当AI的计算需求,正在跑赢传统硬件的效率红利;,摩尔定律逼近边界,量子计算因此被寄望为开启后摩尔时代的候选范式。但它究竟能做什么、又不能做什么?
但在王鑫看来,“量子计算机可以执行通用计算,但是它的优势取决于具体问题。”11月17日,上海幻码跃迁量子科技有限公司创始人、香港科技大学(广州)长聘副教授王鑫在新华量子访谈第六期暨蓝宝石思享汇第二十六期上表示,它量子计算能做的事在理论上很清楚,主要可归为三类:寻找结构、放大与估计、变换与模拟。
谈到量子计算与人工智能的关系,王鑫认为,11月17日,上海幻码跃迁量子科技有限公司创始人、香港科技大学(广州)长聘副教授王鑫在新华量子访谈第六期暨蓝宝石思享汇第二十六期上表示,量子计算和人工智能两者不在同一条替代链上,:“一个改变的是研发的组织方式,一个改变的是可利用的信息处理机制。”。
也正因如此,交汇的意义不在于谁替代谁,即:量子提供新的计算能力,人工智能提供新一代的研究方法。
而当生成越来越快,真正稀缺的是能被验证的结论。“AI生成的速度超过人脑处理的速度,就必须有方法能够验证它。”,王鑫说,。据介绍,其团队的做法是给AI配一位“批卷老师”,把AI生成的量子方案翻译成Lean4形式化命题和证明,由机器内核逐条核验,并以近200万行形式化代码支撑这套循环。由此,“知识—任务—评测—证据”的AI量子科学家自进化循环得以构建。
本次活动由新华网(新华量子频道)、新华社上海分社、中国金融信息中心联合主办,江苏银行上海分行支持。
以下为新华量子访谈第六期实录:
中国金融信息中心党委委员、董事潘恒宁在致辞中表示,今年7月以来,“新华量子访谈”与“蓝宝石思享汇”两大平台携手与行业走过五期,从专用到通用,从硬件到工程,从实验室走向产业一线。第六期访谈把目光投向量子与智能的交汇。
《关于发展新质生产力的意见》把量子科技列在未来产业首位,提出加快形成比较完备的产业生态;《上海市战略性新兴产业发展“十五五”规划》明确,全栈攻关量子计算机与软硬件产品、加强与AI交叉融合。
行业进展也在印证这一判断。上半年,国内量子赛道融资达146.86亿元,同比增长超过260%;“祖冲之三号”“九章四号”原型机世界领先。量子软件栈、算法应用与场景验证,正成为新的竞争焦点。
潘恒宁介绍,本期主讲嘉宾王鑫正站在这条焦点线上。他创办的幻码跃迁今年5月在徐汇成立,定位国产量子计算系统级软件与应用解决方案提供商。
潘恒宁代表主办方感谢江苏银行上海分行对此次活动的支持。对量子企业来说,金融不只是资金供给,也是场景需求:投资组合优化、风险计量,这些量子计算正在探索的方向,需要银行一线的真实业务来检验。
主旨分享环节,王鑫带来《量子与智能的交汇:计算范式变革与智能科学前沿》主题报告。他从AI的算力困境讲起:“AI的计算需求,正在跑赢传统硬件的效率红利。”摩尔定律本身有边界,随着算力集群扩大,芯片之间搬运数据的带宽和功耗成为瓶颈,光互连是解决途径之一;再往上,还要靠更好的算法,才能让大模型发挥效率。量子计算因此被视为开启后摩尔时代的候选范式——量子信息天然能承载指数级规模的状态空间。
不过,量子计算与AI并不在同一条替代链上。他用一张图拆开四个常被混用的概念:AIforQuantum,用经典数据辅助量子研发,输出更好的电路、控制与证明;QuantumforAI,用量子设备给出更好的学习结果;量子启发,输入输出都是经典数据,只是算法借用了量子思想;量子+AIforScience,则是AI、HPC与可选QPU共同回答科学问题。
