Google量子運算突破登上《Nature》熱議,風光背後是長達13年的賽跑
Google量子運算突破登上《Nature》熱議,風光背後是長達13年的賽跑

Google突破一小步,人類科學一大步。

這個突破經由CEO-皮查伊(Sundar Pichai)親自官方宣布、論文登上Nature150週年紀念特刊、各大主流媒體頭版頭條、熱度全網第一,甚至連川普的大女兒伊凡卡都忍不住第一時間發出賀電:

Google2.jpg
圖/ 愛范兒

官方宣布。美國實現了量子霸權!

沒錯,就是那個量子運算200秒=地球最強超算1萬年的突破,現在Google以最隆重的形式對外官方宣布,超過電腦識別貓、蓋過AlphaGo橫空出世。

而且Google CEO還難掩激動地介紹,這就像飛機最初被發明的時刻——萊特兄弟的飛機第一次只飛了12分鐘,但它證明了飛機飛行的可能性。

這是一個歷史性時刻,Google也首次透露,已經為此埋頭攻堅了13年。

Google3.jpg
圖/ 愛范兒

量子優越性首次實現

Quantum Supremacy,伊凡卡口中的「量子霸權」,Google更傾向於翻譯為量子優越性。

直白來說,量子優越性就是在未來的某個時刻,功能強大的量子電腦可以完成經典電腦幾乎不可能完成的任務。

比如在一天之內破解原本幾萬年才能破解的密碼、實現通用人工智慧、快速模擬分子模型。

此前對於這樣的里程碑突破都處於設想階段,從未被實現。

但一個月前,Google的論文草稿,「意外」在NASA官網發布,結果非常震撼,稱200秒的量子運算實現了最強超算1萬年的結果。

但不料論文匆匆下架,反而引起更大關注。

當時輿論炸了鍋,有認為Google淪為「神棍」唬弄大眾的,也有認為出於美國國家安全被下架……

更有競爭對手直接攻擊,IBM就甚至專門發表了一篇論文,質疑Google「誤導大眾」。

而現在,論文正式在Nature上發表,Google CEO-皮查伊驕傲官方宣布Google AI團隊實現了量子優越性,還在部落格中強調:

就像第一枚火箭成功地脫離地球引力,飛向太空邊緣。這一突破向我們展示了什麼是可能的,並把看似不可能實現的事物推到了我們面前。

這就是這一里程碑對量子運算世界的意義:一個充滿可能性的時刻。

皮查伊還說,Google為此已經努力了13年。並且一度因為進展有限而沮喪。

Google4.jpg
圖/ 愛范兒

在量子運算上,Google的攻堅從13年前開始。

2006年,Google科學家-聶文(Hartmut Neven)開始探索一個新的idea——用量子運算來加快機器學習的速度,並催生了Google AI量子團隊。

接著2014年,美國物理學會院士-馬丁尼斯(John Martinis)加入了Google,擔任Google量子硬體首席科學家,領導構建量子電腦的工作。

兩年後,量子運算理論首席科學家-博伊索(Sergio Boixo)在Nature Communications上發表了相關論文,最終將團隊的工作重點聚焦到了量子優勢性運算任務上來。

這是一場科技研究的馬拉松,一切都從零起步。即使對於Google的明星團隊來說,這樣的工作也一樣是巨大的挑戰。

實際上,在去年10月之前,Google在量子優越性方面的進展始終有限。

然而萬萬沒想到,2018年10月加州野火撲不滅,出於安全考慮,Google不得不短暫關閉位於聖克拉拉的實驗室,一眾科學家也被迫休假。

但就在這期間,反而催生出新思路,然後實現了真正的躍遷。

皮查伊還感慨,量子運算並非明確性的未來,要相信並堅定認為能實現,並不容易。

但Google內部始終相信,量子運算可以加速解決世界上一些最緊迫的問題。量子運算能為人類在分子尺度上理解和模擬自然界提供前所未有的良機。

Google5.jpg
圖/ 愛范兒

皮查伊還說,量子運算將是對人們在經典電腦上所做工作的偉大補充,量子給運算帶來了一個完整的循環。

不過,即便現在里程碑時刻已經到來,皮查伊也提醒說,這只是證明方向可行性,還不是馬上大規模商用發揮效用的時刻,我們需要繼續攻堅,需要繼續砥礪前行。

無意的洩露

就像開頭說的,Google這項量子優越性的研究,在Nature發表之前,就在NASA官網短暫出現過。

那麼問題來了,為什麼是NASA發布?為什麼上架不久便撤回了呢?

