什么是量子计算？

量子计算是一种新的计算方法，它使用基础物理原理来快速解决极其复杂的问题。

几十年来，数字计算机使我们更容易处理信息。但量子计算机将把计算提升到一个全新的水平。量子计算机代表了一种全新的计算方法。虽然它们不会取代今天的计算机，但通过使用量子物理原理，它们将能够解决当今计算机无法解决的非常复杂的统计问题。量子计算具有巨大的潜力和势头，麦肯锡将其确定为科技领域的下一个大趋势之一。到2035年，量子计算仅是新兴量子技术的三个主要领域之一，其价值将达到近1.3万亿美元。

它的工作原理是这样的：传统的计算技术，也就是驱动你的笔记本电脑和智能手机的技术，是建立在比特之上的。位是一种信息单位，可以存储0或1。相比之下，量子计算是建立在量子比特上的，量子比特可以存储0和1。量子位可以同时表示0和1的任何组合——这被称为叠加。

当经典计算机解决多变量问题时，每当一个变量发生变化时，它们都必须进行新的计算。每个计算都是通向单个结果的单个路径。然而，量子计算机有更大的工作空间，这意味着它们可以同时探索大量的路径。这种可能性意味着量子计算机可以比传统计算机快得多。

但直到2019年，第一个真正证明量子计算机可以处理经典计算机无法处理的复杂问题的证据才出现，当时谷歌宣布其量子计算机取得了重大突破：它在200秒内解决了一个经典计算机需要一万年才能解决的问题。

虽然这是计算领域的一个重要里程碑，但它更多的是一个理论飞跃，而不是一个实际飞跃，因为量子计算机解决的问题根本没有实际用途。但我们正在迅速接近量子计算机对我们生活产生真正影响的时代。

量子计算机如何解决问题?

今天的经典计算机相对简单。它们处理有限的输入，并使用一种算法，然后输出一个答案，而编码输入的比特不会共享彼此的信息。量子计算机是不同的。首先，当数据输入到量子位中时，量子位与其他量子位相互作用，从而允许同时进行许多不同的计算。这就是为什么量子计算机能够比传统计算机快得多的原因。但这并不是故事的结尾：量子计算机不像经典计算机那样提供一个明确的答案;相反，它们提供了一系列可能的答案。

对于范围有限的计算，经典计算机仍然是首选的工具。但对于非常复杂的问题，量子计算机可以通过缩小可能答案的范围来节省时间。

量子计算机什么时候到来?

量子计算机不像普通的台式计算机。你不太可能去商店随便买一件。能够解决重大问题的量子计算机将是昂贵而复杂的机器，仅由几个关键参与者操作。

在接下来的几年里，量子计算领域的主要参与者，以及一小部分初创企业，将稳步增加他们的计算机可以处理的量子比特数量。预计进展将是缓慢的：麦肯锡估计，到2030年，只有大约5000台量子计算机将投入使用。处理最复杂问题所需的硬件和软件可能要到2035年或更晚才会出现。

阻碍量子计算发展的障碍是什么?

量子计算发展的一个主要障碍是量子比特的易失性。在今天的计算机中，比特可以处于1或0的状态，而量子位可以是这两者的任何可能组合。当量子位改变其状态时，输入可能会丢失或改变，从而影响结果的准确性。发展的另一个障碍是，要实现重大突破所需的规模，一台量子计算机可能需要连接数百万个量子比特。目前存在的为数不多的量子计算机远不及这个数字。

经典计算机和量子计算机如何协同工作?

一开始是慢慢地。目前，量子计算将与经典计算一起用于解决多变量问题。量子计算机可以缩小金融或物流问题可能解决方案的范围，帮助公司更快地找到最佳解决方案。这种缓慢的进展将成为常态，直到量子计算的进步足以带来巨大的突破。

量子计算机有哪些潜在的商业用例?

量子计算机与今天的经典计算机有四个基本的区别：

1. 量子模拟。量子计算机能够模拟复杂的分子，这可能最终有助于减少化学和制药公司的开发时间。寻求开发新药的科学家需要检查分子的结构，以了解它如何与其他分子相互作用。今天的计算机几乎不可能提供精确的模拟，因为每个原子以复杂的方式与其他原子相互作用。但专家们相信，量子计算机已经足够强大，最终能够模拟人体中最复杂的分子。这为更快地开发新药和变革性新疗法开辟了可能性。

2. 优化和搜索。每个行业都以某种方式依赖于优化。我应该把机器人放在工厂的什么地方?我的送货卡车走哪条路最短?为了优化效率和价值创造，几乎有无数的问题需要回答。使用经典计算，公司必须进行一个又一个复杂的计算，考虑到任何情况下的许多变量，这是一个耗时且昂贵的过程。由于量子计算机可以同时处理多个变量，它们可以用来快速缩小可能答案的范围。在此基础上，经典计算可以用来找到一个精确的答案。

3. 量子AI。量子计算机有潜力与更好的算法一起工作，这可能会改变制药和汽车等不同行业的机器学习。特别是，量子计算机可以加速自动驾驶汽车的到来。福特（Ford）、通用汽车（GM）、大众汽车（Volkswagen）等公司以及众多移动初创企业都在通过复杂的神经网络运行视频和图像数据。他们的目标?用人工智能教汽车做出关键的驾驶决定。量子计算机能够同时执行多个变量的多个复杂计算，从而可以更快地训练这种人工智能系统。

4. 质因数分解。今天的企业使用大而复杂的素数作为加密工作的基础，这些数字对于传统计算机来说太大而无法处理。量子计算将能够使用算法轻松地解决这些复杂的素数，这一过程被称为质因数分解。（事实上，一种被称为肖尔算法的量子算法在理论上已经可以做到;只是没有足够强大的计算机来运行它。）一旦量子计算机足够先进，就需要新的量子加密技术来保护我们的在线服务。科学家们已经在研究量子密码学，为这种可能性做准备。麦肯锡估计，最早在本世纪20年代末，量子计算机将强大到足以进行质因数分解。

随着这些能力与量子计算能力同步发展，用例将激增。

哪些行业将从量子计算中获益最多?

