收录于话题
#研究报告
24个内容
本报告内容主要来自于Science 2.0网站发布的文章<Quantum Computing In Finance – Where We Stand And Where We Could Go>，作者为Joseph Byrum，发表日期为2021年5月13日。此外，在不改变作者内容原意的基础上，补充了一些与之相关的内容。本报告采用的数据均来自公开渠道或对公开数据进行的整理。本报告发布的观点力求独立、客观和公正，结论不受第三方授意或影响，不构成任何广告。光子盒所有原创作品版权归光子盒所有。其他媒体、网站或个人转载使用时不得进行商业性的原版原式的转载，也不得歪曲和篡改本网站所发布的内容。如转载须注明来源为“光子盒”，不得对本报告进行任何有悖原意的引用、删减和篡改。未经书面许可，任何机构和个人不得以任何形式翻版、复制或发表。如征得光子盒同意进行引用、刊发的，需在允许范围内。违规使用本报告者，法律必究。光子盒引用其它媒体作品或数据的目的在于传递信息，并不代表光子盒赞同其全部观点，不对其真实性、时效性负责；其他媒体、网站或个人转载使用时，必须保留光子盒注明的来源，并自负法律责任。若报告涉及动态数据的，仅表达截至发稿时的情况，不代表未来情况。在任何情况下，本报告中的信息或所表述的意见均不构成投资建议。如因作品内容、版权和其它问题需要同光子盒联系的，请微信联系王女士SUE_DC0529。量子计算机（Quantum Computer，QC）的运行方式与经典计算机完全不同。由于叠加和纠缠的量子效应，量子比特（或量子位）可以采用复数表示非二进制状态。这有助于解决经典计算机无法解决的数学问题，因为经典计算机需要按顺序计算数字的组合或排列。量子计算机的这种能力使得它们特别擅长解决优化问题，尤其是只有在尝试了大量可能的组合后才能找到最佳组合的问题。金融中的几个重要问题本质上都是这类优化问题，如投资组合优化、资产定价、信用评分和蒙特卡罗风险分析。据估计，经典计算机对大型投资组合进行风险评估需要一夜甚至几天的时间，未来有一天可以通过全尺寸量子计算机实时完成。这就是金融业对量子解决方案有浓厚兴趣的原因。量子计算机的计算能力随着量子比特数量的增加呈指数增长。量子计算路线图通过量子比特的数量或其他竞争指标来表明这些机器的能力正在不断提高，并为量子霸权（即量子计算机超越经典超级计算机的时点）设定了一些阈值。但在量子计算机大规模商业化之前，仍有许多巨大的技术挑战，尤其是稳定性和纠错方面的挑战。然而，量子软件，即在经典计算机上运行的、基于量子原理重构数学问题的新算法，已经出现了。一些量子的解决方案目前专注于投资组合优化问题，并且在不久的将来会被金融资产管理行业采用。虽然当前可用的量子计算机体积较大，且有噪声，但也可用于投资组合优化解决方案。用于资产组合优化（例如股票选择）的混合或全量子解决方案的早期概念验证（POC）已经得到了令人振奋的结果。许多金融领域的大公司已经在投资量子，或者至少已经与技术提供商合作研究应用场景。花费很长时间才能在该领域获得经验的金融服务公司有被甩在后面的风险。量子计算利用了量子力学，即亚原子水平上基本粒子的特性和行为。量子计算的目标是构建硬件并开发合适的算法，以优于经典计算机（信息时代随处可见的数字计算机）的方式处理信息。量子计算机的基本要素早在20世纪80年代初就已被提出，但最近随着几家大型老牌公司和初创公司研发量子计算硬件，这一领域的工作才开始加速。目前已有围绕硬件提供商的更大的软件平台和解决方案提供商生态系统。联盟和伙伴关系等合作模式在该系统中很常见。许多大学都参与其中，而政府也在支持量子计算研究。量子计算作为一个典型的新兴行业，它的标准和指标仍在不断变化中。相互竞争的架构利用不同的机制和量子原理的实现，争夺技术优势和投资资金。几乎每天都有新突破的宣布，这使得区分炒作与实际进展非常重要。本报告试图解释量子计算的基本原理和争夺量子霸权的竞争技术，进而揭开量子计算技术的神秘面纱。本报告首先简要介绍量子计算基础原理，其次概述了当前量子计算行业和主要参与者，并介绍了当前的应用程序和可能受益的不同行业。然后将重点转向金融行业，概述了金融中最重要且适合量子计算发挥其价值的投资组合优化问题，对此进行更深入的研究。本报告还回顾了近期值得关注的案例及其参与者。最后，本报告对量子计算的现状以及在短期和中期内可以预期的商业影响进行了评估。经典（或传统）数字计算机是以单个比特的总和来执行所有计算的，这些比特的值不是0就是1——因为它们是由晶体管实现的，每个晶体管要么完全打开，要么完全关闭。这被称为二进制逻辑[1]，是任何数字计算机的本质，并在图灵和冯·诺伊曼发明的长期计算机科学范式中实现。经典计算机通过打开和关闭数十亿个小晶体管来运行，所有状态变化都由计算机的时钟周期控制。对于n个晶体管，计算机在任何给定时间都有2n种可能的状态。重要的是，计算机一次只能处于其中一种状态。数字计算机非常复杂，典型的计算机芯片具有20x1019比特，但在半导体级别上却非常可靠，错误率小于10-24。（在计算机中更为常见的错误与软件和机械相关。）模拟计算机先于数字计算机出现。与数字计算机相比，经典模拟计算机使用电参数（电压或电流）进行计算，这些电参数沿着连续的线性标度取全范围的值。模拟计算机不一定是电子的（它们也可以是机械的，例如古希腊人建造的第一台计算机[2]），但20世纪最复杂的计算机是电子的。与数字计算机不同的是，模拟计算机不需要时钟周期，所有值都在不断变化。在芯片上大规模集成晶体管实现数字革命之前，模拟计算机已应用于多种场景，例如计算飞行轨迹或早期自动驾驶系统。但自20世纪60年代以来，由于数字计算机在过去几十年中的主导地位，模拟计算机在很大程度上已被人类放弃。经典数字计算机和模拟计算机的核心都是电子设备，从这个意义上说，它们执行的逻辑操作是由设备（通常是半导体设备）的电状态反映的，如晶体管（或20世纪中期模拟计算机的真空管），这是由于电压差和电流的影响。电流在物理上表现为电子在电路中的流动。[3]另一方面，量子计算机直接利用量子理论预测亚原子粒子（电子、原子核或光子）的奇怪和违反直觉的行为来实现一种新型数学。在量子计算机中，量子比特可以测量为|0>或|1>，它们是经典计算机中二进制0和1的量子等价物。然而，由于叠加这一特性，量子比特在叠加状态下可以是非二进制的，并且，该状态在处理过程中相互作用。正是这种特性使得量子计算机在某些应用中，理论上可以是经典计算机的能力的好几倍。一旦处理完成，结果只能在二进制状态|0>或|1>下测量，这是由于叠加总是被测量过程破坏。由于另一种奇怪的量子特性——纠缠，即使它们在物理上是分开的，两个或多个量子物体的行为是也相互关联的。根据量子力学定律，无论是毫米、公里还是天文距离，这种模式都是一致的。[4]当一个量子比特处于两个基态之间的叠加状态时，10个量子比特利用纠缠，可以处于1024个基态的叠加状态。与经典计算机的线性不同，量子计算机的计算能力随着量子比特数量的增加呈指数增长。正是这种能力赋予了量子计算机同时处理大量结果的非凡能力。当处于未被观测的叠加状态时，n个量子比特可以包含与2n个经典比特相同数量的信息。所以，4个量子比特相当于16个经典比特，这听起来可能不是一个很大的改进。但是16个量子比特相当于65,536个经典比特，300个量比特子所包含的状态比宇宙中估计的所有原子都要多——这是个天文数字。这种指数效应就是为什么我们对量子计算的未来如此抱有期望的原因。
对于一位数或两位数的量子比特，与经典计算相比的优势还不是很明显，但是量子计算的能力以真正难以想象的方式呈指数级增长。这就解释了为什么一旦在可靠的量子计算机中达到一定数量的量子比特，人们就会如此期待这项技术的爆炸式发展。然而，为了可靠地编码信息并期望它在测量时返回结果，量子比特只有两种可接受的状态：|0>或|1>。这意味着1量子比特一次只能存储1经典比特信息。即使有很多量子比特，信息存储的规模也不会比经典比特有所提高：10量子比特可以存储10比特信息，1,000量子比特可以存储1,000经典比特信息。因为1量子比特只能测量出两种状态之一，所以量子比特不能存储比经典比特更多的数据。因此，在数据存储方面没有量子优势。量子计算机的优势在于信息处理，而这种优势来自于量子比特的量子特性——它可以在不被测量时处于叠加态。由于量子比特的概率性，量子计算机通常不会提供一个确定的答案，而是在一定范围内提供可能的答案。多次运行相同的计算可以进一步缩小范围，但这是以降低速度增益为代价的。量子计算机不会取代经典计算机。一个主要原因是量子计算机无法运行“if/then/else”逻辑函数，而这些函数是经典冯·诺依曼计算机体系结构的基石。相反，量子计算机将与经典计算机一起来解决它们各自擅长的问题，例如优化问题。量子计算机在并行计算中的优势意味着，它们擅长为具有大量变量（只有在尝试了大量可能的组合或排列后才能找到最佳组合）的问题找到最佳解决方案。例如，优化投资组合，或尝试数百万种可能的新药物分子组合，或在多个枢纽之间安排多架飞机。在此类问题中，通常有2n种可能性，并且必须对它们都进行尝试来找到最佳解决方案。如果有100个元素可以组合，那么就变成了2100次计算，这几乎不可能用一台经典计算机来解决，但一台100量子比特计算机可以在一次操作中解决。金融中有不少难题本质上都是优化问题，这些问题符合量子计算机可以解决的问题的描述。金融中的投资组合优化问题就是一个很好的例子。资产定价、信用评分和蒙特卡罗风险分析也是这类问题。这就是金融业对量子解决方案有浓厚兴趣的原因。因为金融算法比驱动工业或其他物理过程的算法部署得快得多，所以金融业也很容易成为量子计算机的早期采用者。一台量子计算机的架构可以被视为具有以下典型层的堆栈：·最底层是实际的量子硬件（通常保持在接近绝对零度的极低温，以最小化热噪声，或在真空中）·除此之外，还有实现算法的软件层（将来也会进行纠错）。其中包括一个量子-经典接口——可将源代码编译为可执行程序·堆栈的顶层包括使用量子计算机的更广泛的服务，例如操作系统和软件平台，可以将现实生活中的问题转化为适合量子计算的格式
