量子摩爾定律問世:量子體積每年翻倍,10年內實現量子霸權
量子摩爾定律問世:量子體積每年翻倍,10年內實現量子霸權
2019.03.11 | IBM

量子摩爾定律來了!

在近日召開的2019年美國物理學會三月會議上,IBM拋出了這個概念。

在這次會議上,IBM宣布它最新型的量子電腦——今年一月在CES上亮相的全球首台商用量子運算一體機IBM Q System One提供了「迄今為止最高的量子體積」。

「量子體積」(Quantum Volume)是IBM提出的一個專用性能指標,用於測量量子電腦的強大程度,其影響因素包括量子位元數、閘和測量誤差、設備交叉通信、以及設備連接和電路編譯效率等。

因此,量子體積越大,量子電腦的性能就越強大,能夠解決的實際問題就越多。

重要的是,IBM發現量子體積遵循一種「摩爾定律」:其量子電腦實現的量子體積,每年增加一倍:

  • 2017年IBM的Tenerife裝置(5-qubit)已經實現了4量子體積;

  • 2018年的IBM Q設備 (20-qubit),其量子體積是8;

  • 2019年最新推出的IBM Q System One(20-qubit),量子體積達到16

也就是說,自2017年以來,IBM每年將量子體積翻了一倍。

量子01.jpeg
圖/ 鈦媒體

這種倍增與摩爾定律非常相似。摩爾定律由英特爾創始人之一的高登・摩爾提出,即:

集成電路上可容納的晶體管數目,約每隔兩年便會增加一倍。

IBM還制定了一個雄心勃勃的時間表:為了在2020年代實現量子霸權,我們需要每年至少增加一倍的量子體積!

量子體積是什麼?

IBM在部落格上發布了對System Q One的幾個模型測試結果的概述。

當然,重點的測量指標是「量子體積」,團隊還發表了一篇論文,詳細描述了這個指標以及如何運算。

在論文中,他們指出,新的度量標準「量化了電腦成功實現的最大寬度和深度相同的隨機電路」,並指出它還與錯誤率密切相關。

量子02.jpeg
圖/ 鈦媒體

除了提供迄今為止最高的量子體積之外,IBM Q System One的性能還反映了IBM所測量到的最低錯誤率,平均2-qubit gate的錯誤率小於2%,其最佳gate的錯誤率小於1%。

低錯誤率很重要,因為要想構建功能完備、大規模、通用、容錯的量子電腦,需要較長的相干時間和較低的錯誤率。

量子體積是衡量量子霸權(Quantum Advantage, 又稱量子優勢)進展的一個基本性能指標,在這一點上,量子應用程式帶來了超越經典電腦本身能力的重大、實際的好處。

接下來,詳細闡述「量子體積」的概念和意義。

IBM對Q System One進行了詳細的基準測試,並在部落格中公佈IBM Q Network系統「Tokyo」和「Poughkeepsie」以及公開發布的IBM Q Experience系統「Tenerife」的一些性能數據。

特定量子電腦的性能可以在兩個層面上表示:與晶片中基礎量子位相關的度量,我們稱之為「量子器件」,以及整體系統性能。

下表比較了四個最近的IBM Q系統中量子器件的基本指標:

量子03.jpeg
圖/ 鈦媒體

IBM Q System One的性能可以體現在測得的一些最優性能/最低錯誤率數字中。平均兩個量子位元閘誤差小於2%,最佳閘錯誤碼率小於1%。

IBM的設備基本上受到相干時間的限制,對於IBM Q System One來說平均為73μs。

平均兩位元率誤差率在相干極限的兩倍之內(1.68倍),該極限即由量子位T1和T2設定的理論極限(IBM QSystem One平均為74μs和69μs)。這表明IBM的控件引起的誤差非常小,已經接近該器件上最高的量子位元保真度。

量子04.jpeg
圖/ 鈦媒體

為了在本世紀20年代實現量子優勢,需要每年至少將「量子體積」增加一倍。

IBM的五量子位元設備Teumife的量子體積是2017年首次透過IBM Q Experience量子雲服務提供的,目前的IBM Q 20-量子位的高端設備的量子體積為8。最新結果表明,IBM Q System One性能已經超過16量子體積。自2017年以來,IBM Q團隊每年都實現了量子體積的倍增。

下面是一張量子系統開發路線圖,以量子體積為衡量標準,量子系統運算力每年增長一倍。

量子05.jpeg
圖/ 鈦媒體

有趣的是,其實可以將上圖與Gordon Moore在1965年4月19日提出這張著名的「摩爾定律」圖表進行比較:

量子06.jpeg
圖/ 鈦媒體

為了實現0.01%的誤差率,需要將相干時間提高到1-5毫秒,這是一個漫長的未來之路,在量子系統中實現這一目標需要克服很多激動人心的挑戰。

在製定係統路線圖的同時,需要同時研究元器件的基本物理特性,並測量了單個超導傳輸量子位元T1弛豫時間長達0.5毫秒(500微秒,質量因數為1500萬),研究結果表明這些器件不存在基本材料上的限制問題。

