波士顿：量子计算将于25年内发展成熟 2030年市场规模可超500亿美元

量子计算机近年来声名大噪，潜力巨大，但仍然存在着很多障碍。量子计算何时能在商业上大展身手?我们最近的研究表明，答案可能比许多人想象的要快。

量子计算并不是二进制经典计算的替代品，二进制经典计算已成为现代生活的主要应用工具。但套用诺贝尔奖得主理查德•费曼(Richard Feynman)的话来说，由于量子计算机利用量子物理学来模拟物理世界，它们能够解决当今计算机永远无法解决的问题。

并不是每个人都需要这种能力，但是使用量子计算机来模拟物理系统在制药、化工和能源等行业有直接的应用。使用量子数学的算法可以通过加快搜索、密码学和机器学习等领域的数据密集型应用来释放价值。在未来，由经典计算机(经典计算机可从量子计算机获得辅助)组成的混合系统将解决今天难以解决的问题。

我们预计量子计算将在未来25年历经三个阶段而发展成熟。公司可以使用早期的技术来更快地解决实际业务和研发需求。事实上，我们看到一个潜在可寻址的量子计算市场，到2030年将超过500亿美元。然而，只有当技术能够产生关键应用所需要的“逻辑”量子比特(量子计算的基础)的数量时，才能实现这种潜力。

还有很长的路要走：量子模拟大约需要150个逻辑量子比特，每一个逻辑量子比特都由10到数千个“物理”量子比特组成，这些量子比特是修正误差和维持稳定性所必需的。正如加州理工学院(California Institute of Technology)的John Preskill今年早些时候指出的那样，如今的量子处理器使用的是噪音很大的物理量子比特，其性能有限，而且容易出错。它们应该被视为创造性能更强大技术的基石;它们的主要短期价值是为开发长期有用的量子算法和应用程序提供一个平台。还需要更全面的指标来衡量量子处理的进展。一个例子是IBM的“量子卷”，它对量子计算机的处理能力进行了很好的评估。

IBM最近宣布了一款由20个量子比特组成的量子处理器和一款能够模拟多达49个量子比特的模拟器，但几个月后谷歌又推出了其Bristlecone芯片——72个量子比特处理器。包括英特尔、微软、麻省理工、耶鲁和牛津在内的其他大型科技公司和研究机构也在这一领域积极探索。

在此，我们为企业高管如何思考量子计算及其应用提供了指南。我们探讨了一个可能的开发时间表、几个高潜力的早期应用、目前的技术状况和可能采用的模型，以及公司现在为量子计算的到来所能采取的步骤。

量子比特即将到来

对于实际的量子计算业务应用程序，有两个主要的先决条件:具有足够的量子比特以运行量子模拟的处理器，以及解决应用程序背后数学问题的量子算法。在密码学和机器学习等领域，已经有了一些这样的算法。处理器正在积极开发中，越来越强大的处理器的研发速度也在加快。

为了捕捉市场机会和评估量子计算应用程序可用性的时间，波士顿咨询公司研究了各种功能，包括计算负载超过经典计算能力，并且可以应用量子数学解决方案的能力。根据解决问题所需的计算速度，我们识别了三种类型的问题，即量子计算在运行时速度上优于(或可能优于)经典计算。(见表1所示。)

显著的速度优势。因为经典的计算机是按顺序工作的，所以它们不适合处理非常大或复杂的问题。例如，没有已知的解决方案将大量的数字分解为它们的素数;计算机只能通过尝试和错误来猜测，而尝试的次数随着数字的数量呈指数增长。相比之下，量子计算机可同时解决多个问题;实际上，他们同时考虑了所有可能的解决方案，并抛弃了那些不起作用的方案。对于某些问题，量子处理器的解决方案运行时间是呈线性增长的，而不是随维数呈指数增长的，这就产生了巨大的速度优势。一个大数字的质因数分解是一个指数计算问题，可以用量子方法(以及称为Shor算法的特定数学解决方案)在一定的时间内解决。

在药物和化学研发方面，这一具有巨大短期市场潜力的显著速度优势的应用之一是:模拟分子间的相互作用，因为它们按规模增长，由于它们的解决方案复杂度呈指数级增长，类似于大量的质数因子分解。与理查德·费曼的设想一致，量子处理器可以同时考虑所有可能的相互作用，并达到分子的最低能量状态。我们估计，到2030年，量子模拟可以产生一个有望达到200亿美元的制药市场，另外70亿美元来自化工、材料科学和其他材料科学密集型产业。

