離量子霸權不遠了，Google全球首發72 量子位元處理器|數位時代 BusinessNext

離量子霸權不遠了，Google全球首發72 量子位元處理器

IBM、Intel、Google、微軟積極搶奪量子霸權。最新進展是，Google 量子 AI 實驗室公布具備72量子位元（qubit）的處理器「Bristlecone」，是目前全世界量子位元最多的處理器，未來若能逐步將處理器的錯誤率降低，距離普及應用那天將不會太遠。

超越IBM，Google展示72量子位元處理器「Bristlecone」

跟一般傳統電腦相比，量子電腦擁有極快的運算速度，傳統電腦用簡單的0與1位元（bit）來儲存資訊，而量子電腦可以將0或1、0與1相互疊加，處理更多、更複雜的資訊。

而當處理器擁有越多的量子位元（qubit），就能夠一次處理越多的資訊。本周Google量子 AI 實驗室（Google Quantum AI lab）公布了具備72量子位元（qubit）的處理器「Bristlecone」，將IBM先前推出50位元的處理器遠遠拋在腦後。

先前Google的量子電腦產品只有9位元（qubit），這次放大到72位元大大向外界宣示發展決心，雖然Bristlecone處理器在組成、讀出上與先前的版本並沒有太多不同，但Google表示，開發Bristlecone是要提供研究人員一個測試平台，讓量子技術的誤差率、可擴展性進一步優化。

量子位元雖提高，錯誤率仍有待降低

量子位元大多極不穩定，可能因為噪音等干擾導致數據流失，因此目前必須將處理器放置在比太空還冷上250倍的實驗室中。

目前「量子霸權」(quantum supremacy）的定義，是處理器要達到50量子位元（qubit）、雙量子位錯誤率低於0.5％，屆時運算能力將會超越世界上所有電腦，具有解決傳統電腦所解決不了問題的能力。

雖然這次Google公布了72量子位元處理器，理論上已經比量子霸權的定義更大，但錯誤率的穩定仍是一大關鍵，先前Google的9量子位元處理器有達到錯誤率0.6%的成績，而這次官方並沒有公布Bristlecone的錯誤率，但仍在聲明中強調若錯誤率可以下降，將可以超越目前的超級電腦，處理龐雜的運算問題，指出雖然目前沒有人能真正達到量子霸權目標，但仍對目前發展相當樂觀。

不只Google、IBM想成為第一個達成量子霸權的公司，像是微軟也有自己的量子電腦研究部門，去年也曾推出程式語言「Q#」、Intel將量子電腦處理器放到矽芯片上，加速研發腳步、Rigetti這類的新創公司也在積極布局。

量子電腦要能真正商業化，必須要達到100萬量子位元以上才合格，以現階段72量子位元以及錯誤率無法降低的狀況來看，量子電腦還有許多困難等待突破。

迎接AI代理時代，中國信託3大策略重點加速金融轉型

中國信託金控自2018年起便系統性的推動AI應用，透過3大策略重點，全面深化AI於企業營運與金融服務的應用，展現其在AI創新實踐領域的領導地位。

台灣年度AI盛會「2025 AI TAIWAN未來商務展」日前圓滿落幕，展會期間同步登場的「2025 AI TAIWAN國際趨勢高峰論壇」也吸引來自產官學界的高度關注。副總統蕭美琴親臨現場致詞時指出，人工智慧正以前所未有的速度改變全球產業版圖，台灣正站在這場關鍵變革的十字路口，必須積極布局。

