黃仁勳一句「等30年」,量子概念股一夕全崩!量子電腦是什麼?為何掀兩派論戰?
黃仁勳一句「等30年」,量子概念股一夕全崩!量子電腦是什麼?為何掀兩派論戰?

重點1 :輝達(NVIDIA)執行長黃仁勳日前於CES展會預測, 要讓「非常有用的量子電腦」上市,可能需要15到30年 ,此番言論在隔日發酵,導致多家量子運算公司股價暴跌。

重點2 :量子運算系統商D-Wave執行長Alan Baratz反駁黃仁勳對量子電腦發展時程的預測,強調D-Wave的量子電腦已在商業應用中。

重點3 :Baratz指出,黃仁勳的評論可能適用於閘極型量子電腦(gate-based quantum computers),但不適用於D-Wave使用的量子退火法(annealing approach)。

喊水會結凍!黃仁勳1句話讓量子概念股爆跌

黃仁勳周二在被問及NVIDIA的量子運算策略時表示, NVIDIA可以製造量子電腦晶片所需的傳統晶片,但這些電腦需要的量子位元(qubits)數量,將是目前的100萬倍。

他並預測,要讓「非常有用的量子電腦」上市可能需要15到30年。此番言論引發市場恐慌,更導致多家量子運算公司股價重挫。

其中, 量子運算晶片開發商Rigetti Computing跌45.41%、量子運算產品商Quantum Computing跌43.34%、量子運算軟硬體商IonQ跌39%、量子運算系統商D-Wave在周三暴跌36.13%。

回顧2024年,上述公司4家公司Rigetti、IonQ、Quantum Computing及D-Wave,分別暴衝1,449.4%、237.13%、1,712.51%、854.44%。Google去年底展示的量子運算晶片Willow,成為帶動量子運算概念股飆漲的一大因素。

Willow.jpg
Google旗下的「Google Quantum AI」實驗室,發布新的量子晶片 Willow。

但針對黃仁勳說法,D-Wave執行長Alan Baratz在接受《CNBC》採訪時表示「完全錯誤」,強調D-Wave的量子電腦已在商業應用中,並非遙不可及。

Baratz舉例指出,包括Mastercard(萬事達卡)和日本的NTT Docomo(日本電信電話)等公司,都已在實際業務營運中使用D-Wave的量子電腦。

Baratz強調,這些應用並非在15年、20年或30年後,而是「現在、今天」。

量子電腦路線之爭:量子退火法 vs. 閘極型量子電腦

量子運算旨在解決傳統處理器難以處理的問題。例如,解碼加密、產生隨機數和大規模模擬。包括輝達、微軟、IBM、Google等公司,以及其他新創及學界,數十年來一直致力於量子運算發展。

Baratz承認,「閘極型量子電腦」可能還需要數十年才能實現。但他強調, D-Wave使用的是「量子退火法」 ,這項技術現在就可以部署應用。他表示,雖然黃仁勳的評論對於量子退火法來說「完全是錯誤的」。

儘管股價在周三大幅下滑,但截至1月9日,D-Wave股價在一年之內仍上漲逾615%,市值達到16億美元(近新台幣530億元)。

Baratz表示,D-Wave系統可以解決超出配備最快NVIDIA系統能力的問題,更稱 「非常樂意隨時隨地與黃仁勳會面,幫助他填補這些知識上的空白。」

什麼是量子退火法?

量子電腦可以分為兩大類,一是量子退火(quantum annealing),二是通用型量子電腦, 兩者之間主要差別在於是否具有「邏輯閘(logic gate)」 。前者沒有,只用來解決特定的問題;後者則更接近於我們目前使用的古典電腦,可藉由各種邏輯閘的操作,達到通用計算的目的。

至於量子退火法(Quantum Annealing)則一種利用量子力學效應來尋找複雜問題最佳解的演算法。它特別擅長解決「組合優化問題」,這類問題的特點是有許多可能的解決方案,但要找到最佳解非常困難。 舉例而言,就像是在一個佈滿高低起伏地形的區域中找到最低點。

古典方法:緩慢下降

延續上述「找到地形最低點」的比喻,古典電腦解決問題的方法,就像是一個沿著斜坡慢慢滾動小球,直到到達一個低點。但問題是,這個地形可能有很多個局部低點(就像小山谷),小球一旦滾到其中一個山谷就可能停住,而無法找到真正的最低點,也就是最佳解。

Quant-annl.jpg
量子退火的優勢在於,可以透過量子穿隧效應(quantum tunneling),快速從次佳解跳至最佳解。

量子方法:直接穿隧

而量子退火法則,利用了量子力學中的「量子穿隧效應」(Quantum tunneling effect)。想像這個小球不再只是沿著地形表面滾動,它還可以「穿過」一些小山丘,直接到達更低的地方。這是因為在量子世界中,粒子有一定的機率穿過障礙物,即使它沒有足夠的能量「翻越」障礙物。

跟閘極型量子電腦差在哪?

相對於量子退火法,閘極型量子電腦更像是「通用型的量子電腦」,可以執行更廣泛的量子演算法。這兩者在技術實現和應用領域上有所不同。就像一台專門用來挖土的挖土機(量子退火)和一台可以執行各種任務的電腦(閘極型量子電腦)。

僅供報導用途_shutterstock_1620950968_IBM_量子電腦
閘極型量子電腦更像是「通用型的量子電腦」,可以執行更廣泛的量子演算法。
圖/ Boykov via shutterstock

黃仁勳為何不看好量子電腦短期內可上市?

黃仁勳指出量子電腦(或著說閘極型量子電腦)至少30年才會上市的原因,在於目前仍有多種困難難以克服。包括, 量子位元(qubits)的不穩定性,其容易受到環境的微小干擾(例如溫度、電磁場等)而導致計算錯誤,這使得硬體的建置和維護成本非常高昂。

此外,目前的閘極型量子電腦擁有的量子位元數量仍然有限,遠遠不足以解決複雜的實際問題。要實現具有實用價值的量子計算,需要成千上萬甚至數百萬個高質量的量子位元。 同時,由於商業模式還不明朗,許多企業和研究機構難以負擔大量的資金投入,為其目前實際面上的問題之一。

相較之下,量子退火法在某些特定類型的優化問題上已經展現出一定的應用潛力,例如金融建模、物流優化、材料科學,以及AI等,並且在硬體實現上相對容易一些。這也是D-Wave能夠推出商業化的量子退火電腦的原因。

除了D-Wave以外,富士通(Fujitsu)也開發了名為「數位退火器」(Digital Annealer)的技術,以模擬量子退火的運算方式。

其雖然不是真正的量子電腦,但數位退火器在解決某些優化問題時,也能提供比傳統電腦更快的速度。富士通提供數位退火器的硬體、軟體和雲端服務,並與各產業合作,應用於物流優化、材料開發等領域。

延伸閱讀:不用等!富士通的量子電腦夢,先從「退火技術」開始

資料來源:CNBCCASE報科學科技魅影國家實驗研究院QM ware

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