英特爾研究院長(zhǎng)Rich Uhlig坐在采訪(fǎng)桌前，露出頗為無(wú)奈的笑容，下一個(gè)問(wèn)題還是關(guān)于量子計(jì)算，一場(chǎng)本該是英特爾研究院全局的媒體對(duì)話(huà)，生生變成了量子計(jì)算專(zhuān)題，對(duì)于谷歌帶火的量子計(jì)算，英特爾毫不留情地給量子計(jì)算滅了滅火，甚至表示量子計(jì)算的商業(yè)化至少還需要十年。

在近日Rich Uhlig對(duì)外的公開(kāi)信中提到，現(xiàn)在更應(yīng)關(guān)注如何構(gòu)建能夠用于解決棘手挑戰(zhàn)的系統(tǒng)，即“量子實(shí)用性”。為了直觀(guān)地了解如何才能實(shí)現(xiàn)量子實(shí)用性，英特爾的研究人員利用高性能量子模擬器，來(lái)預(yù)測(cè)量子計(jì)算機(jī)在解決Max-Cut優(yōu)化問(wèn)題時(shí)，超過(guò)超級(jí)計(jì)算機(jī)的節(jié)點(diǎn)。Max-Cut是一個(gè)復(fù)雜性隨著變量數(shù)量增加而成倍增加的算法，廣泛用于從交通管理到電子設(shè)計(jì)的各個(gè)領(lǐng)域，因此我們選擇Max-Cut作為測(cè)試案例。

在研究中，針對(duì)一系列規(guī)模不斷增加的Max-Cut問(wèn)題，我們把容噪量子算法與最先進(jìn)的經(jīng)典算法進(jìn)行對(duì)比。經(jīng)過(guò)大量模擬，研究表明：只有在數(shù)百個(gè)甚至數(shù)千個(gè)量子位可靠運(yùn)行的情況下，量子計(jì)算機(jī)才能比超級(jí)計(jì)算機(jī)更快地解決實(shí)際問(wèn)題。換句話(huà)說(shuō)，業(yè)界要開(kāi)發(fā)出這種規(guī)模的功能性量子處理器可能還需要數(shù)年時(shí)間，以及很多工作要做。

英特爾公司正在把超導(dǎo)量子計(jì)算測(cè)試芯片擴(kuò)展到更高的量子位數(shù)——從7到17，再到49個(gè)量子位，需要多個(gè)鍍金連接器來(lái)控制和操作每個(gè)量子位。

據(jù)介紹，Intel研發(fā)的硅自旋量子位技術(shù)，相比其他公司在研究的超導(dǎo)量子位技術(shù)，自旋量子位的尺寸比同類(lèi)量子位小得多，比超導(dǎo)量子位具有更大的微縮優(yōu)勢(shì)，目前Intel正在研究300mm晶圓上使用現(xiàn)有的工藝、設(shè)備制造自旋量子位的技術(shù)。

實(shí)用性比量子霸權(quán)更重要

Rich Uhlig：谷歌對(duì)于量子霸權(quán)的宣布，我們首先必須要認(rèn)可這是在量子計(jì)算領(lǐng)域的一個(gè)進(jìn)步，而且在幾天之前我也發(fā)表了社論，對(duì)于谷歌在這方面所取得的成就給予認(rèn)可，但是我們一定要把這次的成就放在一個(gè)正確的觀(guān)點(diǎn)上去進(jìn)行認(rèn)識(shí)，也就是說(shuō)什么樣的條件能夠使它聲稱(chēng)達(dá)到量子霸權(quán)呢？

首先他要找到一個(gè)非常復(fù)雜的問(wèn)題；第二要去證明在解決這個(gè)復(fù)雜問(wèn)題的過(guò)程當(dāng)中，量子計(jì)算的效率遠(yuǎn)遠(yuǎn)超過(guò)于傳統(tǒng)的計(jì)算方式，這就使得量子霸權(quán)得以成立了。

但這個(gè)選題，選一個(gè)什么樣的題目來(lái)解？這個(gè)題目未見(jiàn)得是有用的，那么它是任何一個(gè)題目都可以，所以谷歌是做到了選擇一個(gè)題目然后做到這個(gè)證明。它確實(shí)是一個(gè)成就。

