量子计算技术发展迅猛，商业潜力初现！如何把握量子计算时代的新机遇？

当前经典计算体系，并不能解决所有问题。

量子计算将给现有的计算理论带来深刻变革，将极大加深人类对物质与信息的理解；将是一种前所未有的计算微观世界的强大工具。

这场竞争的入口愈发拥挤，波士顿咨询调查表明，美国、中国、欧盟、英国、荷兰、日本、加拿大、澳大利亚；Google、IBM、微软、巴斯夫、大众、空客、QxBranch、QC Ware、1Qbit均是这一领域的玩家。 

谁掌握了量子计算机，谁就可能引领下一次信息革命，将对科学研究的进步以及建立于之上的商业社会产生巨大影响。

据科学家计算，如果未来一台64位量子计算机的单次运算速度，达到目前普通计算机CPU的级别（1GHz），那么这台量子计算机的数据处理速度，理论上将是目前世界上最快的「太湖之光」超级计算机（每秒9.3亿亿次）的1500亿倍。 

在化学及制药领域，分子的模拟涉及求解数目众多的电子和原子的量子行为，量子技术将对药物发现产生指数级的促进作用。业内人士预计，量子技术将使药物发现率提高5%-10%，效率提高15%-20%。由于更优的分子设计，药物的送审通过率将提高1.5-2倍。

在人工智能领域，量子计算机能够更快地操控高维向量进行大数据分类，与经典计算机相比具有显著的速度优势。

如今，汽车自动驾驶、自然语言处理、搜索引擎、线上广告、推荐系统等都是机器学习的热门领域。因此量子计算的演变进度将部分决定IT产业巨头公司在未来的发展方向和趋势。

在社会公共领域，量子计算可以瞬间处理监控数据库中全球60亿人次的脸部图片，并实时辨别出一个人的身份；能够迅速对复杂的交通状况进行分析预判，从而调度综合交通系统，最大限度避免道路拥堵。

在网络安全领域，量子计算可能将对当前经典计算体系下的公钥加密系统构成威胁。1994年，贝尔实验室的专家Peter Shor发现，使用量子计算机来破解加密，可在理论上通过160天破解1024比特的RSA密钥。而现在，世界范围内最快的超算——神威·太湖之光破解同样长度的RSA密钥，则需要500万年。 

尽管运行Shor 算法破解密码需要有至少上百万个量子比特的通用、容错量子计算机，在短时间内并无法实现。但是，关于量子计算机无法破解的“后量子时代加密技术”的研究也已经有了不少成果，将对整个互联网安全造成重大影响。 

2017年，美国国会举办听证会，讨论如何确保「美国在量子技术领域的领先地位」。

2018年，欧盟投入10亿欧元实施「量子旗舰」计划。英国在牛津大学等高校建立量子研究中心，投入约2.5亿美元培养人才。荷兰向代尔夫特理工大学投资1.4亿美元研究量子计算。

日本计划10年内在量子计算领域投资3.6亿美元。加拿大已投入2.1亿美元资助滑铁卢大学的量子研究。澳大利亚政府、银行等出资8300万澳元在新南威尔士大学成立量子计算公司。中国也积极投入到这场关乎未来的科技竞赛中。

在超导量子计算方面，中国的中科院量子信息和量子科技创新研究院、Google量子人工智能实验室、IBM并称国际上最强的三家机构。目前，Google处于最领先地位；IBM投入30亿美元研发量子计算等下一代芯片，且与MIT合作进行人工智能及量子计算相关的研究工作，已经使用量子计算机上的可伸缩方法精确地模拟了迄今为止最大的分子——氢化铍BeH2。

此外，微软也与多所大学共建量子实验室。德国化学公司巴斯夫、大众、空客等企业也已经开始为构建量子计算能力进行投入。一些新兴的软件开发及咨询公司，如QxBranch、QC Ware和1Qbit也在研发量子应用。 

从论文产出、专利产出等角度看，中国与美国、欧盟和日本之间仍存在很大差距。例如，全球量子计算专利申请数量排名前20的榜单，基本被美国和日本企业所占据，中国科研机构和企业则无一上榜。（详细内容请参考国际技术经济研究所已发表的公众号文章：《2018全球量子计算领域研发概况》）

波士顿咨询预计，到2030年，量子计算市场规模将达到500亿美金。

仅以美国制药行业为例，若复杂的原子水平的量子模拟在此刻得以实现，且有10%的公司愿意为这一技术买单，那就意味着量子计算在这一领域拥有150-300亿美元的市场机会。与之相比，目前全球高性能计算市场的总和为100亿美元（如下图所示）。 

