【新智元導讀】上周六，清華大學“人工智能前沿與産業趨勢”系列講座的第四講開講。本講将由阿裡雲量子技術首席量子科學家施堯耘親臨現場，與清華大學海峽研究院大資料AI中心專家委員、百度七劍客之一、酷我音樂創始人雷鳴老師、清華大學姚期智講座教授段路明教授、昆仲資本創始管理合夥人王鈞老師共同參與，深度探讨人工智能時代量子計算的技術産業和投資的趨勢與機遇。
雷鳴首先講了AI的基礎設施（硬體和平台技術）。
雷鳴（天使投資人 百度創始七劍客之一 酷我音樂創始人 清華大學海峽研究院大資料AI中心 專家委員）
硬體方面，現在有GPU、TPU，FPGA是介于AISC晶片和GPU、TPU中間的晶片。
現在正迅速崛起的是AISC晶片，它是把視覺、語言等一些特定的應用場景和技術的方法固化在晶片上，達到運算能力的提升和降低功耗的目的。
現在還有一個方向是神經網絡晶片，這個領域的進展目前還沒有到應用的層級。
此外還有可能要到商業化階段的光計算，現在MIT、英國一些教授做的光計算公司正融資，用光來加速AI計算，理論上比GPU能有上百倍的提升。
另外一個就是今天要講的量子計算。
量子計算：一旦在通用計算上實作突破的話，将會把計算提升到另外一個新的層次。
以上是硬體部分。
平台部分，包括TensorFlow、Caffe以及Amazon、谷歌等AI雲計算平台。
以下是硬體的應用發展情況：
英偉達依靠GPU引領，在産業應用上起到上司作用；谷歌、英特爾等不斷發起挑戰，一定程度上已經應用了。特别是谷歌TPU，它部署在雲裡，做很多運算的時候，很多應用的機關資料訓練成本可能比GPU更便宜。
另外，ASIC也是發展非常快的領域。
我們知道，除了通用晶片CPU，很多廠商比如ARM在端上有高性能、專用晶片市場，這個對應的是ASIC。國内一些做人臉識别、語音等特定資料處理的話，都開始使用ASIC解決方案。國内一些晶片企業，特别是創業企業，大部分是ASIC解決方案。
未來，光計算和量子計算，目前還沒有商業落地的東西推出來。未來一旦實作突破，是不可估量的。
AI計算軟體基礎設施發展情況：
開源AI計算平台競争激烈，全球排名的網際網路企業、技術企業，幾乎都有内部的AI開放平台，并且開放給大家使用。
AI雲端化正在推進。雲計算市場現在增長非常快，包括Amazon、谷歌、微軟、阿裡等都在做。
雲本身就有資料，如果說把AI的功能直接加在雲裡面，是不是會更加有機地結合？未來ToB的解決方案上到底是雲和AI一體化，還是雲是雲、AI是AI？可能我們還得去看将來發展過程，但現在來看，AI和雲直接結合也是非常有可能的，或者說這兩種方案都并存，就看在使用的時候對于算法的要求和定制性強度，是以，我個人認為，AI+雲将來會成為标配。
AI工具型創業公司。提供多種AI工具（和AI雲有競争）。
AI服務型創業公司。主要ToB，幫助企業用AI解決實際問題。
創業公司做toB解決方案的話，最大的挑戰就是剛才講的這些AI+雲的服務商。很多B端企業會用公共和私有雲來去存儲資料，使用應用服務。
這個時候，如果有第三方（創業公司）來提供服務，但它的內建度、效率不如巨頭的話，那麼B端企業會有權衡（優先選巨頭）。隻有一些有特殊需求的B端企業才會找創業公司做一些特殊定制服務。
AI的ToB創業有很多機會，但是也要深度思考。巨頭具備AI和雲、晶片等一體化解決方案，創業公司跟巨頭之間會有博弈。
下面把時間交給施堯耘教授。
施堯耘 阿裡雲首席量子科學家
施堯耘教授演講主題：《量子計算》
什麼是量子計算？
量子計算=利用量子實體非經典性質的計算，這是有别于經典計算的最不同之處。
首先回顧計算的曆史。
我們的祖先發明最早的計算（器）——算盤，到上世紀40-60年代，出現基于Vacuum tube的計算機，50年代出現了Transistor，現在的技術是基于在70年代出現的VLSI。
講計算曆史的目的是想強調，這麼多不一樣的計算，本質上沒有差別，它們都等同于圖靈機。
這裡說一下圖靈機。
圖靈機是很抽象也很簡單的數學模型。在30年代的時候，問什麼是計算時，回答會有不同的模型，圖靈機是其中一個。
