在普通人眼中，并不是什么如微軟和谷歌似的著名大公司，但 D-Wave 實際上是世界全球首家讓量子計算機商用化的廠商。

雖然 D-Wave 采用的量子退火技術(shù)在計算應(yīng)用上有所限制，導(dǎo)致過去有部分人士認為其并不是真正的量子計算，但隨著應(yīng)用的增加，連 Google 也開始大量采用其計算架構(gòu)，D-Wave 的量子計算已經(jīng)被證明的確是很好地利用了量子計算特性與原理，同時在很多應(yīng)用場景中都有極高的性能表現(xiàn)，因此這部分的爭議也就逐漸消失。

在前不久舉辦的 EmTech China 大會上，D-Wave CEO Vern Brownell 發(fā)表了十分精彩的演講。在演講中，Vern Brownell 提到，D-Wave 的最新產(chǎn)品“將會在未來的幾個月內(nèi)正式發(fā)布，我們也將在真實產(chǎn)品的應(yīng)用中展示我們的量子優(yōu)勢”。之所以使用了“量子優(yōu)勢”這一說法，Vern Brownell 坦言，自己不是很喜歡霸權(quán)這樣的詞。

值得注意的是，EmTech China 會議期間，谷歌和微軟也分別高調(diào)宣布，即將公布量子計算技術(shù)里程碑式的突破。未來究竟誰能搶先一步實現(xiàn)“量子霸權(quán)”？戰(zhàn)局似乎愈發(fā)精彩了。

在會后，Vern Brownell 也接受了 DT 君的專訪，暢談了量子計算未來的發(fā)展以及在產(chǎn)業(yè)中所扮演的角色，其中 Brownell 提到了幾個十分關(guān)鍵的要點。

圖 | D-Wave CEO Vern Brownell 在演講

首先，Vern Brownell 認為，量子計算未來會和其它計算架構(gòu)長期并存，并不會取代傳統(tǒng)計算架構(gòu)。

由于 D-Wave 選擇了一種稱為量子融合的技術(shù)，量子芯片本身的功耗需求極低，甚至遠低于我們手機的芯片，而因為量子的物理特性，量子計算未來即便計算性能成倍增加，但功耗幾乎不會改變，與現(xiàn)今的傳統(tǒng)計算架構(gòu)功耗會隨著規(guī)模與性能等比級數(shù)增加的狀況完全不同。

隨著 AI 議題的日益火熱，Vern Brownell 認為，量子計算將是成為下一代 AI 計算革新的重要推動者，其重要性將會像當初 GPU 推動機器學(xué)習(xí)與深度學(xué)習(xí)般重塑整個 AI 計算環(huán)境的架構(gòu)與思維。這不僅是體現(xiàn)在性能方面，更可借助量子計算的低能耗特性，從根本解決解決未來龐大 AI 計算所需的能源需求。

圖丨D-Wave 的量子計算處理器（來源：EmTech China）

DT 君：為何量子計算機如此重要？甚至比目前半導(dǎo)體計算架構(gòu)都還要重要？

Vern Brownell：由于量子計算源自量子物理，所以我們可以把量子計算稱為自然計算，由于取自普遍的自然界物理現(xiàn)象，利用其龐大的自然計算能量，我們可以快速的解決過去很難利用傳統(tǒng)計算架構(gòu)解決的“人類規(guī)模”問題，比如說找出癌癥的解方，更好的針對個人化的醫(yī)療方法，不僅如此，量子計算在能源領(lǐng)域、目前最流行的 AI 模擬，甚至揭開更多宇宙的秘密，量子計算都會扮演極為重要的角色。

另外，我也要提到關(guān)于量子計算芯片的特性，由于我們的量子芯片目前都是基于超導(dǎo)體技術(shù)，本身不像傳統(tǒng)半導(dǎo)體架構(gòu)會有阻抗、發(fā)熱的問題，而維持芯片本身運作的功耗僅需要 PicoWatt（皮瓦），可以說幾乎不耗電，耗電的關(guān)鍵部分主要是在維持超低溫運作環(huán)境的冷卻設(shè)備，以及為了達到良好的隔熱設(shè)計，導(dǎo)致的龐大機柜結(jié)構(gòu)。

