量子運算：我們的現況與未來走向 | NVIDIA GTC 2025爐邊對談

原文連結：量子運算：我們的現況與未來走向 | NVIDIA GTC 2025爐邊對談

[音樂] 熱力 [音樂] 歡迎 NVIDIA 創辦人暨執行長 Jensen Huang 登台。 [音樂] 早安，歡迎來到 GTC 的量子日，這是首次舉辦。這將會是一場非常特別的活動。如各位所知，我是一家上市公司執行長，時不時會有人問我問題。多數時候，我試著降低標準，有時候我會說對一些事，有時候則說錯。事情是這樣的，有人問我量子電腦還要多久才能派上用場。請記住，這問題是來自一個已經打造出運算平台的人，對我來說，建立 NVIDIA 和 CUDA，並將其打造成今日的運算平台，花了我們超過 20 年的時間。所以，5 年、10 年、15 年、20 年的時間範圍對我來說真的不算什麼。當然，量子運算具有潛力與希望，承載著我們所有人的希望，它將帶來非凡的影響。但這項技術極端複雜，所以認為需要多年才能實現是我預料中的事，因為它的複雜性以及可能帶來的巨大影響。所以，當我給出答案後，隔天我發現好幾家公司的股票，顯然是整個產業的股票，下跌了 60%。然後我開始了解這件事，我的第一個反應是：「我不知道他們已經上市了。量子電腦公司怎麼會上市？」總之，我發現他們是上市公司，我為他們感到非常高興。是的，我真的為他們高興。所以我說：「聽著，世界搞錯了。讓我們邀請所有這些公司，以及更多來自量子運算產業的公司，只要他們不帶高麗菜、蘋果之類的東西來丟我，這將會是一個了解量子運算最先進技術的非凡時刻。」有這麼多不同的方法：離子阱、中性原子、超導量子位元、拓撲量子位元、量子退火、光子學。我想，如果這些領導這項開創性技術的公司的執行長、技術領袖們，能首次齊聚一堂來討論，那該有多棒？當然，在這個過程中，他們可以解釋我錯在哪裡。這將是史上第一次有公司執行長邀請所有來賓來解釋他錯在哪裡的活動，但我不知道。這就是讓這次活動如此精彩的原因。

開場與NVIDIA的角色

總之，NVIDIA 不製造量子電腦，但我們致力於創造加速運算堆疊來支援量子電腦。我們在自動駕駛汽車方面也是如此。如各位所知，NVIDIA 可能比任何人都更深入地融入汽車和自動駕駛汽車的世界，我們以某種方式與幾乎所有人合作，共同推進自動駕駛汽車的發展。然而，我們不製造汽車。NVIDIA 擁有廣泛的技術、產品、函式庫和電腦。我們稱之為三電腦解決方案，以協助推動各種形式的機器人技術：設施機器人、工廠機器人、將成為機器人的工廠，以建立、協調將製造機器人產品的機器人。這是一套極其複雜的運算、函式庫、演算法和模型，我們以深度整合到生態系統和產業中的方式來處理它，我們深切關心他們，但我們不製造機器人。我們不製造量子電腦，但我們深度整合到量子運算產業中，我們創建函式庫。CUDAQ 是一個用於混合古典加速量子的程式設計模型。我們有 cuQuantum 函式庫，可幫助您模擬量子電路，還有 DGX Quantum 用於進行量子電腦的錯誤修正。我們與他們合作，我們支持他們，我們以任何可能的方式幫助他們，但我們盡量不時不說任何會讓他們絆倒的話。總之，我們深切關心這個生態系統，我真的很高興能邀請許多我們的合作夥伴上台。我只想讓大家知道，還有很多我們無法邀請的人，我要感謝你們所有人的合作夥伴關係和友誼，下次我們會盡力邀請你們。

NVIDIA量子研究實驗室宣告

但在我這樣做之前，我們要宣布一件事。我今天要宣布，NVIDIA 將在波士頓設立一個量子研究實驗室。它很可能會成為世界上最先進的加速運算、混合量子運算研究實驗室，並且將設在波士頓，以便我們能與 Harvard 和 MIT 合作。初期我們的一些合作夥伴會在裡面，但長期來看，會有更多其他夥伴在這個量子研究實驗室工作。Quantum Machines 和 Quantinuum 將成為我們首批共同建立這個量子研究實驗室的合作夥伴。對此我非常高興，我們將盡快啟動。

現在，我要介紹一些我的執行長同事。請和我一起歡迎他們。Alan Baratz。 [音樂] D-Wave，Ellen，Peter Chapman，IonQ，Peter，謝謝你。讓我想想，下一個我想是 Loïc Henriet，對吧？是不是 Loïc？好的。[掌聲] 歡迎，還有 Rajeeb Hazra，Quantinuum。Rajeeb 和 Subodh，請上台。很高興見到你們。所以，我想第一件事是，抱歉剛才那樣。

