量子計算能帶 AI 起飛嗎？
2025-04-07 11:34:46 technews(臺)近年來，人工智能技術進步神速，從語言處理到圖像生成、各類的應用范圍越來越廣，同時也徹底改變了我們的生活和工作方式。 然而，AI的快速發展也帶來了對計算能力前所未有的需求、傳統硬件的效能提升已趨緩，摩爾定律帶來的晶體管密度紅利逐漸觸頂，處理器頻率受限于功耗與散熱瓶頸，就連GPU的成長速度也明顯放慢。 AI 對算力的需求呈指數式暴增，到了難以持續的地步。
于是，大家開始把目光轉向量子計算機，期待它能突破傳統運算極限，為AI帶來飛躍性成長。
許多人已經讓 AI 融入他們的工作：例如 OpenAI 的 ChatGPT 協助分析與文書、或是像有些人會使用 Cursor 或是 Claude 協助撰寫程序、還有無數的 AI 應用可以生成圖片或視頻互動。 這些技術的背后核心是大型語言模型（LLM）、以大量數據為基礎訓練而成。 以OpenAI的GPT-3為例，訓練過程估計需要執行3.14×1023次浮點運算，是人類史上最復雜的計算任務之一（只是之一，以后只會更恐怖）。 這種驚人算力需求讓科技公司不得不投入巨資在云端GPU和TPU上，有些初創公司甚至花費超過八成經費在運算資源。
即便有像 DeepSeek 這種節省資源的 AI，算力瓶頸仍在──DeepSeek 這類技術，通常是通過算法優化或模型壓縮降低算力需求。 比方說，它可能用稀疏化（sparsity）讓模型只啟動部分參數，或者用知識蒸餾（knowledge distillation）把大模型的知識「濃縮」到小模型里。 根據 DeepSeek 官方說法，他們的模型能在保證性能的情況下，把計算成本降到傳統模型的幾分之一。
舉例來說，DeepSeek 就像把一臺吃油超跑改成了省油小車，確實能在一定程度上緩解算力壓力。 假設原本訓練一個大模型需要 1,000 萬美元的云端算力，DeepSeek 的技術可能把成本砍到 300 萬美元，還能保持八成以上的準確度。 這種節省算法對中小企業或研究團隊來說是福音，因為他們不用砸大錢也能玩 AI。 但問題在于，這只是「減輕」瓶頸，不是「解決」瓶頸。 為什么呢？ 因為 AI 應用的野心和復雜度也在同步增長。
AI 的應用場景越來越廣，從聊天機器人到自動駕駛，再到醫療診斷，每個領域都想把模型做得更強、更精準。 以自動駕駛為例，特斯拉的 AI 系統得實時處理攝像頭、雷達傳來的大量數據，還要預測路況，算力需求輕易就超過一般云端服務器的負擔。 即便 DeepSeek 能把模型壓縮，這些應用還是需要處理更多數據、更復雜的運算，省下的算力很快又被新需求吃掉。
另外一方面，傳統硬件的效能成長正在趨緩。 摩爾定律帶來的晶體管密度提升已接近極限，處理器頻率受功耗與散熱限制，連GPU的效能成長也開始趨緩。 研究顯示，為了提高 AI 模型的準確度，往往只能靠增加算力和擴大模型規模來實現，這導致 AI 對計算資源的需求呈指數式暴增，已到難以承受的地步。 雖然硬件加速和算法優化能稍微緩解壓力，但 AI 發展正面臨前所未有的算力瓶頸。 于是，量子計算機被視為潛在解方，期望其突破傳統運算限制，為AI開辟新天地。
▲ 量子 AI 市場主要是以研發為主，沒有商業應用。 （Source：artsmart）
量子計算機與傳統計算機的運作方式截然不同。 傳統計算機用位（bit）表示0或1，量子計算機則用量子位（qubit），能通過疊加（superposition）同時處于0和1的狀態。 例如，兩個量子位可同時處理四種狀態組合，三個則是八種，n個量子位能表示2?種狀態，這種指數級擴張賦予量子計算機強大的并行計算潛力。 此外，量子糾纏（entanglement）讓多個量子位的狀態緊密相連，測量其一會立即影響其他量子，增強了協同運算能力。