“为什么用量子模拟量子?”他引用费曼的提问:用经典计算理解量子系统实在太复杂,不如造一台量子计算机来做这件事。这笔账很直观:完整状态向量下,30个量子比特需要16GiB内存,40个需要16TiB,50个需要16PiB;若要经典模拟100个量子比特,“全世界的内存条加起来也覆盖不了”。而一台百比特量级的量子计算机,就能做这件事。
日常算术和直接运行大模型,通常用经典计算机更合适。量子算法有几类代表性思路,包括寻找隐藏结构、放大与估计,以及变换与模拟。“我们不会用它去算加减乘除,也不会拿它直接去跑大模型。”王鑫说,它能做的事理论上清楚,目前主要归为三类:寻找结构——周期、对称性与隐藏关系;放大与估计——Grover算法把查询复杂度从O(N)降到O(√N);变换与模拟——动力学、谱与矩阵函数。
对于大整数分解,目前已知最快的通用经典算法按通常的启发式分析耗时为亚指数级,Shor量子算法则可在输入位数的多项式时间内完成分解。他提到“这是眼下AI很难解决的问题,却恰好是量子计算擅长的”。。”加州新兴Oratomic初创团队估算,在论文设定的硬件条件下,一种并行方案使用约10万多个物理量子比特,约需97天分解一个RSA-2048模数,这家公司自3月成立以来累计融资7.75亿美元。
算法方面,他团队提出的量子算法设计框架叫量子相位处理(QPP):通过一个辅助量子比特和一系列受控操作,对演化算符的本征相位实施函数变换,并通过测量估计谱信息,从而具备对2^n维数据做函数变换的能力,可用于相位估计、哈密顿模拟、特征分析等任务。
硬件侧,四条路线各有分工。超导由稀释制冷机、超导芯片和室温控制台三部分构成。特别的是,,超导芯片不需要7纳米、4纳米这类先进制程,“这对国内量子计算技术发展是比较有利的”。规模上,IBM三年内从127比特做到1121比特,中科大“祖冲之”系列从66比特做到107比特(2025年的3.2号)。分布式架构也已起步:IBM用4条约80厘米的超导连线连接两枚120比特处理器,跨芯片双比特纠缠门的平均保真度为94.75%,路线图指向2029年200个纠错后的逻辑比特。中性原子走的是另一条逻辑:先把原子冷却捕获,再用光镊重排,通过里德堡阻塞做双比特门,最后荧光读出。中性原子体系的特点就是量子比特规模大和适合做纠错。
纠错的进展,是过去三年行业开始提“容错”的原因。量子纠错利用空间冗余来编码信息,已经建立了扎实的理论。近年来行业真正看重两件事——纠错不能越纠越错,以及对给定的纠错方案,当噪声满足相应阈值条件时,增大码距可以进一步降低逻辑错误率。这两件事已在多个量子硬件路线上跑通,最近一年的数据更具体:GoogleWillow把码距每增加2、每轮逻辑错误约降一半,抑制因子2.14倍;“祖冲之3.2号”为1.40倍;AtomComputing最多做到90轮综合征提取;Google魔态培育把资源态错误降低约40倍。
纠错的另一头是译码。王鑫强调,译码“不仅要准,还要快、做到低延时”:纠错测量不断产生数据,译码器首先要跟得上,避免数据积压。遇到下一步操作依赖纠错结果时,还必须及时给出判断。团队因此关注国产GPU和FPGA上的低延迟译码。
从用户视角看,整条链路是:应用层明确场景、设计算法,软件层做端到端编译,硬件层执行。其自研的量子计算编程软件QuAIRKit,可以直接写代码,也可以让DeepSeek读取文档和接口来写;后端可在本地笔记本、云厂商模拟器与真机之间选择。一个可能反直觉的事实是:一台普通笔记本电脑就能模拟约20个量子比特的线路,而目前的真机,还很难稳定执行20个逻辑比特规模的量子算法。