那很有趣。那是，你知道的，為大家。我們做到了。等一下。來吧，Mikhail。天啊，我把 QuEra 忘了。抱歉。這讓我想起一個笑話。這讓我想起一個短篇故事。這跟你完全不像。總之，我被遺忘了。那是 1995 年，我們剛創立 NVIDIA，3D 圖形生態系統。當時有一大堆 3D 圖形公司。大概每週都有一家新的 3D 圖形公司出現，而我們是第一家開始的。但幾年後，大概有 50、60 個競爭對手，而我們開始了。我們創建了一個架構，我們選擇了一種完全錯誤的技術。好的，所以即使我們是第一家開始的公司，因為我們的技術完全錯誤，我們差點就要倒閉了。而這位金融分析師，現在是追蹤這個產業的產業分析師，他保留了一份所有正在開發 3D 圖形的公司名單，而且每週都會發布。然後有一週名單出來了，我們被排除在外了。所以我被遺忘了，我問：「你為什麼把我們從名單上拿掉？」他說：「嗯，我以為你們倒閉了，但你們做得很好。」抱歉。

第一組對談：介紹與技術路徑

很棒的故事。很棒的故事。好的。所以，聽著，你們每個人都選擇了不同的方法。量子運算有相當多不同的方法。也許我們可以先讓你們每個人花點時間談談你們的方法以及為什麼選擇它。既然 Mikhail，我差點忘了你，不如你先開始？

Mikhail Lukin (QuEra): 謝謝。首先，感謝你邀請我們。能來到這裡真是太棒了。謝謝你。同時，也感謝你對這個新興量子生態系統的貢獻。我們正在用單個原子來建造量子電腦，並使用雷射光束陣列來組裝和控制它們，基本上運用了像是全像術的技術，類似於用來投影，例如，將電腦影像投射到大螢幕上的技術。關鍵的優勢在於原子基本上是上帝賦予的量子位元。它們完全相同，而且被極好地隔離。我們可以非常長時間地保持量子態。而且，我們可以使用光，我們可以使用雷射來控制這些原子，隨意定位它們，並移動它們，包括在計算過程本身以及特別是，它允許我們建立一個處理器，其中的連接性基本上是一個活的有機體。它在計算過程中會演變，這是非常特別的。這使我們現在能夠建立擁有數千個量子位元的系統。它使我們能夠首次部署你提到的這些錯誤修正技術，並使用這些所謂的受保護邏輯量子位元來執行演算法。這很棒。這是，是的，這是一個非常特殊的方法，我們正處於使用這種方法的非常特殊的時期。是的。

謝謝你，Mikhail。繼續。輪流來。繼續。

Subodh Kulkarni (Rigetti Computing): 嗯，謝謝給予這次機會。在 Rigetti Computing，我們開發超導閘極基礎的量子電腦。我們的總部位於這裡的 Berkeley，並且在 Fremont 設有晶圓廠。為什麼是超導閘極基礎量子運算？閘極基礎是因為這是我們所知進行廣泛運算的方式。古典電腦就是這樣運作的。為什麼是超導？這是一個領域，除了我們之外，還有許多其他公司，包括像 IBM、Google、Amazon 這樣的大公司，以及中國政府，都在超導閘極基礎運算上投入巨資。我們喜歡超導的主要原因是它在可擴展性和閘極速度方面的優勢。我們基本上使用的是矽晶片，所以一旦我們利用半導體產業及其五十年的經驗，我們就知道如何擴大規模。而且因為我們處理的是電子，我們的閘極速度在數十奈秒級別，這使得它非常容易與 CPU、GPU 生態系統相容，而這正是我們認為量子運算將會發展的方式。我們對可擴展性和閘極速度感到非常有信心。挑戰和致命弱點，可以這麼說，超導量子運算的挑戰一直是保真度。由於晶片中這些內在設計的裝置，我們會產生雜訊，就像 CMOS 技術一樣，歷史上，保真度在 90% 低位和 90% 中位。當量子位元彼此糾纏時，我們稱之為雙量子位元閘極保真度。令人興奮的是，在過去幾個月裡，Rigetti 以及超導領域的其他一些公司，如 IBM 和 Google，已經取得了一些非常重要的進展，現在我們的雙量子位元閘極保真度達到了 99% 到 99.5%，這與其他領域的最佳水平相當。所以，我們保持了可擴展性和閘極速度的優勢，但現在我們對保真度的現狀感到非常有信心。這使得它在這個領域更具吸引力。我們透過開放的模組化方法來區分自己。我們設計了我們的堆疊，以便如果我們發現外面有更具創意的解決方案，無論是來自像 Riverlane 這樣的公司的錯誤修正，還是 NVIDIA 的 CUDA Q，或是 Quantum Machines 的控制系統，我們都可以輕鬆地將其整合到我們的堆疊中，而不是像 IBM 或 Google 這樣的一些其他公司，他們以大型主機的方式設計。我們相信開放的模組化方法是建立生態系統的正確方式，尤其是在我們還處於研發階段時。所以，在整個旅程中，我們的旗艦系統是一個 84 量子位元系統，閘極速度為 79 奈秒。目前任何人都可以在 AWS 和 Azure 上使用它。我們相信它是最好的之一，但坦白說，正如我們之前談到的，它還不足以用於任何實際用途。而且，嗯，我們認為我們大概，好吧，還不要放棄。還不要放棄。讓我們聽聽為什麼。