這種特性對 AI 有何幫助？ Google 量子 AI 實驗室創辦人 Hartmut Neven 曾說：「先進 AI 將從量子計算中大幅受益。」以訓練大型語言模型為例，這類任務需要龐大時間和算力，量子計算機的并行處理能力可能將訓練時間從數周縮至數天。 此外，AI 主要依賴找出模式并辨識，而能同時處理多種可能性的量子計算，或許能提升圖像、語音識別的準確度。 生成式 AI 也有望因量子助力處理更多數據，生成更逼真的內容。 在決策場景中，例如藥物研發或氣候建模，量子計算機能同時測試無數變量，幫助科學家更快找到最佳解。
例如 2019 年，Google 的 53 量子位「Sycamore」處理器在 200 秒內完成傳統超級計算機需 1 萬年的任務。 雖然這與 AI 無直接關聯，但展示了量子計算的潛力。 2022 年，維也納大學團隊用光子量子處理器加速強化學習，讓機器人更快學會走迷宮，證明量子疊加能提升學習效率。
由于大型容錯量子計算機尚未臨近，各方多預測短期內最可行的模式是「混合量子經典計算」，即將大部分深度學習的訓練與數據處理交由 GPU / CPU 完成，只有小部分最耗算力或最能發揮量子優勢的子任務交由量子處理器（QPU）加速。 Google、IBM 亦在研發量子軟硬件協同架構，如 TensorFlow Quantum 或 Qiskit Runtime，讓開發者調用云端量子資源。 Nvidia GTC Quantum Day 也特別提到，市場期待未來 GPU 與 QPU 共同承擔深度神經網絡或強化學習的運算──盡管目前的量子位規模只有幾十至數百個，但若能針對組合優化、線性代數等環節實現加速，各類包括醫療、金融、物流、國防應用都可能搶先受益。
醫療方面，量子模擬可大幅加速分子與蛋白質交互作用的分析，有助新藥研發與疾病機理理解。 「維也納大學」的研究團隊在 2022 年曾用光子量子處理器測試量子強化學習，讓機器人同時探索多條路徑，更快學會迷宮走法，被視為量子疊加有助于復雜決策的證明。 金融市場關注量子計算機能以指數方式優化蒙地卡羅模擬、投資組合配置、期權定價與詐騙偵測。 美國與歐洲多家金融機構正在評估量子近似優化算法（QAOA）的可行性，若能大規模部署，將重新定義高維度交易環境的風險管理流程。
波音的量子傳感器試驗展現超精準導航潛力、量子模擬可能將新藥開發周期從15年縮至五年; 金融領域，量子蒙地卡羅算法能快速評估市場情境、提升風險管理效率。 這些進展顯示量子AI計算正在進行更多測試，雖然許多應用都已經現有的AI能處理的問題，但量子AI可以加速或將這些應用變得更強大。 Google 的 Willow 計劃在量子位技術與錯誤修正取得進展，全球量子技術投資 2023 年已超過 300 億美元，且十年內加速成長。
軍事與國防，量子加密與量子解密為關鍵。 量子技術若能破解現今廣泛使用的RSA或ECC加密，勢將造成全球通訊與互聯網金融體系的重大沖擊。 據「Quantum Apocalypse Is Coming. Be Very Afraid 一文所述，人們將 Q-Day 定義為量子計算機能即刻破解既有加密系統的那一天，而這在地緣政治層面將引發嚴重后果。 若某個國家率先完成可用于軍事情報分析或密碼破解的量子裝置，恐造成世界秩序洗牌。 美中雙方皆積極布局量子通訊衛星與量子傳感器，美國更有《國家量子倡議法案》提供大筆資金，也對中國量子企業祭出投資限制措施。 歐洲與日本等地也通過政府計劃推動量子研究。