在我看來(lái)未來(lái)量子計(jì)算的發(fā)展還需要更進(jìn)一步，不能滿(mǎn)足于解決一個(gè)沒(méi)有意義的題就可以了，而要是真正在現(xiàn)實(shí)當(dāng)中對(duì)這個(gè)世界，對(duì)我們?nèi)祟?lèi)實(shí)際生活有意義這樣的題目上來(lái)推動(dòng)量子計(jì)算的發(fā)展。

這就是為什么我認(rèn)為真正的目標(biāo)不是量子霸權(quán)，而是量子實(shí)用性。

我們所進(jìn)行的研究確實(shí)是分為兩個(gè)方面，既包含超導(dǎo)量子，也包含自旋量子，即基于量子點(diǎn)的，那么我們是和荷蘭的學(xué)術(shù)合作伙伴QuTech共同進(jìn)行這兩方面的研究，在早期時(shí)候我們認(rèn)為進(jìn)行雙管齊下的研究是比較正確的策略，最近英特爾內(nèi)部將這個(gè)研究的范圍更多的聚焦在了硅自旋量子計(jì)算上面，并在這方面取得了相當(dāng)良好的進(jìn)展，無(wú)論是從制造量子位，充分利用英特爾當(dāng)前制造的優(yōu)勢(shì)，還是從控制技術(shù)的角度來(lái)講（自旋量子是要求低溫的控制環(huán)境），我們都取得了非常不錯(cuò)的進(jìn)展，這個(gè)進(jìn)展是非常有意義的。如果我們要解決那些復(fù)雜的現(xiàn)實(shí)問(wèn)題，就需要非常多的量子位，隨著量子位數(shù)量的提升，必然是要求在低溫環(huán)境下非常高效的來(lái)進(jìn)行量子位的運(yùn)算。

商業(yè)化至少還需十年

Rich Uhlig：就我們來(lái)看，距離量子計(jì)算商業(yè)化應(yīng)該是還有至少十年的時(shí)間。

隨著越來(lái)越多的問(wèn)題需要通過(guò)量子計(jì)算來(lái)解決，我們看到量子計(jì)算能解決多少問(wèn)題和量子位的數(shù)量、規(guī)模是有成比例的關(guān)系的，但我們都知道量子位是非常脆弱的，也就是它可能在毫秒之間就會(huì)發(fā)生分解，所以我們需要開(kāi)發(fā)一些使得周?chē)沫h(huán)境對(duì)量子位來(lái)講有更大的寬容度、讓它們能夠持續(xù)下去的這樣的技術(shù)。

包括糾錯(cuò)代碼，我們需要物理的量子位和邏輯的量子位，我們就需要有很多的糾錯(cuò)電路去確保在功能上物理的量子位能達(dá)到邏輯量子位的要求，所以它才能夠長(zhǎng)期的存在，這就有點(diǎn)像內(nèi)存和存儲(chǔ)，我們不能依賴(lài)于這個(gè)物理級(jí)別的介質(zhì)是百分之百準(zhǔn)確精度的，所以還需要對(duì)其糾錯(cuò)，所以這方面技術(shù)的進(jìn)展是有必要的。

英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)：邏輯和物理之間的關(guān)系是這樣的，一個(gè)物理的量子位，就是拿一個(gè)晶體管做自旋量子位Spin Qubit。但剛才講到物理量子位非常脆弱，而且它們糾纏的時(shí)間非常短，需要檢測(cè)它的狀態(tài)是不是穩(wěn)定，通常來(lái)講多個(gè)物理量子位在上面加一層糾錯(cuò)電路，才能形成一個(gè)邏輯量子位，這個(gè)邏輯量子位才能用來(lái)做算法計(jì)算，所以用多個(gè)物理量子位才能變成在算法層面可用的長(zhǎng)效邏輯量子位。

Rich Uhlig：剛才您也問(wèn)到在解決問(wèn)題的過(guò)程當(dāng)中，可能就是說(shuō)會(huì)能夠在近期、遠(yuǎn)期解決什么樣一些問(wèn)題，除了我剛才所講的一些量子、化學(xué)的應(yīng)用還有材料、建模等等方面的應(yīng)用之外，這兩個(gè)方面可能未見(jiàn)得需要我們?nèi)ラ_(kāi)發(fā)這種容錯(cuò)的量子位。

但對(duì)于一些優(yōu)化的計(jì)算來(lái)說(shuō)，就是很有必要的。在這種優(yōu)化計(jì)算過(guò)程當(dāng)中你可能需要幾百個(gè)邏輯的可靠的量子位，也就意味著你需要上萬(wàn)個(gè)物理的量子位，還有另一類(lèi)的問(wèn)題就例如解密編碼的這樣一些問(wèn)題。它可能需要幾千個(gè)甚至百萬(wàn)級(jí)別的量子位，所以那些需要更多可靠、穩(wěn)定量子位的那些問(wèn)題就可能它們的解決就要晚一點(diǎn)到來(lái)。

科研的商業(yè)化研究邏輯

Rich Uhlig：英特爾所選擇去解決的問(wèn)題，是考慮到我們能夠想見(jiàn)它在得到解決之后非常令人期待和興奮的一個(gè)結(jié)果，也就是說(shuō)無(wú)論對(duì)社會(huì)還是說(shuō)對(duì)個(gè)人生活來(lái)講是一個(gè)非常好的影響，能夠帶來(lái)很大的利益，或者即便有多難它能夠去帶來(lái)很大的飛躍。

我們?nèi)绾螞Q定在什么樣的時(shí)間點(diǎn)會(huì)開(kāi)始某個(gè)領(lǐng)域的研究，我覺(jué)得其實(shí)當(dāng)你心里已經(jīng)確定，已經(jīng)知道用怎樣的方法去解決這個(gè)問(wèn)題，開(kāi)始研究這個(gè)問(wèn)題的時(shí)候，就應(yīng)該盡快的開(kāi)始。也就是說(shuō)當(dāng)你認(rèn)為你有一種新穎的方式可以去解決這個(gè)問(wèn)題或者你有一些神秘的配方可以去有助于解決這個(gè)問(wèn)題，你就應(yīng)該盡快的開(kāi)始。

但在具體操作時(shí)候我覺(jué)得我們一直以來(lái)秉承的原則就是不要去只選擇單一的一種路徑去解決一個(gè)問(wèn)題，然后就陷在其中不能自拔。也就是我們都是采取多管齊下的方式采取不同手段來(lái)解決這個(gè)問(wèn)題，并且分別來(lái)對(duì)其進(jìn)行測(cè)試，漸漸的去看到哪一種或者哪幾種更有可能來(lái)取得成功的，如果它更有可能成功我們就會(huì)加大對(duì)它的投入，最終在這方面取得更好的進(jìn)展。

例如我之前講的量子位，開(kāi)始時(shí)候我們多重手段進(jìn)行研究，在現(xiàn)在也開(kāi)始收窄和聚焦，因?yàn)樽罱K你是否能夠研究出來(lái)一個(gè)解決方案這是非常難以預(yù)測(cè)的，所以在整個(gè)過(guò)程當(dāng)中你需要保持一種批判精神，也就是說(shuō)你需要有一系列衡量指標(biāo)、參數(shù)來(lái)告訴你現(xiàn)在是正在取得成功還是失敗。

英特爾研究院今年的三大重點(diǎn)突破

Rich Uhlig：首先我對(duì)于神經(jīng)擬態(tài)計(jì)算方面取得的進(jìn)展感到非常興奮，英特爾正在去建造越來(lái)越大規(guī)模的神經(jīng)擬態(tài)網(wǎng)絡(luò)系統(tǒng)，即便是現(xiàn)在已經(jīng)接近于年底，在年底之前如果您關(guān)注新聞的話(huà)，將會(huì)看到有更多的英特爾制造更大規(guī)模的神經(jīng)擬態(tài)系統(tǒng)的消息出現(xiàn)。而且我們也通過(guò)自身的努力給學(xué)術(shù)界的研究注入了更多能量。

第二個(gè)令我感到興奮的是英特爾在硅光子方面的研究取得的進(jìn)展，正如我早前談到的它能夠去集成在CPU封裝里面來(lái)提供光學(xué)鏈路，這方面也會(huì)有消息出來(lái)，我們對(duì)于這方面在技術(shù)上英特爾取得突破是非常有信心的。