Rajeeb Hazra (Quantinuum): 不要你開始，謝謝你，Jensen，邀請我們。在 Quantinuum，我們使用所謂的離子阱模式來建造量子電腦，以及一種稱為 QCCD 或量子電荷耦合裝置的特定架構方法。這種方法的優點在於它產生了業界最高的保真度，達到 99.99% 以上。量子運算中有很多挑戰，如你所知。然而，同調時間、可擴展性、保真度——這些是一些最具挑戰性的特性。當你在思考和聆聽這些不同的量子運算方法時，只要注意這些詞彙。我認為它們能持續幫助你理解每種技術相關的優缺點或挑戰與機會。好的，繼續，Rajeeb。謝謝你補充。基本上，我們擁有業界最高的保真度。你問我們的方法是什麼。我們的方法是將 QCCD 架構擴展到更高的規模。所以，我們今年將擁有 50 個邏輯量子位元，高度可靠的量子位元，大約 18 個月內將有 100 個邏級量子位元，我們看到一條清晰的路徑，可以在 2031-32 年時間框架早期達到數百萬個量子位元。我們方法的另一部分不僅僅是建立它的科學基礎。我們的方法是研究真正、真正具有挑戰性的問題。就像生活在邊緣。我們用我們自己建造的硬體和軟體以及與客戶一起研究它們。所以，我們不是在尋找一個問題的解決方案，而是從我們要瘋狂地去攻擊哪個巨大、棘手的問題這個概念開始，然後建立我們跨越硬體和軟體的實力來做到這一點。我希望我們有機會談談今天業界還有哪些其他東西。那是一個美妙的組合。歡迎來到 GTC。[音樂] 我們這裡有很多棘手的問題。好的。謝謝你，Rob。是的，Loïc，請繼續。

Loïc Henriet (Pasqal): 非常感謝邀請我們。在 Pasqal，我們建造利用中性原子技術的量子處理器。這與 Mikhail 和 QuEra 所做的非常接近。這項技術有幾個關鍵優勢，比如可擴展性。我們現在可以捕捉和控制很多這樣的量子位元——數千個。而且，用雷射光控制它們很容易，與開發量子電腦的離子阱和超導量子位元相比，這是一種相對較新的技術。事實上，它更新，但在閘極保真度和這種方法的可擴展性方面，有很多進展和動力。在 Pasqal，我們也致力於大力投入這些裝置的工程設計，將它們從實驗室實驗轉變為真正的工業產品。我想我們在這裡都同意，使用和採用對於整個量子社群來說現在非常關鍵，而在 Pasqal，我們真的想要實現這個承諾。在過去的 18 個月裡，我們已經交付並將在全球交付四台機器，包括一台在法國，一台在 CANI，另一台在德國的 Jülich 超級計算中心。關於 Pasqal 大概就是這樣。我們使用中性原子，並非常專注於工程設計。太棒了。謝謝你，Loïc。請繼續，Peter。

Peter Chapman (IonQ): 請告訴我們關於你的公司。我是 IonQ 的董事長。我們是一家離子阱公司，像 Quantinuum 一樣。離子阱實際上早在 1995 年就被用於研究原子鐘。原子鐘和我們的技術有很大的重疊。早在 1995 年，NIST 的一個團隊，以及 IonQ 的一位聯合創始人，完成了史上第一個量子邏輯閘。你看到的所有這些瘋狂的事情都是從 1995 年那個實驗開始的。所以，我們在離子阱方面的投入至今已有 30 年。與其他模式非常相似，我們使用單個原子，並使用雷射進行計算。我們的精度低至 0.02 奈米。當你看到矽產業時，他們與我們所處的層級相比，還差得遠。我們玩的是單個原子。所以，我們技術的優勢在於你可以擁有一台室溫量子電腦。它可以裝在一個機架裡，老實說，跟你可能想像的相比，它看起來有點無聊，因為它將是基於機架且在室溫下運作。另一個優勢是，因為我們使用光學和雷射，你可以將它們聯網起來進行分佈式量子計算，以獲得更大數量的量子位元，並且你可以重複使用現有的網際網路光纖基礎設施。正如已經提到的，離子阱擁有最佳的平均雙量子位元閘極保真度。從這個意義上說，它們處於領先地位，這是一個相當大的優勢，因為這意味著你需要做的錯誤修正量可能會比其他一些模式少。但我們每個人，我只想說自 1995 年以來，出現了如此多不同的模式，從自由量子位元到所取得的進展量，真是令人驚嘆。所以，從這個角度來看，這真的相當令人興奮。很高興今天能看到領先的公司和我們一起在台上。所以，是的，謝謝你，Peter。Alan，請繼續。