除制药行业外，量子计算还能够用来加速搜索任务和机器学习算法。在数据量指数增长的今天，以及即将接入数百亿物联网设备的未来，解锁数据的商业价值变得越来越重要。

虽然GPU使得机器学习与人工智能技术成为现实，但量子计算机可以显著加速神经网络的训练，科学家以及工程师们正在研发适用于机器学习的量子算法。随着更多的量子机器学习算法被构建，量子计算机相对于经典计算机的基本优势可能导致当前200亿美元的高性能机器学习计算市场在2030年前被取代。

总的来说，量子计算所代表的市场总量巨大，但具体的时间节点可能会因技术的实现进度而产生巨大的波动（如下图所示）。

保守看来，到2035年，量子计算市场将达到20亿美金体量。随着采纳率的提高，到2050年，市场规模将飙升至2600亿美元。

若当前桎梏量子计算发展的主要因素——物理量子位的错误率——能够显著降低，那么我们可以大胆预计，到2035年，量子计算市场规模将达到600亿美元，并在2050年增加到2950亿美元。与之相比，当今全球商业及消费市场总规模为8000亿美元。

所谓量子，是构成物质的各种物理量的最基本单元，不可分割。人们所熟知的分子、原子、电子、光子等微观粒子，都是量子的一种表现形态。

早在20世纪50年代到70年代间，物理学家们就通过量子力学研究电子和光子的性质以及在材料中的运动规律，陆续发明了半导体晶体管、激光器、集成电路、磁盘、光纤等技术。

以此为基础，20世纪80年代以来，个人电脑、手机、互联网等陆续诞生，实现了第三次科技革命（又称为信息革命），将人类文明彻底带入了信息时代。

传统计算机的诞生，给人类带来了更多的发展机会。然而，有些任务太复杂，运算时间过长，可能研究者都垂暮甚至死去了，一个研究却还没算出来，人类显然需要一种全新的高性能计算技术。

上世纪80年代，诺贝尔奖获得者理查德·菲利普·费曼（Richard Phillips Feynman）等人产生了一个构想，基于两个奇特的量子特性——量子叠加和量子纠缠——构建「量子计算」。

传统计算机在二进制算法中只能「非此即彼」：要么是0，要么是1。但量子计算机却拥有一种强悍的能力——「同时存在」，即「量子叠加」。 

一个量子比特（可以同时处于0和1的量子状态）可以用图中的布洛赫球（在量子力学中，布洛赫球面是二能级量子力学系统纯态空间的一种几何表示方法）来表示。相比于经典比特（信息量的最小度量单位）只有0和1两个点，量子比特的取值分布在整个球面上，即球面上任意一点都可以是某个量子比特的值。

这也是为什么量子计算机的运算速度可以远超经典计算机。

目前我们常用的经典计算机，在提取某个需要解决的问题时，需要把所有可能性列举并一一验证，才能「找到」正确的信息。就好像一个拥有双手的人，一个时间段只能做一件事情。 

而量子并行计算能够直接计算并提取出相应信息，相当于一个「千手观音」，可以同时做2的N次方双手可以做的事情。

比如，用桥梁将有若干个岛屿的群岛连接起来，随着岛屿数量的增加，可能的解决方案数量呈指数级增长。假设这一问题有一百万种解决方案，那么二进制计算机需要五十万次计算才能找到正确方案，但运行Grover演算法的量子计算机仅通过一千次尝试便可解决这一问题，是传统计算方式的500倍。

波士顿咨询针对一些计算负载远高于当前计算能力的应用进行了研究。并将问题分为三种类别，分别绘制出量子方法与传统方法所需的计算时间函数。（如下图）

研究显示，在制药、化学、能源等行业，利用量子计算机对物理系统建模，能够起到立竿见影的效果；在搜索、密码学、机器学习等数据密集型领域，量子数学能够对算法加速，从而解锁巨大的商业价值。

传统计算机采用顺序计算的方式，因此无力处理特别复杂的问题。以「将大数拆解为素数乘积」问题为例，由于不存在已知的解决方案，计算机需要依靠试验与猜测求解。被拆解的大数越大，计算复杂度越高，所需时间呈几何级增长。

量子计算则不同，其运作方式是将所有的可能解同时抛出，并筛除掉不正确的解。因此，对于某些问题，量子处理器的解决方案运行时间随着维数的增加呈线性增长，而非指数增长，从而拥有巨大的速度优势。

