政府投資後(如歐盟的量子科學旗艦計畫十年十億歐元、星國政府投資大概是十年一兩億美元),歐盟整體會加入第一梯隊在美國之後並領先其他國家(美國去年也通過了超過十億美元的量子科技法案)、澳洲與星國會加入第二梯隊.其中最值得特別指出的城市就是加拿大(尤其是滑鐵盧),因為有圓周理論中心(PI)、量子電腦中心(IQC)等研究機構和Xanadu這樣的高品質新創,加拿大拔地而起成為第二梯隊中的領先者(而我待的新加坡基本上只有政府投資,所以即使在文章中被提過幾次上也是第二梯隊後半),甚至可以在局部做到反向吸引美國的量子科學家.

 

最後談論兩個可能泡沫

當然以下提到的泡沫不是所有可能的危機,甚至可以說是這物理實驗方面的看法,做理論和計算的人可能會有很不一樣的觀點:第一個泡沫首先是量子計算在硬體方面的進展速度,應該會比創投預期的慢.身為領域內的從業人員,我認為5-10年目標通用量子電腦難如登天(我更願意相信十年有室溫超導體),目前連一個physical qubit都沒有,規模化到成千上萬顆不知道還有多久的漫漫長路,超導體大量較低品質的量子位元和離子井較少但品質較高的量子位元仍舊勢均力敵、硬體架構之爭分出勝負之前我覺得都不用談量子糾錯算法以及之後的通用量子電腦,5-10年的時間軸絕對會看到量子計算的商業應用、但是不會是創投想像的會改變世界的Shor algorithm/Grover algorithm/Qauantum Machine Learning,那期望愈大失望愈大,故我認為在十年之內會有個量子冬天是不讓人意外的,期望與泡沫總是伴隨著每種科技發展的歷史,量子應該不會有例外.

 

其次是目前有非常大量的資金投入了量子軟體的新創產業,在理解第一點之後,我們就知道現在仍處在硬體發展的萌芽階段,而是否能在沒有量子電腦硬體的情況下構築出銀行業、航空業等具體產業問題需要的量子演算法我非常懷疑(如果有量子電腦讓大家把玩或許會更有靈感).另外由於現在仍處於NISQ(有噪音的中型量子電腦)階段,軟體可能必須要遷就硬體來特化、很有可能是不同的硬體平台有不同對應的優勢演算法.不過我個人在第二點倒是沒有那麼悲觀,因為如果不是要求整個計算過程都是透過量子電腦、那Hybrid(綜合)算法可能可以在很短的時間問世,比如說是把量子系統當作亂數產生器或是非線性函數來餵給古典的機器學習系統,我認為在短期間內量子計算大有可為的方向是在這裡,要做出HHL(計算反矩陣)或是QPCA/QSVM都還是遙遠的夢(畢竟目前最大的QSVM是2×2矩陣,要逗人玩說有學術價值可以,至於商業價值…).
%d bloggers like this: