这是一篇关于量子计算技术如何部署,以及各行业何时获益的文章,其相关数据由较为权威的麦肯锡公司经过访谈量子计算领域的权威专家、调研相关资料整理得出。此处仅作分享,量子客整理以供各行业决策者参考。

本文首先介绍量子计算的优势和基本原理,然后通过相关数据来说明,未来量子计算行业的部署以及企业将如何使用量子计算机,最后说明,目前这个阶段,面对量子计算技术的快速进步,哪些企业应该为此做出准备。

 

麦肯锡:量子计算的布局与竞争-量子客

  • 酶,制药公司的宠儿

制药公司素来对酶作用都有着非常浓厚的兴趣,因为这些蛋白质可以非常精确地瞄准单一类型的分子,来催化各种生化反应的相互作用,因此,利用酶的力量可以帮助减缓当下时代的各种疾病。

  • 确定分子建模结构,难上加难

然而,不幸的是,我们并不清楚大多数酶的确切分子结构。原则上,化学家可以使用当今的计算机对这些分子进行建模,以摸清分子的工作基理。但是酶的结构是如此复杂,以至于大多数的计算机都无法对其进行建模。

  • 突破耗时的限制

但是,功能特殊的量子计算机却可以在几小时内准确预测这些物质的性质、结构和反应原理,这一进步,可能会革命性地改变药物开发研制,并开创医疗保健的新纪元。而从解决问题的原理中可以客观体现出,量子计算机具有解决各行业应用(包括金融、运输、化学和网络安全)中具有极复杂性或规模性问题的巨大潜力,而这些问题对经典计算机而言是望尘莫及的。

量子计算作为一种全新的计算方法,它能够在几小时内便解决以往经典计算机不可能的问题、找到困扰科学和社会多年问题的答案、并为各种企业释放出空前的潜力能力。这些都是量子计算能实现并改变的特性。

  • 冰冻三尺做准备

然而,冰冻三尺,非一日之寒。要实现这些目标,并无捷径可行,多数企业机构不可能一夜之间便能获得量子优势上的成功。尽管在未来五年中,将会有一批先锋公司会从中获益,但事实上,许多公司和企业无法在十年甚至更长时间内从量子计算中获得可观的价值回报。

但是,当今技术进步速度之快,已不能再以过往经验直接套用推测。量子计算潜力如此巨大,以至于每个商业领袖,都应该对该技术的工作原理有一个基本的了解、知道这样的技术能够帮助解决什么样的问题、以及当利用该技术发挥潜力时,自身需要做什么样的准备?

 

麦肯锡:量子计算的布局与竞争-量子客

 

与我们今天在笔记本电脑、工作站和超级计算机上进行的各种计算相比,量子计算是一种完全不同以往的计算方法。首先,需要明确的是,它不会取代这些设备,但是通过利用量子力学基本原理,它能解决那些对于当前的计算机而言是困难的、具体的、典型的、非常复杂甚至无解的统计性质的问题。

 

量子计算与经典计算比较

 

麦肯锡:量子计算的布局与竞争-量子客

 

  • 本质不同:比特和量子比特

传统计算机使用比特(Bit)作为数据单元(0和1)进行编程。而量子计算机使用所谓的量子比特(Qubit),基于叠加(Superposition)的原理,量子比特不仅仅可以表征0、1,还可以同时表示0和1的组合(该特性,使其可以处理更多的信息),两种计算设备的计算单元,在物理结构上有明显的差异。

 

  • 结果不同:唯一性与可能性

当传统计算机面临多个变量的问题时,比特的局限性就会体现出来。在多变量的情况下,当每次更改变量时,计算机都必须进行一次新的运算。因此每个计算都是通过单一的路径而得到的单一结果,(该特性依赖于其物理特性)。

而量子计算机,由于量子比特的天然物理特性,其具有呈指数级增长的工作空间。由于量子计算机可以同时并行大量的路径,这就使得量子计算机在解决特殊问题时,可能速度变得极快。它们可以在很小的范围内提供多种可能的结果,相较传统计算机单一结果而言,它能更快地使您更快的逼近答案。这使得解决问题的可能性大大提高。

 

  • 量子-经典联合:混合方案

2020年,我们期望通过结合量子计算和经典计算来解决许多变量问题。例如,通过使用类NISQ的量子计算机来缩小针对金融或物流问题的可能解决方案的范围,公司可能会找到仅以10%的速度就达到目标的最佳解决方案。在量子计算成熟到足以在药物开发和密码学领域取得重大突破之前,这种递增的进步将成为常态。

正是这种差异使量子计算机有潜力比当今的服务器和超级计算机快得多。量子计算机可以同时对多个输入进行多种计算。而当今的计算机一次只能处理一组输入和一个计算。例如,使用一定数量的量子比特(假设N个),量子计算机可以同时对多达2^N的输入进行计算。

 

麦肯锡:量子计算的布局与竞争-量子客

 

关于量子计算,如上的描述,虽然非常清晰,但当您深入研究量子计算机的实际工作原理时,您会发现,在量子计算机发挥这种潜力之前,还面临着诸多挑战。

 

技术障碍

 

物理量子比特的不稳定性

在实现量子计算的道路上,其中一些障碍是技术性的。例如,量子比特的不稳定性。与经典计算机的比特不同,量子比特可以表示0和1的组合叠加状态(叠加态),但美中不足的是,在物理环境下,其叠加状态并不稳定。因此,要确保量子计算机芯片上的某个位不干扰该芯片上的任何其他位,那就需要做大量的辅助工作。

而更为重要的是,我们需要量子比特之间产生相互作用,这种相互作用也在影响物理量子比特的稳定性。而正是由于这些相互作用的存在,才使得量子计算机能并行计算成为可能。

控制这样的硬件交互非常复杂。量子比特的不稳定性,会导致输入信息丢失或被置换,从而降低结果的准确性,甚至给出不可靠结果。而要创建有价值的、规模化的量子计算机将需要数十万乃至数百万个量子比特。因此,当前为数不多的量子计算机无法处理这么多的量子比特。

 

解决数学问题

从初创公司到研究机构,再到Google、IBM和Microsoft之类的软、硬件公司,都在努力克服这些障碍。包括研究与我们当前所使用的几乎没有相似之处的算法、看起来与今天的黑盒完全不同的硬件、以及有助于将现有数据转换为量子比特支持的软件等。但是他们还有很长的路要走。尽管量子计算作为一种概念早在1980年代就已经存在,但直到2019年9月,Google才宣布其量子计算机仅用2分30秒就解决了传统超级计算机需要耗时10000年才能解决的问题时,量子计算机才首次用事实证明,其可以处理对于经典计算机来说非常复杂的问题,但这更像是一种纯数学运算,而不是任何可以应用于商业的应用(商业运算本质也是解决数学问题,但是解决实际问题的运算才算是切实可行的应用)——证明量子优势的问题在现实生活中并没有实际用处。

 

是范围,而不是答案

量子力学的性质导致人们低估了其呈现指数速度的增长这一优势。当今的计算机以非常简单的方式在运行:它们使用一种算法来处理一组有限的数据,并为您提供单一的结果。量子计算机则更加复杂,在将多个数据单元输入到量子比特中之后,对量子比特进行操作以使量子比特之间相互作用,从而可进行大量计算。这也是量子计算机压倒性比经典计算机快的地方。但是,量子计算机无法提供一个100%精确的答案,这一事实降低了它的价值。实际上,用户得到的是一个很小范围内的可能答案。他们可能会发现自己实质上是通过量子计算机进行了多次计算以进一步缩小范围,而这个结果却显著降低了其一次进行多次运算的速度增益。

量子计算机得到的结果是一个范围而不是单一确定的答案,这使得量子计算机听起来没有今天的计算机那么精确。然而,这一观点对于范围有限的计算来说是正确的,这也是量子计算机不会取代现有系统的原因之一。然而,对于解决各种各样的、极其复杂的问题,经典计算机将会耗费很多的时间,而量子计算机则会从这些问题中消除大量的可能性,从而能够节省大量的时间。

 

麦肯锡:量子计算的布局与竞争-量子客

 

量子计算机具有四种基本功能,可将它们与经典计算机区分开:

  • 量子模拟(Quantum simulation),量子计算机对复杂分子进行建模模拟;
  • 优化(Optimization),即以前所未有的速度解决多变量问题;
  • 量子人工智能(AI),具有更好的算法,可以改变制药和汽车等行业的机器学习;
  • 素因数分解(The prime factorization),这可能会彻底改变以往的加密技术。

而了解量子计算潜力的最佳方法是了解这些功能如何解决各种用例。麦肯锡公司总共审查调研了100多个新生用例,发现它们涵盖了广泛的问题和领域,包括制药、网络安全、金融、材料科学和电信。麦肯锡公司的研究还表明,这些应用程序的开发生命周期以及它们可以带来的业务利益其本质上具有显著的多样性。为了更全面地了解这些动态变化,让我们考虑以下四种高潜力应用:

 

麦肯锡:量子计算的布局与竞争-量子客

 

通过模拟仿真缩短化学药品开发的时间

寻求开发新药物和新物质的科学家经常需要了解分子的精确结构,以确定其特性,并了解其如何与其他分子相互作用。不幸的是,即使相对较小的分子也很难用经典计算机准确地建模,因为每个原子都在以复杂的方式与其他原子相互作用。当前的计算机几乎不可能精确模拟哪怕较少原子数目的基本分子,例如,蛋白质就由数千个原子构成。这就是为什么今天的科学家被迫使用合成化学方法,以物理方式测量其特性的原因。而且,该分子通常不能按预期进行工作,需要进行很多的合成和测试,因此,每个优化周期既昂贵又费时。

而量子计算机得天独厚,其物理本质上就非常适合解决这个问题,因为分子内原子的相互作用本身就是一个量子系统。而专家认为,实际上量子计算机甚至可以对人体中最复杂的分子进行建模。因此在这个方向上的每一点进展都将推动新药和其他产品的更快发展,并有可能带来变革性的新疗法。

 

颠覆性的速度,解决优化问题

在每个行业中,许多复杂的业务问题都涉及诸多变量。例如,企业应该在工厂车间的哪个位置放置机器人?送货车辆如何确保选择了最短行驶路线?部署汽车、摩托车和踏板车以创建满足用户需求的运输网络的最有效方法是什么?如何优化财务投资组合的绩效和风险?如上,这些只是企业领导者面临的众多案例中的几个问题。

如果用经典计算解决如上这些问题,这将非常艰巨。为了独立驱动性能提升或损失的输入,必须严格限制在任一计算中其可变动的变量数量。因此在任何计算中可变动的变量数量必须受到严格限制。所以,经典计算必须进行一个又一个复杂的计算,这是一个代价高昂、耗时长久的过程。

由于量子计算机可以同时处理多个变量,使得它们可以在很短的时间内显著地缩小可能的答案范围。这样一来,经典计算就可以在一个很小的范围内得到确切的结果。尽管如此,与量子计算相比,它的工作效率仍然很慢。由于量子技术消除了很多可能性,因此这种混合方法将大大缩短寻找最佳解决方案所需的时间。

 

量子人工智能加速自动驾驶的研发

量子计算机有可能加速自动驾驶汽车时代的快速到来。在福特、通用汽车、大众汽车和其他汽车制造商以及新移动领域的众多初创企业中,工程师们通过复杂的神经网络,长时间地来处理视频、图像和激光雷达数据。他们的目标是:使用人工智能教会汽车做出关键的驾驶策略,例如何时转弯?在哪里加速或减速?以及如何避开其他车辆及行人?以这种方式训练人工智能算法需要一系列密集型的计算,随着数据的增加,以及变量之间更复杂的关系的增加,使得计算变得越来越困难。 这样的训练需求可能会使世界上最快的计算机连续工作数天甚至数月。

而由于量子计算机可以同时执行多个变量的复杂计算,因此它们可以指数级地加速这类人工智能系统的训练。但是,这不会在短期内就实现。因为目前,将经典数据集转换为量子数据仍是一项艰巨的工作,所以早期的量子人工智能算法只取得了微不足道的成果。

 

转变网络安全观念

量子计算几乎对每个公司都依赖的网络安全系统构成了严重威胁。当今大多数在线帐户密码以及安全的交易和通信都通过诸如RSA或SSL / TLS之类的加密算法得到保护。这些系统使企业可以轻松创建可以由授权用户共享的数据,同时还可以保护其免受外界攻击。对于当今的计算机而言,想要突破该加密需要具备巨大的计算能力。所以当前的计算机几乎不可能以足够快的速度解决实际构造的加密背后的数学问题。(该数学问题称为质因数分解,因为加密是围绕对大质数的处理而建立的)因此,当数据被盗取时,通常是由于网络安全协议的执行不力。

由于量子计算机可以同时执行多个计算,因此它们有可能破坏任何经典的加密系统。实际上,已经有一种量子算法可以做到这一点(Shor算法)。幸运的是,目前没有量子计算机能够处理执行Shor算法所需的数十万至数百万个量子比特。正如前文所说,目前的量子计算机仅仅可以处理几十个量子比特。 但是从现在开始的10到20年之间,这种情况可能会发生改变,到那时,将需要新一轮的量子加密技术来保护我们最基本的在线服务。科学家以及具有前瞻性思维的战略制定者已经开始着手这项量子密码学革命,试图为这一转折点做好准备。

 

麦肯锡:量子计算的布局与竞争-量子客
(来源:麦肯锡)

大多数企业不会拥有量子计算机。相反,他们将通过云获得量子服务

 

麦肯锡:量子计算的布局与竞争-量子客

 

量子计算是一项复杂的技术。 它不是一个今天出现,明天就被数百万人接受的应用程序。在与快速发展的量子生态系统中的数十位专家交谈之后,麦肯锡公司已经对这项技术在未来几十年将如何发展有了一个清晰的预见。

量子计算机将是由少数几个关键组织、机构开发和操作的昂贵机器。像Google和IBM这样的公司希望以类似摩尔定律的方式,每年将量子计算机的性能提高一倍。加上一小部分有前途的初创公司之力,它们将稳步提高其计算机可以处理的量子比特数量。由于这项技术是新生事物,因此其进展可能会相对缓慢。我们估计,到2030年,只有2,000至5,000台量子计算机投入运行。由于量子计算难题涉及很多部分,因此要解决最复杂的问题所需的硬件和软件可能最早要到2035年。

尽管如此,量子计算在此之前仍会为某些企业创造价值。从长远来看,企业将通过云计算从他们现在依赖的供应商那里获得量子服务。亚马逊网络服务、微软 Azure以及其他公司已经发布了量子产品服务。这些云产品可以迅速扩展应用和需求。

在2022年至2026年之间,我们预计许多存在优化问题的企业将采用混合方法(量子+经典),其中部分问题将由经典计算处理,而部分问题将由量子计算机处理。在同一时间范围内,量子计算机可能变得足够强大,可以开始为化学、材料和制药公司处理有意义的分子结构模拟。而量子AI的到来还遥遥无期,我们预计量子计算机最早要到2020年代末期才能具备足以进行质因子分解的功能。

这一技术发展的时间表告诉我们,什么时候不同的行业可能从量子计算中获益最多。我们与之交谈的专家预计,到2025年,先进行业、全球能源和材料、金融以及(较小程度的)旅行和物流领域的先驱可能会开始从量子产品中产生巨大价值。 鉴于解决最复杂的医学问题需要模拟深度复杂的分子,药物的巨大回报可能要到下一个十年才会到来。

如下表所示,到2030年代中期,许多行业将有潜力从量子计算中创造重大价值。

 

麦肯锡:量子计算的布局与竞争-量子客
(来源:麦肯锡)

 

麦肯锡:量子计算的布局与竞争-量子客

 

显然,为重大技术进步做准备是任何高管人员在进行投资组合时的关键思考。对于量子计算来说尤其如此,因为它具有极大的破坏性。通过求解经典计算无法实现的难题,量子技术可以使各种当前隐式知识变得明确。这不仅会彻底改变工艺流程,还会从根本上改变不同行业的劳动力。

 

麦肯锡:量子计算的布局与竞争-量子客
(来源:麦肯锡)

大多数企业不会拥有量子计算机,他们将通过云获得量子服务

 