第三個(gè)方面就是在編程復(fù)雜性方面的進(jìn)展了，也就是早期時(shí)候我談到的機(jī)器編程，我認(rèn)為人工智能最有趣的應(yīng)用之一就是進(jìn)行編程，也就是我們現(xiàn)在正在教機(jī)器如何進(jìn)行自動(dòng)的編程，這也是長(zhǎng)期以來(lái)計(jì)算機(jī)科學(xué)領(lǐng)域的一個(gè)難題，但現(xiàn)在我們認(rèn)為已經(jīng)看到很好的希望，一些早期的成果已經(jīng)顯現(xiàn)出來(lái)，但要取得成熟還需要幾年的努力，我們現(xiàn)在正在這方面加大投資，相信未來(lái)一定會(huì)得到良好的回報(bào)。

神經(jīng)擬態(tài)芯片：多LOIHI芯片

Rich Uhlig：有關(guān)于神經(jīng)擬態(tài)在英特爾的研究中進(jìn)展的問(wèn)題，前一段時(shí)間我們對(duì)外宣布了我們的LOIHI是神經(jīng)擬態(tài)單芯片系統(tǒng)的構(gòu)建，在此基礎(chǔ)上我們又進(jìn)行了更大規(guī)模的基于LOIHI系統(tǒng)的多芯片集成的研發(fā)，也就是說(shuō)多個(gè)LOIHI芯片同時(shí)工作。我們?cè)谶@個(gè)方向上會(huì)繼續(xù)耕耘。

我們已經(jīng)有了這個(gè)LOIHI系統(tǒng)，現(xiàn)在做的事情是去推動(dòng)在LOIHI系統(tǒng)外部建設(shè)開(kāi)發(fā)社群，以便基于它能夠開(kāi)發(fā)出來(lái)更多有趣的應(yīng)用，因此我們建立了英特爾神經(jīng)擬態(tài)研究社群，使得加入的各方可以去充分利用我們LOIHI系統(tǒng)的集群，從而開(kāi)發(fā)出來(lái)更為有用的一些用例的模型，目前已經(jīng)有非常好的和非常有趣的結(jié)果，包括基于此研發(fā)出來(lái)的具有高能效的推理手段以及機(jī)器人控制系統(tǒng)，以及去進(jìn)行稀疏編碼、約束滿(mǎn)足以及優(yōu)化方面的計(jì)算。

神經(jīng)擬態(tài)芯片現(xiàn)在可能主要面臨的、主要遇到的瓶頸這個(gè)問(wèn)題，涉及到現(xiàn)有的一些常用的人工智能的方式，它的瓶頸是在哪里？實(shí)際現(xiàn)有這些人工智能已經(jīng)存在很多年了，他們的瓶頸也是多年沒(méi)有解決的，主要分為三個(gè)方面：

第一就是在內(nèi)存方面瓶頸，第二在I/O方面瓶頸，第三能耗方面的瓶頸，這些需要逐一擊破解決，我們認(rèn)為神經(jīng)擬態(tài)是這方面的一個(gè)解決方案，首先從內(nèi)存角度來(lái)講它將內(nèi)存與計(jì)算相結(jié)合，有時(shí)候是相互混雜在一起的，所以它能夠去解決這個(gè)內(nèi)存的瓶頸問(wèn)題，從能耗角度來(lái)講神經(jīng)擬態(tài)計(jì)算是在一個(gè)時(shí)間點(diǎn)內(nèi)只去對(duì)必要的算法模塊進(jìn)行激活，而不是總是激活整個(gè)算法模型，這樣在任何一個(gè)既定時(shí)間點(diǎn)它要比傳統(tǒng)AI方式更為節(jié)省能源。

雷鋒網(wǎng)記：科幻作家威廉·吉布森曾言，“The future is already here it's just not evenly distributed”（未來(lái)已來(lái)，只是分布不均）。英特爾研究院的價(jià)值正在于看到技術(shù)的苗頭，并將其盡可能快速的代入到社會(huì)中，發(fā)揮實(shí)用價(jià)值。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。