物理上有许多不同的方法（钙离子阱、超导结构）来实现量子比特。[5]每种情况下，都是操纵量子态进行计算。量子计算机可以通过量子逻辑门使量子比特纠缠在一起。例如，一个“CNOT”门根据另一个量子比特的状态翻转或不翻转一个量子比特。将多个量子逻辑门串在一起就形成了一个量子电路。如果没有叠加，量子比特将表现得像经典比特，并且不会处于可以同时运行许多计算的多重状态。如果没有纠缠，即使量子比特处于叠加状态，也不能通过相互作用产生额外的洞察力，从而无法进行计算，因为每个量子比特的状态将保持独立于其他量子比特。所以，量子比特创造商业价值的关键就是有效地管理叠加和纠缠。可以用作量子比特的最简单且最典型的物理特性是电子的内部角动量，简称自旋。它具有量子特性，即在任何坐标轴上只有两个可能的投影，单位是普朗克常数的+1/2或-1/2。对于任何选定的轴，电子自旋的两个基本量子态可以表示为↑（向上）或↓（向下）。但这些并不是量子比特唯一可能的状态，因为电子的自旋状态是由量子力学波函数描述的。而这个波函数涉及两个复数：α和β（名为量子振幅），由于是复数[6]，因而有实部和虚部。α2和β2对应于测量时电子自旋处于基本状态↑或↓的概率。由于这是仅有的两种可能结果，它们的平方振幅必须等于1。与只能处于两个二进制状态之一的经典比特相反，量子比特可以处于任何可能状态的连续体中，正如量子振幅α和β所定义的那样。在大众媒体中，这些通常用过于简单化且有点神秘的说法来解释，即一个量子比特可以同时以↑或↓状态存在。这类似于说一架飞机同时向西北和向西飞行，严格来说并没有错，但也不是特别有用的思维模式。因为只能在两种状态中的一种状态下测量量子比特，所以量子比特不能比经典计算机位存储更多的数据。因此，在数据存储方面没有量子优势。量子计算的优势在于信息处理，而这种优势来自于量子比特的量子特性，这意味着当不被测量时，它可以占据一个叠加态。在计算过程中，量子比特可以在它们的叠加状态下相互作用。例如，一组6个量子比特可以占据26=64个不同长度的6比特字符串的任意线性组合。用64个连续变量来描述这种状态，量子计算机在计算过程中可用的配置空间要比经典计算机大得多。在量子算法运行期间，存储信息的测量限制并不适用：在处理期间，量子算法中的每个量子比特都可以占据一个叠加。因此，在叠加状态下，每个可能的比特串(在本例中，26=64个不同的字符串)都可以组合。叠加中的每个比特串都有一个独立的复数系数，包括幅度(A)和相位(θ)：
处理器中有数十亿个晶体管的现代数字计算机，通常有64比特（位），而不是上面的量子示例中的6比特。这允许它一次考虑64比特，从而允许存在264个状态。虽然264是一个很大的数字，大约等于2 x 1019，但量子计算可以提供更多状态。量子计算机的连续状态空间比经典比特状态空间大得多。这是因为许多粒子在量子水平上相互作用形成共同波函数的可能性——允许一个粒子的变化以有序的方式瞬时影响所有其他粒子。这类似于大规模并行计算，它可以击败经典的多核系统。量子计算操作大多可以根据线性代数的标准规则进行处理，特别是矩阵乘法。量子态由以矩阵形式写成的状态向量[7]表示，量子电路中的门（执行计算）也用矩阵表示。将一个状态向量乘以一个门矩阵会产生另一个状态向量。通过使用将非线性系统转化为线性系统的技术，最近在使用量子算法破解非线性方程方面取得了进展。量子计算的概念是由加州理工学院的物理学家Richard Feynman在1981年提出的。但大多数人都认为量子计算的创始人是David Deutsch，他在1985年的一篇开创性论文中首次定义了量子计算机。1994年，贝尔实验室的数学家Peter Shor开发了一种量子计算算法，可以有效地将任何整数分解为其质因数。此后，它就被称为Shor算法，对量子计算具有重要意义。Shor算法在当时只是一个纯粹的理论练习，但它预计有一天假想的量子计算机可以解决用作现代密码学基础类型的NP-hard问题。Shor算法依赖于量子机器的特性。而最有效的经典因子分解算法，即通常所说的数域筛法，使用常数乘以d1/3的指数函数来分解具有d位数字的整数；Shor算法可以通过执行一个仅是多项式函数的运行时函数（即常数乘以d3）来实现这一点。因此，经典计算机仅限于分解只有几百位数字的整数，这就是为什么在加密密钥中使用数千的整数被认为是几乎牢不可破的代码。但是使用Shor算法Kitaev版本的量子计算机只需要10d个量子比特，并且运行时间大约等于d3。
综上所述，Shor算法意味着量子计算机可以在多项式时间内解决NP-hard数学问题，而经典计算机只能在指数时间内解决。[8]因此，Shor算法可以证明量子计算比经典计算可以在多大程度上缩短处理时间。虽然在实践中使用Shor算法破解代码所需的数千个量子比特的全尺寸量子计算机尚不可用，但许多科学家正在努力研发这种规模的机器。另一个重要的早期量子计算算法是Grover算法，即一种在无序数据库中查找某一特定的数据的搜索算法。我们可以把这个问题可以想象成一个电话簿，其中N个名字以完全随机的顺序排列。为了以1/2的概率找到某人的电话号码，任何经典算法（无论是确定性还是概率性）都需要至少查看N/2个姓名。但是量子算法只需要√N步。这个算法也可以适用于优化问题。大多数量子计算是在所谓的量子电路中进行的。量子电路是一系列在量子比特系统上运行的量子门。每个量子门都有输入和输出，其操作类似于经典数字计算机中的硬件逻辑门。与数字逻辑门一样，量子门按顺序连接以实现量子算法。量子算法是在量子计算机上运行的算法，其结构是利用量子力学的独特性质（例如叠加或量子纠缠）来解决特定的问题陈述。主要的量子算法包括量子进化算法（QEA）、量子粒子群优化算法（QPSO）、量子退火算法（QAA）、量子神经网络（QNN）、量子贝叶斯网络（QBN）、量子小波变换（QWT）和量子聚类算法（QC）。在Quantum Algorithm Zoo网站，可以找到量子算法的综合目录。量子软件是一个总称，指的是量子计算机指令的全部集合——从硬件相关的代码到编译器，再到电路、所有算法和工作流软件。量子退火[9]是基于电路的算法的替代模型，因为它不是由门构建的。量子退火通过利用任何系统都倾向于寻求其最小状态的基本物理定律，自然地返回低能量的解。在优化问题的情况下，量子退火使用量子物理学来找到问题的最小能量状态，这相当于其组成元素的最佳或接近最佳组合。伊辛机（Ising machine）是一种非电路替代方案，专门用于优化问题。在伊辛模型中，来自原子集合中每对电子自旋之间相互作用的能量是加总到一起的。由于能量大小取决于自旋是否对齐，因此集合的总能量取决于系统中每个自旋指向的方向。一般的伊辛优化问题是确定自旋应该处于哪种状态，以便系统的总能量最小。使用伊辛模型进行优化需要将原始优化问题的参数（例如旅行商的最佳路线）[10] 映射到一组有代表性的自旋中，并定义自旋如何相互影响。混合计算通常需要将问题（比如优化）转换为量子算法，其中第一次迭代在量子计算机上运行。尽管可以快速地提供一个答案，但它只是对有效整体解空间的粗略评估。然后，用功能强大的经典计算机找到精确的答案，这个过程只需要检查原始解空间的一个子集。量子计算机的致命弱点是由量子比特的亚原子粒子的机械振动、温度波动或电磁扰动引起的退相干或相干的损失。我们需要尝试各种变通方法才能改进技术。通常，算法设计的目的是减少门的数量，以便在退相干和其他错误源破坏结果之前完成执行。这通常需要一个混合计算方案，将尽可能多的工作从量子计算机转移到经典计算机。专家目前猜测，真正有用的量子计算机需要有1,000到100,000量子比特。然而，诸如著名量子物理学家Mikhail Dyakonov等量子计算怀疑论者指出，描述有用的量子计算机状态的，大量连续参数也可能是其致命弱点。以1,000量子比特机器为例，这意味着量子计算机有21,000个参数随时描述其状态。大约是10300，这个数字大于宇宙中亚原子粒子的数量：“一个有用的量子计算机需要处理一组连续参数，这些参数大于可观测宇宙中亚原子粒子的数量。” 如何控制10300个连续参数的错误？根据量子计算理论家的说法，阈值定理证明这是可以做到的。他们的论点是，只要每个量子门的每个量子比特的错误低于某个阈值，无限长的量子计算将成为可能，代价是要大幅增加所需的量子比特数。额外的量子比特需要通过使用多个物理量子比特形成逻辑量子比特来处理错误。（这有点像当前电信系统中的纠错，要使用额外的比特来验证数据）。但这大大增加了要处理的物理量子比特的数量，正如我们所见，这已经超过了天文数字。至少，这让我们看到了科学家和工程师必须克服的技术问题的严重性。用通俗易懂的话可以将量子计算机纠错问题描述为：对于经典数字计算机中使用的典型3V（伏）CMOS逻辑电路，二进制0将是在0V和1V之间测量的任何电压，而二进制1将是在2V和3V之间测量的任何电压。因此，当例如将0.5V的噪声添加到二进制0的信号中，测量结果将为0.5V，这仍将正确指示二进制值0。因此，数字计算机对噪声的抵抗力很强。然而，对于一个典型的量子比特，0和1之间的能量差仅为10-24焦耳（这是X射线光子能量的十亿分之一）。纠错是量子计算中需要克服的最大障碍之一，令人担忧的是，它会在辅助计算方面带来巨大的开销，从而很难发展量子计算机。两年前Dyakonov发表了怀疑论者的观点后，随之而来的是一场激烈的辩论。对怀疑论者案例的典型回应来自行业内部人士Richard Versluis，他是荷兰量子计算合作机构QuTech的系统架构师。Versluis承认控制量子计算机并确保其状态不受影响存在的工程挑战。然而，他表示挑战在于确保控制信号和量子比特按预期执行。潜在错误的主要来源是不完全准确的量子旋转以及退相干（量子比特失去了纠缠和它们包含的信息）。Versluis继续定义了一个他认为可以胜任这项任务的五层量子计算机架构。从上到下依次为：1.应用层，2.经典处理，3.数字处理，4.模拟处理，5.量子处理。数字、模拟和量子处理层一起构成了量子处理单元 (QPU)。但Versluis也不得不承认，量子纠错可以解决基本的退相干问题，但代价是每个逻辑计算量子比特需要100到10,000个纠错物理量子比特。此外，这数百万量子比特中的每一个都需要由连续的模拟信号来控制。最大的挑战是以不干扰量子信息（在计算结束之前必须保持未知）的方式每秒进行数千次测量，同时检测和纠正错误。目前用模拟信号测量所有量子比特的模式不能扩展到更大的机器上，因此需要技术的重大进步。大多数专家都同意，在接下来的几年里，我们将不得不忍受有大量未纠正错误的量子计算机存在。对于此类量子计算机，甚至有一个公认的行业术语：NISQ（含噪中型量子）设备。NISQ 时代预计未来至少会持续五年，除非出现任何可能缩短该时间段的重大突破。一旦关键技术取得突破性进展，由于云计算的普及，量子计算机被采用的速度可能会比预期更快。