經典的計算機都等價于圖靈機，從步驟上面來講是沒有差別的。
到了70年代，人們對計算的複雜度感興趣，并發現所有的計算模型當時都能被圖靈機有效模拟。是以人們得出的結論：圖靈機可以很快地模拟一切計算。
是以，得出一個結論：
Strong Church-Turing Thesis：圖靈機可以很快的模拟一切計算機。
到了80年代的時候，有幾個人獨立提出了量子計算的思想，比較有名的有理查德·費曼（Richard Phillips Feynman）。
費曼在一次演講裡面提到，模拟量子系統在經典計算機中很難實作，最好得用量子計算機。
模拟量子系統現在仍然是量子計算最主要的動機。
比如材料科學和西藥發現，這兩個産業研究方法都用到了模拟量子系統，這兩個領域也是未來有可能應用的場景。
1994年，Peter Shor一篇論文裡提出素數分解和自然對數的量子算法。
當輸入規模很大時候，經典算法的步驟的數太大，沒法在有意義的時間内算完。Peter Shor發現，如果有量子計算機，步驟數可以大大減少，進而有望在實際中算出來。
為什麼這兩個算法很重要？因為可以破解兩個廣泛使用的公鑰密碼系統RSA和Deffie-Hellman。
量子計算的出現，直接讓Strong Church-Turing Thesis受到挑戰，因為目前我們不知道如何用經典計算機很快的模拟量子計算。
量子計算=終極計算（之一），具體的量子計算是什麼？
經典比特是0或1。
随機比特是0和1的機率分布。
量子比特是0和1的線性組合，但是系數可以是正的，也可以是負的。
經典比特是直線段上的一點，量子比特狀态是圓上的點。
N個經典比特有2的N次方種可能；N個随機比特是2的N次方個可能的機率分布；N個量子比特是這些經典狀态的長度為1的線性組合。
量子操作是保持長度的線性變換。
量子資訊存儲在向量裡面，從量子資訊得到經典資訊的過程叫測量，下面介紹一個簡單的測量，叫投影測量。
做投影測量的時候，相當于把目前向量（綠色）分解到基向量的幾個方向（紅色）。我們會觀察到一個随機的基向量對應的結果，對應的機率是該投影長度平方。
幾何告訴我們，目前向量長度的平方等于所有分向量長度平方的和。
這是我們規定表示量子态的向量長度為1，因為對應的所有的機率加起來，等于原來向量的長度，應該是1。
剛講過存儲、基本操作、測量讀取等，這些放在一起就得到量子計算的基本模型——電路模型。
圖中每條線對應一個量子比特，初始化為經典的0、1輸入，接着我們會選擇某幾個量子比特去做對應的線性空間上面的保持長度的線性變換。這就是一個基本的“量子門”（quantum gate）。
算法就是由電路表達的，電路表達了算法。到運算完最後一個基本操作以後，我們會測量這些量子比特。
為什麼量子計算比經典計算要快？
下面對确定性算法、随機算法、量子算法進行比較。
确定性算法是“One Way Street”，下一步的算法是固定的；随機算法會進行分叉，類似于抛硬币，但如果一個節點（向量）出現錯誤，則後續産生的節點無意義（圖中紅色點）。
随機算法相當于在計算時候抛硬币，根據不同結果選擇路徑，随機算法可以進入很多不一樣的路徑，整個算法犯錯的機率是錯誤節點的機率加起來。每個機率都是非負的數，錯誤累加。
量子算法跟随機算法很像，它可以有很多不同路徑，但最後的節點的權重可以是正可以是負，正+負可以是0. 圖中紅色的向量對應錯誤的基向量。他們量疊加起來信号反而很小，互相取消，而綠色的的出正确結果的向量疊加起來信号互相加強。
我教了十幾年理論，忽然發現一個問題：貓和狗的大腦為什麼不能做通用計算？為什麼不能像圖靈機一樣做加減乘除開根号？
我認為答案在進化論：它們進化過程中沒有這個需求。
推動技術發展的也是需求。量子計算的驅動力是什麼呢？
量子計算的驅動力=實體模拟+破解密碼+AI/大資料
AI/大資料已經成為繼實體模拟（1981年提出）和破解密碼（1994年提出）之後的最新的驅動力。
機器學習的驅動力=資料+算力，而量子AI将以算力提升AI。
