量子计算正以前所未有的方式改变基础设施的规划、设计和建设方法,这其中包括数据中心。然而,对于量子计算何时能突破实验阶段,成为数据中心运营中的现实应用,业界意见分歧。
凤凰城大学近期对 1000 名美国 IT 专业人士进行的一项调查显示,量子计算将在 2025 年成为一项重要的新兴技术。
不过,尽管调查中近一半受访者认为量子计算将在十年内对 IT 基础设施产生颠覆性影响,但很多人仍不确定其具体影响到底如何。
在数据中心行业面临对计算能力和能源效率前所未有的需求之际,我们采访了一些专家,听取他们对量子计算时间表及其对该行业潜在影响的看法。
一个复杂的问题
量子计算利用量子力学原理,通过操控量子比特 (qubits) 来进行计算,从而比传统计算机更快地解决复杂问题。
随着计算需求激增以及能源限制日益严格,政府和科技巨头正携手推动量子计算的发展。
2024 年 7 月,IBM 和日本国立先进工业科学技术研究所 (AIST) 联合开展了下一代量子计算机的开发工作。
尽管量子计算对数据中心运营的影响可能深远,例如 IBM 正在为纽约和德国的数据中心引入量子计算技术,但其所面临的挑战同样巨大。
凤凰城大学应用工程副总裁 Todd Johnson 在接受 Data Center Knowledge 采访时表示,与经典计算不同,量子机器需要极为特殊的环境支持——比如低温冷却、电磁屏蔽以及抗震隔离等。
“这些要求绝对会重塑未来数据中心的设计,不仅在物理结构上,而且在其运营方式和工作负载安全性上都会产生重大影响,”他说。
Johnson 指出,诸如 AWS 在内的多家公司已经正通过 Amazon Braket 等服务将量子计算整合到其生态系统中,而 Microsoft Azure 则通过 Azure Quantum 提供灵活的量子资源配置。
这些平台正在为混合量子-经典环境打下基础,减少对现场量子硬件的依赖,这意味着未来的数据中心可能不再局限于物理空间,而更多地依赖云原生编排技术。
IBM 的 Heron 芯片相比之前的 IBM 量子计算机性能提升达 16 倍,速度提升达 25 倍。 图片来源:IBM。
基础设施密集、环境脆弱
Johnson 概述了量子计算如何在数据中心环境中“改写剧本”,改变了对能源消耗和冷却需求的认知。
“虽然实际计算效率更高,但为了使量子机器运行所需要的环境,尤其是要将温度降至接近绝对零度,其能耗非常巨大,”他说。
当企业将其基础设施迁移到云平台,并将 CRM、HCM 和统一通信平台 (UCP) 等关键平台转变为云原生版本时,就能减少 24/7 运行大规模物理服务器所耗费的能量。
“如果量子计算能够在规模上实现商业化,云服务合作伙伴很可能会承担冷却和能量开销,”Johnson 表示,“这对可持续发展和专注核心业务都是一个利好。”
Omdia 高级计算部门首席分析师 Alexander Hallowell 指出,除非当前那些较为前沿的技术方案(例如光子学或基于半导体的某些技术)证明其可靠性,否则量子计算很可能会依然依赖于高强度基础设施并且环境上也会较为脆弱。
“数据中心必须提供对环境干扰的严格隔离,以及诸如低温冷却等全新的支持服务,”他解释道。
他预测,在主流数据中心运营中采用量子计算至少还需五年,可能“远不止如此”。他补充说,目前很难预测这项技术的普及将如何影响下一代数据中心的规模、布局和基础设施优先级。
“可以肯定的是,量子计算将会是大量经典计算能力和 GPU 的补充,而非取而代之,”Hallowell 表示。
量子与经典之间的对话
在 Johnson 看来,一个巨大挑战在于构建一个混合模型,使量子系统与经典系统能够高效对话。
“如今的应用和平台是基于二进制逻辑构建的;而量子引入了概率性逻辑——这完全是另一种玩法,”他说。
整合能够利用量子优势(如优化问题和复杂仿真)同时又能保持其他任务在经典系统上运行的接口、中间件及编排工具,是一大挑战。
“转向云原生应用可能使企业处于有利位置,因为各大平台或许已经开始在其产品路线图中融入量子技术,”他补充道。
这意味着企业可以在不必完全重构现有系统的情况下,享受到量子创新的带来的优势。
“这不是要取代经典计算,而是在适当的场景下对其进行增强,”Johnson 解释道。
空间、时间、专业技能——以及成本
量子计算所涉及的高昂成本起初将成为许多中小型数据中心企业面临的一大挑战。
前 ISACA 董事会主席兼 Crypto Quantique 主席 Rob Clyde 表示,一台量子计算机(包括制冷设备)在规模化部署时可能要耗资高达 1 亿美元。
他补充说,目前具备量子计算操作和编程的专业人士非常稀缺。
“由于我们需要一支合格的队伍来操作及编写这些量子计算机代码,因此这将成为一个重大问题,必须通过培训和教育措施加以解决,”Clyde 指出。
量子计算机也缺乏类似于经典计算机所拥有的高级编程语言——对此,Clyde 指出业界正在努力解决,但这需要时间。
他解释说,数据中心还必须有足够的空间来满足量子计算机的安装需求——由于制冷设备的原因,可能需要占用一百多平方英尺。
“数据中心的设计必须考虑到这一点,”他说,“当然,如果未来的量子计算机不再需要这种极端的冷却条件,情况或许会有所改变。”
他还指出,数据中心的布局设计必须考虑到量子计算机不能与经典计算机系统并置放置,必须有适当的屏蔽措施,否则噪音会影响量子计算机并增加错误率。
此外,数据中心还需要构建一个将量子计算机与经典计算机互联的网络基础设施。
“在最初阶段,这很可能在每个数据中心会以定制化方式进行,但最终市面上会有标准化的现成解决方案,使得这一过程更容易管理,”Clyde 说。
在这个过程中,还会制定相关标准和协议,从而使数据中心和企业能够更好地实现互联。
“很多聪明人正紧锣密鼓地解决这些问题,”Clyde 表示,“未来几年内我们或许能看到显著的进展。”
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。