通过云轻松访问量子计算机服务可加快采用和学习速度。另一个优势是迫使硬件制造商致力于构建具有较高正常运行时间百分比的量子计算机，以确保云的持续可用性。大多数量子计算机制造商已经提供了对最新量子计算机的云访问。有一些编程环境，如促进量子电路构建的软件开发工具包（SDK），量子计算机程序员可以通过云来学习如何编写与量子计算有关的软件，并对其进行试验。随着更多功能添加到硬件中，这些SDK会不断更新。这意味着整个生态系统正在加速了解如何最好地利用尚未存在的量子能力。比方说，当莱特兄弟还在研究如何让他们的飞机保持在几百英尺以上的空中时，他们已经有了飞行模拟器来训练未来的飞行员。这种方法的好处是，在制造性能优于经典计算机的可靠量子计算机方面的任何真正进步，都将很快被现实世界的应用所利用。这与我们过去看到的大多数重大技术突破形成了鲜明对比。例如，工业工程师花了一两代人的时间来学习如何正确使用电力来代替工厂中的蒸汽动力。最近几十年，人们花了一代人的时间来充分利用数字计算在商业和其他领域的能力。但在量子计算的例子中，所有为成功研制出量子计算机而构建的知识都可以被一群经过训练的开发人员迅速转化为应用，一旦飞机最终建成，这些开发人员就可以“驾驶飞机”。这是一种乐观的观点。人们已经在用量子编程语言和所谓的量子开发工具包（QDK）[11]开发量子电路，例如IBM的Qiskit、基于Python的谷歌Cirq、微软基于C#语言开发的Q#语言。下一步是为不同的应用领域开发库和工作流。前者的例子是IBM的Aqua和Q#库。后者的例子是D-Wave的Ocean开发工具包，它用于混合量子-经典应用并将量子优化问题转化为量子电路；或Zapata的Orquestra来编写、运行和分析量子工作流。在电路和库之上是特定领域的应用平台。“协调和整合经典和量子工作流，用混合量子-经典算法解决实际问题，是未来几年的主题。”量子启发（quantum-inspired）软件已经开始运行，因为它们可以运行在经典计算机上，而不要求一定是量子机器。例如富士通量子启发数字退火机服务。即使在理论层面上，量子思想已经在一些问题领域取得了丰硕的成果，例如，利用量子原理重构问题已经促使了改进的算法、证明和驳斥错误的旧算法。量子启发软件与量子就绪（quantum-ready）软件密切相关，一旦有合适且可用的量子计算机，就可以在上面运行这些软件。量子计算机产业化进入了关键时期。世界主要国家和龙头企业都投入了大量人力物力来推进量子计算的研究。谷歌大概在2019年10月就使用了量子霸权这个词，当时它在博客和《自然》中的一篇文章中宣布了其“量子霸权实验”的结果。该实验使用了谷歌名为“悬铃木”的54量子比特处理器，可以在200秒内完成一项复杂的基准测试，而当时最快的超级计算机需要10,000年才能完成。在未来的某个时候，真正的量子霸权可能确实会实现。量子霸权最初由加州理工学院的John Preskill定义，即量子计算机的能力超过任何可用经典计算机的能力；后通常被认为是建立在经典架构上的最先进的超级计算机。曾经，人们估计具有50个或更多量子比特的量子计算机就可以演示量子霸权。但一些专家说，这更多地取决于在相干性衰减之前，在一个量子比特系统中可以执行多少逻辑操作（门），而相干性衰减时，错误会激增，进一步的计算将变得不可能。此外，量子比特如何连接也很重要。这使得IBM的研究人员在2017年制定了量子体积（QV）的概念。更大的量子体积意味着更强大的计算机，但不能仅通过增加量子比特数来增加量子体积。量子体积是一种硬件无关的性能测量，基于门的量子计算机考虑许多因素，包括量子比特的数量、量子比特的连通性、门保真度、串扰和电路编译效率。2020年末，IonQ公司宣布其第5代量子计算的量子体积为400万。在此之前，霍尼韦尔的7量子比特离子阱量子计算机拥有当时业界最高的公开量子体积128，第二高的是IBM的27量子比特超导量子机器，量子体积为64。2021年7月，霍尼韦尔声称通过更新版本的System Model H1，达到1024的量子体积，是迄今为止实验测得的最高量子体积。主要量子计算机开发人员的此类交替公告可能会持续一段时间，因为每个人都在争夺最强大的量子计算机头衔。与其将量子霸权视为绝对的门槛或里程碑，不如将所谓的量子霸权实验视为新技术的基准实验，这可能类似于我们用马力来表示汽车发动机功率的方式。在量子霸权的整个概念中还有一个有趣的问题是：“怎么会有人知道，量子计算机真的在做一些经典计算机不可能做到的事情，而不是他们只是尚未找到足够聪明的经典算法来完成这项工作？” 量子计算的出现可能会推动和激发经典计算算法的新发展，我们已经在量子计算软件的概念中看到了这一点，这将在后面的部分中进一步讨论。量子优势（quantum advantage）和量子霸权（quantum supremacy）是有区别的。量子霸权是指可以证明量子计算机可以完成经典计算机无法完成的事情。量子优势在于，与使用经典方法相比，量子解决方案可以提供现实世界的优势。（这并不意味着经典计算机无法做到这一点。）量子霸权还有第二个含义——某个国家将拥有未来这项技术的技术优势。当前的500强经典超级计算机列表很好地表明了量子计算的热点可能在哪里，因为没有哪个国家或地区愿意放弃在经典计算中来之不易的优势。目前，43%的超级计算机在中国，23%在美国，7%在日本，大约19%在欧洲（包括英国但不包括俄罗斯）。在欧盟，欧盟委员会成立了量子旗舰（Quantum Flagship）作为一项为期十年的协调研究计划，该计划将投入至少10亿欧元的资金。其长期愿景是创建“量子网络”（Quantum Web），实现“量子计算机、模拟器和传感器通过量子网络相互连接，分发信息和量子资源，例如相干和纠缠。” 美国的类似计划称为国家量子倡议（NQI），12亿美元的美国政府资金将用于美国国家标准与技术研究院（NIST）、美国国家科学基金会（NSF）量子研究与教育多学科中心、能源部研究中心和国家量子信息科学研究中心。NIST通过天体物理联合实验室（JILA）的量子信息科技中心（QIST）与科罗拉多大学博尔德分校合作进行量子计算研究。NIST、物理科学实验室（LPS）和马里兰大学成立了联合量子研究所（JQI），进行基础量子研究。量子信息和计算机科学联合中心（QuICS）是NIST和马里兰大学的另一个合作伙伴，专门推进量子计算科学和量子信息理论的研究。中国政府在量子计算方面的投资超过100亿美元，比美国政府和欧盟各自的12亿美元投资高出一个数量级。英国和日本政府各投资约3亿美元，加拿大和韩国各投资约4,000万美元。中国的量子计算计划旨在到2030年实现重大突破。习主席已承诺出资10亿美元建立中国量子信息科学国家实验室。美国与中国投入资金的差异意味着，美国主要依靠其科技巨头的私人投资来保持竞争力。时间会证明这是否是一个明智的策略。中国的大型科技公司也在投资量子计算——众所周知，阿里巴巴、腾讯和百度都在大力投资量子计算。根据一些指标，中国已经通过积累比美国更多的量子计算相关专利获得了早期优势。2019年，谷歌宣布其量子计算机可以在200秒内执行了一个特定计算，而这需要当今最快的超级计算机用1万年的时间。但是在2021年3月，中国科学院的张潘和潘峰使用60个GPU组成的小型计算集群在5天的时间内就完成了同一个任务。到了2021年6月，中国科学技术大学的“祖冲之二号”完成了一个采样任务，其经典模拟复杂度比谷歌“悬铃木”高2到3个量级。中国希望在量子计算方面保持世界领先地位，并非纯粹出于对工业竞争力和经济实力的渴望，还有在国防中的应用，量子研究和实验包括：使用纠缠进行安全的远程军事通信，例如卫星和地面站之间的通信；量子雷达可以抵消美国目前在隐身技术方面相对于传统雷达的优势；超过五公里的量子潜艇探测范围将限制美国核潜艇的行动。量子计算机的制造难度非常大，需要对亚原子粒子进行复杂的操作，并在真空环境或低温下运行。目前，量子计算行业的状况类似于早期的飞机和汽车工业，当时也有各种各样的架构和奇特的设计。最终，随着量子技术的成熟，可以预期会出现类似飞机和汽车行业发展中的趋同。事实上，这种技术的融合将是衡量量子计算技术日益成熟的一个很好的标准。·量子比特必须在足够长的时间里保持相干，以便在叠加状态下完成计算。这需要将量子比特与外界隔离，因为当量子比特与外部世界相互作用时会发生退相干；·量子比特必须是高度连接的。这是通过纠缠发生的，并且要多个量子比特进行操作；·需要高保真操作。经典数字计算机依靠信号的数字特性来抵抗噪声。然而，由于量子比特在计算状态需要精确地表示不只是0和1的数字，所以数字降噪是不可能的，噪声问题更类似于老式模拟计算机中的问题。由于噪声不容易防止，因此必须缓解，当前研究的重点是噪声校正技术；·门操作必须快速。在实践中，这是保持相干性和高保真度之间的权衡；·可扩展性高。量子计算机只有在规模大到能解决有价值的问题时才有用。目前，超导量子比特和离子阱这两种量子技术最有望实现性能卓越的量子计算机，并吸引了最多投资者兴趣。表1列出了主要的量子技术或理论，以及每种技术的主要支持者。注：目前还没有一个普遍接受的方法来比较不同技术的计算能力。这是因为计算周期（量子比特寿命/门操作时间）等明显的度量会被当前门操作的不一致性和纠错方案带来的变化开销所扭曲。对于所有基于门的技术，由于容错的需要，时钟速度在可预见的未来也将受到限制。量子计算硬件只是量子计算堆栈的底层。在硬件之上的是系统层，在系统层之上的是软件和应用层。最顶层是现在最常见的云技术。在量子计算生态系统中，只有极少数公司真正建立起可工作的量子计算机，因为这需要在量子物理和硬件工程方面的大量资源和高度专业的技能。许多自认为是量子计算公司的公司实际上业务是在软件和服务方面。量子计算硬件提供商通过增加软件和服务而在生态系统中向上移动的情况更常见，而软件和服务参与者则试图通过开发自己的量子计算硬件而向下移动。硬件制造商通过互联网和云平台提供他们的量子计算机，通常是通过订阅计划，有时是免费的。基于云的产品通常是混合量子-经典计算系统，它将要解决的问题分解为经典计算机可以解决的部分和最好由量子计算机解决的部分。这种情况类似于早期的经典计算，当时只有几台计算机可用，这些计算机占满了整个房间，并且必须在许多用户之间共享。下面是量子计算领域一些主要参与者的简介，主要分为硬件提供商和软件平台和解决方案提供商。量子计算硬件领域的主要竞争者各自制造具有竞争力的架构和规格的量子计算机。