量子计算长期以来承诺带来革命性突破,但进展一直较为缓慢。近期,Google 发布了其最新的超导芯片 Willow。现在,Microsoft 也推出了 Majorana 1 芯片,这是其打造可扩展、容错量子计算机的答案。
为了支持其声明,Microsoft 在科学期刊 Nature 上发表了一篇论文。我们将这些公告视为通往量子优势(即量子计算机开始具有商业实用价值的临界点)的漫长道路上的重要步骤。正如我在关于 Willow 的博客中指出的,目前大多数演示仍然是使用假设性问题的实验。Microsoft 声称其方法将加快实现百万量子比特机器的进程,这足以解决实际问题。然而目前,它仅演示了八个量子比特。
考虑到 IBM 和 Google 已经研究超导量子比特数十年,现在已达到数百个量子比特,Microsoft 的替代策略是否有可能实现超越,还是会遇到相同的扩展性障碍?
Microsoft 的量子比特方案是一场重大赌注 量子计算最大的挑战是错误纠正和可扩展性。Microsoft 的新芯片基于拓扑量子比特构建,利用奇异的 Majorana 粒子实现固有稳定性。拓扑量子比特的物理特性比超导量子比特更不容易受到噪声影响。
如果成功,这种设计可以减少错误纠正所需的开销——这是实用量子计算的最大障碍之一。在可扩展性方面,Microsoft 的数字控制方法可能允许在单个基底上制造具有数千个量子比特的量子芯片。
Microsoft 花费了十年时间开发新超导材料所需的理论和工程。竞争对手长期以来对 Microsoft 的雄心持怀疑态度,采取"祝你好运"的立场。对此,Microsoft 反驳说:"超导厂商已经努力了 30 年;看看我们 10 年做了什么!"
虽然我们认为这次最新公告是重要的一步,但还不能完全证明 Microsoft 是对的。但这确实是重要的一步——Microsoft 现在有了一个芯片,并且有一些证据表明它按预期工作。历史上,我们曾见过早期先驱为重新思考技术的竞争对手铺平道路,最终让竞争对手在竞争中胜出。事实上,Watson 开创了自然语言接口,却被 Google DeepMind、OpenAI 等公司超越。我们是否正在见证这种情况再次发生?也许是。
IBM 和 Google 改进现有架构,而 Microsoft 则押注于未经验证的可扩展性。IBM 的 Heron 和 Google 的 Willow 芯片提高了量子比特保真度,并试图在既定的超导架构中减少错误。相比之下,Microsoft 正在从根本上重新思考量子计算,这可能会遇到不可预见的瓶颈。仍然存在许多未知因素。值得注意的是,Microsoft 在 Nature 论文中承认,它尚未证实用于构建其量子比特的粒子的存在。
Microsoft 的 Azure 集成可能加速软件就绪性,但限制生态系统灵活性。没有软件和算法,量子芯片对大多数人来说都是无用的。IBM 已经建立了强大的编程模型和基于云的量子访问,拥有强大的合作伙伴网络和开源 Qiskit。Microsoft 的方法将量子计算嵌入 Azure,简化了开发过程,但创造了一个封闭的花园,可能限制中间件合作伙伴的加入,从而减缓采用速度。
这对技术领导者意味着什么 Microsoft 的 Majorana 1 芯片代表了一场高风险、高回报的押注。虽然潜力巨大,但实际应用仍需要数年时间。目标是实现可扩展、容错的量子计算机,能够以指数级速度解决比经典计算机更难的问题。
大多数专家认为这至少还需要十年时间;Microsoft 的目标是将这个时间缩短一半。这个公告表明 Microsoft 正在下注,因为它现在确信这种方法将会奏效。这意味着技术领导者应该:
规划后量子安全。无论哪种架构获胜,组织都应该为量子计算对加密和网络安全的影响做好准备。如果 Microsoft 加速进展,Y2Q (量子年) 时间表将显著缩短。
仔细监控进展。Microsoft 的成功取决于在规模上展示稳定的量子比特操作。密切关注其下一个里程碑。拥有理解量子进展细节的专家将至关重要。
必要时分散量子投资。鉴于不确定性,对量子解决方案有潜在用例的企业应该与多个量子比特提供商和平台(包括 IBM、Google、Microsoft 和 AWS)合作,避免押注单一技术和生态系统。
最终看法:现在下结论为时尚早 如果 Microsoft 的方法成功,它可能显著加速该领域的发展——但如果遇到相同的扩展障碍,可能需要大幅放慢速度,给竞争对手时间解决其超导挑战。同时,还有离子阱、硅自旋和中性原子等其他方法都在竞相展示价值。
Microsoft 的拓扑量子比特策略是否会取得突破,还是会在某个时点面临与竞争对手相同的瓶颈而放缓?这是一个有趣的竞赛观察时期,现在下结论还为时尚早。
好文章,需要你的鼓励
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。
OpenAI发布"企业知识"功能,为ChatGPT商业版、企业版和教育版用户提供连接组织数据的能力。该功能集成Slack、SharePoint、Google Drive、Teams和Outlook等应用,但不包含OneDrive。用户需单独验证每个连接器,数据经过加密且不用于训练。与微软365 Copilot的30美元月费相比,ChatGPT商业版仅需25美元,在品牌认知度和价格方面具有竞争优势。
石溪大学等机构联合开发的TimeSeriesScientist是全球首个端到端AI时间序列分析系统,通过四个AI智能体协同工作,能完全自主完成从数据清理到预测报告的全流程。该系统在八个领域测试中表现卓越,预测误差比传统方法降低10.4%,比其他AI方法降低38.2%,并能生成详尽的可解释报告,将专业级数据分析能力民主化。