量子計算能夠讓企業(yè)更好地優(yōu)化投資策略、改進加密、發(fā)現(xiàn)產(chǎn)品等等。現(xiàn)在，大量投資、私營部門競爭以及數(shù)學和科學人才正在進入量子研究中。根據(jù)CB Insights的數(shù)據(jù)，從2015年到2020年，該領(lǐng)域的風險資本融資增長了500%。

這就是通常會產(chǎn)生突破性技術(shù)進步的環(huán)境。毫無疑問：量子計算的突破將是一個重大突破。它將給現(xiàn)代企業(yè)界帶來兩個巨大、突然發(fā)生的變化：

第一個是終結(jié)我們現(xiàn)有在公共網(wǎng)絡(luò)上保障數(shù)字隱私和安全的基礎(chǔ)設(shè)施，讓尚未升級基礎(chǔ)設(shè)施的企業(yè)完全無力防范毀滅性攻擊。

第二個變化更積極，算法能力的爆發(fā)能完成如今計算機做不到的事情，并有望重塑我們的世界。

具有商業(yè)價值的量子計算機會何時面世？自從肖爾算法的原理證明演示以來，時間已經(jīng)過去了近20年，科學家們在開發(fā)大型量子計算機方面仍然面臨著無數(shù)挑戰(zhàn)。懷疑論者認為，站在自身角度，對量子計算的現(xiàn)實應(yīng)用感到興奮或焦慮還為時過早。過去可以為我們提供啟發(fā)：晶體管的發(fā)明是在1947年，然而第一個4位處理器是25年之后才出現(xiàn)，在那之后又過了25年，英特爾才推出了帶有數(shù)百萬晶體管的奔騰Pro芯片。技術(shù)進步需要時間，量子也不例外。

但量子技術(shù)正在到來，用不了多久，企業(yè)管理者就會考慮它將如何刺激數(shù)字投資、重塑行業(yè)和激發(fā)創(chuàng)新。在短期內(nèi)，它不會成就或破壞業(yè)務(wù)，但對量子應(yīng)用的透徹了解至關(guān)重要，它可以讓你的公司在未來十年內(nèi)做好獲益的準備，并避免潛在災(zāi)難。

何為量子計算機？

量子力學——在原子和亞原子層面上研究物質(zhì)和光的行為的科學——的原理是磁共振成像、激光、原子鐘和納米顯微鏡等創(chuàng)新的核心?？墒?，利用這些原理制造計算機需要我們掌握一項全新技能：精確控制量子系統(tǒng)的行為，同時保留其“怪異”的量子力學性能。這是一項艱巨的任務(wù)，因為量子系統(tǒng)（比如光子和電子）非常脆弱且不穩(wěn)定，其行為與我們對物理世界的運行方式根深蒂固的看法相悖。可是加以正確利用時，它們的反直覺力量就是解鎖新功能的特性，而不是漏洞。

制造實用量子計算機最大的障礙之一是量子位不會長時間逗留。振動、溫度和其他環(huán)境因素可能造成它們失去量子力學特性，從而產(chǎn)生錯誤。目前量子位的錯誤發(fā)生率限制了算法可以運行的持續(xù)時間。科學家們正在努力打造一種環(huán)境，許多物理量子位會在這種環(huán)境中共同作用，創(chuàng)造出容錯邏輯量子位，這種容錯邏輯量子位可以留存更長時間，長到足以支持商用應(yīng)用。生成一個邏輯量子位很可能需要大約1000個物理量子位；當今最先進的量子計算機只有50到100個物理量子位。

過去幾年里，企業(yè)越來越多地參與到量子計算機的制造中。IBM和谷歌這兩家在這一領(lǐng)域最樂觀的科技公司均認為，邏輯量子位將在兩年內(nèi)面世。就像基于晶體管的計算一樣，量子計算的商用不會突然出現(xiàn)，而是會隨著邏輯量子位數(shù)量的增加和錯誤率的降低而穩(wěn)步提升。