这些通用系统中最重要的是由大型公司IBM、谷歌和霍尼韦尔以及初创公司Rigetti和IonQ制造的。另一家初创公司D-Wave制造和销售专门用于量子退火的混合量子计算机，特别适合解决优化问题，例如金融业感兴趣的问题。D-Wave：D-Wave是加拿大的初创公司，也是量子退火的主要支持者，其中包括对金融应用的优化。它是向其他组织销售量子计算机的先驱[13]。这些量子计算机作为完整系统封装在尺寸为10英尺x 7英尺x10英尺（长x宽x高）的物理外壳中，每个外壳都装有完整的低温制冷、屏蔽和I/O系统，以支持指甲盖大小的QPU（量子处理单元）。其最新型号D-Wave Advantage量子计算机拥有5,000个量子比特，而之前的型号有2,000个量子比特。该公司声称它可以解决多达10,000个变量的问题。D-Wave还允许客户通过其“混合求解器”访问其量子硬件，该求解器将计算任务分解为几个部分，其中一些由量子计算机解决，其余由经典计算机通过基于云的接口解决。2020年10月，《环球邮报》报道称，D-Wave被迫进行了一轮代价高昂的再融资，导致几名长期投资者的股票贬值。D-Wave的机器只有少数买家，因此难以产生收入。谷歌：谷歌（Alphabet Inc.）在2019年秋季宣布他们的量子计算机已经实现了所谓的量子霸权，即在一个特定任务上超过了经典超级计算机，从而展示了他们对量子计算的战略承诺。他们目前的量子计算机有一个54量子比特的“悬铃木”处理器，并带有快速、高保真量子逻辑门。作为人工智能领域的领导者，谷歌处于探索量子技术人工智能相关应用的前沿。谷歌研究人员已经发表了大量关于量子计算的文章。霍尼韦尔：2020年10月，霍尼韦尔使用独特的量子电荷耦合器件（QCCD）离子阱技术发布了下一代量子计算机System Model H1。该量子计算机最初版本有10个全连接的物理量子比特，量子体积为128（目前已经升级为1024），System Model H1可以通过云应用程序编程接口（API）直接访问，也可以通过微软Azure Quantum以及Zapata Computing和剑桥量子计算公司等特定的渠道合作伙伴直接访问。霍尼韦尔拥有独特的中间电路测量能力和复位功能。最近，霍尼韦尔量子解决方案公司宣布将与剑桥量子计算公司合并。IBM：IBM是为数不多的经典大型计算机制造商之一。IBM量子系统以超导量子比特技术为基础。IBM更倾向“量子优势”一词而不是“量子霸权”，他们将量子计算机的能力具体化为量子体积（QV），而不是量子比特。（量子优势在于，在量子计算机上比在经典超级计算机上更快地解决问题，所以在经典计算机上使用是有意义的。）IBM宣布的最新量子体积是128。虽然他们已经制造了65量子比特的系统，但IBM还运营着16和20量子比特系统。IBM打算建立一个基于云的量子合作伙伴生态系统，并且正在通过每年的编程挑战积极提升量子计算的编程技能。这与IBM支持开源软件工具的长期战略是一致的。摩根大通和巴克莱银行是IBM Quantum Network的创始成员。英特尔：英特尔是量子计算机的组件制造商，而不是系统制造商。它决心借助量子计算芯片继续保持其在硅处理器市场的长期领先地位。英特尔实验室开发了“Horse Ridge”，这是首创的一种低温控制芯片（这意味着它可以在靠近低温制冷机内的量子比特的地方工作，但温度略高），它将能够控制多个量子比特。Horse Ridge将量子比特控制带入了量子制冷机——尽可能接近量子比特本身，并将量子控制工程的复杂性从数百条进出制冷机的电缆降低到在量子设备附近运行的单个统一封装。英特尔的研究合作伙伴是代尔夫特理工大学的QuTech。最近，英特尔宣布能够使用Horse Ridge（已升级至第二代）控制多个量子比特。IonQ：IonQ是一家初创公司，它推出了第一个商业化的离子阱量子计算机。该公司制定了未来五年的路线图，并计划在2023年之前部署足够小的机架式模块化量子计算机，以便在数据中心联网。该公司预计，这将在构建机器学习方面带来量子优势。然后计划到2025年实现广泛的量子优势。2020年末，IonQ公布了一个可用的新32量子比特计算机私人测试版，还有两台下一代计算机也在开发中。IonQ在纠错方面取得了进展，采用了一种新的纠错码，只使用13个量子比特，并且还致力于能够在未来进行中间电路测量的能力。IonQ的投资者包括AWS、三星、洛克希德·马丁、HPE、现代汽车等。《华尔街日报》今年报道称，IonQ计划通过与一家特殊目的收购公司（SPAC）合并的方式上市，交易价值约为20亿美元。NEC：这家大型IT公司在经典大型主机和超级计算机方面有着悠久的历史，正在日本政府的资助下开发量子退火机。2020年，它开始与D-Wave合作开展量子计算开发项目。最近，它与奥地利的量子计算初创公司ParityQC建立了合作伙伴关系，以开发量子退火解决方案。NEC将把这项技术与自己的超导参量量子器件相结合，目标是到2023年建造量子退火机。NEC的主要应用是金融投资组合优化、制造业物流和规划。PsiQuantum：这家硅谷初创公司正在开发大规模线性光学量子计算机(LOQC)，目标是100万个量子比特。该公司认为，光子技术是获得大量量子比特的唯一途径，而这些量子比特正是完全纠错的量子计算机所需的。PsiQuantum的量子计算机的基础是光子技术，该技术结合了广泛的纠错，可以在标准半导体晶圆厂制造。著名的投资者是微软和Blackrock。Rigetti Computing：这家位于加州伯克利的初创公司将自己向世界展示为一家集成系统公司。它制造了量子计算机和为其提供动力的超导量子处理器。通过他们的量子云服务(QCS)平台，他们的量子计算机可以集成到公共、私有或混合云中。硅量子计算公司（SQC）：SQC是澳大利亚的一家初创公司，于2017年从悉尼新南威尔士大学（UNSW）拆分出来，其量子计算以硅为基础。它获得了联邦政府、州政府、澳大利亚联邦银行（CBA）、澳大利亚电信公司（Telstra）的资助。SQC正在建立一个基于施主（donor）自旋量子比特技术的量子计算机，这是一种磷施主，嵌入在新南威尔士大学最初设想的硅结构中的。施主量子比特的潜在优势是高保真度（超过99%），电子自旋态的相干时间长（以秒为单位）。CBA在这家初创公司投资了超过1400万美元。Xanadu：Xanadu是一家加拿大量子初创企业，资金来源于风投机构和由美国国防高级研究计划局（DARPA）和加拿大可持续发展技术（SDTC）机构的拨款资助。Xanadu认为光子学为实现通用容错量子计算提供了最可行的方法。该公司声称已经开发了光子芯片，X系列的芯片由硅和氮化硅制成。该公司是第一家对光量子计算机提供云访问的公司。目前，可以访问其8、12和24量子模式处理器。目标是每六个月将可用的量子模式数量增加一倍。该公司的早期客户包括创新颠覆实验室（CDL）、丰业银行、蒙特利尔银行和美国橡树岭国家实验室。本源量子：合肥本源量子计算科技有限责任公司（简称“本源量子”）成立于2017年9月，国内量子计算领先企业，总部位于合肥高新区，并在北京、上海、成都、深圳等地设有分支机构。团队技术起源于中科院量子信息重点实验室，以量子计算机的研发、推广和应用为核心，专注量子计算全栈开发，各软、硬件产品，技术指标国内领先，知识产权成果四百余项。本源量子云接入6比特超导量子计算服务，以云端接入方式实现真实量子芯片的完整后端体验。未来将接入半导体量子计算服务。国盾量子：ezQTM Engine超导量子计算操控系统是国盾量子联合中国科学技术大学，针对多比特超导量子计算需求，打造的室温操控系统。针对超导量子计算实现方案中对量子比特的驱动需求及状态读取需求，可以通过单套ezQTM Engine设备快速开展实验。类似技术已经成功应用到中国首台云端超导量子计算平台。2021年4月，国盾量子宣布将投资7926.20万元建设“量子计算原型机及云平台研发项目”，将先后研制两台高性能超导量子计算原型样机和与之适配的量子计算云平台。启科量子：启科量子正式成立于2019年1月，总部位于北京，在量子通信、量子计算领域均拥有自主核心技术与产品开发能力。公司致力于发展基于离子阱的千比特分布式量子计算机，帮助用户推动计算能力、运营成本和速度的改进并从中受益。2021年7月，启科量子在其新品发布会上发布了分布式离子阱量子计算机AbaQ-1工程机。量旋科技：专注于桌面型核磁共振（NMR）量子计算机、量子计算测控系统、以及量子计算相关软件的自主研发，推动量子计算的普及化和商业化。其桌面型核磁共振量子计算机（2~4量子比特）体积小、重量轻，具有量子计算的所有元素，并且操控简单。2021年1月，量旋科技宣布启动研制超导量子计算机。图灵量子：图灵量子是我国率先开展光量子芯片和光量子计算机商业化的公司，致力于光量子芯片、光量子计算机、光子计算机、人工智能光子处理器、及量子云的研发和产业化。创始团队拥有自主知识产权的三维和超高速光量子计算芯片核心技术和工艺，可以完成从芯片设计、流片、封装、测试，到系统集成和量子算法实现的全链条研发能力。玻色量子：玻色量子聚焦于相干量子计算技术路线，致力于量子计算的软硬件全平台研发，旨在实现“用量子重新定义AI”，针对人工智能计算进行指数级加速，进而应用和服务于各个行业，解决未来人工智能+大数据+物联网时代的算力需求。2021年6月和7月，玻色量子完成天使轮融资，并且其量子实验平台已搭建完毕。玻色量子将在相干量子计算设备硬件技术研发、样机制造、以及市场应用布局等方面继续投入。中国科大中科院量子信息与量子科技创新研究院：2020年12月，该研究院潘建伟、陆朝阳团队成功构建了76个光子100个模式的高斯玻色取样量子计算原型机，实现“量子计算优越性”（也叫“量子霸权”）。2021年6月，潘建伟、朱晓波研究团队成功研制的66比特可编程超导量子计算原型机“祖冲之二号”，利用其中的56比特完成了“量子计算优越性”实验；九章2.0升级为144模式，并探测到了113个光子，进一步扩大量子计算机的优势。2020年12月，彭博社报道称，亚马逊正在为建立自己的量子计算机奠定基础，并开始雇佣一个硬件团队。思科公司似乎已经准备好进入量子计算领域。该公司正在进行战略性招聘，并希望与大学的量子研究人员进行合作。微软为研发自己的量子计算机制定了计划，该量子计算机的基础是马约拉纳费米子（一类基本粒子），它将成为理想的量子比特，因为它们寿命更长，更不容易产生噪音。通过将希望寄托在马约拉纳费米子上，微软希望超越竞争对手IBM和谷歌，后者的量子计算机基于更成熟的技术。