研究表明，基于前一节讨论的用例，四个行业将从量子计算中获得最大的短期收益。保守估计，这些行业的总价值可能高达1.3万亿美元。

1. 制药行业。量子计算有可能彻底改变生物制药行业分子结构的研究和开发。有了量子技术，药物的研究和开发将不再依赖于反复试验，因此效率更高。

2. 化学物质。量子计算可用于改进催化剂设计，从而可以节省现有生产过程。创新的催化剂还可以用更可持续的原料替代石化产品，或者将碳分解为二氧化碳。

3. 汽车行业。汽车行业可以在研发、产品设计、供应链管理、生产、移动和交通管理等方面受益于量子计算。例如，量子计算可以通过优化复杂的多机器人过程（包括焊接、粘合和喷漆）来降低制造成本。

4. 融资行业。未来，量子计算在金融领域的应用还会稍远一些。量子计算在金融领域的长期前景在于投资组合和风险管理。一个例子可能是量子优化的贷款组合，它专注于抵押品，使贷款机构能够改善他们的产品。

这四个行业可能会从量子计算中获益最多。但每个领域的领导者都应该为未来几年不可避免的量子进步做好准备。

除了计算，还有哪些量子技术?

根据麦肯锡的分析，量子计算距离广泛的商业应用还需要数年时间。其他量子技术，如量子通信（QComm）和量子传感（QS）可能会更早出现。量子通信将使强大的加密协议能够大大提高敏感信息的安全性。QComm启用以下功能：

1. 信息在不同地点之间传输时完全安全。量子加密协议比传统协议更安全，一旦量子计算机获得更强的计算能力或能够使用更有效的算法，大多数传统协议都可能被破解。

2. 在两种重要的量子处理类型中增强量子计算能力：并行量子处理（连接多个处理器并同时对同一问题执行不同的计算）和盲量子计算（量子通信提供对云中的远程大规模量子计算机的访问）。这两种处理都是通过量子粒子的纠缠而实现的。纠缠是指像量子位这样的量子粒子具有连接属性，这意味着一个粒子的属性可以通过对另一个粒子的行为来操纵。

3. 量子传感允许比以往任何时候都更精确的测量，包括温度、磁场和旋转等物理特性。此外，一旦优化并减小尺寸，量子传感器将能够测量当前传感器无法捕获的数据。

QComm和QS的市场目前比量子计算的市场要小，而量子计算迄今为止吸引了大部分的头条新闻和资金。但麦肯锡预计，QComm和QS未来都将吸引大量兴趣和资金。风险是巨大的，但潜在的回报是很高的：到2030年，QS和QComm可以产生130亿美元的收入。

组织如何确保他们拥有所需的量子计算人才?

量子计算的业务需求与可满足该需求的量子专业人员数量之间存在着巨大的人才缺口。这种技能差距可能会危及潜在的价值创造，麦肯锡估计，潜在的价值创造高达1.3万亿美元。

麦肯锡的研究发现，每三个量子职位空缺只有一个合格的量子候选人。麦肯锡预测，到2025年，只有不到50%的量子工作将被填补，除非人才库或量子工作创造的预测速度发生重大变化。

以下是从人工智能人才之旅中得出的五个经验教训，可以帮助组织培养他们所需的量子人才，以获取价值：

1. 明确你的人才需求。在人工智能的早期，一些组织在雇佣数据科学家的时候，并不清楚需要哪些技能。为了避免在量子计算上犯同样的错误，组织应该首先确定量子计算团队可能从事的应用领域，然后确保新员工拥有不同的社会经验。

2. 尽早投资翻译人员。随着围绕人工智能的热议，分析翻译的角色变得至关重要，可以帮助领导者识别和优先考虑最适合人工智能解决的挑战。对于量子，也有类似的需求：需要具有工程、应用和科学背景的翻译人员，他们可以帮助组织了解快速扩展的生态系统中的机会和参与者。

3. 为多样化的人才管道创造途径。许多最初的人工智能模型反映了同样的偏见，这些偏见存在于用于训练它们的信息中。通常也缺乏具有不同观点和经验的人来构建和测试模型，这导致了偏见问题。虽然现在知道量子技术会带来什么风险还为时过早，但如果我们不建立和授权多样化的量子劳动力，我们就无法预期类似的挑战。

4. 培养所有人的技术素养。为了让组织中各级员工了解新技术的潜力，他们需要对新技术的工作原理和功能有一个基本的了解。有了量子，商业领袖以及供应链、营销、IT基础设施、金融等行业的员工将需要基本掌握量子主题。

不要忘记人才发展战略。在科技繁荣时期，公司非常注重吸引人才，但这只是人才难题的一部分。为了留住专家，公司需要为人才发展开辟一条清晰的道路。