企業(yè)應(yīng)該如何利用量子計算機

沒有幾家公司會在短期內(nèi)制造或擁有量子計算機。相反，我們將看到一種云計算式模式，在這種模式中，企業(yè)會租用由幾家專業(yè)提供商主理的量子機器的訪問權(quán)，類似于今天的公司從AWS、谷歌云和Microsoft Azure購買計算服務(wù)。量子計算機不會單獨使用，而會成為混合解決方案的一部分，其中的各種任務(wù)將被分配給最合適的設(shè)備（量子計算機或傳統(tǒng)計算機）。量子計算云基礎(chǔ)設(shè)施將實現(xiàn)資源共享，創(chuàng)造規(guī)模經(jīng)濟，降低成本，提升訪問量，而這又會推動需求，加快進展。

隨著量子硬件和軟件的改進，算法設(shè)計者將有能力對他們的想法和設(shè)想進行實驗和迭代。他們能夠改進現(xiàn)有算法并創(chuàng)建新算法，而無需在實用機器的開發(fā)與測試之間等待多年。

量子算法與傳統(tǒng)計算機使用的算法截然不同。最有可能應(yīng)用于商業(yè)流程的可分為五大類；其中一些可以提升我們完成標準任務(wù)的速度，而另一些則為我們提供了全新機會。

模擬。當理查德·范曼（Richard Feynman）和保羅·貝尼奧夫（Paul Benioff）等量子先驅(qū)最初設(shè)想量子計算機時，他們相信它將揭開大自然運作的秘密。我們正開始見證他們的遠見卓識。比如：用100個強關(guān)聯(lián)電子模擬一個化學反應(yīng)（固氮就是這樣的反應(yīng)之一）是強大的傳統(tǒng)計算機鞭長莫及的事。不過在2017年，由蘇黎世聯(lián)邦理工學院（ETH Zurich）理論化學教授馬庫斯·賴厄（Markus Reisher）領(lǐng)導的一個團隊計算了這項任務(wù)所需的量子系統(tǒng)的規(guī)模，并引入了一種可行的方法。該團隊發(fā)現(xiàn)，如果使用一組先進的機器，每臺機器大約有100個邏輯量子位，這一目標是可以實現(xiàn)的。因模擬自然過程而可能出現(xiàn)突破的例子比比皆是。

研究人員正在研究量子技術(shù)如何為光合作用等化學機制提供新思路。如果量子模擬能夠解決材料科學問題，比如找到化合物用于更高效的電池、更好的太陽能電池和更高效傳輸能量的新型輸電線，或許我們可以更好地應(yīng)對全球變暖。

線性系統(tǒng)。線性系統(tǒng)方程是工程、金融、化學、經(jīng)濟學和計算機科學中許多傳統(tǒng)計算應(yīng)用的核心。量子計算為這類方程之解的采樣提供了指數(shù)級改進的可能性。最有前途的線性系統(tǒng)應(yīng)用可能在提升后的機器學習領(lǐng)域。神經(jīng)網(wǎng)絡(luò)領(lǐng)域的應(yīng)用——一種訓練計算機執(zhí)行受人腦工作方式啟發(fā)的任務(wù)的方式——出現(xiàn)了爆發(fā)式增長，以推動各種各樣的應(yīng)用。與此同時，加強訓練計算機模型的需求也與日俱增。

以推薦系統(tǒng)為例。奈飛（Netflix）在一個大型矩陣中將訂閱者對其檔案中所有電影的偏好進行了建模，用來向用戶推薦沒看過的電影。量子算法或許能夠比傳統(tǒng)計算機更快、更準確地做出類似推薦，尤其是在矩陣中涉及許多面的時候。

線性系統(tǒng)算法——以及我們會看到的其他類型算法——面臨的挑戰(zhàn)之一是所謂的數(shù)據(jù)加載問題：如何將大量傳統(tǒng)數(shù)據(jù)傳輸?shù)搅孔佑嬎銠C中。解決這一問題將是其商用進程的重要里程碑。