中等的速度优势。解决涉及非结构化搜索的问题(包括那些对机器学习应用程序至关重要的问题)的时间，也会随着问题的大小呈指数级增长。量子数学解决方案，如Grover的算法，保证了非结构化搜索的中等速度优势(与问题大小的平方根成比例)。如今，大型搜索和机器学习问题都是通过Nvidia等公司生产的大型、并行、专业的图形处理单元(GPU)来解决的。我们预计，随着量子计算方法取代基于GPU平台，搜索和机器学习应用市场规模将超过200亿美元。这一潜力可能是谷歌和IBM对搜索优化量子计算平台感兴趣的原因。

不确定的速度优势。今天的经典计算方法充分地解决了涉及复杂操作或网络的问题——例如，运输和物流中的路径优化。量子计算方法可以提供超过某个问题大小阈值的速度优势，但我们在研究中进行交谈的公司认为当前的计算方法是足够的。目前尚不清楚量子计算能否在未来释放出重大的新价值。

量子比特何时到来?

简而言之，技术上的挑战在于:用量子算法解决特定问题需要足够的量子计算能力。这由逻辑量子比特的数量(大致相当于传统处理器中的比特和内存的数量)和处理错误纠正所需的更大数量的物理量子比特所满足的(后面将详细介绍)。

我们现在正处于一个与早期二进制计算机发展阶段相当的阶段，当时机械计算机、真空管和半导体都在竞相成为计算机的物理平台。当今竞争的量子计算技术包括超导体、离子陷获、捕获离子和半导体平台。为了预测每个平台的市场发展速度，我们估计了不同规模的量子计算机何时可以在每个平台上使用。我们这样做是考虑到每一项技术的起始点，并酌情应用摩尔定律(物理量子比特的数量大约每24个月增加一倍)，所有技术平台的专家都认为，考虑到底层硬件的可伸缩性，这是一个合理的假设。对于每一项量子技术，我们都识别了到目前为止实现的物理量子比特数量和从多个物理量子比特创建逻辑量子比特所需的错误修正能力。

基于这些假设和当前的起点，我们预计量子计算市场将会经历三个阶段的发展。在第一阶段(2018年-2028年)，工程师们将开发非通用量子计算机，用于低复杂性模拟等应用。这些计算机的大部分开发将在未来几年进行，它们将一直使用到第二代到来之前。

第二阶段(2028年-2039年)将是量子计算机扩展到50个逻辑量子比特并在经典计算的基础上取得“量子优势”的时期——这意味着它们将能够在特定的应用中更快地执行某些算法。第二代量子计算将集中在分子模拟、研发和软件开发等问题上。在此期间，可用的应用程序将进入市场，创造重大价值。与此同时，量子信息处理作为一个领域将会进一步发展，公司将会更加熟悉量子模拟的方法。

在第三阶段(2031年-2042年)中，量子计算机将在高级模拟、搜索和优化的商业应用取得比经典方法更有显著优势的规模。由于摩尔定律的扩展，以及量子计算在某些应用中超过二进制计算的阈值，第二阶段和第三阶段量子计算机之间有相当大的重叠。作为一个总体轨迹，我们预计量子计算将在未来十年稳步发展，到2030年左右将出现显著加速发展。

有些应用程序可能比你想象的将更快到来

虽然量子计算的最大潜力还需要十多年的时间才能挖掘，但是商业领袖们应该关注第一代量子计算机的发展——尤其是未来几年。在此期间，我们预计化工等行业的公司将在相对简单的分子建模和专业优化方面，对有限的量子计算应用进行实验。这些公司将通过实际操作熟悉量子计算方法和工具。IBM和微软都在开发量子计算社区、量子计算模拟器和易于使用的工具，这些工具让开发人员接触到量子处理技术。随着量子算法、编程语言和量子处理器即云服务的出现，开发人员将逐渐将它们合并到软件解决方案中。结合经典和量子方法的混合计算系统将会出现。这个学习阶段对于提高意识和经验是至关重要的，这样一旦量子优势在某些领域取得成功，就可以迅速采用。

如上所述，量子计算机显著的速度优势在于用来了解特定的相互作用和化学过程的大型分子建模。这个想法是使用量子处理器来创建一个量子(而不是数字)的孪生，或者模拟，并对涉及到亚原子水平的量子过程建模。制药和化学公司已经在试验量子模拟的潜力，以加速药物的发现和减少设计分子的意外副作用。这些行业的高管估计，以这种方式识别新目标，可以将药物发现率提高5%至10%，并将开发速度提高15%至20%。他们还认为，更佳的分子设计可以将药物的批准率提高1.5倍至2倍(见表2)。正如一家大型制药公司的研发副总裁所说：“在原子层面上，目前的高性能计算无法处理大多数模拟。”量子可以呈指数地增加药物的发现。