Alan Baratz (D-Wave): 謝謝，Jensen。我們是一家超導公司，類似於 Rigetti。我們相信超導在量子位元保真度或量子位元質量與閘極速度、計算時間之間提供了最佳平衡。但我們實際上與這個座談會上的所有人以及業內幾乎所有其他人都有很大的不同，因為我們使用退火技術而不是閘極模型技術。不深入細節，退火是一種更容易使用的技術。它更容易擴展，對雜訊和錯誤的敏感度也低得多。或許最好的證明點是我們上週發表在《Science》上的一篇論文，其中我們執行了一項關於磁性材料屬性的有用計算，而這項計算若以古典方式進行，將需要近一百萬年的時間。然後這週，我們實際上在 arXiv 上發表了一篇論文，展示了如何利用該計算在區塊鏈中創建量子工作量證明。這個想法是利用量子電腦來創建雜湊函數，並利用量子電腦來驗證雜湊函數。我們現在已經在我們的四台量子電腦上運行這個，作為第一個分散式量子應用，我們正在生成雜湊、驗證雜湊，我們認為這可能是一種非常有趣、能耗更低的區塊鏈方法。

量子電腦的實用性與早期應用

你知道，每次量子運算產業有人達到一個里程碑，都會在其他人之間引起相當大的爭議。你的成就是否也引起了任何爭議，考慮到成就與爭議的比率幾乎是一比一？

Alan Baratz: 這個問題的答案是，我收到了許多來自業內同事的正面回饋。只是為了澄清，而且只有因為你問了，我通常不喜歡點名，但我會說。有一篇來自紐約 Flat Iron Institute 的一些研究人員的論文出來了。這是一個非常紮實的研究團隊。他們所能做的是推進了古典計算在張量網絡方面的最新技術水平，他們已經能夠證明，對於我們計算的最小實例，我們也曾在 GPU 叢集上進行過古典計算，他們可以做得快一點。現在，他們提出了一些關於這如何削弱結果的說法，但完全不是這樣。我們計算了多種尺寸、多種晶格尺寸、多種演化時間框架、多種晶格上的屬性，所以這是一個非常強有力的結果，實際上已經在公共領域超過一年了。是的，太棒了。

所以，我想引起相當多興奮的問題，實際上是關於量子運算中「實用性」的定義是什麼，以及我們何時期待它？在我們回答何時期待之前，也許我們先鋪陳一下。你認為哪些早期應用值得投入量子電腦來實現？第一點，第二點，你如何定義實用性？

Mikhail Lukin: 也許我會從一個較高的層次開始。量子電腦確實是一種根本上全新的科學和工程工具。如果你回顧科學技術的歷史，每當你發明一種新工具時，你首先用它來真正推進科學，並實際做出科學發現。事實上，量子電腦確實讓我們能夠進入宇宙中我們從未涉足的角落。如果你負責任地進入這些角落，你總會發現一些有趣的東西。所以我相信，利用現有或近期正在開發的機器，有巨大的潛力來真正推進這個科學前沿並實際做出新的發現。已經有用量子電腦做出的發現，但老實說，非常少。我們許多人的想法是，現在我們正處於量子發現的時代，我們可以利用這些機器來實際探索複雜系統的物理學，可能與化學和材料科學等領域相關。這個領域現在確實成熟到可以使用這些機器來推動這些科學方向並開始做出發現。通常，這些發現可能並不直接具有商業相關性。例如，理解遠離平衡狀態的系統特性——我們周圍的世界大多不是處於平衡狀態。這些是我預期未來幾年會取得大量進展的領域，而且通常正是這些事物隨後會轉化為應用，並以無法預測的方式開創新產業。這就是為什麼這個領域現在處於一個特殊的時間點。這是離子阱的觀點。

超導或中性原子方法呢？

Rajeeb Hazra: 中性原子。這是一個小小的區別，但我會接著你說的。我們同意科學發現將被帶到新前沿的基本前提。但我們今天已經看到應用。正如我所說，我們專注於客戶或合作夥伴想要解決的重大問題是什麼。我們正在看到化學領域的應用，例如如何獲得具有某些永續特性的新型冷媒？如何在不需要鉑作為反應催化劑的情況下，更有效地從水中產生氫氣？在生物學領域，我們正在研究胜肽如何結合。這些是非常具體的例子，這樣做讓我們能夠很好地理解兩件事：你需要用什麼演算法來處理它，以及你在某個時間點需要在機器中具備什麼能力？你問到性能標準是什麼。從古典背景來看，你有每瓦性能，然後是每瓦每美元性能。我們正在達到一個程度，如果你從你想從根本上解決的重大問題的角度來看，以更準確地解決它，或者更準確地解決它並且耗能更少、成本更低為衡量標準，我們正在接近你的計算規模是多少，通常是量子位元的數量，但也要看你能維持什麼樣的保真度和錯誤率來使這些量子位元變得有用。我不是說這些東西有一個完美的比例，但它們通常引導我們去說你的強大量子電腦有多大用處，而這只能透過審視重大問題並說你如何在量子電腦的幫助下解決它們來完成，不一定是將古典電腦替換為量子電腦。