「我們已在硬體供應鏈上打造出一座堅固的山頭，接下來，台灣更要以AI與軟體應用為核心，開創下一座新高峰，讓台灣持續站穩世界舞台。」蕭美琴強調。

AI應用邁入「代理時代」，大量數位員工走進職場

目前，AI應用的發展已從單純的聊天問答與內容生成，邁入全新的「代理時代」。Google前台灣董事總經理簡立峰說明，所謂AI代理（AI Agent），不僅能理解與回答問題，更具備推理、規劃甚至執行任務的能力。像是特斯拉的無人計程車服務，或Amazon的倉儲與送貨機器人，都意味著AI不再只是螢幕中的語言模型，而是直接參與了人們的日常生活，甚至取代部分白領工作，成為職場上的虛擬同事，舉凡代理撰寫軟體程式碼、產出研究報告等任務，AI都能勝任。

受邀擔任主題演講嘉賓的中國信託金控資訊最高主管賈景光，對此趨勢也有相同見解。他預期，未來金融職場將迎來大量數位員工，AI角色亦將從過去的助理定位，躍升為具備博士班水準的專業夥伴，全面協助企業提升營運效率與生產力。

事實上，為了迎接這股變革浪潮，中國信託早在2018年便前瞻性地成立AI實驗室，積極借鏡國際金融業的成功經驗，推動各項AI專案。這項超前部署的策略，也讓中國信託成為台灣首家連續四年榮獲《Global Finance》雜誌「全球傑出金融創新實驗室」殊榮的金融機構，展現其在AI創新應用領域的領導地位。

中信AI發展策略的3大核心重點

進一步探究中國信託金控的AI應用發展策略，可以歸納出3大核心重點。

第一是採取「導入通用工具＋自建AI模型並行」的雙軌推動模式。目前市面上由科技大廠或新創企業提供的AI工具已相當成熟，如：語意搜索、摘要總結、內容生成等工具，只要確保符合資安與內控標準，即可快速導入與應用。此外，針對中信獨有的經營Know-how、產品知識、關鍵決策能力等核心競爭優勢，則透過自建AI模型的方式內化至系統中，藉此強化差異化競爭力，與通用工具形成有效互補。
第二為打造AI賦能的企業文化。賈景光強調，推動AI賦能，絕非單純的技術導入專案，而是一場全方位的企業文化變革，必須由高階主管帶頭學習與使用AI，再結合員工教育訓練、不定期內部應用成果與外部趨勢分享、建置學習資源庫、以及Prompt Engineering的技巧養成與實戰演練等方式，循序漸進，逐步型塑出AI賦能的企業文化。

尤其考量到「如何下正確指令」（Prompt Engineering）是AI效益最大化的關鍵，中國信託也將內部累積的指令設計技巧與應用實例，整理為知識庫，讓全體員工得以共同學習、快速上手，加速落實AI於日常工作中。目前，中國信託金控已經盤點出超過200個AI應用情境，協助員工有效提升40%至70%生產力。

第三則是鎖定關鍵應用場景、最大化AI導入成效。每個產業都有自己的關鍵議題，企業在導入AI時應回歸業務本質，從產業策略與關鍵流程出發，找出痛點並對症下藥，才能創造出AI應用的最大價值。

像中國信託便聚焦於優化客戶體驗、提昇內部效率與風險管理3大金融業核心議題，發展相關的AI應用，例如：智能客服已實現70%的客戶詢問可於1秒內快速回應、自主研發的AI模型能主動偵測並攔截可疑交易，2024年累計成功阻擋的詐騙金額已達8.4億元新台幣，為客戶資產安全提供有力保障。

隨著內部AI應用已小有所成，如今，中國信託正積極邁向產業共創階段，並響應金管會倡議成立的「金融科技產業聯盟」，擔任「金融科技應用研發工作圈」的首屆召集人。透過聯合學習、金流履歷、資料整合等方式，研發可以解決金融業共通性問題的AI相關應用，如 : 目前的首要任務是建構全國性金融同業防詐平台，以科技精準阻詐、達到守護民眾財產安全的目的。賈景光強調，唯有打破單打獨鬥，串聯產業力量，才能加速AI在金融業的落地與深化，進一步提升台灣在國際舞台上的AI應用實力，真正讓台灣的金融科技在全球發光發熱。