優(yōu)化。用于優(yōu)化的算法可以確認特定場景中最有可能達到特定目標的決策。比如，投資經(jīng)理會試圖通過平衡預(yù)期回報和某種風險指標來為客戶找到最佳退休策略。量子優(yōu)化算法可以提升解決方案的質(zhì)量，提高尋求解決方案過程中的計算速度。

優(yōu)化算法可以使各行各業(yè)的企業(yè)受益。任何依賴于尋找最佳供應(yīng)鏈路線，或提高制造設(shè)施生產(chǎn)率的企業(yè)都已了解優(yōu)化在提高業(yè)績方面的重要性。大多數(shù)的優(yōu)化問題都可以使用傳統(tǒng)計算機和算法充分解決。設(shè)想一下，你希望優(yōu)化下班回家約30公里的車程，谷歌地圖可以估算最佳路線。無論是選擇絕對最佳路線還是相差一分鐘內(nèi)的路線，都沒有太大的影響?？墒牵瑢τ诟笠?guī)模的挑戰(zhàn)和那些增量改進非常有價值的挑戰(zhàn)，量子計算優(yōu)化算法可能會改變游戲規(guī)則。

非結(jié)構(gòu)化搜索。當傳統(tǒng)計算機需要在非結(jié)構(gòu)化的數(shù)據(jù)庫中查找精確的信息目標時，它必須逐行搜索，直到找到一個查詢匹配項。可是，計算機生成的每一個搜索結(jié)果都沒有提供額外的信息；也就是說，否定結(jié)果不會縮小后續(xù)搜索的可能性。這是計算機科學最基本的問題之一。為了更快地查找信息，人可以運行多臺傳統(tǒng)計算機，每臺計算機都進行逐行搜索。有了量子計算，搜索速度可以更快，搜索數(shù)據(jù)的范圍跨度可以更大。依賴于數(shù)據(jù)庫探查的應(yīng)用包括互聯(lián)網(wǎng)搜索引擎、信用卡交易的實時處理，甚至是為尋找外星智慧跡象對天文無線電波的掃描。

格羅弗算法（Grover’s algorithm）是開發(fā)于1996年的一種強大的量子搜索理論，可以極大改善計算機在大型非結(jié)構(gòu)化數(shù)據(jù)庫中查找信息的方式，從而解決所謂“大海撈針”的挑戰(zhàn)?？纯椿蚪M技術(shù)的例子，它們?yōu)槲⑸飳W提供了變革性的見解——比如，識別遺傳性心臟疾病，以及為實時偵測和監(jiān)測流行病提供了巨大的可能性。這些技術(shù)需要大量的計算機能力。每次研究人員將DNA序列映射到參考基因組時，他們都必須在傳統(tǒng)計算機上進行大規(guī)模搜索。格羅弗算法可以大大加快搜索速度，但它們只能在實用量子計算機上運行。

因子分解和加密。正如我們之前討論的，質(zhì)因數(shù)分解在很大程度上是當前全球互聯(lián)網(wǎng)安全和隱私基礎(chǔ)設(shè)施的基礎(chǔ)。銀行余額、比特幣、信用卡、社交媒體密碼，以及幾乎所有網(wǎng)絡(luò)罪犯感興趣的其他東西，都由于因子分解問題而得到保護，傳統(tǒng)計算機無法用暴力解決這些問題。

量子計算可能會顛覆這種范式，使我們今天所依賴的加密系統(tǒng)變得更容易被破解。2021年4月，負責制定網(wǎng)絡(luò)安全標準的美國政府機構(gòu)國家標準技術(shù)局（National Institute of Standards and Technology,NIST）警告說，“我們無法預(yù)測能夠執(zhí)行肖爾算法的量子計算機何時會被對手利用，但是……當那一天到來時，所有用當前公開密鑰算法保護的密鑰和私鑰——以及受到這些密鑰保護的所有可用信息——都將遭到曝光。”