重新定義：電腦或儀器？

Rajeeb，我確實想知道的一個領域是，量子運算是否定位不佳。讓我試著分析一下。工業界有許多事物建立在基礎科學之上，而量子電腦，從廣義上講，可以成為理解影響該產業的基礎科學的終極儀器。然而，由於它被描述為量子「電腦」而非量子「儀器」，人們對於電腦的概念是——你應該能夠超快地運行 Excel，而且每一台像樣的電腦都應該能夠運行像 Crisis 這樣的遊戲。對於電腦是什麼，有一個常識性的理解，它連接到記憶體、網路、儲存和程式設計模型。我想知道這是否只是一個錯誤的心智模型，而作為一種科學儀器，它是非凡的。正如你所說，在此過程中更深入地理解科學的機會是非凡的，但將其定位為量子「電腦」本身，並用我們都理解的電腦標準來要求它，我想知道這是否可能是一種重新框架，讓整個產業坦率地說，在這種作為非常重要產業的科學儀器的重新框架下，能走得更遠。請繼續，是的。

Loïc Henriet: 我完全同意你所說的。在某種意義上，「量子電腦」這個詞彙具有誤導性，因為人們期望你可以用量子電腦取代古典電腦。事實並非如此。它更像是一個非常互補的工具。我們喜歡稱我們的機器為量子處理器——非常專業化的機器，你可以在一個複雜的工作流程中與 CPU 和 GPU 一起使用，但真正用於特定的任務。一旦大家就這種使用量子電腦或量子處理器的特定方式達成共識，與古典運算並肩工作就會更容易，而不是致力於取代所有現有的計算能力。

Alan Baratz: 我實際上對這個概念感到困惑。我不知道如何將量子電腦視為一種儀器，當它被用於材料發現、區塊鏈或改善蜂窩塔資源利用時。確實有很多應用我永遠不會嘗試在量子電腦上運行，但對於需要大量處理能力的應用，這些機器非常強大，我認為它們遠遠超出了僅僅是儀器或測量的範疇。抱歉，我插句話。

Jensen Huang: 沒關係。是的，我插句話。我其實只是想幫忙。我們看到你的幫忙了。你知道，讓我告訴你，這整個會議對我來說就像一個治療療程。很久以前，有人問我加速運算有什麼用。我說，很久以前，因為我錯了，這將取代電腦，這將是運算的未來方式，一切都會變得更好。結果證明我錯了，而且是沒必要的錯誤。最好是狹隘地專注於某件事並做到極致。但是當你越過那條線，開始談論旅行推銷員問題時，就變得沒有必要了，因為那個問題顯然正如我們今天所知正在被解決。Uber 的車會出現，也許晚了三秒或三十秒或其他什麼，但它們會出現。我確實認為，要求我們自己達到一個標準去解決一個量子電腦沒有必要去解決的問題，坦白說，為了改變世界，這會讓我們偏離你獨特能做的事情的焦點，而且坦白說，遲早會這樣。總之，這只是我的嘗試。請繼續，Peter。

Peter Chapman: 嗯，在這次展會上，我們實際上展示了幾個應用程式，顯示量子現在是其中之一。其中一個是與 ANSYS 合作，你可能知道他們的一個產品，叫做 LS-DYNA，它顯然今天與 GPU 一起運行。我們宣布我們已經將我們的量子電腦與 LS-DYNA 整合，我們在模擬血液幫浦時看到了 12% 的性能提升。所以，我想這是第一次量子被整合到生產軟體中。我們也與 NVIDIA、AWS 和 Atos 宣布，在一個化學應用中實現了 20 倍的改進。令人驚奇的是，我們是在現有的 36 個量子位元的系統上完成的。到今年年底，我們將擁有 64 個量子位元。每增加一個量子位元，你就加倍了計算能力。所以，這在單一代晶片中增加了 2 的 28 次方，大約是 2.6 億倍的性能提升。到今年年底，人們可以預期，對於像 LS-DYNA 和化學應用這樣的東西，性能將突然大幅提升。所以，我們現在正在研究這些應用程式，坦白說，你們中的許多人都在使用，以便能夠利用量子電腦產生重大影響。我確實認為你關於 10 年的說法很有趣。我們認為自己處於你 10 年前的階段。我們希望，顯然，從現在起的 10 年後，我們將與 NVIDIA 和所有其他巨頭一起，躋身稀有空氣之列。但從初創公司到你今天的地位確實需要很長時間。完全可以坐下來說，對於量子產業來說，還需要 10 到 15 年才能達到 NVIDIA 和所有其他巨頭的水平。它不會從那時才開始；它從今天就開始了。

Jensen Huang: 你們會比 NVIDIA 大得多。我們不可能成為過去的遺物。

技術路徑的多樣性與整合

好的，如果看起來量子運算有這麼多不同的方法，而且它的方法如此多樣，為什麼這個產業沒有像你們看到彼此的工作那樣，更快地發現一個更有前途的方法，並自然地透過演化，人們選擇最佳方法，然後每個人都開始以統一的方式更快地推進整個產業？據我觀察，這個產業出奇地多樣化，百花齊放。什麼時候它會變成一個花園？

Peter Chapman: 我只想說，如果你看看今天我們這裡的人，你會聽到很多人在使用單個原子、雷射等等。所以，我們實際上比大多數人預期的有更多的共同點。通常，所以我認為，未來會有更多的分享，甚至可能一起工作的能力，因為量子運算的承諾以及它能為人類做的事情是如此重大，以至於它實際上比今天坐在台上的任何一家公司都大。所以，人類有一系列重大的問題需要解決，我們需要量子運算才能解決它們。我們顯然還很新，每天都在發現建造量子位元的方法，但我認為在接下來的幾年裡，我們將開始凝聚到可能兩到三種不同的方法。我們中的一些人可能會走到一起，因為我們確實共享底層技術。