然而，这一努力在2021年初陷入混乱，当时荷兰研究人员撤回了在2018年发表的一篇确认马约拉纳粒子存在的《自然》论文。预计微软将围绕诸如超导量子比特或离子阱系统等更知名的技术进行重组。总之，这对微软来说是一个重大挫折，微软试图通过押注更深奥的计算机模型来击败竞争对手。但是量子计算专家表示，使用马约拉纳粒子的量子计算机可能需要长达30年。然而，基于离子阱、超导量子比特、光子学、中性原子、硅基和退火的量子计算机仍在博弈中。无论微软如何解决这一重大挫折，它都让人们注意到：试图在未经证实的技术基础上构建计算机存在着极高的技术风险，而且这些技术的基础物理学甚至还未得到完善。两个北美通用的基于云的量子计算解决方案主要竞争平台来自微软和亚马逊，来自加拿大-西班牙初创公司Multiverse的平台由于专注于金融应用而与金融服务业特别相关。超导、离子阱和量子退火（不基于门）通过亚马逊Braket和微软Azure云平台提供。目前，光量子计算机仅在Xanadu的云上提供。1Qbit：这家位于温哥华的初创公司提供与硬件无关（Hardware-agnostic）的量子计算平台。它适用于材料科学、优化和市场情绪测量。2015年，苏格兰皇家银行（RBS）成为1Qbit的主要早期投资者，并为2020年的新一轮投资做出了贡献。安联（Allianz）是该公司的另一个主要投资者。阿里云：中国的第一个商业量子实验室于2015年由阿里巴巴和中科院合资成立。阿里云与中国科学院在2017年合作推出了量子计算云服务。阿里云量子开发平台(ACQDP)是他们的量子算法和量子计算机模拟器驱动的开发工具。阿里巴巴达摩院的量子实验室还对量子处理器、量子存储器和量子计算系统进行硬件研究。亚马逊Braket：Braket是一种完全托管的基于云（通过AWS）的量子计算服务，可提供对来自D-Wave、IonQ和Rigetti的量子计算硬件的访问。亚马逊专注于三个主要应用领域：分子模拟、优化和量子机器学习。通过亚马逊量子解决方案实验室促进与其他组织的协作。Braket提供对其他公司的多种量子计算机的访问，包括Rigetti的基于超导量子比特的硬件、来自IonQ的离子阱量子计算机，以及D-Wave的基于超导量子比特的量子退火技术。百度：百度于2018年成立了量子计算研究所，专注于搭建人工智能与量子计算的桥梁。其核心产品包括量脉（计算系统）、量桨（量子机器学习开发工具）和量易伏（量子云平台）。剑桥量子计算公司（CQC）：CQC致力于化学、机器学习、网络安全和金融领域的量子计算解决方案。它最近发布了t|ket>软件平台的0.7版，该版本取消了使用t|ket>的Python模块（称为pyt|ket>）的所有许可限制，使该软件可以免费使用。CogniFrame：这家初创公司专注于机器学习和量子计算的交叉。它解决了NP-hard和其他复杂的优化问题。通过与东芝和D-Wave合作，它提供了从量子启发到混合到纯量子的优化和模拟解决方案。它通过位于量子云之上的“金融服务运营层”来满足金融业的需求。芝加哥量子公司（Chicago Quantum）：该公司非常积极地研究应用量子算法优化金融投资组合。它基于夏普比率开发了一种量子算法[14]——根据一年的历史定价数据挑选有吸引力的股票投资组合。该算法在D-Wave量子退火机和芝加哥量子公司自己的经典计算机上运行。该公司偶尔会发布使用其算法选择的股票组合。它最近发布了从3,514只股票中选出的128只股票的有效投资组合，以及具有积极势头和低风险的较小投资组合和股票。微软Quantum：微软的Azure Quantum是一套完整的公共云生态量子解决方案，最近已经开放公测。它旨在为开发人员、研究人员、系统集成商和客户提供学习和解决方案。该生态系统使客户能够访问各种量子软件和硬件解决方案、领先的量子研究人员和开发人员网络、强大的资源库以及灵活的自助服务或定制开发程序。微软的开源量子开发工具包(QDK)允许使用Q#语言开发新算法，Q#是一种专注于量子的高级编程语言。QDK拥有一个GitHub库，其中包含开源Q#库和示例程序。微软的主要合作伙伴是霍尼韦尔、IonQ、Quantum Circuits Inc.、东芝、1Qbit。Multiverse：这家量子计算初创公司在西班牙圣塞巴斯蒂安和加拿大多伦多设有办事处，致力于为金融业提供量子计算软件解决方案。他们声称他们的软件可以在所有量子硬件技术上运行。此外，Multiverse还提供量子启发的解决方案，例如张量网络、数字退火、量子启发优化和人工智能。QC Ware：这家企业软件初创公司拥有庞大的量子算法专家团队，旨在提供可在近期量子硬件上运行的解决方案。它与硬件供应商D-Wave、IBM、IonQ和Rigetti是合作伙伴。Quantum Computing Inc.（QCI） ：QCI是一家为量子计算开发平台无关软件的初创公司。其名为Qatalyst（此前称作Mukai）的平台使用户能够在经典计算机上使用量子启发方法和在量子计算机上使用量子就绪方法。Qatalyst平台支持开发应用程序来解决NP-hard的复杂优化问题，这通常涉及具有数千甚至数十万个变量的多维解空间。它的量子资产分配器（QAA）使基金经理能够使用量子启发的技术来解决NP-hard的问题，从而得到最优投资组合配置。QCI声称，QAA可以在经典计算机上为复杂的金融资产分配问题快速计算最优或接近最优的交互式解决方案。东芝：东芝是量子启发计算的领导者，它利用对量子力学的更深入理解，在经典硬件上运行优化器。东芝声称其模拟分岔机（SBM）源自对量子分岔机的研究，是一种立即可用的伊辛机，它可以快速解决大规模组合优化问题。2020年9月，东芝宣布加入微软Azure Quantum生态系统。因此，SBM可以通过Azure Quantum云服务访问，允许它利用Azure云中的GPU资源。SBM也可在亚马逊的AWS平台上使用。东芝的目标是成为新兴的全球量子加密市场的大玩家，并计划在2025年之前推出一项量子加密服务。传统密码依赖于分解非常大的数字的不切实际性，当可以使用足够大的量子计算机时，它将远远超过经典超级计算机的计算能力，传统密码面临着被破解的真实风险。Zapata Computing：Zapata的量子计算驱动的工作流解决方案Orquestra，自动执行供应链优化、材料发现和资产分配优化的工作流管理。该软件解决方案与硬件无关，以便它可以与任何主要的量子计算机合作。德国大型一级汽车供应商博世是Zapata的投资者。华为：华为于2018年10月推出了首款量子云平台HiQ，目前HiQ云服务平台已经推出到3.0版本。华为尚未推出量子硬件设备，而是利用昆仑量子计算模拟器作为计算引擎。在应用层，华为推出了一站式量子化学应用云服务和对应软件包HiQ Fermion，通过自研的算法优化、线路压缩等技术可将参数压缩80%，运行速度提高1600倍以上，提供大规模一站式变分量子本征解算器（Variational Quantum Eigensolver，VQE）量子化学模拟，在药物、能源、材料等应用场景有广泛用途。本源量子：除硬件开发外，本源量子还提供底层量子指令集OriginIR，支持多硬件、多语言的量子计算框架QPandas和量子语言QRunes，并且提供专业的量子软件定制服务，提供从硬件层到应用层的全栈式服务。2020年9月，本源量子发布了搭载了真实超导量子芯片的超导量子计算云平台。量旋科技：量旋科技发布了最新一代通用量子云平台“金牛座”，为用户使用量子计算硬件提供远程服务。“金牛座”是一款可链接多种量子计算物理体系的云服务平台。目前已同时接入1台2比特和1台4比特核磁共振量子计算机。昆峰量子：2019年9月30日，昆峰量子发布了“昆冈”量子计算（模拟）云平台1.0版本。昆峰量子以此为基础，和国内外多家科研机构与企业积极合作，探索量子计算在多个行业领域的实际应用。目前已发布了云平台2.0版本。自1990年代初以来，美国国家标准与技术研究院(NIST)一直处于量子计算研究的中心。NIST与公立大学合作创建了研究机构，例如JILA(与科罗拉多大学博尔德分校)和联合量子研究所(JQI)(由NIST、马里兰大学和物理科学实验室合作成立)。拥有量子计算研究小组的大学名单越来越长。根据一份最近由the Quantum Daily编制的名单，排名前12的大学量子计算研究组织是：8.中国科学技术大学（USTC）量子物理与量子信息学部11.慕尼黑大学的量子应用和研究实验室（QAR-Lab）12.因斯布鲁克大学的Quantum Information & Computation除此以外，中国也有一些其他专注于量子计算的优秀研究机构：谷歌开发了自己完整的量子计算堆栈，但在大多数情况下，量子计算机公司都是相互合作以补充彼此的能力。·微软量子网络(Microsoft Quantum Network)：微软(软件和Azure云服务)与霍尼韦尔量子解决方案公司(硬件)、IonQ公司(硬件)、Quantum Circuits Inc(硬件)、东芝(软件-量子启发)、1Qbit(软件)和合作。·IBM Quantum Network：IBM硬件(20多台量子计算机)与包括三星、摩根大通、巴克莱和戴姆勒在内的150多个参与组织合作。·霍尼韦尔：霍尼韦尔已投资了Zapata和CQC，并将与CQC合并。·D-Wave与Multiverse、NEC建立了合作关系。·使用Azure Quantum(微软)的1Qbit公司。·本源量子计算产业联盟（OQIA）：成员主要来自金融、医药等领域，包括建银金科、民生银行、瀚海博兴等。·NEASQC（量子计算的下一个应用）：一个欧洲NISQ量子计算联盟。汇丰银行最近作为第一家金融服务组织加入其中。在全尺寸量子计算机可用之前，短期内可能会出现量子计算应用和量子计算对金融业产生的影响。途径有几条，其中最突出的是小规模量子计算和经典计算在所谓的混合量子计算中的结合。另一个是量子启发计算算法在经典计算机硬件上的潜在实现。量子启发计算是基于这样一种想法，即一个在经典计算机上难以解决的问题可能会变得更容易解决，它被重新定义为一种受到量子物理学启发的方式。但执行仍然是经典的。如果一个解决方案利用了叠加和纠缠的量子力学原理，它可以被称为量子解决方案，或者至少是一个混合经典/量子解决方案。如果该解决方案不利用这些现象，我们将称其为经典解决方案，即使它可能看起来不像一个普通的经典计算解决方案。