硅谷科技巨头IBM公司和思科系统公司正在将目光投向人工智能之后的下一个重大技术:量子计算。
两家公司今天宣布计划合作构建大规模、容错的网络,使数万个"量子比特"能够协同工作,解决世界上一些最复杂的问题。公司表示,他们希望在五年内通过连接两台独立的量子计算机并纠缠其量子比特来实现这一愿景,然后将这个网络扩展到分布式网络中的数十台机器。
最终,他们的目标是在2030年代末建立"量子互联网"的基础。这个网络旨在支持超安全通信和用于地震监测、气候变化等应用的先进传感器网络。
当然,IBM和思科承认要实现这一目标还需要大量工作,他们的近期目标相对温和一些。他们表示希望在2030年底前完成初步概念验证演示,计划展示如何纠缠来自位于不同低温环境中的两台独立量子机器的量子比特。
纠缠现象让多个量子比特协调工作,这对量子计算发挥潜力至关重要,因为这被认为是实现有用规模的唯一途径。为此,IBM和思科表示他们需要构建全新的网络架构,包含微波-光学转换器等新颖组件和支持软件。
量子互联网路线图
思科正在开发复杂的量子网络硬件和软件架构,旨在保持极其脆弱的量子状态,分配纠缠资源,促进量子计算机之间的传输,并以亚纳秒精度同步它们的操作。
一旦完成概念验证,他们需要证明能够扩展到连接两台以上的量子计算机。这将要求他们在更远距离上连接多台地理位置分散的量子机器。思科表示,为此他们将创新光子和微波-光学转换器技术。
此外,公司需要为量子计算机开发新型接口。为此,IBM正在开发新的量子网络单元(QNU)来连接量子处理单元(QPU)。IBM解释说,这个接口必须能够获取"静态量子信息"并将其转换为可分配给网络中其他机器的"飞行"量子信息。
在软件方面,思科正在开发高速协议框架,能够连续动态地重新配置量子网络,以便在QNU完成部分计算后将纠缠分配给它们。
此外,公司正在研究新型"网络桥接"如何使用多个思科量子网络节点通过QNU接口连接数百个IBM QPU,首先在单个数据中心内,随后扩展到整个物理上分散的设施群。这将确保量子网络能够在大距离上扩展,是构建量子互联网基础的关键。
思科总经理兼高级副总裁Vijoy Pandey表示,仅仅制造拥有更多量子比特的更大量子机器是不够的。要使它们真正有用,必须将它们连接成巨大的集群,以便结合它们的处理能力。
"IBM正在构建具有激进扩展路线图的量子计算机,我们正在提供实现横向扩展的量子网络,"他说。"我们正在将其作为完整的系统问题来解决,包括连接量子计算机的硬件、在它们之间运行计算的软件,以及使其工作的网络智能。"
如果公司能够开发出这种架构,IBM的量子计算机理论上将能够处理计算需求如此巨大的工作负载,即使世界上所有现有的经典计算机协同工作也无法完成。它可以支持多达数万亿个"量子门"的计算,这些是变革性量子应用(如复杂材料和药物设计)所需的基本纠缠操作。
公司计划中存在许多"如果",但他们确实相信有朝一日能够创建由数千台分布式量子机器组成的大规模量子互联网,可能最早在2030年代末实现。如果实现,将能够开发出可在全球范围内共享信息的量子传感器、量子通信和其他基于量子的技术。
IBM研究总监兼研究员Jay Gambetta表示,公司路线图要求在本十年末开发大规模、容错的量子计算机。一旦完成,他们需要连接多台机器以实现其全部潜力。
"通过与思科合作探索如何创建分布式网络,我们将追求如何扩展量子计算能力,"他说。"当我们构建计算的未来时,我们的愿景将推动量子计算机能力的前沿。"
Q&A
Q1:IBM和思科的量子互联网计划什么时候能实现?
A:IBM和思科计划分阶段实现量子互联网。他们希望在2030年底前完成初步概念验证演示,展示如何纠缠两台独立量子计算机的量子比特。最终目标是在2030年代末建成完整的量子互联网基础设施。
Q2:量子互联网有什么实际用途?
A:量子互联网将支持超安全通信和先进传感器网络,可用于地震监测、气候变化等应用。它还能开发量子传感器、量子通信等可在全球范围共享信息的量子技术,处理传统计算机无法完成的复杂计算任务。
Q3:量子比特纠缠为什么对量子计算这么重要?
A:量子比特纠缠让多个量子比特能够协调工作,这对量子计算发挥潜力至关重要,因为这被认为是实现有用计算规模的唯一途径。通过纠缠,量子计算机可以结合处理能力,处理需要数万亿量子门操作的变革性应用。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。