Jensen Huang: 所以，這很有道理。你描述的許多問題，精確的答案並不完全清楚，因為如你所知，流體是相當混沌的，很難確切知道正確的答案是什麼。在這些例子中，使用 AI 進行模擬可以比我們今天使用的原理求解器提供數萬倍的加速，數量級的加速。你們如何思考這個問題？當古典計算在未來幾年仍有數量級的進展空間時，解決那個問題的意義何在？

Alan Baratz: 嗯，雖然有數量級的進展，但同時，有些問題今天用古典方法根本無法解決。在藥物發現、全球天氣建模領域存在一些問題，甚至我分享的應用，也就是我們一週前論文的基礎，計算材料特性。我們使用了 Frontier，它基本上是你們的系統之一，位於 Oak Ridge National Lab 的大規模平行超級電腦，執行這個計算需要數百萬年的時間。所以，重點是，仍然存在一些困難的計算問題，超出了古典計算的範圍，而 AI 也無法解決這些問題。它們就是超出了古典計算的範圍，對吧？

Jensen Huang: 完全正確。請繼續，Rajeeb。

Rajeeb Hazra: 所以，我想提出一點。很有趣的是我們花了 30 分鐘才談到 AI，但從我們的角度來看，我們非常有趣地看到它作為你問題的延伸，即我們是否應該稱其為電腦。這些量子裝置或工具或儀器，正如你所稱，正在擴展我們存取資料以訓練這些 AI 引擎的能力，而這在以前是不可能的。所以，如果你今天要解決一個化學問題，人類的最大能力是由密度泛函理論或其他對量子空間的近似值來定義的。我們以前沒有的那些資訊的世界，就像試圖透過給予 500 平方英尺的城市網格來訓練自動駕駛汽車，而沒有車道或其他事物的細節。所以，我們看到的是，電腦這個概念帶來了我有電腦 A 對比電腦 B 的想法，所以 A 必須比 B 運行得更快才能更好，至少在技術上是這樣，直到你告訴他們 A 的價格。我們不這麼看。我們將其視為 A 和 B 如果 A 是已建立的古典、精煉的前沿模型，那麼 A 和 B 能做什麼，我們如何訓練這些模型，以及我們是否正在用資料賦能這些模型，以便它現在可以繼續具有代理性，繼續推理，繼續做那些否則我們會被拉回來做的事情？我們稱之為 gen，不是 AI，是 gen Q AI，這打破了一台電腦與另一台電腦競爭的範式。這是兩台電腦現在一起工作，兩種完全不同的方式，但它們互為輸入和輸出。

Jensen Huang: 你說得對。量子電腦的輸出是這些大型語言模型（LLM）和訓練方法的輸入。所以，你可以擁有實際理解諸如基態能量和分子基態構型之類事物的 LLM。然後你可以用它們來開始進行微擾理論研究，判斷一個分子是否會在體內持續存在，並以正確的動力學範式遞送藥物，或者不會。這就是我們將量子視為一種工具或儀器，添加到已經在發展、迅速成熟和改進的計算範式中的方式。

古典運算如何提供協助？

在我們這裡的幾分鐘裡，我們可以在加速古典運算領域做些什麼來幫助你們所有人，以便我們能更快地推進你們的工作？我們可以從中間開始嗎，來吧，法國先生，開始吧。

Loïc Henriet: 是的，謝謝。我想，正如前面所說，盡可能地將各種計算模式，如古典和量子，耦合起來非常重要。目前，這還不是頻寬或能夠共置以快速完成工作的問題，因為我們還沒到那一步。這不是緊迫的範式。在某個時候，它會成為一個問題，但不是現在。現在，真正重要的是確定關鍵問題和領域，在這些領域我們可以合作並利用兩個世界的優勢。我完全同意你所說的，使用量子電腦或量子處理器來處理和創建一個本質上是量子的問題的數據，古典計算自然會遇到困難，然後在一個更大的包含 CPU 和 GPU 的工作流程中利用這種自然優勢，並在軟體層面上將其很好地耦合起來。

Peter Chapman: 我只想說，我們使用你們的 GPU 來設計我們的晶片，並經常進行協同模擬，以確保量子電腦正常工作。當我們展望量子運算的未來時，它將是一組古典系統緊挨著量子電腦，兩者來回交互。這不是一個取代另一個的問題；它們是協同工作的。如果你看看我們今天正在做的同樣的事情，我們正在應用機器學習來找出如何不僅為量子電腦本身，也為它們的運行方式建立優化。所以，這已經是古典運算和量子之間的一種協同關係，奇怪的是，我們的量子電腦幾乎完全是古典的。唯一的量子部分恰好是一個小晶片和中心的幾個原子。其餘部分完全是古典的。所以，我不會在這次會議結束時做空任何 NVIDIA 的股票。我認為你們未來有著強大的地位。但我預計未來將是 QPU、GPU 和 CPU 共同解決問題。