仅在美国的制药行业，如果今天能提供处理复杂原子的量子模拟，将会有10%的公司愿意为此功能付费，量子计算将提供150亿到300亿美元的可寻址市场机会。目前，全球高性能计算市场规模为100亿美元。

还有其他的实际应用。量子计算可以用于加速与呈指数增长数据集一起使用的搜索和机器学习算法。这对于释放数据的价值将变得越来越重要，例如，在物联网中数以百亿计的设备，将可用的数据量驱动到最上层。

对于某些类型的问题，搜索解决方案需要试误，并同时测试潜在的解决方案。想象一个由成千上万个由桥梁连接起来的岛屿组成的群岛，需要找到一条只穿过每个岛屿一次的道路。可能的解决方案的数量随着岛屿的数量呈指数级增长，但是检查给定路径是否满足单独访问岛屿的限制是很简单的。如果我们假想的岛屿难题有100万种可能的解决方案，那么一台二进制计算机平均需要50万次尝试才能找到合适的解决方案。运行Grover算法的量子处理器只需1000次就能解决问题——速度快500倍。

这相当于搜索算法以及基于机器学习的大型多层神经网络所面临的问题类型。对于神经网络来处理诸如物体检测和识别之类的任务-例如确定突然出现在自动驾驶汽车前面的物体是风吹塑料袋还是婴儿车 -他们需要在大型数据集以及通过反复试验和监督学习获得大量结果的基础上进行训练。虽然机器学习和人工智能已经通过大型数据集和并行、低成本的GPU的结合成为现实，但量子计算机可以加速神经网络的训练，并增加它们能够处理的数据量。该项应用是一个活跃的研究领域，因为科学家和工程师试图识别可以用于解决机器学习的量子算法。随着越来越多的算法被发现，量子计算机相对于传统计算机的基本优势可能导致到2030年价值200亿美元的高性能机器学习计算市场将被取代。

今天的技术……

量子计算的强大之处在于，它是一种与我们都习惯的基于逻辑的二进制计算截然不同的技术。有三个基本的区别。第一个与比特有关。二进制计算机使用二进制比特:所有比特都是基于1和0，或者像有些人想的那样，是开或者关。另一方面，量子比特可以同时处于1和0的状态，也可以同时是开和关。电灯开关是一个在理论上有无限多的设置的调光器。量子比特是关于概率的，而不是是非黑即白的确定性。

第二个区别是二进制计算机将所有的1和0分开;他们必须按顺序进行计算。量子计算研究的是有目的的量子比特纠缠;通过操纵一个，你可以同时操纵它所有的纠缠量子比特。好比调节一个调光器会影响房间里所有的人，也会影响房子里所有的人。这就是量子计算的计算能力。

第三个区别在于量子计算机的工作方式。当二进制计算机按顺序进行大量的算术计算时，量子计算机同时计算所有可能的结果，并通过建设性的干涉确定一个可能正确的答案;它“排除”了所有错误的答案。在连接岛屿的桥梁的例子中，量子计算机将同时考虑所有可能的路径，并确定一个在概率分布上来说是“正确”的路径。

从实际工程的角度来看，量子计算机具有实际约束。量子电路在非常低的温度下(接近绝对零度)工作状态最佳。量子状态极度不稳定;任何外部影响都会增加出错的几率，这就是为什么它们需要被超级冷却和隔离。量子比特的稳定性、连贯性和错误修正是主要的问题——事实上，当机器足够大可用来做模拟时，物理量子比特(控制和修正所需的)与做实际工作的量子比特的比率可能高达3000比1。由于这些原因，量子计算机需要大量的周边基础设施，并且类似于大型气候控制数据中心中的旧式大型机(只要足够冷!)，远远超过现在的笔记本电脑或智能手机的工作能力。

……未来的技术

今天的量子计算机发明的早期阶段,就像经典计算在1950年代早期,当威廉·肖克利的贝尔实验室发明了硅基固态晶体管取代了为最早的计算机提供动力的真空管，并引领了科技行业追求持续至今的更加细小和强大的处理器。