一旦有人建成可以運行 Shor 算法（可破解 RSA 加密的算法）的大型量子計算機，絕大部分的傳統加密方式都可能遭到破解。 無論是網銀交易、敏感軍事報告、甚至私密訊息、虛擬貨幣錢包都可輕松破解。 最恐怖的是，當破解方式一旦確立，不見得會以劇烈的全球大恐慌呈現，更可能以在暗處以潛伏的方式、進行資料竊取與關鍵基礎設施的定向攻擊，也可能一舉釋出龐大數據造成全面恐慌。 這種威脅促使像美國國家標準技術研究院（NIST）等機構致力推動「后量子加密算法」標準化，包含利用高維度晶格或其他量子難解問題為新加密基礎。 若企業與政府無法及時換用抗量子密碼將面臨龐大風險。
也有陰謀論說，許多國家級單位或許早就在秘密搜集大量加密資料，等待量子計算機成熟后再集中破解，導致信息安全出現「現在攔截、未來解密」的嚴峻局面。 美國海軍戰爭學院前教授 Chris Demchak 的分析就指出，一旦對手能實時破解軍事通訊，可能在潛艇部署、衛星監控、導彈配置等核心領域掌握致命優勢。 甚至連比特幣區塊鏈也可能一夕崩潰，因為現行的橢圓曲線加密遭量子計算機攻破后，惡意分子可盜領持有者的加密資產。
量子AI要飛躍性增長并不容易，硬件是最大瓶頸。 一般電腦數據是用0和1位存儲，位很穩定，弄錯機率很低。 但量子計算機是疊加態量子位（qubit），它們很特別，能同時是 0 和 1，還能跟其他量子位糾纏。 問題是，量子位超級敏感，外界一點小干擾，比如溫度變化、磁場抖動、甚至旁邊有個電子亂跑，都可能讓數據失去原本的狀態不準確，就叫「去相干」（decoherence），導致運算結果錯得亂七八糟，所以需要「糾錯」救場，糾錯就是用好幾個量子位「保護」一個重要量子位，信息分散出去，這樣就算有幾個壞掉，還能用剩下的拼回來。
這種技術叫量子誤差修正碼（quantum error-correcting code）。 比如有名的「Shor 碼」，是用九個量子位保護一個，讓錯誤率降至可接受范圍。 但這也有代價，多了「備份」，量子計算機需要的量子位數量就得多好幾倍，控制起來也更麻煩。
目前量子處理器僅有數十到數百個量子位，且屬「噪聲中等規模量子」（NISQ）裝置，未能實現糾錯。 專家估計，實用AI應用需上百萬個穩定量子位，但打造如此規模的設備在物理和工程極為困難──量子位極脆弱，需在接近絕對零度的環境下運作，擴展性受限。 Google 的 Julian Kelly 預估五年內可能有初步應用，IBM 計劃 2029 年前推出數百個糾錯量子位系統，但多數學者認為大規模應用還需十年以上。
量子計算機的問題除了技術，還有實現難度與瓶頸：NVIDIA 2025 GTC宣布要蓋量子計算研究室，顯示業界對量子計算信心滿滿，Quantum Day 讓股票如 D-Wave Quantum 活動期間上漲 9.4%; 不少大企業的量子實驗、論文、強化學習成果都能為量子 AI 的可行性背書。 技術成熟會大幅縮短訓練模型的時間、各大 AI 應用領域也將有顯著進步。
但當前量子AI相關研究多為實驗室展示、缺乏商用應用，且硬件穩定性不足以支撐大規模AI模型，且加密破解風險也令人擔憂，Wired報導指出，Shor算法若實現，可能讓RSA加密崩潰，沖擊金融與隱私安全。 有預估2035年之前，會有三分之一機率讓量子計算機有重大突破，但現階段看來的量子AI難以有立即的可行性發展。
不過量子研究的確是全球重點項目，中國、美國都在積極參與，企業如 Google、IBM、微軟等大公司也積極布局。 歐盟也有持續投入數億歐元的量子旗艦計劃。 未來隨著量子位規模提升、得以在特定領域實現糾錯時，少數領域可能率先應用量子AI。 但要全面改變 AI 格局的時間還難以預測，在此之前，量子位結合傳統硬件的運算方式可能成為過渡方案。
關鍵詞： 量子計算機