另外，即便未來量子計算芯片性能成長數(shù)倍到數(shù)百倍，功耗還是會維持接近零，而傳統(tǒng)半導(dǎo)體計算架構(gòu)的基礎(chǔ)，也就是 CMOS 結(jié)構(gòu)，卻會隨著規(guī)模、頻率增加而增加功耗，畢竟半導(dǎo)體雖然也是導(dǎo)體，但是有阻抗，有了阻抗就會產(chǎn)生溫度，產(chǎn)生溫度就代表有一定比例的能量被浪費掉，這是傳統(tǒng)半導(dǎo)體技術(shù)的限制，但量子計算機沒有。

也因此，考慮到未來龐大 AI 計算所需要的能源供應(yīng)問題，甚至溫室效應(yīng)，量子計算都可能成為推動綠色環(huán)保的重要角色。

圖丨D-Wave 的量子計算機發(fā)展圖（來源：EmTech China）

我舉個實際例子好了，如果使用量子計算機和特定規(guī)模 GPU 計算叢集相比，在某些應(yīng)用達到一致的性能表現(xiàn)時，量子計算機的整體功耗會是 GPU 的數(shù)百分之一。

而作為冷卻用的設(shè)計若借助良好的隔熱，或者是在極地布建量子計算中心，都可大幅降低為了冷卻所需要的電力，而這部分的功耗基本上是穩(wěn)定的固定支出，不會有太大變動，而會變動的部分，也就是量子芯片本身，其功耗更是小之又小，即便全負載，功耗還是維持一致，而這也是量子計算架構(gòu)的最大優(yōu)勢。

DT 君：如果量子計算芯片普及，是否未來就不需要其它架構(gòu)的計算芯片？

Vern Brownell：我認為，未來數(shù)十年內(nèi)量子計算機其實還是會和其它傳統(tǒng)計算架構(gòu)并存，因為還是有不少數(shù)學(xué)計算工作是傳統(tǒng)計算架構(gòu)比較在行的，比如說與浮點計算相關(guān)的工作，CPU 或者是 GPU 都可以有比量子計算更好的表現(xiàn)，尤其在超級計算機領(lǐng)域，處理的工作基本上也都是浮點為基礎(chǔ)的計算操作。

而其中更重要的一點，那就是量子計算的整體成本在未來不短的時間內(nèi)還很難有效削減。但傳統(tǒng)計算架構(gòu)，比如說 CPU 或 GPU，效能不斷增加，但成本削減的幅度要大于效能成長的幅度，未來隨著營收模式的改變，比如說租用或者是廣告營收的增加，或許這些傳統(tǒng)計算架構(gòu)的硬件價格甚至?xí)咏悖@也是傳統(tǒng)計算架構(gòu)在未來，我認為，至少在數(shù)十年內(nèi)還難以被取代的最大關(guān)鍵。

當然，隨著時間過去，未來可能也會有更多不同的量子計算架構(gòu)出現(xiàn)，比如說我在大會上提到過，以 Google、IBM、Intel 為首的 Gate Model 陣營，微軟主導(dǎo)的 TopoLogical 量子計算，或者是 D-Wave 以及 Google 合作的退火技術(shù)類型量子計算等等，這些新的量子計算架構(gòu)可能會更好的適應(yīng)某些我們常遇到的傳統(tǒng)類型的計算工作，屆時可能整個計算產(chǎn)業(yè)會有不同的面貌。

但短期之內(nèi)，量子計算要大規(guī)模取代傳統(tǒng)計算的可能性不大。短期間之內(nèi)，我指數(shù)十年之內(nèi)，量子計算針對的還是比較特定的應(yīng)用類型，而不是常見的通用計算。

最后還有一個原因，那就是目前的量子計算需要有非常龐大的冷卻設(shè)計，借以維持量子芯片的量子態(tài)，這樣才有辦法利用觀測其量子變化來進行計算工作。相關(guān)的冷卻設(shè)計限制了量子計算的應(yīng)用場景，使其小型化的困難度以及成本的降低暫時無法和傳統(tǒng)計算架構(gòu)相提并論。