Jensen Huang: 事實上，如果我可以補充一點，你可能觀察到 NVIDIA 加速運算是有史以來世界上最大規模的平行電腦。然而，我們不稱其為平行電腦。它曾與序列運算對立，而那種方法、那種定位的錯誤在於，阿姆達爾定律不是那樣運作的。沒有理由取代一個做得非常出色的東西。你應該在其基礎上增加，並乘著已經形成的勢頭前進。這就是為什麼我們決定稱之為加速運算。它仍然是一台電腦，這真正徹底改變了人們對我們的看法以及我們對自己和工作的看法。我認為，將其視為量子運算產業或量子電腦的想法，不如將其視為將使每台電腦都變得更好的量子處理器來得好。Rejeeb，請繼續。

量子、古典與AI的協同作用

Subodh Kulkarni: 我們思考量子處理或量子運算的方式中，某些範式必須改變。有些人觀察到，思考人腦及其運作方式，比我們傳統思考 HPC 以及 HPC 應如何與量子電腦整合更接近量子電腦。我們處理的是類比輸入、類比輸出，以及同時處理多個變數，完全就像人腦和我們的神經元運作的方式。從根本上說，我們可能因為在古典運算的背景下思考量子運算而限制了自己。我們可能需要開始更廣泛地思考，說，當量子電腦與 HPC 結合時，我們可以潛在地設想哪些類型的事情，以及量子運算如何幫助 genAI 達到 AGI？這些是我們可以使用量子電腦來處理的一些更棘手的事情。

Jensen Huang: 嗯，這將是這個產業偉大對話的開端。我非常榮幸能主持你們各位，這只是我們系列中的第一次，未來還會有更多。我對此充滿期待。Muel，你想做個總結嗎？

Mikhail Lukin: 是的，是的。所以，我認為這些都是很好的例子。我想回到我之前提出的觀點。在某種意義上，量子電腦不是一把錘子；它是一種精密儀器。你想用它做的是解決一個問題中困難的量子部分。這有點像我們的願景：如果你有一個問題想解決，你想盡可能多地用古典電腦解決，並找出困難的量子部分。然後，你找到一個演算法，一個好的錯誤修正碼，正確的編譯器，並編寫正確的解碼器，所有這些都針對特定的量子架構進行了優化。在所有這個過程中，你想要做的是盡可能多地，至少在目前，將工作外包給古典部分。這可能是 CPU、GPU，取決於你想做什麼。而且，當然，最後，你想使用量子數據的輸出來訓練你的模型並改進它們。這就是我們看到量子電腦在未來幾年真正價值顯現的方式。當然，一個非常有成效的用例。謝謝你們。

明年的展望（第一組對談）

好的，我們必須非常快。明年的這個時候，我們會談論什麼？所以，讓我們快速過一遍。請繼續，Alan。

Alan Baratz: 明年的這個時候，我希望我們談論的是量子如何幫助你以更低的功耗進行更好的模型訓練和推論。

好的，請繼續，Peter。

Peter Chapman: 首先，量子應用進入生產環境，幫助客戶處理工作負載，我希望我們能看到，同樣地，基於量子的新型 AGI 的第一個原型，談論我們從所有正在現場部署的電腦和處理器的所有使用中學到的東西。

嗯，是的，Rajeeb。

Rajeeb Hazra: 我同意前一位發言者的主題。我們將在明年看到第一個真正有形的 AI 代理與量子電腦協同工作的用例，做一些它以前無法做到的事情，並且是經過大量試錯完成的。嗯，嗯。

好的，Sub。

Subodh Kulkarni: 我希望一年後我們能達到一個對量子運算的懷疑少一點的程度，我們開始討論它在資料中心究竟將如何發揮價值，並且我們可以展示一些真實案例。

嗯，會有所不同。

Mikhail Lukin: 所以，我希望看到在物理學、化學和生物學領域有 10 個新的科學發現，也許還有其他領域，這些將由量子機器實現。

嗯，各位，讓我們去實現它吧。好的，各位，謝謝你們。謝謝，謝謝。好的，我們的第二組對談。我們的第二組對談。謝謝你們，謝謝。各位。哪邊都行，哪邊都行，別擔心。是的，別擔心。別擔心。好的，我們的第二組。謝謝，非常感謝，Rejeeb。我們的第二組：來自 Atom Computing 的 Ben Bloom，中性原子量子位元。請繼續，Ben。進來吧。嘿，Ben。我稍後會和你們都握手。呃，Inflection 的執行長 Matthew Canella，中性原子量子位元。嘿，Ben。謝謝你。感謝光臨。來自 Seek 的 John Levy，超導量子位元。嘿，老兄，很高興見到你。 Alice and Bob 的執行長 Perin，超導量子位元。Ellis and Bob，好的，QCI，Rob Shov，超導量子位元。很高興見到你，然後是 Side Quantum，Pete Schulbot，單光子量子位元。嘿，Pete，你好嗎？是的，請坐，請坐。