量子启发计算可以使用标准计算机硬件或专用计算机硬件（起源仍然是经典的）来实现。通常，量子启发软件也是量子就绪的，一旦硬件可用，它可以很容易地移植到真正的量子计算机上运行。在真正的量子计算机上运行时，软件将更加强大。微软的量子启发算法旨在在经典计算机上运行，并且它们已经在用例中取得成功，例如改进放射扫描中的癌症检测。微软声称其量子启发算法“对于优化问题特别有用——这涉及筛选通过大量的可能性来找到最佳或高效的解——这些解非常复杂，需要非常强大的计算能力，以至于当前的技术难以解决这些问题。”微软还声称，通过将复杂的计算问题转化为量子启发的解决方案，Azure可以实现几个数量级的性能加速。他们已经与Willis Towers Watson(一家全球咨询、经纪和解决方案公司)和金融服务公司Ally合作，探索这类算法如何在风险管理、金融服务和投资领域发挥作用。Quantum Computing Inc.（QCI）是标准计算机硬件实现的另一个例子：他们提供了一个名为Qatalyst的软件平台，通过在经典计算机硬件上运行量子启发的软件，用户可以利用量子计算的最新突破。事实上，其中一个应用就是量子资产分配器（QAA），它使用量子启发的技术来解决妨碍最优投资组合配置的NP-hard问题。该公司声称QAA可以解决NP-hard问题，包括基数约束和最小买入约束。Qatalyst软件也是量子就绪的，因此在真正的量子计算机可用时就可以使用。东芝的模拟分岔机（SBM）也是标准计算机硬件实现的一个例子，它运行在通用的经典计算机上，声称可以高速解决大规模组合优化问题，且比模拟退火方法快100倍。富士通的数字退火机（Digital Annealer）是专用计算机硬件实现的一个例子。它的硬件是“专门为更有效地解决更大更复杂的组合优化（CO）问题而设计的。”2018年的波士顿咨询公司一项分析确定了量子计算在五个主要领域的未来用例：·高科技用例包括AI和机器学习、网络安全、搜索、在线广告竞价策略等·工业品用例包括物流调度、产品配送、自动驾驶、交通规划、半导体芯片布局优化、航空航天故障分析和材料科学应用·化学和制药用例包括更快速的药物发现、基因组学、催化剂和酶设计以及改进的诊断能力（例如MRI）·金融用例包括交易策略、投资组合优化、资产定价和风险分析（金融用例将在下一节中更详细地介绍）麦肯锡的一项分析对100个行业的用例进行了如下排序，这代表了量子计算的影响以及哪些行业将受到最大的影响：·先进制造业（包括航空航天和汽车），以11个用例位居第三图3 2019年量子计算用例贡献排名，金融行业以28例位列第一2021年初，福布斯报道称，领先的量子计算概念证明（POC）是人工智能/机器语言、金融服务、分子模拟、材料科学、石油/天然气、安全、制造、运输/物流、IT和医疗保健(制药)。许多与人工智能相关的应用也适用于金融服务，包括交易策略/国债和资产管理、期权定价、新的金融模型、投资组合优化、风险和不确定性预测、客户实时行为定位。如果金融服务公司目前由于计算能力的限制而过于规避风险而不愿扩大客户基础，量子计算可以使该行业接触到20亿没有银行账户的人，减少每年因欺诈/糟糕的数据分析而造成的400亿美元损失，并减少80%的误报。结论是，量子计算“近期和长期最大的好处”将出现在金融服务领域，这解释了为什么摩根大通、BBVA和高盛等行业巨头都在积极探索量子计算。有两种方式来思考量子计算对金融的影响。第一个也是最明显的一点是，量子计算的特殊能力将能够解决某些类型的问题，即使是最强大的经典计算机也无法在所需的时间内解决。公司目前运行大规模分析计算以进行风险管理、预测、规划和优化，而量子计算可能会改变未来的运营甚至战略。如果一项业务不仅运行得更快，而且速度提高了一百万倍，应该问问自己，业务运营中的哪些根本变化是可能的。随着时间的推移，量子计算可能还有更重要的影响金融和经济的方式。那就是改变问题的形成、结构和建模的方式。我们时常忘记，经济学在作为一门社会科学的初期，受到了当时盛行的物理学——热力学的严重影响。经济学中的局部均衡和一般均衡的范式是从热力学借用来的，这门科学使第一次工业革命的蒸汽动力成为可能。因此，古典和新古典经济学理论的基础都是一切事物都会回归均衡，而任何偏离均衡的行为都只是暂时的。许多对新古典经济学理论的持续不满大部分来自这样一个事实：真实世界似乎并非如此。David Orrell在一本同名书中创造了“量子经济学”一词，他在书中阐述了他的观点，即量子理论作为一种新的、更好的建模方法（例如，股票价格变动）具有广阔的前景。正如Orrell所说：也许量子金融最有用的贡献将是我们对金融体系看法的改变——我们不再把股价看作是与许多独立投资者相互作用而从稳定位置随机推挤出来的粒子，而是开始把它们视为根本不确定的数量。在量子物理学中，粒子永远不可能完全静止，因为这会违反不确定性原理。这是改变当前经济模型基础的长期愿景。然而，本报告主要关注量子计算对金融业的近期效用。因此，接下来的讨论将集中在量子计算机解决金融方面特定问题的期望，在这些领域，量子计算机的性能已经或即将超过经典计算机。在最近一份关于金融行业量子计算的报告中，波士顿咨询集团估计，在量子计算技术足够成熟之后，金融服务公司可以增加700亿美元的营业收入。虽然这项技术仍处于起步阶段，但金融服务应用的快速增长是合理的。量子计算有可能改变银行和其他金融机构的竞争力。它预计将革新的三种能力是：·优化。当前的优化必须使用不现实的假设来简化场景，从而使它们成为经典计算机可解决的问题。但是量子计算机可以解决那些能够充分体现现实世界复杂性的问题。·模拟和定价。目前蒙特卡罗(Monte Carlo)模拟的运行可能需要数天或数周才能完成，但量子计算机可以实时运行。·机器学习。机器学习目前受到经典计算机无法处理复杂和计算密集型算法的限制。量子计算将克服这一限制，并有望在短时间内让机器理解大型复杂系统。IBM Quantum证实，量子计算可以解决的金融问题可以分为以上三种类别。例如，投资组合优化和多样化属于优化类别，期权定价和投资组合风险属于模拟和定价类别，信用评分和欺诈检测属于机器学习类别。IBM已经在这些领域开发了量子算法。根据麦肯锡的说法，金融机构需要处理大型非结构化数据集是他们使用量子计算机的理由。在资本市场、企业融资、投资组合管理和与加密相关的活动中都有量子计算机的强大的用例。量子计算可以在日益商品化的世界中提供真正的竞争优势。麦肯锡认为资本市场有四类群体：卖方、买方、撮合者(包括交易平台和经纪人)和规则制定者。买方和规则制定者需要更复杂的模型。例如，量化对冲基金旨在通过分析复杂性获利，这可能是超强大处理的自然选择。在金融市场扮演多重角色的大型银行也是重要的早期实验者。在机器学习等人工智能技术已经改进了传统分类和预测的领域，取得快速胜利的时机已经成熟。根据Multiverse（金融量子算法提供商），量子计算工具的特定金融应用也可以垂直分类：如前所述，麦肯锡最近对100个潜在的短期价值创造用例进行了分析。金融领域有28个用例（这是分析的所有行业中最多的），而且中期和长期的潜在价值都很高。金融显然是麦肯锡所说的量子计算的“第一波产业”，该报告的作者呼吁第一波产业的高管们采取行动：我们相信，金融、旅游、物流、全球能源和材料以及先进制造业等将在本世纪20年代初开始从混合经典-量子方法中获得巨大价值。这些第一波产业的商业领袖需要迅速制定量子战略，否则他们将被巴克莱、巴斯夫、宝马、陶氏、埃克森美孚等创新公司甩在后面，因为这些公司已经在量子计算领域采取了战略措施。Fitch Solutions最近对2050年云计算技术大趋势的分析也认同了这一结论。该报告发现，量子计算具有最大的颠覆潜力；量子计算比以往任何时候都更接近现实，预计它可能会在未来十年内成为现实；赢家将是率先投资这项技术的公司和政府。在最近一份关于新兴技术对金融服务的影响的报告中（世界经济论坛(WEF)和德勤合作的结果）量子计算“比经典计算机更有效地解决范围狭窄但关键的问题”的潜力也得到了认可。投资组合优化、信用评分、风险分析和加密是世界经济论坛认为的主要影响领域。仅仅在过去的几年里，金融业的几家大公司已经宣布进行量子计算实验。例如，西班牙BBVA一直在探索投资组合优化、CaixaBank风险管理和摩根大通资产定价。许多金融机构也积极与量子公司或网络合作，甚至直接投资初创公司。参与量子计算的金融公司越来越多——包括全球金融机构，例如安联、巴克莱、花旗集团、高盛、汇丰银行、摩根大通和瑞穗，以及主要的地区性或全国性机构，例如荷兰银行、安森保险、加拿大银行、BBVA、蒙特利尔银行、法国巴黎银行、CaixaBank、澳大利亚联邦银行、国民西敏寺银行集团、野村证券、苏格兰皇家银行、丰业银行、渣打银行、瑞银集团和富国银行。那些觉得量子计算太新奇的金融服务公司可以通过投资量子启发的计算来进入这个领域。在富士通委托进行的一项调查和研究中，70%的受访者意识到富士通数字退火机能够在不需要量子计算机的情况下解决组合优化问题，并表示这将加速他们通向量子未来的旅程。量化投资者希望量子计算能够解决当前在投资组合优化、套利策略和交易成本最小化方面的许多计算问题。通过向模型添加更现实的假设和约束，经典计算机会遇到复杂计算负载的问题：向投资模型添加非连续、非凸函数，如利率收益率曲线、交易手数、买入阈值和交易成本，使优化表面变得十分复杂，以至于经典优化器经常崩溃，计算时间太长，或者更糟糕的是，将局部最优误认为全局最优。为了解决这个问题，分析师通常会简化或排除此类约束，从而牺牲计算的保真度以获得可靠性和速度。许多专家认为，这种权衡对于量子组合优化来说是不必要的。研究人员开发了多种技术，旨在使用各种量子方法来解决投资组合问题。提出的主要方法有：无论使用哪种方法，都需要将现实世界的问题转化为多项式无约束二进制优化（PUBO）表达式。这本身并不是一个小问题。在最近的一篇预印论文中，来自Zapata的研究人员提出了量子增强优化器（QEO），这是一种不依赖目标函数细节的黑盒求解器，当组合问题因现实世界的复杂性而难以解决时，它可以扩展到大问题。由于退火在建模和解决优化问题方面的天然优势，当前和近期金融业最受关注的量子计算技术是量子退火。D-Wave Systems是该领域的领导者。他们专注于NP-hard优化问题，并一直在寻求一种具有高度经验的方法来解决这些问题。对于NP问题，可以在多项式时间内验证其解。在NP-hard问题的情况下，可以找到解，但不知道是否最优。（P和NP问题之间的区别是理论上的。