量子07.jpeg
圖/ 鈦媒體

雖然「量子體積」可用於表徵設備性能,但業界也可以使用其他指標,例如測量設備上的糾纏量子位的方式,從中提取有關係統性能的更多信息。

對於多量子位糾纏,一個簡單的衡量標準是n-qubit Greenberger-Horne-Zeilinger(GHZ)狀態的斷層攝影(可完全描述未知量子態的相同集合的過程),比如4量子位狀態。

量子08.jpeg
圖/ 鈦媒體

首先準備GHZ狀態,並通過在不同基礎上的各個量子位的投影,重建我們創建的狀態。這裡的量度指標是可實現的實驗狀態相對於目標狀態的保真度。

狀態層析成像對測量誤差很敏感,因此如果不具備去除這些誤差影響的技術,我們重建的4量子位 GHZ狀態的保真度為0.66,可以繪製出如下的密度矩陣:

量子09.jpeg
圖/ 鈦媒體

不過,可以透過額外校準測量來確定測量誤差的倒數,並對層析成像數據進行測量校正,從而降低這些誤差。同樣的數據經過校正處理後,保真度提升至0.98。請注意,此值不包括誤差線,誤差線將包含由於狀態準備和測量誤差引起的統計噪音和系統噪音。

Qiskit Ignis是一種理解和降低量子電路和器件噪音的框架,也是IBM的開源量子開發套件Qiskit的一部分。 Qiskit Ignis中包括測量誤差降噪。

降噪後的4位元GHZ狀態層析成像,保真度為0.98。

量子10.jpeg
圖/ 鈦媒體

我們還對IBM Q System One上的真正糾纏狀態進行了初步測量,共有多達18個量子位元糾纏。

這些初步結果,再加上量子體積和降低測量誤差技術的改進,以及新的快速高保真量子位測量的成果,將在2019年3月美國物理學會的會議上公佈。

量子運算的噪聲中間量子(NISQ)時代的到來是一個激動人心的時刻——從硬體、軟體到物理學的突破,再到新的量度標準的誕生。要在實用系統上繼續改進「量子體積」量度標準,仍需要進一步的研究和應用。IBM計劃在紐約Poughkeepsie開設新的量子運算中心,在2019年下半年製造具有相當性能水平的量子運算系統。

1965年,高登·摩爾曾斷言:「集成電子技術的未來是電子產品本身的未來。」而我們現在相信,量子運算的未來將成為電腦本身的未來。

史上最高量子體積的量子電腦,是何方神聖?

IBM Q System One,號稱全球首台量子運算一體機,它體積如同大象,算力不敵小手機。

今年一月,拉斯維加斯CES展會上,Q System One首次亮相。

量子11.jpeg
IBM Q System One。
圖/ 鈦媒體

它猶如一件藝術品,被安置在一個2.74公尺高、2.74公尺寬的的硼矽玻璃櫃中,中間掛著吊燈一般的量子運算核心硬體,由一個閃亮的圓柱形黑色外殼包裹,裡面的所有部件都被精妙地隱藏起來。

當然,為了方便維護,玻璃外殼可以使用電機打開。

IBM Q System One由許多自定義組件組成,這些組件協同工作,可用於最先進的基於雲的量子運算程式,包括:

  • 具有穩定性和自動校準能力的量子硬體設計,提供可重複、可預測的高質量量子位元。

  • 製冷工程,提供連續冷卻、孤立的量子環境。

  • 緊湊型高精度電子元件,可嚴格控制大量量子位元。

  • 量子固件,可管理系統運行狀況並啟用系統升級,無需用戶停機。

  • 經典運算能力,提供安全的雲訪問和量子算法的混合運行。

  • 以及IBM剛剛公佈的,它的「量子體積」 達到了16。

如果明年IBM如約推出32量子體積的電腦,又會是何等的高端藝術品呢?

巨頭攪局,量子運算競爭白熱化

根據BCC Research的數據,到2022年,全球量子運算市場的複合年均成長率預計將達到37.3%,產值達到1.61億美元左右。再往後,2027年該市場的年複合成長率將達到53%左右,產值達到13億美元。

這個預測並不誇張。因為,這個領域的競爭正在加劇。

英特爾、微軟、Google等主要競爭對手正在加入競爭。這些巨頭科技公司正不遺餘力地將量子運算商業化和民主化,使其進入商用領域。

英特爾最近與Bluefors和Afore合作推出了首款量子低溫晶圓探針(Cryogenic Wafer Prober)。這種裝置可以加速基於矽的量子晶片上量子位元的測試過程。

微軟的量子網絡也正在成長。作為該公司量子開發工具包的一部分,微軟大力推廣其「量子友好」 的最新編程語言Q#(Q-sharp)。微軟的目標是開發一種通用量子電腦,採用堅固的基於奈米線的硬體結構,具有糾錯機制。

以此同時,Google在去年七月發布了名為Cirq的開源軟體工具包,以幫助開發人員測試量子運算算法。此外,在去年三月,Google宣布推出Bristlecone,一台72量子位元的通用量子電腦。

本文授權轉載自:鈦媒體

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