量子運算，可不是什麼科幻小說場景；實際上，這個世界被量子運算徹底顛覆的時間點，或許就在下個月！投入這個領域的資金，從2015到2020年成長500％，更牽涉五大類型的商業領域。你準備好迎接這股改變的力量了嗎？

文／ 強納森．魯安 Jonathan Ruane
安德魯．麥克費 Andrew McAfee
威廉．歐立佛 William D. Olive

1994年，數學家彼得．秀爾（Peter Shor）推出一種量子運算演算法，可以減少尋找大整數質因數所需的時間，從使用傳統電晶體電腦得花的數十億年，減為使用量子電腦的幾天。

量子電腦解決許多問題的速度，遠比傳統或二進位的電腦快得多，消耗的電力也較少。

量子運算能讓企業更加優化自家的投資策略、改善加密、發現產品等等。目前，大量的投資資金、私部門的競爭，以及數學和科學人才，都投入量子研究。根據CB Insights的資料，投入這個領域的創投資金，從2015到2020年成長了500％。PsiQuantum是2016年創立的量子運算新創公司，已經募集到超過6.65億美元，包括來自貝萊德（BlackRock）和微軟（Microsoft）的投資。研發巨擘漢威（Honeywell）、IBM和英特爾（Intel），也爭相推出下一個量子突破。2021年5月，Google承諾在2029年之前，斥資數十億美元，打造一部可運作的量子電腦，而且位於美國加州聖塔巴巴拉（Santa Barbara）的量子人工智慧新園區。

量子運算方面的突破，無疑將是巨大的。它將為現代的商業世界，帶來兩個同時發生的重大劇變：第一個改變，是終結我們目前用來確保公眾網路的數位隱私和安全所採用的基礎設施，那些還沒有升級基礎設施的公司將門戶洞開，面臨毀滅性的攻擊。第二個改變更加正面得多，那就是演算法力量大爆發，將讓我們能用電腦做到今天做不到的事，並可望重塑世界。

量子技術即將到來，短期內，量子技術並不會成就或破壞你的業務，但現在就好好理解量子的應用，是很重要的，有助於了解你的公司未來十年如何定位，以獲取相關效益，並避開潛在災難。

企業可以如何運用量子電腦

量子電腦不會單獨使用，而將是某種混合解決方案的一部分，在這種方案裡，各項任務會指派給最合適的機器去執行（量子或傳統機器）。量子運算的雲端基礎設施，將促成資源共享，並創造規模經濟，可降低成本並提高存取量，進而推動需求和加速進展。

量子演算法和傳統電腦使用的演算法非常不同。最有可能應用到企業流程的演算法，可以分為五大類。

1 模擬。

量子先驅在率先設想量子電腦時，相信它能解開大自然運作的祕密。我們正開始見證他們的遠見。例如：100個高相關性的電子之間的化學反應的建模，這是功能強大的傳統電腦力做不到的。2017年，蘇黎世聯邦理工學院（ETH Zurich）的團隊，計算出這項任務所需的量子系統規模，並推出一種可行的方法。這個團隊發現，使用一組各約100個邏輯量子位元的高階機器叢集，可以實現這個目標。可能從自然過程的建模當中出現的突破，有許多例子。以下是其中三個例子：

▶化學。1900年代初，開發出一種固氮工業製程，直接從氮和氧合成氨；這個製程今天仍用於生產肥料，種植供全球數十億人食用的榖物。但這麼做要付出巨大的代價：這個製程如今占全球能源消耗的1％到2％，以及二氧化碳排放量的1.4％。我們可以做得更好，而量子運算幫得上忙。

例如，我們知道一種天然產生的酶，可以做到和前述製程相同的結果，卻只消耗少量的能源。終有一天，量子電腦能做到這件事，因而為化學公司創造新機會，以能源效率更高的方式，生產肥料和其他的產品。 ▶能源。稱為「慣性局限融合」（inertial confinement fusion）的一種核融合，使用強大的雷射去壓縮微小的燃料顆粒，在適當的條件下產生極高的溫度。理論上，這是可行的能源。但要在實務上做到這件事，取決於能否以極高的精準度，配置這個過程中數量龐大的可能參數，而傳統電腦做這件事的成效很低。Google工程總監哈特穆特．奈文（Hartmut Neven）認為，量子運算可協助設計更好的反應爐，開啟產生豐富潔淨能源的潛力。

▶生命科學。2018年，三位哈佛大學的化學家發表一篇論文，概述量子運算在藥物發現方面的潛力，說明這種技術可如何更快、更準確呈現分子系統的特徵，因而取得可觀的進展。同年，這些研究人員共同成立量子運算新創公司Zapata，迄今已募集到超過6500萬美元的創投資金。

如果量子模擬可以處理材料科學方面的問題，例如，尋找化合物，
以生產效率更高的電池，我們也許能以更好的方式對抗全球暖化。

不只新創公司正在使用電腦而非試管，來尋找新的分子藥物。QuPharm是由17家製藥公司組成的集團，包括艾伯維（AbbVie）、拜耳（ B a y e r ）、葛蘭素史克（GSK）、武田（Takeda）和輝瑞（Pfizer），他們集合各自的專長，以加快量子硬體和軟體的進步。其他研究人員正在檢視，量子可以如何為光合作用等化學機制，提供新的洞見。如果量子模擬可處理材料科學方面的問題，例如，尋找化合物，以生產效率更高的電池，我們也許就能用更好的方式對抗全球暖化。

2 線性系統。

線性系統方程式，是工程、金融、化學、經濟學、電腦科學中，許多傳統運算應用的核心。量子運算為這種方程式求解的採樣，提供大幅改善的潛力。前景最看好的線性系統應用，可能是在增強型機器學習（enhanced machinelearning）的領域。

以推薦系統為例。網飛（Netflix）針對所有訂戶對其片單庫中所有電影的偏好，建立一個大型矩陣模式。這麼做的目標，是向用戶推薦他們以前沒看過的電影。和傳統電腦比起來，量子演算法能夠做這種推薦，也許會比傳統電腦速度更快、更準確，尤其如果矩陣中的維數非常大，就更是如此。

3 優化。

優化使用的演算法，會確定在某個情境中，哪個決策最有可能實現特定的目標。例如，一位投資經理平衡期望報酬和承受某種水準的風險，嘗試為顧客找到最適當的退休策略。量子優化演算法可以改善解決方案的品質，並提高找到它們的運算速度。

隨著未來世代量子電腦的糾錯率（error-correction rate）改善，它們的速度有進一步超越傳統機器的潛力。各大銀行已投資這個領域：高盛（Goldman Sachs）和摩根大通（JPMorgan Chase）都有一整個團隊，專責研究銀行和金融領域應用量子運算的可能性。

優化演算法，對範圍寬廣的其他產業裡的公司也有益。任何企業只要必須仰賴找到最佳的供應鏈路線，或者提高製造設施的生產力，都知道優化在改善績效上的重要性。大多數的優化問題，使用傳統電腦和演算法都可解決。但對規模大得多的挑戰，以及漸進改善極有價值的挑戰來說，量子運算優化演算法可能顛覆傳統做法。

閱讀完整內容