DT 君：您怎么看待用半導(dǎo)體工藝創(chuàng)造量子計算架構(gòu)的相關(guān)研究？

Vern Brownell：我認為，基于半導(dǎo)體工藝的量子計算還很遠，由于量子物理作用，如果沒有借助冷卻來大幅降低量子運動，基本上根本無法用來進行計算工作，或者是因為高溫造成量子運動過于躁動，不僅造成量子現(xiàn)象難以觀察，更會導(dǎo)致計算精度大幅下降。而半導(dǎo)體還有一個物理特性，那就是規(guī)模越大或頻率越高，溫度也會越高，這也相對增加了使用半導(dǎo)體技術(shù)來生產(chǎn)量子計算設(shè)備的難度。

雖然我不會說未來基于半導(dǎo)體技術(shù)的量子計算不可能實現(xiàn)，但很多人認為十年內(nèi)要面世的機會不大。

DT 君：目前可見的量子計算設(shè)備都非常巨大，那未來是否有可能小型化？

Vern Brownell：其實，我們主要的客戶并不在意其占用的空間，由于量子計算芯片功耗是固定的，也幾乎不會發(fā)熱，隨著芯片上量子比特規(guī)模的增加，我們可以輕易取得等比級數(shù)的效能成長，比如說一個量子芯片的計算性能每隔 18~24 個月都可以數(shù)倍的比例增加。

而我們在機柜中可同時放入更多量子計算芯片，讓性能有更龐大的成長幅度，而機柜其實就是固定成本，芯片的更換當然也要成本，但是能耗都是維持一定的，也就是說，絕大部分的能耗都是用來讓量子計算的環(huán)境接近絕對零度，量子計算芯片本身幾乎不耗用任何能源，也幾乎不會發(fā)出任何熱量。

這跟我們家里的冰箱一樣，如果在冰箱里面放了熱的料理，冰箱為了維持內(nèi)部溫度的恒定，就必須耗用額外的電力來加強冷卻效率，但是在量子計算方面，由于我們的量子芯片不會發(fā)出熱量，這也對整體環(huán)境溫控以及能耗的維持更為有利，就好像一部幾乎都不開門的冰箱，其耗用的運作電力其實相當?shù)停噍^起傳統(tǒng)超級計算機，量子計算其實要更為省電。若從性能的擴充和維持成本來看，量子計算比起傳統(tǒng)數(shù)據(jù)中心的計算架構(gòu)要更有優(yōu)勢。

當然，也有不少客戶希望能夠獲得較小規(guī)模的量子計算架構(gòu)，我們也設(shè)計了相關(guān)方案，可以在普通機柜的大小就提供龐大的量子計算能力，這對于一些空間有限的客戶，或者是學(xué)術(shù)研究機構(gòu)而言，會是個相當不錯的入門選擇。

另外，我也要強調(diào)一點，那就是我們目前使用的制造工藝，大概等同于于傳統(tǒng)半導(dǎo)體制造工藝的 250nm，而使用更細致的工藝主要就是用來增加作為計算核心，相當于晶體管地位的 Josephson junction（約瑟夫遜結(jié)）。

目前，我們的芯片大約使用了 20 萬個約瑟夫遜結(jié)，下一代芯片可能直接增至百萬個，更重要的是，我們希望把芯片尺寸維持一定，但借助工藝的改良增加計算密度，相較起傳統(tǒng)半導(dǎo)體產(chǎn)業(yè)已經(jīng)幾乎到頭的工藝進展，量子計算還有非常大的規(guī)模成長空間。

※在這邊 DT 君也要簡單科普一下，D-Wave 在 2013 年時就已經(jīng)把相關(guān)的制造工藝轉(zhuǎn)移給 Crypress，因此目前 D-Wave 的量子計算芯片基本上都是在 Cypress 進行制造。

DT 君：您怎么看量子計算往通用化發(fā)展的方向？

Vern Brownell：目前，要用于通用計算的量子計算架構(gòu)以 IBM、Intel 和 Google 正在發(fā)展的 Gate Model 量子計算架構(gòu)為主，而 D-Wave 所使用的退火技術(shù)其實也可以做到通用計算的目的。