1994年，数学家Peter Williston Shor针对大数分解问题研发了量子算法——Shor算法，使得这一问题在可接受的计算时间内得以解决。

速度优势意味着巨大的市场潜力。在医药及化学研发领域，模拟大分子之间的化学反应一直是个恼人的问题，其解决方案复杂性类似于大数分解问题。按照Richard Feynman的构想，量子处理器能够同时计算所有可能的化学反应，并瞬间计算出反应的最终态。

波士顿咨询预计，到2030年，量子模拟技术将催生一个高达200亿美元的药品市场，以及70亿美元的包括化学、材料科学及其他材料密集型产业在内的市场。

对于过程中涉及到非结构化搜索的任务以及机器学习相关的任务来说，量子计算相较于传统计算方式具有一定程度的速度优势。

2008年，Aram Harrow、Avinatan Hassidim和Seth Lloyd提出HHL算法：在一系列前提假设下，量子计算机可以在对数复杂度内求解一些特殊的线性方程组，这是很多拟合、推断、优化问题的基础。HHL 的各种衍生算法与人工智能的结合，让量子机器学习成为可能，也让量子计算机第一次拥有了商业价值。

一些量子算法，例如能够以很高的概率发现黑箱函数的唯一输入的Grover演算法，完成非结构化搜索任务所需的时间仅为传统计算方式的平方根。如今，大规模搜索以及机器学习问题多由GPU解决。波士顿咨询预计，随着量子计算方法取代GPU，非结构化搜索及机器学习领域将爆发出超200亿美金的市场。

值得注意的是，一些量子机器学习算法只需要有50到100个量子比特的小型量子计算机就能展现出优势。自2011年始，尤其2014年之后，各大商业公司开始纷纷关注量子计算。波士顿咨询猜测，这也许是谷歌、IBM等巨头对能够优化搜索的量子计算平台感兴趣的原因之一。

当今的经典计算方法已经能够充分解决涉及复杂操作以及网络拓扑寻优的问题，比如运输及物流领域的路线优化问题。在这类任务中，虽然量子计算方法有望突破传统计算方式的速度阀值，但业内普遍表示目前的计算方式已经足够。因此目前尚不清楚在这类问题中，量子计算能否释放新的价值。

考虑到量子计算技术能够以PaaS的形式输出，因此在某些速度优势显著的领域，有望看到五年内大于70%的采纳率，约等于GPU在机器学习领域的采纳速度。对于速度优势不明显的领域，预计将在15年后达到50%的采纳率，类似SaaS服务的发展速度。至于速度优势未知的领域，15年后量子计算的采纳率可能只有25%或更低。

波士顿咨询预计，未来25年，量子计算的成熟之路将经历三次浪潮。

第一次浪潮，2018-2028年。一些非通用的量子计算平台将被研发出来，用于例如低复杂度的模拟等专项任务。这些平台会于近几年迅速问世，并将一直沿用至第二次浪潮。 

第二次浪潮，2028-2039年。量子计算机将扩展到50个逻辑量子位，实现量子霸权，即专用型量子计算机针对特定问题的计算能力超越经典超级计算机。这一时期的量子计算将集中在大分子模拟、药物研发、以及软件开发等领域，可用的应用程序将进入市场，创造可观的商业价值。与此同时，量子信息处理（Quantum Information Processing）将发展为一个单独的领域，商业公司也将更加适应量子模拟方法。

第三次浪潮，2031-2042年。此时，量子计算方式将在模拟、搜索以及优化任务中全方位赶超传统计算方法。由于半导体领域摩尔定律的放缓，以及某些特定应用中量子计算赶超传统计算的阀值较低，因此第二和第三次浪潮会有一段时间的重叠。按总体轨迹看来，量子计算将在未来十年稳步发展，并在2030年左右迎来爆发。

2017年11月和2018年3月，IBM和Google分别宣称实现了50个和72个量子位的原型机。然而IBM和Google都没有宣布实现「量子霸权」，也没有公开相关测试结果，这意味着技术上离「量子霸权」还有一定的距离。

因为量子芯片是通过半导体工艺进行加工，量子位数目可以任意增加，但是仅有量子比特数目的增加是远远不够的。在技术上更加困难的是对多量子比特的相干控制能力。如果一个芯片对多量子比特的相干控制能力没有获得好的测试结果，那么这个芯片就没有科学或实用价值。

与严谨的学术论文不同，IBM和Google发布这类新闻不需要经过任何测试和同行评议，很大程度上是出于商业目的。而目前经过严格同行评议并正式在国际学术期刊公开发表的最高质量测试结果是Google的9量子位超导芯片和我国的10量子位超导芯片。

