高管访谈：对话穆迪技术负责人Sergio Gago

企业为什么要投资量子计算？为了找到答案，我们采访了穆迪AI、机器学习与量子技术常务董事Sergio Gago。

时至今日，“为什么要投资量子计算”已经成为摆在每一位CIO面前的现实问题。

在与传统计算演进路径进行比较时，穆迪AI、机器学习与量子技术常务董事Sergio Gago表示，“我们曾在业内开玩笑说，量子计算大概是上世纪60年代末到70年代初的产物。正式进入70年代后，才是经典计算的时代。那段时光塑造了人们的思维，让大家习惯考虑「要怎样具体编码？要怎样建立技术栈？」所以现在如果想要投资量子计算技术，那就必须先搞清楚这几个问题。”

但他也指出，目前的业务流程还没有真正发挥量子计算的优势：“无论那帮量子硬件厂商怎么宣传，当下也仍然是现场可编程门阵列设备和大型硬件集群占据主流。这些都是我们非常了解的技术，能帮助我们处理一切问题，只是很多时候会存在算力上的限制。”

Corinium Global Intelligence与穆迪分析合作进行的研究发现，在参与调查的金融部门数据科学家当中，87%目前还没有为量子计算分配预算资源。

在Gago看来，很多人都曾尝试计算设立量子计算专家团队的投资回报（ROI），但最终却发现“没有回报，这根本就不是个能从投资回报来理解的问题。”

相反，他表示技术领导者们应该关注量子团队能给企业带来怎样的价值，并以此来证明投资的合理性。作为向企业宣传量子计算以加速特定问题的实例，Gago提到“我们相信，对于这个特定问题，我们能够让处理速度实现指数级提升。换句话说，我们将拥有竞争优势，即我们所独有、或者能够在更多案例中实现的比较优势。这种超越特定组合的泛用性或者实时运行能力，将给客户带来巨大的价值。”

Gago还强调，在化学和金融等领域，解决复杂问题的能力将很快触及天花板。也就是说在未来的某个时刻 ，经典计算将不再具备及时解决此类问题的可能性。

他补充称，“以金融行业为例，对于某些问题，大家都拿不出充足的算力，无论是大厂还是小公司。因此，我们只能冒着信用风险使用近似答案。”

预测新机遇

穆迪拥有一支专门从事蒙特卡洛模型类量化分析的团队，他们将模拟技术与机器学习和人工智能（AI）相结合。Gago表示，该团队就已经触及到经典计算的极限，而数学证明量子计算机将具备解决这些难题的能力。

穆迪团队目前正探索那些能够模拟量子计算的经典计算设备，利用这些模拟选项测试Gago所说的“小问题”。

 “有了这些信息，我们其实上可以断言，即一旦拥有了足够高质量、高时钟速率的纠错量子比特，并将将其在晶格中连接起来，那我们就能运行起量子算法，并把解决特定问题的速度以指数级别提升上去。”

在被问及行业在解决金融部门所面临的计算问题方面取得的实际进展时，Gago表示穆迪曾与不少量子厂商进行过交流，这些公司各自拥有不同的知识产权、开发思路和出色的研究成果。

但他也表示，“其中大多数人还是缺乏对行业领域的全面了解。所以，虽然不少厂商宣称自己能够加速算法，但结合我们所处的行业之后，就会发现他们其实是找错了方向、选错了问题。”

他还提到，根据在经典计算机上运行模拟所推断出的所需处理能力，真能解决特定计算问题的设备可能需要700个逻辑量子比特。目前也已经有了行业路线图，技术领导者可以根据该图来粗略估算研究人员还需要多少年才能拿出适用于生产环境的700逻辑量子比特计算机。

“能有这样的规划就已经很好了，但对未来的一切展望都要基于当下的信息。可量子计算领域的现实，在于每周都会出现新的突破。”

举例来说，他提到Quantinuum最近就发布消息，称其研究人员已经实现了三个逻辑量子比特的相互纠缠。对于这一突破的意义，Gago补充称“我认为现在我们正开启新的大门，门后就是量子计算容错时代的开端。”

Gago还提到，从纯粹实用的角度来看，这类突破就类似于IBM或者谷歌的量子霸权实验：“这些实验都是针对跟实际应用完全脱节的条件而进行的，但难道说因此就能否定量子霸权的深远影响和重大意义了吗？当然不能。”

“如果倒退回十年之前，我们问科学家们还要多久才能开发出逻辑量子比特，许多人肯定会认为永远都不行，相对乐观一点的也可能觉得要到下个世纪末。但现在，我们知道这是可行的，也标志着整个行业进行额外研究和扩展探索的起点。”

证明量子投资合理性

考虑到量子计算的种种不确定性，某些IT领导者将不可避免地发现自己很难验证投资的合理性。但Gago认为，这不该影响到实际技术规划，并表示正是由于愿意先行一步，那些早期投身AI技术的企业才能在当下积累起明确的先发地位和竞争优势。

“包括我们自己在内，不少企业已经接纳了生成式AI、也知道该如何使用。但与此同时，还有很多公司根本就不知道该从哪里起步。”

对于AI，企业需要在技术成熟之前为AI战略做好准备。而在Gao看来，这背后真正对应的是如何落实数据治理和数据管道。他表示穆迪投资AI技术已有10年之久，成功确保数据处于正确位置、也建立起必要的数据仓库编排层。而这正是大多数企业所不具备的。Gago强调，一旦将这些条件准备就绪，就能相对更快地推动生成式AI落地部署。

“我认为现在我们正开启新的大门，门后就是量子计算容错时代的开端。”——Sergio Gago, 穆迪

Corinium Global Intelligence发表的研究报告指出，82%的金融机构数据科学家都认为，量子计算成熟度低将成为其组织技术的发展障碍。

在Gago看来，企业级AI应用的早期情况也印证了这一点。“如果非要问量子计算的ChatGPT时刻要何时才会到来，那答案肯定不是明年。”

但哪怕突破没那么近，企业也仍然需要积极做好准备。Gago表示，毕竟谷歌研究人员早在2017年就发表了论文《Transformer：一种用于语言理解的新型神经网络架构》，而生成式AI的诞生就正源于这项研究。该技术花了四到五年时间，才逐渐被市场接纳并成为主流。

更重要的是，Gago敦促IT领导者们不要总是纠结于投资回报率，而应积极确定那些传统计算机架构所无法解决的重要问题。只要厘清解决这些问题能给组织带来哪些好处，自然也就掌握了推动项目落地的论证素材。

尽管很多人认为量子计算还需要很多年才能逐渐开花结果，但Gago的意志显然非常坚定，相信随着这项技术的发展成熟，当下积累的专业知识和技术都必将转化成宝贵的战略优势。