玻色量子联合创始人兼COO马寅近日在对话中表示，量子计算与人工智能的结合是技术演进的必然趋势，其商业化落地将率先从组合优化和量子模拟等场景切入。玻色量子成立于2020年，是国内较早探索AI与量子计算结合、采用光量子技术路线的量子计算公司。
马寅将硬科技公司的发展划分为四个阶段：科研阶段、工程阶段、产品化阶段和可复制的商业化阶段。他认为，2019年是量子计算从科研迈向工程阶段的关键节点。谷歌宣布实现量子霸权，其TensorFlow框架的发布也让业界认识到量子计算在软件生态层面已达到可用状态。同年，玻色量子核心团队在光量子计算可行性验证方面取得重要指标突破，已能满足部分工程化需求。马寅将2019年称为「量子元年」。
在应用场景方面，马寅指出，当前量子计算主要解决复杂问题中的「单点」环节，而非将整个问题量子化。在金融领域，量子计算可用于投资组合优化、股票交易仓位配置及银行风控数据降维，帮助在大规模贷款策略下实现坏账最小化与收益最大化。在制药领域，量子计算能够优化分子对接过程中的函数求极值问题，提升药物分子筛选的精准度和算力效率，为药企节省大量成本。此外，交通路径规划和交通灯控制等组合优化场景也是量子计算的潜在落地方向。
马寅认为，量子计算的核心优势在于叠加效应带来的算力跃升。一个量子比特可同时表示0和1，两个比特可表示四种状态，数百上千个量子比特则能表示极大数量的状态。若量子计算真正参与人工智能领域，有望在算力层面超越当前依赖大规模服务器集群的GPT-3等大型模型。同时，量子计算基于物理学基本原理，在参数优化方面具有天然优势，能够使人工智能中复杂的调参工作更加高效。
马寅同时澄清了行业对量子计算的两类常见误解。其一，量子计算的解密与量子通信的加密并非矛与盾的关系：量子通信从信息论角度利用物理特性实现加密，而量子计算的解密本质上是算法层面的计算方法，且破解密码可能还需十余年时间，对逻辑量子比特的质量和数量要求极高。其二，量子计算并非没有使用场景，通过在时间轴的关键节点进行加速，量子优势已可在特定场景中体现。
在技术路线选择上，马寅介绍，当前量子计算主要有光量子、超导量子和离子阱三种主流路线。谷歌和IBM采用超导路线，微软投资了光量子公司，美国上市公司IonQ则专注离子阱路线。玻色量子基于商业化考量选择了光量子路线。随着量子计算工程化能力逐步成熟，其在垂直行业的应用探索有望进一步加速。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