這個提升至少有兩個路徑，一是用量子的算法來加速AI常用的計算，比如Gibbs取樣、解線性方程等。
另一個路徑是運用經典模型無法以類似資源實作的量子模型量子模型。
全棧量子計算分為4個層面。最底層的是量子處理器（極緻的量子實體實驗）。
目前，量子處理器有三類，第一類是超導來實作量子計算，必須在低溫狀态下實作，IBM、Google、Intel等都在這個領域。
另一種是拓撲量子計算，微軟在這個方向做研究。不久前，微軟研究人員宣布發現天使粒子——馬約拉納費米子（Majorana fermion）存在的有力證據。
另外一條是離子阱，Amazon投資的公司目前使用這一類的研究方法。
底層的處理器之上是量子軟體、算法和應用層面。
軟體層：C#是微軟，QASM是IBM
算法層：量子算法設計的基本原則我們知之甚少；大部分研究工作是組合拳。當然，想打漂亮的組合拳也很難。
應用層：材料、量子化學、機器學習、優化組合等。
最後，施堯耘說，量子計算研究的是極限計算，實作的是極限實體，量子計算有巨大潛力，量子計算終将實作。
接下來是段路明教授分享的《量子計算與人工智能》。
段路明 (美國密歇根大學費米講席教授 清華大學姚期智講座教授 美國實體學會會士)
段教授先介紹了量子計算機應用的幾個領域：
- 資訊安全（公鑰體系等）
- 量子模拟（新材料、分子藥品等模拟）
- 量子優化（系統優化等）
- 量子人工智能
對于量子人工智能，首先得益于人工智能的發展。
量子計算機将提供自動并行、量子計算硬體與量子學習算法結合有可能提供指數加速。
前幾年，NASA與谷歌成立聯合量子人工智能實驗室，微軟也成立量子AI研究中心。
為什麼量子機器學習能實作大規模加速？現在直覺的技術包括量子傅裡葉變換和通過量子相位估計的指數快速矩陣運算。
在算法上，也有一些直覺的突破。其中包括MIT提出的量子支援向量機/主成分分析，它不是深度學習算法，是比較古典的算法，但在某些特定條件下，有可能實作量子指數加速。
另外，我們也在算法上做了一些研究，包括量子識别分析。
剛講到，在某些特定條件下，有可能實作指數加速。什麼是特定情況？
如果量子RAM（random access memory）可以實作，能夠将大資料轉化輸入成量子态，進而在提取的過程中要實作指數加速，實作并行量子通路。
量子RAM實作過程中有很多節點，這些節點被稱為“量子路由器”（Quantum Router），量子路由器的實體實作是非常困難的事情。
我們的方法是使用量子生成模型，包括經典的生成模型等。
所有的這些模型原則上是量子模型的特例，為什麼會走向量子模型，因為量子模型會讓基于生成模型的機器學習算法更加強大，在一些情況下達到指數加速。
量子計算機的實作途徑包括：
- 超導量子計算機
- 離子量子計算機
- 金剛石白旋量子計算
- 量子點量子計算
- 原子量子計算
- 光子量子計算
- 拓撲量子計算
超導系統與離子系統目前在量子計算的一些技術名額上比較領先。
量子計算機要實作的話，現在是什麼發展階段？
階段一（目前階段）
實作2-20個量子比特的相幹控制和量子邏輯門操作，邏輯門保真度95%-99%。
階段二（Logic qubit/ Quantum supremacy, 下五年）
實作30-100個量子比特的精确控制與量子計算，在特定問題上超過最強經典計算機的模拟能力。
階段三（量子革命，大約十五年）
實作一百萬個以上量子比特的容錯量子計算，量子計算機在各領域廣泛而深刻的應用。
最後，總結一下，量子計算處于突破性發展階段，被稱為二次量子革命，但是要實作實用化量子計算機，需要人才、技術的積累和資金等資源。
段路明教授演講結束後，進入圓桌對話環節。參與的嘉賓有：
- 清華大學海峽研究院大資料AI中心專家委員雷鳴
- 阿裡量子技術首席科學家施堯耘
- 昆仲資本創始管理合夥人王鈞
- 清華大學交叉資訊研究院教授段路明
- 加州大學-聖塔芭芭拉分校（UCSB）教授謝源
王鈞(昆仲資本創始管理合夥人)
謝源(加州大學聖塔芭芭拉分校電氣和計算機工程系教授 賓夕法尼亞州立大學計算機科學與工程系兼職教授)
