文|李佳师

未来颠覆性技术将在哪些维度发生？量子计算会是最先到来的颠覆性技术吗？哪些新计算会最快解决我们目前面临的“数据窘境”？11月5日下午，英特尔公司美国总部研究院院长、英特尔技术与系统架构和客户事业部高级院士Rich Uhlig在北京融科资讯中心接受中国媒体采访，谈及了目前备受关注的量子计算等未来计算技术趋势，并透露英特尔未来技术布局以及量子计算、神经拟态计算等前沿领域的突破。

颠覆性技术将发生在三个维度

Rich Uhlig表示， 当英特尔公司向以数据为中心战略转型之后，研究院的研究重点就围绕着“数据”来进行布局，包括新颖的获取数据方式，这涉及到新的传感技术，也包括内存和存储新形式、全新计算平台、新的联网连接方式、新的软件发展方向、数据共享安全可信以及高效编程等。

在数据为中心的时代，未来颠覆性技术将发生在哪些维度? Rich Uhlig认为颠覆性的技术将发生在三个维度：一是从新型计算的角度看，除了量子计算、神经拟态计算之外，图计算也将是非常重要的一种新型计算方式。有一些数据的关系结构是可以形成一种图的稀疏关联，昭示着不同实体之间的关系。概率计算也是一种新型的计算方式。因数据变得充满噪音而且非常不准确，所以需要有一种技术可以对其进行优化，通过概率或者统计为基础的计算，能极大地提升效率。

二是从互联或数据通信的方式看，硅光子将是一种新的互联方式。英特尔研究院在多年以前就在硅光子方面进行过创新，并基于此发展出了一个事业部，现在是进行新一代硅光子研发的时机，它可以封装在CPU内，这种方式能将带宽利用效率提升一到两个数量级。

三是在存储或者内存技术方面，英特尔傲腾存储是一个革命性的全新存储介质，它也要求在很多软件堆栈方面进行变革。

谈及量子计算、图计算、概率计算与神经拟态计算的区别，Rich Uhlig表示，量子计算的好处是能够对同一个问题允许同时试验多个解法，通过连续采样最终得到问题的解法。

而神经拟态计算是一种高能效的神经网络系统，模仿人类大脑的运作机制，去寻求一个问题的解答，它主要是应用脉冲信息，通过神经网络的通信方式来进行问题的解决，它可以应用于很多类型的问题上，包括像机器人控制、自学习、动态控制、稀疏编码等问题。

图计算主要是发现数据之间的内在关系，尤其是大规模的数据之间的内在关系。今天，现有的计算系统运行图计算所涉及到的数据库效率非常低。因为这些关系型数据本身就非常稀疏，在内存访问模式上具有不稳定性，所以贝叶斯算法无法应用。图计算可以有效提升稀疏数据的处理效率。

概率计算是用来处理那些内在不精准、缺乏精准性、噪音非常大的数据，概率计算容忍了它这种不确定性。

Rich Uhlig透露，“这四种完全不同的计算模式目前英特尔都在进行研究，并不笃定其中任何一种将来会超越其他，所以要多管齐下。”

适用性才是量子计算的目标

谷歌最近宣布率先实现“量子霸权”引发业界高度关注，英特尔对此的评价以及英特尔的量子计算布局如何？ Rich Uhlig表示，谷歌量子霸权的宣布应该说它是量子计算领域的一个进步。但Rich Uhlig同时也表示，量子计算是否成为霸权需要找到一个非常复杂的问题，并证明在解决该复杂问题的过程中，量子计算的效率远远优于传统的计算方式，这样量子霸权才得以成立。从选取题目的角度看，谷歌并没有找到一个现实世界的难题来解，所以在这一点上称其为霸权并不十分认同。因为量子计算真正的目标不是量子霸权，而是量子实用性。

Rich Uhlig透露，英特尔的量子计算研究是从两个方向来推进的，既包含了超导量子，也包含自旋量子。在早期时候英特尔是行管齐下的方式进行研究的，最近英特尔内部已经将研究技术路线更聚焦于硅自旋量子计算上，并在这方面取得了相当良好的进展，无论是从制造量子位，还是从控制技术的角度（自旋量子要求低温的控制环境），都取得了非常不错的非常有意义的进展。“因为如果我们要解决那些复杂的现实问题，就需要非常多的量子位，随着量子位数量的提升，必然是要求在低温环境下非常高效的来进行量子位的运算。” Rich Uhlig说。

系统论解决难题是英特尔量子优势

如何看待量子计算和人工智能之间的关系？ Rich Uhlig表示，二者往往会被人们并联起来，是因为两个领域都非常热门。从理论上来看，量子计算有助于解决人工智能的问题，但事实上量子计算应用于人工智能的时间会比较晚，在此之前有一些更亟待解决的实用性问题较早于人工智能利用到量子计算，比如分子建模、量子化学等。

量子计算真正产生实用价值还需要多久？Rich Uhlig认为，至少需要十年的时间。“而量子计算能解决多少问题与量子位的数量、规模有成比例的关系。但量子位非常脆弱，可能在毫秒之间就发生分解，所以需要开发一些技术使得周围的环境对量子位有更大的宽容度。” Rich Uhlig进一步谈及，物理的量子位和逻辑的量子位之间的关系，要想让量子位长期存在，需要有很多纠错电路来确保在功能上物理的量子位能达到逻辑量子位的要求。

关于物理量子位与逻辑量子位之间的关系，英特尔中国研究院院长宋继强表示：一个物理的量子位，就是拿一个晶体管做自旋量子位Spin Qubit。但物理量子位非常脆弱，而且它们纠缠的时间非常短，需要检测它的状态是不是稳定，通常需要在多个物理量子位上面加一层纠错电路，才能形成一个逻辑量子位，这个逻辑量子位才能用来做算法计算，所以用多个物理量子位才能变成在算法层面可用的长效逻辑量子位。

“这意味需要有几千、上万甚至是百万个物理的量子位以及相关的解密编码等，才有可能让量子计算进入可适用阶段。” Rich Uhlig说，现在才54个量子位，所以量子计算是一个马拉松，现在才跑完了第一英里，目前很多选手都在跑，英特尔是其中之一，这就是现状，而现在还远远谈不上竞争格局。

谈及英特尔在量子方面的优势，Rich Uhlig表示，一是在硬件制造方面工程工艺方面。英特尔长期从事半导体制造，所以选择量子位制备技术是硅自旋量子位，而它高度契合了其在制造方面的优势经验，有利于扩大量子位的数量及规模。二是在量子位的配置以及控制技术方面。英特尔在低温表征方面有很好的经验，所以能够获得更好的低温控制技术等。三是英特尔一直擅长于用系统的方法解决问题，所以对于量子计算能够建立从设备到控制到编程等复杂的系统优势。

Rich Uhlig透露，英特尔研究院今年取得的三大最激动人心的突破，一是在神经拟态计算方面，英特尔正在建造越来越大规模的神经拟态网络系统。二是在硅光子方面，已经能够在CPU封装里提供光学链路。三是在编程复杂性方面。如何让机器进行自动编程上已经获得了一些早期成果，这是计算机领域长期以来的一个难题。