“我们是一家AI原生的公司,基于AI去重构和驱动量子计算技术研发”,王鑫说,AI生成快,但可能不对。团队的解法是给AI配一个“批卷老师”:把AI生成的量子方案翻译成Lean4的形式化命题和证明,由内核逐条核验,“就像学生交卷、老师批卷,既要批得快,也要批得准”。目前团队已建成三套Lean量子计算基础库:覆盖量子信息、信道与编码的Lean-QIT,覆盖算法正确性与资源契约的Lean-QuantumAlg,覆盖纠错码的Lean-QECert,形成“知识—任务—评测—证据”的AI量子科学家自进化循环。
量子对AI的反哺,他给出了两条线索。其一是量子神经网络:团队证明,一个量子比特通过数据重上传就能逼近任意一元函数;2024年的工作进一步显示,在高维平滑函数逼近中,达到同等精度相比传统深度神经网络所需的参数更少。其二是大模型压缩:借鉴量子多体计算的分层优化思路,团队对70亿参数的LLaMA-7B做了60%压缩,峰值显存从14.6GB降到7.4GB,并基本维持大模型的效果。
幻码跃迁的定位,是站在行业应用与量子硬件之间:公司做跨硬件路线的系统软件与算法应用——面向系统的QudeOS、面向算法研发的QudeIRE、面向实验与仿真的QudeAtom。“量子提供一种新的计算能力,人工智能提供最新一代的研究方法。”王鑫说,两者交汇处最需要的不是更快的生成,而是可信的证据——AI生成的速度已经超过人脑的处理速度,如果没有形式化验证来佐证,这个范式会面临非常大的困境。在他看来,量子计算和人工智能之间,还有无尽的前沿可以去探索。
访谈对话由中国金融信息中心施剑平主持。双方围绕品牌寓意、个人“跃迁”、路线选择、国产替代与中美差距等话题展开交流。
“幻码跃迁”四字各有来历:“幻”取自幺正演化的“幺”,也代表量子神奇的算力和嵌着CEO幺宏顺的姓;“码”指计算和量子纠错码,是下一阶段的关键;“跃迁”则是量子力学里能级之间的跳变和计算范式的跃迁。
他把自己的选择称作一次次跃迁:赴澳直博时量子比特是个位数实验演示,博士毕业时已经有五个量子比特的云平台了,亲身经历了量子计算的快速发展;2019年回国加入百度研究院,2023年到港科大(广州)任教,目前指导十余位博士研究生和多位博士后,今年时机成熟选择创业。人才是他反复提到的一个关键:“国内纯量子计算方向,之前一年毕业的博士粗略估计大概50-100个。”博士人才稀缺,能流向产业的人自然更少。
为什么做软件而不做硬件?幻码跃迁有跨硬件的技术积累,不需要把公司命运押在一条路线上——“硬件路线还没有收敛。”他的逻辑是,先想清楚造机器为了什么,从应用和算法牵引硬件的算力适配。自主可控上,公司软件栈纯国产,纠错解码器走国产GPU与FPGA自研两条路。
访谈尾声,江苏银行上海分行战略客户七部总经理黄智奇问及中国与海外的差距及幻码跃迁的作用等。提问:中美差距到底在哪里,幻码跃迁能起什么作用?王鑫表示,归因三点:原始创新能力——中性原子架和主要量子算法方面,国际上“美国多家高校和研究机构在中性原子量子计算和量子算法方面长期保持原创研究优势”;人才体系——方面,随着我国持续加大支持力度,从教授到学生,量子计算人才规模正稳步提升“从教授到学生的量子计算人才数量,美国有优势,但这个随着国家重点支持都在持续改善”;在资本化与大厂参与度方面,海外已有——美国量子软件公司已有上市公司,谷歌、微软、IBM等企业亦长期投入,而国内大厂多因顾虑而收缩。王鑫同时表示:“不过这些情况都在改善,。随着这近两年国家和资本的大力投入和支持,整个循环在跑通。”
对于产业进程,他给出几个观察节点:硬件会跑出几家能把整机做好的厂商,完全有机会对标美国;几百个不带纠错的物理比特能否产生商业价值,“如果能,就是一剂强心针”;研究清楚1000个逻辑比特能解决什么高价值的产业问题——“这也是幻码跃迁优先想搞定的事”。他判断,五年内会有非常令人兴奋的结果出来,迎来量子计算的ChatGPT时刻。