D-Wave的Catherine McKeough指出，自从P vs NP提出以来的30年里，没有人提出过一个实验来解决这个问题，很可能是因为这样的实验是无法设计的。）对于优化问题，最低点是基态，但也存在具有更高能量的局部最小值。包含多个局部最小值的问题是不稳定的，导致很难找到最优解。绝热量子计算（AQC）是门模型的替代方案，但AQC在多项式上等效于门模型。量子退火算法既可以在经典计算机上运行，也可以在AQC平台上运行。量子版本提供概率结果，这意味着一个解必须运行一百或一千次才能提供答案分布。与在经典计算机上运行的多项式解相比，在D-Wave的量子计算机上运行的退火解收敛速度要快得多。量子软件公司Multiverse的首席技术官Sam Mugel在D-Wave硬件上运行其算法，他提出了一些实用的标准，用于选择在当前的量子计算机上比在经典计算机上更好解决的问题。首先，输入问题应该非常小，因此只需要少量的量子比特。其次，应该有许多可能的解或状态可供探索。第三，它应该是一个高价值的问题。第四，当目前最好的经典解是蛮力（brute-force）解时，这是一个不错的选择。当已知问题是NP-hard而没有找到最优解的经典方法时，通常会出现这种情况。通过在所谓的混合求解器中结合经典计算机和量子计算机，可以获得巨大的收益。一台拥有充足资源的强大经典计算机可以管理问题和数据，将量子计算最擅长解决的小而极其困难的问题交给量子计算机。基于退火的系统已经可用。最近在金融机构和量子计算公司之间进行的一些案例研究、实验和概念证明（POC）已经公开。这些案例不仅揭示了正在做什么和由谁做，有时还揭示了所涉金融机构的基本原理：巴克莱银行在2017年创建了一个内部量子计算工作组，建模人员在IBM的量子云上运行程序。例如，他们与IBM合作开发了一种可用于证券交易结算的量子算法。交易结算（即在交易时进行结算）在计算上是复杂的，且难以优化，因为在抵押资产和利用信贷设施方面存在各种法律约束和选择性。虽然经典计算机需要很长时间才能解决这个问题，但研究人员在一篇论文中描述了一个拥有少量量子比特的量子计算机如何执行算法中最复杂的部分。BBVA与西班牙高级科学研究委员会（CSIC）、埃森哲、富士通、Zapata Computing和Multiverse合作，正在进行六项研究。虽然该项目仍处于探索阶段，但早期结果表明，该技术可以“快速、准确、有效地”解决某些复杂问题，比如投资组合优化。BBVA的研究和专利全球主管Carlos Kuchkovky表示：“尽管这项技术仍处于发展初期，但其影响该行业的潜力已经成为现实。一旦工具足够成熟，我们的研究就能帮助我们确定量子计算在哪个领域的竞争优势更大。我们相信，对于某些具体任务来说，这将在未来的2到5年内实现。”蒙特利尔银行金融集团（BMO Financial Group）和丰业银行（Scotiabank）与Xanadu合作，为各种交易产品设定量子蒙特卡罗算法的基准。据Xanadu称，该算法显示了量子计算在未来几年对衍生品定价方面的潜在颠覆性潜力——将使接近实时定价并显著降低功耗成为现实。澳大利亚联邦银行（CBA）和Rigetti Computing进行了一项联合实验，将量子近似优化算法（QAOA）应用于投资组合再平衡。CBA和Rigetti使用了模拟的门量子计算机。实验取得了成功，确定了最佳调整收益5%以内的投资组合，并为小投资组合提供了最优风险，并证明了这种应用在更先进的量子硬件上的潜在可操作性。德国商业银行（Commerzbank）与富士通合作进行了一个量子启发的概念证明，优化了证券化贷款组合的选择过程。通过使用富士通数字退火机，德国商业银行能够同时处理多个贷款选择因素(例如，监管要求、绝对交易量限制、特定资产特征的百分比限制等)，以实现投资组合中的风险分散程度更高。GloFund利用基于云的量子计算以更快的速度、最佳方式重新平衡投资组合。GloFund声称，量子计算允许它在重新平衡其投资组合时考虑更多限制（例如监管要求、交易量限制、百分比限制等）并检查更多的输入（例如不同的安全类别）。以前，这种计算密集型的计算需要几个小时或几天才能完成。这迫使他们降低计算的准确性（例如模拟退火、阈值接受等）以做出更快、更有效的投资组合决策。但是，通过运行量子算法，GloFund能够全面解决投资组合优化问题，并进行高级市场模拟。GloFund的投资组合经理能够同时处理更多的投资组合，从而快速、准确地找到结果。高盛正在与QC Ware合作，探索利用量子计算加速蒙特卡罗算法。摩根大通和IBM使用振幅估计测试了一种在基于门的量子计算机上为期权和期权组合定价的方法，与经典的蒙特卡罗方法相比，该算法提供了平方加速。一个简单的错误抑制方案显着减少了来自嘈杂的双量子比特门的错误。摩根大通也尝试了霍尼韦尔的离子阱量子计算机，以产生所谓的量子oracle——这是一种黑盒操作，用作另一种算法的输入。它的目的是简化斐波那契数[15]（在投资和信息安全方面有应用）的计算。中国建设银行旗下的金融科技子公司建信金科，于2020年与本源量子签署战略合作协议，两家公司将围绕金融领域应用场景，推动量子生态的构建及其与金融产业的协同发展。2021年2月，建信金科和本源量子联合发布共同研发的业内首批量子金融应用算法，包括量子期权定价算法与量子风险价值(VaR)计量算法，相关参数优于国外同类产品。国民西敏寺银行（NatWest Bank）正在使用富士通的量子启发数字退火机来优化银行1200亿英镑的HQLA[16]（高质量流动资产）投资组合的构成（包括债券、现金和政府证券）。它完成了银行需要定期进行的高度复杂的计算，速度是经典计算机的300倍，准确度甚至更高。Natwest还相信这个过程降低了人为失误的风险，可以更快地完成对其投资组合的全面风险评估，以及获得更广泛的结果和排列，从而有助于确保优化利差和降低风险。野村资管（NAM）正在与日本东北大学一起探索量子计算应用，并将重点放在了投资组合优化和股票回报预测。苏格兰皇家银行（RBS）正在使用受量子启发的计算来帮助投资组合经理优化该银行1500亿美元的高质量流动资产投资组合的构成。该银行正在调查哪些投资组合可以用同样的技术来计算。苏格兰皇家银行还评估了1Qbit（RBS是投资者之一）的算法，以确定为不良贷款拨备的金额。苏格兰皇家银行的创新主管John Stewart认为，苏格兰皇家银行在使用量子计算方面领先于竞争对手“18至24个月”。他认为苏格兰皇家银行的投资是一种防止措手不及的保险策略：“在现阶段，为了理解可能危及数十亿美元业务的事情而进行100万美元的投资，这是一种很好的权衡。”渣打银行与美国宇航局（NASA）和大学空间研究协会（USRA）合作，研究量子计算机可以为优化投资组合带来的好处。2021年1月，Multiverse确认其客户蒙特利尔银行和丰业银行正在研究交易问题，高盛正在研究期权定价，班基亚银行（Bankia）对最短持有期很感兴趣，而大众则进行金融市场预测。早些时候，D-Wave披露，班基亚银行、Multiverse和D-Wave合作解决了动态投资组合优化的NP-hard问题——在考虑交易成本和其他可能约束的情况下，确定资产投资组合在一段时间内的最优交易轨迹。我们可以在已发布的论文中更深入地了解Multiverse的工作性质（无客户名称）。在这些论文中，该公司分享了通过张量网络算法运行4年市场数据以确定最佳[17]投资组合的进展。这些算法在D-Wave硬件上运行速度非常快，表明它已为“具有商业价值的应用程序”做好了准备。优化投资组合的结果也非常令人鼓舞：该算法找到了一组在15%的波动率下可以提供60%回报的资产[18]。Multiverse还使用D-Wave和张量网络演示了跨越4年和7项资产的投资组合优化，并演示了在14%的波动率下获得50%的投资回报。据D-Wave称，时间序列聚类和后处理算法是此次成功演示的关键。Multiverse的竞争对手芝加哥量子公司也做了类似的工作，去年，芝加哥量子公司发表了一些研究结果，证明量子技术可以利用D-Wave退火机选择有效的投资组合。他们的最新演示是通过算法运行来自美国所有主要股票交易所的美国普通股的完整列表，以证明该公司能够选择在过去一段时间内具有较高回报的投资组合。两篇论文列出了分别用40只[19]和60只[20]美国股票进行投资组合优化的结果，并将量子计算结果与经典结果进行了对比。埃森哲公司还为其银行客户使用了D-Wave的混合求解器，以试行量子应用货币套利、信用评分和交易优化。在过去的两年中，量子计算取得了一些重要的里程碑式成就：·2019年，谷歌宣布了所谓的量子霸权，它的54量子比特“悬铃木”量子计算机上在200秒内解决了一个在经典计算机不可能解决的数学问题，而一台超级计算机估计需要1万年。·IBM、谷歌和其他公司展示了具有实际应用潜力的化学分子键合模拟，如新材料设计、理解可能改善粮食生产的化学过程，如固氮·IBM公布了到2030年实现100万量子比特的宏伟路线图，预计到2023年将从1121个量子比特的系统中获得量子优势。霍尼韦尔量子解决方案提出量子体积（QV）每年翻10倍（目前H1系统：1024QV；2025年：65万QV）·IonQ推出了新的离子阱量子计算机，具有32量子比特和400万量子体积，相当于22个算法量子比特（IonQ提出的概念，指的是有效量子比特）·中国科学技术大学证明其量子计算机可以进行高斯玻色取样（约200秒内探测到76个光子），这需要最强大的超级计算机运行25亿年；今年6月，九章2.0探测到的光子数量增加到了113个，同时“祖冲之二号”完成了比谷歌随机采样复杂度高出2-3个数量级的任务·许多正在进行的实验和概念证明（见上一节）也在继续波士顿咨询公司预计量子计算的第一波收益将惠及具有复杂模拟和优化要求的行业中的公司。金融业在投资组合优化、套利策略和交易成本方面面临着几个这样的挑战。预计这种相对较慢的进展将持续到2024年左右，但随着技术的成熟和商业可行性的提高，价值预计将迅速增加，会有明显的先发优势：由于量子计算是一项变革性技术，在被采用过程中存在着巨大的障碍，所以当后发者在整合、人才和知识产权方面苦苦挣扎时，先发者将占据总价值的很大一部分，量子计算是随时可能出现的重大突破之一。已经投资将量子计算整合到工作流中的公司更有可能获得资金支持，而且它们所开创的先河对其他公司来说将是困难的。这将在那些难以处理的经典计算问题导致瓶颈和错失收入机会的行业中带来巨大优势。量子计算被置于Gartner《2020年计算基础设施的炒作周期》报告中的最高地位。