量子计算机的成败有两个指标：量子退相干时间，以及可扩展性。

「退相干」指的是量子相干态（指量子力学中量子谐振子能够达到的一种特殊的量子状态）与环境作用演化到经典状态的时间。量子计算必需在量子叠加态上进行，因此量子计算机的退相干时间越长越好。

「可扩展性」指的是系统上可以增加更多的量子比特，从而才能走向实用化量子计算机。和经典计算机的简单增加比特不同，量子计算机需要把量子比特纠缠起来，因此难度是指数级的，每增加一个比特，难度就要翻番。 

从这两个指标出发，世界各地相关领域的科学家从不同的方向朝着同一目标努力——实现通用量子计算机。目前，鹿死谁手还未可知。

除此之外，还有一些其它物理系统，比如「拓扑量子计算」等。但它们在可扩展性方面无法与超导电路相比。因此物理学家和IT巨头们大多把未来通用量子计算机的期望寄托在超导电路系统上。

此外，连贯性及错误率都是量子计算机非常重要的指标。按当前技术水平，当量子计算机的规模增大到足以进行实际模拟任务时，用来容错的物理量子位与实际发挥作用的逻辑量子位之比将高达3000:1。

尽管还未实现，但主流观点认为，「量子霸权」时代必然会到来，这是一场谁都输不起的竞争。毕竟一旦量子计算技术突破，掌握这种能力的国家，在经济、军事、科研、安全等领域将迅速建立全方位优势。

距离量子计算完全发挥潜力还需十年左右的时间，但商业公司应该从现在就开始行动，时刻监控量子计算技术的发展进程，一旦在某一领域量子霸权得以实现，公司即可迅速采用。

为了更早地让量子计算机展现出它的优势，物理学家们想到了针对一些特殊的问题，可以用专用型量子计算机来解决。这些专用型量子计算机可以不需要逻辑门（操作一个小数量量子位元的量子线路），只靠自身系统的特点来通过模拟的方式针对性地解决问题。

目前，专用型量子计算机在解决一些问题上已经显现出优势，如加拿大的D-Wave公司研制了一款用绝热量子算法寻找基态（极小值）的专用型量子计算机；中国科学技术大学（中科院-阿里巴巴实验室）的光量子计算机用5个光量子模拟了玻色子采样问题，在这个问题上的它的计算速度已经超越了早期的经典计算机，即历史上第一台电子管计算机（ENIAC）和第一台晶体管计算机（TRADIC）。

IBM和微软均在构建量子计算社区、量子计算模拟器，以及易于使用的工具，这些工具能够使开发者获得量子计算的能力。一旦量子算法、对应的编程语言、量子云服务走向成熟，开发者便可逐步将它们纳入自己的解决方案中。

制药公司和其他依赖材料科学创新的公司开始探索使用量子处理器进行分子模拟。波士顿咨询预计，近几年，一些化学公司将利用现有的有限的量子计算能力进行相对简单的大分子建模及优化。

涉及到搜索、神经网络和优化算法的公司，鼓励其数据科学家研究如何使用量子处理器加速其计算能力。与其他先进技术一样，在人工智能和机器学习领域，那些能够早日利用量子计算技术的公司将会建立显著壁垒。

此外，尽管要达到破解加密技术的能力需要超1000个量子比特的计算资源，但据波士顿咨询预测，到2040年，当前的加密技术将不再适用。因此，商业公司应该关注新的加密方式，以便随时摆脱对整数分解加密方法的依赖。

尽管还处于相对早期阶段，量子计算正迅速从实验室走向商用。未来十年，量子计算将有可能为企业释放巨大价值。企业管理者需要从现在开始关注量子计算的研发进程，并关注量子霸权可能实现的时间节点，那些想要应用量子技术的公司更是需要从现在开始建立能力。

一网打尽系列文章，请回复以下关键词查看：
创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧
热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估
预见未来：预见2016 |预见2020  | 预见2025 | 预见2030  | 预见2035 | 预见2045  | 预见2050
前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 |  基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | 5G | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 | 传感器
先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 直升机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器
未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 | 反卫星
领先国家：美国 | 俄罗斯 | 英国 | 德国 | 法国 | 日本 | 以色列 | 印度
前沿机构：战略能力办公室 | DARPA | 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 | 阿里 | 俄先期研究基金会 | 军工百强
前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普
专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨
全文收录：2018文章全收录 | 2017文章全收录 | 2016文章全收录 | 2015文章全收录 | 2014文章全收录
其他主题系列陆续整理中，敬请期待……