不法之徒可能無法破解當前的加密技術(shù)，但他們可以輕易獲取加密格式的數(shù)據(jù)（比如，通過侵入互聯(lián)網(wǎng)服務(wù)提供商，并復(fù)制流經(jīng)通信）。想象一下，如果一個黑客獲取并存儲加密數(shù)據(jù)，并等待一臺足夠先進的量子計算機出現(xiàn)，來破解加密技術(shù)會怎么樣？到那時，所有的數(shù)據(jù)都將曝光。為了防止這種情況發(fā)生，遠在量子計算機大規(guī)模運行之前就必須轉(zhuǎn)向抗量子加密技術(shù)。

管理者應(yīng)如何應(yīng)對

盡管商用量子計算機尚未面世，但現(xiàn)在就可以開始準備。管理者應(yīng)關(guān)注兩項關(guān)鍵活動：警覺和預(yù)見。

警覺意味著要密切關(guān)注邁向關(guān)鍵技術(shù)里程碑的進展速度。這些里程碑包括第一個邏輯量子位的演示、錯誤率的降低，以及與傳統(tǒng)計算機相比在商業(yè)上——而不僅僅是技術(shù)上——已得到證實的量子優(yōu)勢。企業(yè)可以利用專家小組和預(yù)測比賽等渠道來跟蹤進展。接下來的數(shù)月和數(shù)年里，我們可能會發(fā)現(xiàn)預(yù)測太過保守，量子時代將比我們想象的更早到來。如果到達里程碑的路程坎坷，那么傳統(tǒng)計算機的主導地位將會持續(xù)一段時間。

預(yù)見，或者說就量子計算將如何影響公司提出計劃和預(yù)案，是與警覺相隨的。從短期來看，你應(yīng)該組建一支了解量子計算影響的團隊，能夠發(fā)現(xiàn)公司未來的需求、機會和潛在的缺陷。

當管理者開始思考量子計算及其將如何影響企業(yè)時，應(yīng)該問自己以下問題：我們目前在哪些方面受到計算能力局限性的限制，這些領(lǐng)域是否可用量子算法五大類別中的任意一個進行處理？機器學習和其他類型人工智能的主要用途是什么？量子計算對這些領(lǐng)域有多大幫助？最后，我們希望在基礎(chǔ)層面上模擬什么樣的生物或化學過程？

解開自然的秘密是這一領(lǐng)域的先驅(qū)們對量子計算設(shè)想的首次利用，它仍然是最令人心動的。在21世紀上半葉的某個時間，我們將用量子位來解決這一挑戰(zhàn)——以及許許多多其他挑戰(zhàn)。

喬納森·魯安（Jonathan Ruane）安德魯·麥卡菲（Andrew McAfee）威廉·奧利弗（William D. Oliver）| 文

喬納森·魯安是麻省理工學院斯隆管理學院（MIT Sloan School of Management）的全球經(jīng)濟與管理團隊講師，麻省理工學院數(shù)字經(jīng)濟計劃（Initiative on the Digital Economy, IDE）的研究員。

安德魯·麥卡菲是麻省理工學院數(shù)字經(jīng)濟計劃共同創(chuàng)始人及共同負責人，麻省理工學院斯隆管理學院的首席研究員。

威廉·奧利弗是麻省理工學院電氣工程、計算機科學及物理學教授，林肯實驗室（Lincoln Laboratory）研究員，麻省理工學院量子工程中心（MIT Center for Quantum Engineering）主任，麻省理工學院電子研究實驗室（MIT Research Laboratory of Electronics）副主任。他的研究得到了亞馬遜云服務(wù)（Amazon Web Services）、谷歌、IBM、微軟、Zapata及其他企業(yè)的支持。

永年 | 譯 孫燕 | 校 李源 | 編輯

本文有刪節(jié)，原文見《哈佛商業(yè)評論》中文版2022年5月刊。

你的職業(yè)前途，與這4個問題息息相關(guān)

為什么你的營銷策略回報率那么低？

如果你必須跟不喜歡的人打交道，不妨試試這6招

投稿、廣告、內(nèi)容和商務(wù)合作