但Gartner也指出，虽然量子计算可能被夸大了，但它可以为公司提供真正的竞争优势，忽视它是有风险的。在该领域，后发者的一个主要风险是被抢占知识产权(IP)和专利组合，因为先发者会迅速转向专利创新，例如，一家竞争对手银行为蒙特卡罗模拟中的一项创新申请专利。另一个主要风险是被排除在量子计算人才库之外，因为先发者会迅速吸收稀缺的量子计算人才。但后发者的最大风险也许是在交易活动中失去竞争优势：无论哪家金融机构在量子计算方面取得巨大突破，它们都将选择不公布，而是尽可能长时间地默不作声地收获回报，这类似于高频交易的开始。2002年，洛斯阿拉莫斯国家实验室发布了第一份官方的量子计算路线图。最初计划每年更新路线图。然而，它最后一次更新是在2004年，所以导致它现在很过时。不过，这份268页的文件对不同的量子计算技术有很多深度解析，并提供了一些历史背景。例如，最初预计到2012年将实现50量子比特的量子计算机。后续的路线图最近来自IBM、霍尼韦尔和IonQ等主要的私人组织，以及一些咨询公司。2020年9月，IBM发布了一份雄心勃勃的量子硬件路线图，其中显示了到2023年底一台量子计算机（代号为“Condor”）将拥有1000多个量子比特，而且最终会达到100万个量子比特甚至更多。2021年，IBM将发布代号为“Eagle”的127量子比特IBM量子处理器。作为里程碑的Condor将包括纠错和足够的规模来探索IBM所谓的量子优势，在量子优势下，其量子计算机可以比世界上最好的超级计算机更有效地解决问题。然后，在2021年2月，IBM跟进发布了构建开放量子软件生态系统的路线图。IBM确定了三个关键部分，他们希望开源开发者为那些在软件堆栈更高层上工作的人奠定基础：·量子核(Quantum-kernel)开发者在最底层（即最接近硬件）创建高性能量子电路。IBM将在2021年晚些时候发布Qiskit运行时环境（现已发布）。它将提高更快运行更多电路的能力，并存储量子程序，以便其他人可以将其作为一种服务来运行。它还将提供更多种类的电路。·量子算法开发者利用上述这些电路来开发超越经典计算解决方案的量子算法。IBM的Circuit Composer有一套可定制的工具，允许开发人员在量子硬件或模拟器上构建、可视化和运行量子电路。·量子模型开发者将这些算法应用到现实世界的用例中，从而开发用于优化、化学、物理、机器学习等方面的量子模型。到2023年，IBM计划在自然科学、优化、机器学习和金融领域提供一系列预构建的运行时。这些将可以从基于云的API调用。在2025年之后，IBM的愿景是无摩擦量子计算，开发者和用户将不再需要关心硬件。开源工具的使用和创建以及将它们转换为在云中本地运行是IBM量子路线图的关键组成部分。在2020年发布H1型量子计算机时，霍尼韦尔还为后继的量子计算机提供了更宏伟的路线图，即到2030年升级为“大规模”H5型。路线图中提到了霍尼韦尔希望每一代都能提高技术，但它并没有具体说明未来将要实现的量子比特数。IonQ是一家量子创业公司，于2020年12月发布了路线图。在路线图中，IonQ引入了一个新的指标，即算法量子比特（AQ），同时放弃了IBM的量子体积（QV）指标，因为当量子计算机变大时它就会失效。AQ=log2QV。根据IonQ的说法，AQ表示特定量子计算机中“有用”编码量子比特的数量，因此它是对给定输入大小执行真实量子算法能力的良好代表。AQ的数值小于QV，例如，IBM的量子计算路线图将在2023年有一个1,121量子比特系统，它的AQ等于65。
IonQ的目标是到2025年拥有64AQ的机器，到2027年拥有384AQ的机器，到2028年拥有1024AQ的机器。波士顿咨询公司估计，到2050年，所有行业的量子计算的总收益将达到4,500亿到8,500亿美元（收入和成本改善大致相等）。波士顿咨询公司还估计了对金融业的影响和时间表：预计第一批应用将是未来3-5年内用于优化的量子退火，在未来的5-10年的时间里，浅层量子近似优化算法（QAOA）有望面世，凸优化器和全尺寸量子启发算法则预计至少要等10年或20年。但即使在含噪中型量子（NISQ）时代，当高错误率会限制量子计算机的能力时，量子启发算法和混合方法（量子和经典计算）也可能为机构创造重大价值，并帮助他们做好应对未来量子飞速进步的准备。因此，建议不要从全尺寸容错量子计算机的评估中过度概括，断言在第一次浪潮（定义为未来3-5年）中不可能有实际应用。事实上，金融的特定领域，例如投资组合优化，非常适合应用早期量子硬件和软件，因为这是它们现在就已经能够做到的事情。早期工作量子技术的快速进展，特别是退火，表明优化解决方案在短期内是可行的。在第二次浪潮中，改进的风险分析有可能将风险管理从防御性交易策略转变为进攻性交易策略。对于当前所处NISQ时代，光子盒从硬件、基础软件、应用软件和服务四大方面对全球量子计算市场进行预测。2020年，全球量子计算市场规模总量约为3.25亿美元，2023年市场规模约为7.99亿美元，到2030年，可能到达 “量子计算元年”，全球量子计算市场规模约为76.75亿美元。2020年至2030年量子计算全球市场规模预测如下：下面的表2总结了从各种来源汇编的量子计算对金融业预期的影响。来源：波士顿咨询公司、麦肯锡、IBM、霍尼韦尔、IonQ、NEC、世界经济论坛要实现媒体对量子计算机技术的所有令人期待的预测，至少还需要十年或更长时间。要把可用的量子比特的数目增加到数千个，同时还要承担全部的纠错开销，在没有任何其他突破的情况下，这将消耗大部分的量子比特。然而，尽管当前硬件存在限制，但目前有几个利基量子计算机应用可以提供短期商业价值。在所有行业中，金融业最适合成为先发者，因为已被证明的量子技术可能实现的概率优化类型可直接应用于有价值的金融问题，例如投资组合优化。这解释了世界上许多大型金融机构在这项技术上的活动和投资水平。越来越多的硬件和软件供应商生态系统提供了一系列投资组合优化应用——从在经典数字硬件上运行的量子启发算法到混合和全量子算法。与之前的革命性技术相比，量子计算在云上广泛可用，成本通常很低甚至免费。这既扩大了技术的应用范围，也加速了技术的应用速度。鉴于有关投资组合优化活动和进展的公开信息的范围，很可能已经有金融服务公司使用量子技术来指导他们的交易策略。对于一家公司来说，这很容易做到，因为不需要购买硬件。它只需要供应商关系、云访问和内部建模的专业知识。从公开的案例和行业生态系统的形成方式中，可以看出金融机构参与该技术的多种途径。例如，作为第一步，金融机构可以尝试在经典硬件上运行受量子启发的投资组合优化算法，然后通过云在量子硬件上运行投资组合优化算法。这可以在概念证明的同时，在技术的使用方面建立内部专业知识。之后，就有机会进行更大、更积极的投资，包括入股量子初创公司或加入量子联盟。花费金钱、时间、人力等的程度将取决于组织是只想尝试技术、塑造技术的发展还是拥有技术。在这一点上，根本不探索量子计算技术的风险成本似乎超过了相对适度的探索成本。量子工程师和物理学家现在供不应求，这一事实促使许多当前的参与者建立团队。鉴于具备量子计算专业知识的专业人才比较稀缺，最先组建量子计算团队的机构可能会在未来数年内锁定他们的优势。内部能力建设维度不应是事后的想法，而应与公司战略相匹配，并与组织的技术战略保持一致。注释：[1]所有的处理都是通过逻辑门（与、或、非、异或）来完成的，它们一次比较两个或更多比特。例如，加法依赖于异或运算，即当两个输入数字中任何一个为1，但不是两个都为1时，和数字为1。如果两个数字都是1，那么和数字是0，进位到下一级数字。如果两个都是0，那么和也是0，但是没有进位。因此，加法或任何其他数学函数，其核心都是一种逻辑运算。[2]一种古老的希腊手动计算机，可以追溯到公元前100-200年，被认为是最早的模拟计算机。[3]然而，现代半导体物理学本质上依赖于量子效应，正是对这些量子效应的理解使晶体管的发明者能够首先创造出这种设备。这就是为什么有些人用“第二次量子革命”这个术语来描述量子计算的时代。第一次量子革命涉及基于量子力学的器件，如晶体管和激光器。[4]爱因斯坦将这种现象称为“幽灵般的超距作用”。[5]有关更多细节，请参见后面的表1。[6]复数中既有实数也有虚数。复数是a+bi形式的数，其中a和b是实数，i是虚数。[7]指向空间中特定点的向量，该点对应于特定的量子态。[8]在计算机科学中，复杂程度和问题难度的顺序如下：P（简单）、NP（中等困难）、NP-complete（困难）和NP-hard（最难）。一个激烈争论的问题是，是否有方法可以在多项式时间内解决NP和NP-complete问题，有效地使它们都是P。这就是所谓的P=NP问题，目前它是一个100万美元的千禧年大奖难题(Millennium Prize Problems)，目的是寻找一个正确的解。[9]计算机科学中的术语“退火”是从冶金学中借用来的，它指的是热退火，即增加金属延展性同时降低硬度的热处理。这种热处理加速了热力学自发过程，使金属恢复到其无应力平衡状态。无应力平衡是金属结构的最低能态。因此，退火通常作为一个术语应用于找到系统最低能量的任何过程。[10]旅行商问题(TSP)是组合优化中的NP-hard问题：“给定城市列表和每对城市之间的距离，访问每个城市恰好一次并返回原城市的最短路线是什么？”TSP得到了广泛的研究，并经常被用作优化方法的基准。[11]相当于量子计算机的SDK。[12]离子是带电的原子，这意味着它们的电子可能比质子多也可能比质子少。[13]客户包括洛克希德马丁公司、谷歌、美国宇航局、南加州大学和洛斯阿拉莫斯国家实验室。[14]夏普比率是一种广泛使用的计算投资组合风险调整回报的方法。它等于投资组合收益减去无风险利率，除以投资组合预期收益的标准差。[15]一种数列，其中每个数都是前两个数的和。[16]HQLA是指现金和债券等资产，每一家英国银行都必须持有这些资产，以防陷入财务困境。[17]在每一种现实情况下，都由资产管理公司根据最优方案来构建问题。[18]https://arxiv.org/abs/2007.00017[19]https://arxiv.org/abs/2007.01430[20]https://arxiv.org/abs/2008.08669进入光子盒社群，与我们近距离互动，了解量子领域更多产业、商业、科技动态，领取量子技术产业报告。现添加社群助手微信Hordcore即可进群 ，与我们一起展望未来！