根據《金融時報》報導,Google去年已經和NASA展開合作,並立下flag:2019年實現量子優越性,就是讓量子電腦的運算能力遠超經典電腦,完成經典電腦做不到的運算。

計劃是把量子電腦上運行的結果,與經典仿真(在經典電腦上模擬量子電路)進行比較。

雙方合作用的量子晶片叫Bristlecone,有72個量子位元。Bristlecone必須把超導電路維持在絕對零度附近,所以沒法搬離Google的實驗室,NASA研究人員只能透過Google雲端API遠程連接晶片。

Google6.jpg
圖/ 愛范兒

按照約定,雙方2019年初在NASA最強的超級電腦Pleiades上對運行仿真所需的軟體進行編碼,並在今年7月,比較量子電路仿真和Google量子電腦硬體的結果。

Google和NASA一直持樂觀態度,但業界也有人認為這個flag要倒。阿里巴巴數據基礎設施和搜索技術部門的研究人員發表了一篇論文,認為要實現量子優越性可能需要錯誤率更低的量子晶片。

南加州大學量子訊息科學與技術中心主任-利達(Daniel Lidar)也對此表示懷疑。他在麻省理工科技評論時說:「(實現量子優越性)似乎還需要其他方式抑制錯誤。」

如果通過了同行評審,就意味著flag沒有倒,且量子運算將進入一個新的時代。

那為什麼NASA發布論文不久便撤回了呢?

《財富》雜誌報導說,那時研究成果還沒有經過完整的同行評審。

如今只過了一個月,論文便登上了Nature,可信度大大提升,量子運算的新時代真正到來。

所以具體論文內容是什麼?

論文詳解

Google7.gif
圖/ 愛范兒

在撤回論文一個月後,Google終於將論文發表在了《Nature》上。

Google在論文摘要中說:

我們使用具有53個超導量子位元的可編程處理器,佔用狀態空間為253≈1016。重複實驗的測量結果會採樣相應的概率分佈。

經典電腦中的位元只能處於0或者1兩種狀態 ,而薛定格貓告訴我們,貓可以處於死和活兩種狀態的疊加,量子位元也一樣,能同時處於0和1兩種狀態。

1個量子位元只能表示2個狀態,2個量子位元就能表示4個狀態,4個量子位元就能表示8個狀態,以此類推。

由於量子力學中物體的狀態正是在這種疊加狀態空間中演化,再加上不同量子位元之間的耦合,就可以模擬出更多的狀態。

因此只需53個量子位元就可以模擬1016種狀態,而這個數字已經超出了當今超級電腦的運算能力。

說完了量子電腦的基本概念,下面我們看一下Google量子電腦的硬體。

Google把這個實現量子優越性的量子處理器叫做「Sycamore」。它由54個transmon量子位元的二維陣列組成,每個位元與周圍的4個位元相耦合。

Google8.jpg
圖/ 愛范兒

上圖展示了Sycamore處理器的佈局,包含54個量子位的陣列(以灰色×表示),每個矩形都透過耦合器(以藍色方塊表示)連接到其四個最近的近鄰。

整個處理器的外觀和普通的CPU晶片非常相似。

Google9.jpg
圖/ 愛范兒

該處理器使用鋁製造,實現了低溫超導中的約瑟夫森效應,並使用銦製造兩個矽晶片之間的凸點。晶片被引線連接到到超導電路板上,並在稀釋製冷裝置中被冷卻至20mK以下。

這一溫度只比絕對零度高百分之二度,之所以要如此冷,是為了將環境熱能降低到低於量子勢能,防止外界熱量對量子處理器的干擾。

處理器透過濾波器和衰減器連接到室溫電子設備,後者可合成控制信號。所有量子位的狀態可以透過同時利用頻率復用的技術來讀取。

為了完全控制這個量子處理器,Google還精心設計了277個數模轉換器。

那麼Google,用量子力學原理,和這樣一個超級複雜的量子硬體解決了什麼問題呢?

