量子计算是未来计算领域的重要突破。尽管围绕它的宣传声势浩大,但我相信它有可能解决一些极其重要的问题。
从大幅缩短新药研发时间到创造更环保的能源,企业将拥有突破性发展的巨大机遇。
然而,这里存在一个重大问题:具备企业实现量子计算全部潜能所需技能的人才严重匮乏。
例如,英国国家量子战略就明确指出,这一技能缺口是量子计算要实现繁荣与安全面临的一项挑战。
那么,需要哪些技能?企业需要填补哪些岗位?为什么在实用的量子计算技术可能还需数年才能真正到来之时,领导者必须立即采取行动?
量子如何影响劳动力技能?
量子计算利用量子物理中令人难以置信的可能性,以远超传统计算机速度执行某些计算,这对企业具有深远的影响。
企业需要在量子硬件与软件、量子算法以及如何在量子能够处理的大规模数据下解析数据的科学领域中,吸纳相关专家。对于某些计算而言,这种速度可能比传统计算机快上数亿倍。
除了这些硬性技术技能外,医疗、医药、金融、物流与网络安全等多个领域的专家,也需要了解量子技术为他们带来的新可能性。
这并不意味着他们必须成为量子科学家。但人们必须对使用新一代量子工具与技术抱有信心。
在数据分析和模拟构建方面,应用量子计算的专业知识对那些涉及生物系统、气候模式及金融市场建模的企业来说,将至关重要。
企业高管和领导者也需要理解,量子计算的到来将如何影响他们所需的技能。市场上对领导岗位人才的需求将大幅提升,这些领导不仅需要了解量子所能实现的功能,还得能够营造有利于创新的企业文化,并将其应用于实现战略目标。
企业现在可以做些什么?
有些人(如 Nvidia CEO Jensen)认为,实用的量子计算技术可能还需很长时间才会成熟。然而,整个行业并不完全认同这一观点,因为相关研究与技能的投资在稳步增长,且实际应用案例也开始浮现。
在我看来,任何可能受量子计算影响的企业现在应采取几个重要措施。
首先,制定量子战略。这意味着评估其对所在行业的影响,并确定推动业务增长或改善成果的机遇。
其次,加大在教育与培训上的投入。这包括对现有员工进行技能提升,使他们理解量子技术带来的影响与机遇。可利用在线课程、内部培训或与教育机构合作的方式进行培训。Google, Microsoft 与 IBM 等公司均提供面向企业专业人士的相关课程。
此外,企业也不应忽视与专家建立联网与合作关系所带来的好处。确认行业内在量子技术应用方面的领军人物,建立合作伙伴关系,并考虑聘请外部顾问。
最后(就当前而言),要为营造一种鼓励全面、多学科量子探索的企业文化奠定基础,这其中包括今天我们所讨论的技能培养要素。意思是要鼓励每个人分享他们的工作经验和所学到的教训。
以上这些都是企业在“学习阶段”应该立即采取的步骤,以防错失未来机会。
现在就应对技能挑战,为量子时代做好准备
世界经济论坛今年的一份报告发现,大多数组织对于量子驱动的未来准备严重不足。
那些等到技术普及之后才开始弥补技能缺口的企业,将使自己处于竞争对手的劣势之中。
我认为,将量子计算仅仅视为另一项新兴技术是一个错误的看法。
AI 依赖于庞大的计算能力,很多 AI 计算在量子硬件上可获得显著的加速。所以,将来可能会出现这样一个局面:处在 AI 前沿的竞争,也必然需要拥有量子领域的专业知识。
如果没有能力培养和吸引合适的人才,也缺乏他们发挥作用的框架,企业必然会错失机遇。而那些了解未来趋势,并现在就开始建立正确的技能体系和培训计划的企业,将迎来成功。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。