例如,在化学品和药物领域,当今的合成化学家必须创建实际的分子或固体,以测试有关潜在新药或新材料的假设。然而,这些物质通常无法按预期方式发挥作用,从而导致进一步循环的成本高昂且耗时的合成和测试。如果量子计算机能够按预期更快地对此类物质进行指数建模,那么公司很可能只需要很少的合成化学家。因此,这种数学上的确定性会取代其他行业的专业人士的专业知识和判断力,例如面临多变量问题的金融、保险、运输等行业。

尽管几十年来我们不太可能感受到这种社会影响,但几乎每个行业中有先见之明的商业领袖现在都应该制定某种量子战略。 准备工作的因素取决于,您是否能够成为该技术中获益的第一波行业、你的业务是否有映射到刚刚起步的量子优势的用例、以及你是否相信你能够获得变革性的或仅仅是增量性的收益。

 

量子计算第一波产业

我们相信,金融、旅游、物流、全球能源和材料以及先进工业等行业将在2020年代初开始从混合经典/量子方法中获得可观的价值。这些第一波领域的企业领导者需要快速制定量子战略,否则,巴克莱(Barclays)、巴斯夫(BASF)、宝马(BMW)、陶氏化学(Dow)、埃克森美孚(ExxonMobil)等这些已经采取了量子计算战略的创新公司将会将其甩在后面。这些领导者应该考虑他们的企业如何利用新兴的量子基础设施。

有的企业可能现在想进入劳动力市场,并雇用量子开发人员来组建内部团队,以针对紧迫的系统问题研究创建算法。但是,由于量子人才目前供不应求,研究型大学不太可能短时间培养出足够的顶尖量子工程师来满足快速增长的需求。而有的公司可能会认为直接与开发量子技术的公司进行合作,从而能够满足自己的需求。但是我们正处于适应业务需求的漫长过程早期阶段,因此,公司仍然有潜力以满足其特定需求的方式影响这种发展。

 

保护长期存档的数据资产

麦肯锡:量子计算的布局与竞争-量子客

除了这些第一波产业中的参与公司,还有另外一群人应该积极监控量子计算的进展。 根据路易斯安那州立大学教授 Jonathan Dowling 的说法,“如果您有需要保密10到50年的商业秘密,那么您现在就需要开始担心了。”  其业务依赖于数十年数据安全保密的公司,必须对量子计算引发的网络安全问题保持高度警惕。该主题应该是首席信息官议程的重中之重,企业领导者必须确信他们的公司制定了从当前密码术向量子密码术安全过渡的计划。

 

保护商业秘密

即使您的业务不属于这两类,量子计算也是您的关键技术专家应该监视的技术。量子技术不仅仅是一种能够进行边际改进的迭代技术,而且还具有变革性和颠覆性的潜力。 这种强大的技术会以不可预知的速度出现,并产生不可预知的影响。如果您有不想被别人发现的商业秘密,那么,作为领导者的您,现在就应该开始为量子计算做好准备了。

 

关于作者

AlexandreMénard是麦肯锡巴黎办事处的高级合伙人, Ivan Ostojic是苏黎世办事处的合伙人, Mark Patel是旧金山办事处的资深合伙人, Daniel Volz是法兰克福办事处的顾问。作者要感谢Maximilian Charlet,Anna Heid和Lorenzo Pautasso对本文的发展做出的贡献,以及MiklósDietz,Mathis Friesdorf,Eric Hazan,Nicolaus Henke,Anika Pflanzer和Henning Soller的贡献。

 

关于麦肯锡
麦肯锡公司是世界级顶级的全球管理咨询公司,是由美国芝加哥大学商学院教授詹姆斯·麦肯锡(James O’McKinsey)于1926年在美国创建 。麦肯锡采取“公司一体”的合作伙伴关系制度,在全球44个国家有80多个分公司,共拥有7000多名咨询顾问。麦肯锡大多数的客户均为各国优秀的大型公司,如排在《财富》杂志前500强的公司。

 

声明:此文出于传递高质量信息之目的,若来源标注错误或侵权,请作者持权属证明与我们联系,我们将及时更正、删除,所有图片的版权归属所引用组织机构,此处仅引用,原创文章转载需授权。

作者 AlexandreMénard            编辑 Sakura