一些量子技术正在竞相达到有用的量子比特阈值。有两种技术已经取得了足够的进展，可以用于商业应用:捕获离子和超导体。捕获离子被广泛认为能够生产出高质量的量子比特(那些具有最低的固有错误率的量子比特)，因此目前无论是在关键应用的上市时间和资本成本方面都比超导体具有优势。在2017年底，研究捕获离子的研究人员成功地将14个量子比特纠缠在一起，以99.9%的逻辑成功率完成了指定的操作。超导体的可比数是9量子比特和99.4%的逻辑成功率。根据摩尔定律，如果每种技术都遵循一种开发场景(没有改进错误修正)，那么捕获离子将首先达到大型量子模拟应用所需的150个逻辑量子比特的阈值，但要到2040年前后才能实现。

也就是说，错误修正的需求是资源需求的最大驱动因素，对规模和成本的影响非常大。错误纠正的显著减少可能会加速捕获离子规模和成本更快降低关键阈值，可能早在2028年至2030年实现。微软正在开发一种量子计算技术，其物理和逻辑量子比特之间可能存在一对一的比例，但目前尚未产生任何可用的原型。在短期内，我们认为被困离子很有可能首先进入市场，，但它在早期技术方面仍然有许多固有的风险。

一旦确定了技术可行性，我们期望看到S曲线采用模式，类似于其他先进技术。每个应用程序的采用将取决于量子处理带来的优势程度以及指导问题解决的算法成熟度。更具体地说，考虑到量子计算可以在平台即服务的模式下运行，具有显著速度优势的应用程序可以在五年内迅速被采用，其普及率大约为70%，类似于GPU在机器学习应用中的普及率。应用程序提供了一个中等的速度优势最多可能需要15年使普及率达到50%，

总的来说，我们预测将会出现一个巨大的量子计算市场，但根据关键的技术里程碑何时实现释放实际业务适用的计算能力，该市场规模达到的时间可能会有很大的不同。在“基本情况”的情况下(假设摩尔定律的量子比特发展速度没有改进错误修正)，量子应用市场在2035年将达到20亿美元左右，到2050年随着应用的增多，将飙升至2600亿美元以上。如果出现“上行”情况，需要大幅减少错误修正的需求，那么就会看到一个大型市场加速发展:2035年约为600亿美元，到2050年将增长至2950亿美元(相比之下，目前全球商业和消费计算市场的规模为8000亿美元)。(见表3。)

企业应该如何准备实现量子飞跃?

量子计算并不适合所有公司。但是，如果您的公司处于一个数据密集型领域，或者是一个能够在一定实际时间内运行复杂的真实世界功能和交互模拟的行业，那么您将希望使用这种先进的技术。巴斯夫(BASF)、大众(VW)、空中客车(Airbus)等公司已经在投资建设量子计算。良好开端的第一步是利用IBM、微软和其他公司提供的量子计算平台和工具，构建对量子算法的理解，并获得经验。QxBranch、QC Ware、1Qbit等新兴的软件开发和咨询公司正在多个行业开发量子应用。公司可能也想考虑资助量子应用领域的学术研究。例如，IBM正在与麻省理工学院合作，研究人工智能和量子计算。

制药公司和其他依赖材料科学创新的公司应该开始探索使用量子处理器的分子模拟。(IBM利用量子计算机上可伸缩的方法，精确地模拟了迄今为止最大的分子——铍氢化物(BeH2)。)他们还应该挑战他们的研发组织，以跟上量子计算的最新进展。利用搜索、神经网络和优化算法的公司应该鼓励他们的数据科学家学习量子算法和方法，并研究量子处理器如何显著提高他们的能力。就像人工智能和机器学习等其他先进技术一样，那些能够尽早利用量子计算优势的公司将会获得巨大的优势。

值得注意的一点是:量子计算对密码学和加密具有潜在的重要意义。由于目前的加密方法通常依赖于大数的质因数分解，量子计算在实际时间范围内对这些数字进行因式分解的能力对于保护消息的安全性是一个潜在的(如果是长期的)威胁。尽管所需的逻辑量子比特(超过1000个)的数量表明，量子加密破解计算机在2040年以前将不可用，但企业应该关注正在出现的量子防护加密方法，并准备摆脱对质数分解方法的依赖，尤其是在关键应用中。中国和美国等国家已经在安全通讯的量子研究上投入巨资，中国发射了第一颗致力于实现量子通讯渠道的卫星。

量子计算正迅速地从研究实验室转移到现实世界的应用。它有可能在未来十年为企业带来重大价值。高管们需要开始关注显示量子计算机正在登上霸主地位的关键里程碑，想要利用这一优势的公司需要开始构建内部能力，以充分利用量子处理器所能提供的神奇但令人敬畏的计算能力。