恰恰是一個經典運算所不善於解決的量子電路採樣問題,在這個問題上,經典電腦的運算能力顯得捉襟見肘了。

量子電腦上每次運行隨機量子電路都會產生一個位串,例如0000101。由於量子乾涉,就像激光在透過狹縫後形成的散斑一樣,進行重複多次實驗時(採樣),某些位串比其他位串更容易出現。

然而,隨著量子位元的數量n(寬度)和門循環數量m(深度)的增加,用經典電腦為隨機量子電路找到最可能的位串變得越來越困難。

在實驗中,Google首先運行12到53量子位元的隨機簡化電路,保持電路深度恆定。

驗證系統正常運行後,Google運行了53量子位元且深度不斷增加的隨機硬電路,當深度m增加到20時,經典仿真變得完全不可用。

Google10.jpg
圖/ 愛范兒

在量子處理器上獲得一百萬個樣本需要200秒,而在一百萬個內核上進行相等保真度經典採樣將花費1萬年,而對保真度的驗證將花費數百萬年。

Google11.jpg
圖/ 愛范兒

Google在論文中只是展示了量子電腦的一種應用,未來可以用它來解決包括量子物理學和量子化學模擬在內的問題。

量子運算的突破,還能促成機器學習的新應用,加速解決世界正在面臨的一些最緊迫而復雜的問題。比如氣候變化的模擬,比如探究哪一些分子能夠製造更有效的藥物。

IBM不服,指控Google唬弄

有很多科技公司都在從事量子電腦的研究,其中就包括IBM、微軟等傳統IT巨頭,也有阿里巴巴這樣的網路公司。

就在Google正式公佈論文的前一天晚上,IBM選擇了和Google硬碰硬。

這位藍色巨人說,Google關於量子優越性的說法是有缺陷的。因為Google實際上是在沒有充分利用超級電腦的全部能力的情況下進行競爭的。

對此,Google不予置評。

IBM的話通俗地說,就是Google調整了baseline。

Google原本在論文中,他們的量子電腦只需200秒就解決了原本超算需要1萬年才能解決的問題。但IBM表示,實際上這個問題並沒有Google宣傳的那麼難,如果有時間進行優化和改進,那麼超算只需要2.5天就能解決該問題。

雖然這個時間仍然比量子電腦所需的長得多,但是遠遠沒到遙不可及的地步。

在IBM看來,所謂的量子優越性是要做到經典電腦無法做到的事情,而Google顯然沒有做到這一點。

IBM的量子運算研究員甘貝塔(Jay Gambetta)說,公司不是為了與Google對抗,而是為了避免將「量子優越性」一詞過度宣傳。

也有人認為,Google是否實現量子優越性並不重要,IBM與Google的爭吵誰對誰錯也不重要。

重要的是在這些巨頭的競爭之下,量子運算技術正在以超乎我們想像的進程飛速發展。

兩位首席科學家牽頭

Google12.jpg
圖/ 愛范兒

博伊索是GoogleAI量子實驗室的量子理論首席科學家,也在南加州大學電氣工程系任教。

他的研究領域是玻色–愛因斯坦凝態、量子資訊、量子運算、量子通訊等,目前已在他的領域發表了84篇論文,總計被引用3,259次。

Google13.jpg
圖/ 愛范兒

來自GoogleAI量子實驗室的馬丁尼斯,是量子硬體首席科學家。他曾是美國國家標準暨技術研究院(NIST)的院士,也是美國物理學會的院士,目前也在加利福尼亞大學聖塔芭芭拉分校工作。

馬丁尼斯畢業於加州大學柏克萊分校,並在那裡他獲得了兩個物理學學士和博士學位。

之後他加入了NIST,在此期間,他還發明了串聯陣列超導量子干涉儀(SQUID)放大器。

1993年,他開始著手建立基於超導感測器和串聯陣列SQUID的高分辨率X射線微熱量計。這項工作已經發展到包括在X射線微分析和天體物理學以及光學和紅外天文學中的應用。

在2010年,他被授予「年度科學突破」獎,原因是他首次證明了機械振盪器系統中的量子態。

2014年,他被授予倫敦超導量子位元低溫物理學研究獎,同年加入Google領導量子硬體的研究工作。

One more thing

最後的最後,在這歷史性時刻,讓我們用皮查伊接受MIT科技評論專訪的一些回答來結尾吧:

我對這樣的里程碑時刻備感興奮,但確實也要提醒大家,這只是一個可能性被驗證的開始,距離真正的大規模變革還需要很長時間——甚至是10年,但我們可以為科技發展的速度感到樂觀。

當我們回顧深藍1997年擊敗卡斯帕羅夫、AlphaGo在2016年擊敗李世乭,或許突破所需的時間不算短,但當這樣的時刻到來,就會有更多人投入其中、加入其中,我們人類就是這樣進步的。

而且當前如此令人興奮,我們正處在時代性技術週期裡,AI會加速量子運算,量子運算也會加速AI,人類遭遇的那些大挑戰、大難題,現在有解決的機會了。

傳送門

1.Google部落格
2.論文原文
3.IBM論文

本文授權轉載自:愛范兒

責任編輯:陳映璇

關鍵字: #量子運算
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 2026 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