一般而言，如果你要建造一個 2000 量子比特的量子計算機，就必須在芯片上集成 200 萬個以上的量子比特，而 IBM 所使用的 Gate-Model 架構(gòu)，就必須使用高達數(shù)百萬個量子比特以上，因此在芯片成本或者是芯片的設(shè)計復(fù)雜度上，Gate-Model 就很難與退火技術(shù)架構(gòu)相提并論，而退火技術(shù)架構(gòu)其實也可以做到通用計算的工作。

值得注意的是，微軟主導(dǎo)的 TopoLogical 量子計算架構(gòu)使用了 Majorana particle(馬約拉納粒子) 來作為量子計算的核心，理論上，要建造一個 1 量子比特的 TopoLogical 量子計算機，只需要一個馬約拉納粒子，而不需要額外的糾錯設(shè)計，就理論上而言，會是個極具競爭力的量子計算架構(gòu)。然而馬約拉納粒子目前只存在于理論上，微軟還在尋求技術(shù)上的突破。

圖丨D-Wave 的使命和商業(yè)模式

也因為退火技術(shù)技術(shù)雖然有其應(yīng)用限制，但是理論最成熟，應(yīng)用也最快，復(fù)雜度也相對可接受，借此，我們能夠領(lǐng)先業(yè)界十年，推出世界上首部商用的量子計算機。

雖然退火技術(shù)在通用化的限制較大，這也常成為過去被攻擊的重點，但我們也針對通用計算增加了設(shè)計上的擴展，雖然一定程度增加了復(fù)雜度，但是在應(yīng)對未來量子計算的應(yīng)用廣度上就和 Gate-Model 或 TopoLogical 架構(gòu)沒有什么不同。

當然，未來量子計算一定會走向通用化，D-Wave 針對這方面的需求自然也有我們自己的考量，由于生態(tài)是循序漸進的，若當初第一時間在退火技術(shù)架構(gòu)上就實作通用計算，其實并不合理，也會大大延遲量子計算機的商用腳步。

DT 君：您怎么看 AI 時代，相關(guān)應(yīng)用的火熱是否帶給量子計算很大的發(fā)揮空間？

Vern Brownell：沒錯，量子計算機的物理特性能夠有效的幫助 AI 的邏輯推論過程，這點不論選擇的量子計算架構(gòu)是何種都相差不大。我也認為，量子計算對于 AI 計算的變革，其實就像當初 GPU 架構(gòu)之于深度學(xué)習(xí)一樣。

但這并不表示量子計算會取代 GPU 計算，而是量子計算可以和 GPU 合力解決很多 AI 應(yīng)用更深層的問題，GPU 很好的應(yīng)對了第一代以及第二代，也就是我們現(xiàn)有的 AI 環(huán)境計算需求，但我認為，量子計算機和 GPU 的合作，將是應(yīng)對未來更復(fù)雜 AI 環(huán)境計算的最有力的組合。

我們都知道，量子計算都是基于可能性發(fā)展的計算方式，下一代我認為深度學(xué)習(xí)也將走向可能性的分析預(yù)測能力上，這點量子計算就能帶給產(chǎn)業(yè)非常大的幫助。通過可能性的推演，我們可以用更少的數(shù)據(jù)來進行訓(xùn)練，或者是使用有噪訊，過去不能被用來當作訓(xùn)練數(shù)據(jù)的數(shù)據(jù)來進行訓(xùn)練，這可以讓 AI 拓展到更廣泛的應(yīng)用環(huán)境中，并能夠大幅加速整個從訓(xùn)練到建模的過程。

由于量子計算的節(jié)能特性，將大幅減少超級計算領(lǐng)域所需要的功耗需求。過去有不少人擔心，由于普及 AI 所需要的大量的數(shù)據(jù)計算會帶來龐大的能耗，將可能把地球能源消耗殆盡，但借助量子計算的特性，即便規(guī)模和性能大幅增加，但相關(guān)計算功耗仍可維持在極低狀態(tài)，這對于改善計算領(lǐng)域的能源使用效率以及幫助溫室效應(yīng)議題方面，也都帶來極為正面的幫助。