雷鳴：中美之間有一些摩擦，硬體上面臨一些挑戰。在硬體發展上，晶片往前走跟美國差距有多大？哪種路徑适合中國？
謝源：晶片事件給中國的科技節一個信号：雖然有很大進步，出現了世界級公司，但是在一些關鍵領域有一定差距，比如CPU、GPU上，從設計到工藝上有差距，但不是沒機會。
人工智能的三大要素A（AI）B（大資料）C（計算），互相之間的作用，C是很重要的，英偉達的股價上漲，AI起到很大作用。在AI硬體方向上，中國出了一大批的初創公司，比如寒武紀的雲端機器學習處理器，這些公司在世界上可以說排到比較前面，是以說AI給我們帶來新的機會。
雖然在硬體上有差距，但希望中國利用新的機會能趕上來。
雷鳴：AI工具或軟體平台這一領域，往後怎麼發展？創業公司還有機會嗎？會不會被大公司壟斷？
王鈞：初創公司很大程度上是國家意志，投資人做不是特别順利，因為從純VC回報率上，半導體回報率并不好，因為這個行業這不是簡單的事兒。但是這一兩年有變化，國家隊進來了。把握好的話，會有很好的機會。我覺得是比較新的趨勢，如果做大的平台沒有大規模資本和優勢的話，我們VC圈也不夠投。
不過，現在VC圈有個新遊戲叫“隔輪回本”。比如說，假如段老師要做量子計算機，資本先支援3000萬，如果之後新的投資人進來了，我們可以在融資幾輪之後再把本收回來。
總的來說，現在做量子計算這樣的基礎平台類投資，跟消費網際網路或AI應用的領域不一樣，做消費網際網路就是要有産品、流量、轉化率；做AI應用就是要看解沒解決痛點，但是做基礎平台類的投資門檻就高了。
雷鳴：想問施堯耘和段路明老師，量子計算現在創業的話，感覺早了點，但是這是未來的技術，你們能不能給同學們一些建議，如何為下一個偉大的事情做準備？
段路明：我剛才講的15年實作大規模量子計算，并不意味着短期内不會出現特定領域的應用，包括材料、AI等領域，可能性是存在的。谷歌、英特爾等公司都在做，這是大家要關注的。
施堯耘：我建議做的第一件事就是參加段老師剛才廣告的暑期班。我覺得沒有人能夠非常準确的預期未來。我當時去做量子計算，從來沒有想過20年後能做什麼，完全是出于自己的興趣去做。同學們該做什麼？首先是學習。最終還是要對量子計算感到Exciting。
十年、十五年是很快的時間。我大概在十幾年前做了一篇怎麼樣用經典計算機模拟量子電路的文章，IBM、谷歌最近做得用經典計算機模拟量子計算機的算法，都是基于我當時文章提出的模型。昨天（4日）我們阿裡雲量子實驗室貼出來的文章也是基于這個模拟架構，經過進一步優化和用上阿裡巴巴的支撐雙十一的計算平台，我們的模拟器可以模拟谷歌3月份宣布未來要做的處理器。我完全由于興趣做的事，沒想到會有這麼大的影響。
我想說的是，如果你能夠愛上量子計算，你能夠做成功的機會是很大的。
謝源：現在做量子計算創業還是有可能的嗎？
段路明：現在是潮流，但是潮流有高潮就有低潮，任何技術起步的話，都有高低起伏，但至少目前是非常好的階段。
施堯耘：很高興能看到有很多創業公司出現。加速整個領域的前進，幫我們分擔風險。現在創業絕對有可能彎道超車。如果學界能夠承擔探索新的比特設計，新的糾錯容錯原理的話，對工業界是非常好的。因為工業界是工程化、大規模投入人力，有可能往前走會撞牆。希望國家能夠支援衆多獨立團隊，去探索各種可能，對整個領域，整個社會來講，會有很大的收益。
雷鳴：我簡單總結一下。第一，我們在量子計算領域，未來是方向，但是創業應該從現在開始。第二，喜不喜歡、擅不擅長、是不是未來這三件事要同時考慮。我畢業時候去百度，當時百度還是小公司，同學們都去了IBM這種大公司，很多人不願意到百度。如果那時候加入百度，機會還是非常好的。是以，選擇非常重要，一定要對未來的趨勢有把握。
原文釋出時間為：2018-09-29
本文作者：新智元
本文來源：
今日頭條，如需轉載請聯系原作者。
![9.spark Core 進階2--Cashe[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)