第二組對談：介紹與技術路徑

那麼，非常快地，我們再過一遍怎麼樣？讓我們從這邊開始。你的方法是什麼，為什麼選擇它？

Ben Bloom (Atom Computing): 是的，我是 Ben Bloom。我是 Atom Computing 的創始人之一。我們用中性原子建造量子電腦。你之前已經聽過一些關於中性原子的介紹，所以我會重申一些優點並隱藏一些缺點。總的來說，我們可以製造非常大量的量子位元。我們是首批突破一千個量子位元的公司之一，而且我們可以用非常高的保真度來做到這一點。我們還可以用這些量子位元進行非常連貫的操作。它還允許我們做一些像全連接這樣的事情，這使得各種量子錯誤修正碼和應用程式可以在系統上運行。

Matthew Keesan (Inflection): 是的，請繼續。首先，感謝邀請我們，Jensen。是的，很高興見到各位。很高興和你們一起在這裡。這會很有趣。在 Inflection，我們也使用中性原子來建造我們的量子電腦。我想 Ben 已經很好地解釋了這一點，上一組的成員也是如此。所以我只想說中性原子是一種高度靈活的技術，這是因為它們完全在室溫下進行。所以，因為我們不需要冷凍機，你可以實際縮小、降低成本，並在現場部署這項技術。所以，我們所做的，我實際上帶來了一個道具。我們可以將我們的量子位元捕捉在這些超高真空單元中，然後它們是原子，這些量子位元是原子，然後我們可以用雷射排列它們並用它們做一些有趣的事情。我們認為，正如我認為 Misha 在第一組討論中所說，原子是自然界完美的量子位元，但它們也是自然界完美的時鐘和自然界完美的感測器。所以，我們實際上將這種核心原子技術指向這三個領域：時鐘、感測器和電腦。你可以把它們看作是你可以用中性原子做什麼的複雜性連續體，計算是最複雜的，時鐘是最不複雜的。我們正在遵循一個經過驗證的貨幣化和市場開發策略，即在我們今天實際擁有真正量子優勢的領域進行貨幣化，比如時鐘和感測器，並利用這些學習成果，因為有很多槓桿作用。所有底層組件都是相同的。那些學習成果和那些毛利潤幫助我們突破極限，最終在計算世界達到量子優勢。所以，這就是我們所做的，我們正在電腦領域與你們優秀的量子團隊 Jensen、Sam、Alisa 等人一起做一些有趣的事情。所以，是的，感謝。

Jensen Huang: 非常感謝，謝謝，Matt。是的，請繼續。

John Levy (SEEK): 我是 SEEK 的執行長 John Levy。SEEK 代表可擴展、節能的量子運算。我們今天聽到的是，有多種使用不同種類量子位元建造量子電腦的方法。但我們也知道，僅靠量子位元無法建立一個完整的堆疊電腦。你需要能夠進行讀取、控制、多工、重置、錯誤修正、GPU 整合，整個堆疊。所以在 Seek，這就是我們所做的。我們實際上已經建造了數位控制的電腦。這是一個例子。這是 Seek Orange，它是世界上第一台數位控制和數位多工的量子電腦，我們正在將量子電腦的所有核心功能整合到一個晶片上。現在，我們能做到這一點的唯一方法是我們必須極其節能。你在主題演講中談到了節能系統的重要性。所以，如果你考慮建造一台常規的量子電腦，比如說超導，你可能需要使用 2 到 5 瓦的功率來運行一台量子電腦，僅僅是為了控制一個量子位元。我們已經將其降低到 3 奈瓦的功率。所以，我們是節能的。最後一部分是我們是全數位的。因此，這使我們能夠避免量子電腦中主要的雜訊來源之一，串擾。但它也使我們能夠連接到其他數位晶片，如 GPU 和 CPU。所以，我們的概念是為異構計算創建一個平台，我們基本上採納了你在上一個小組中談到的關於計算和加速計算的想法，我們認為加速計算的方法是無縫整合你用 NVLink、GPU 和 CPU 所做的方式，再加上一個 QPU，這就是我們正在建立的基礎設施。

Jensen Huang: 是的，太棒了。謝謝。是的，給你。

Théau Peronnin (Alice & Bob): 謝謝。是的，謝謝，Sean。在 Alice and Bob，我們是超導晶片設計師。現在，我們為錯誤修正設計卓越的超導量子位元。你知道，在量子領域，錯誤修正就是你所需要的一切。我們的技術，貓量子位元（cat qubit），直接在量子位元內部內建了第一層錯誤修正。它非常強大，硬體效率極高，將達成影響所需的量子位元數量削減了高達 200 倍。仔細想想。這不僅降低了系統的成本和複雜性；它顯著縮短了時間線。如果你從摩爾定律的角度思考，這幾乎是我們獲得的十年領先優勢。因此，Alice and Bob，這就是我們如何將數十年縮短為數年。

Jensen Huang: 是的，太棒了。

Rob Schoelkopf (Quantum Circuits Inc - QCI): 嗨，是的，謝謝邀請我們，Jensen。這真是一個有趣的活動。我是 Rob Schulov。我是 Quantum Circuits 的創始人之一和首席科學家，公司位於康乃狄克州的 New Haven。我們是從 Yale University 分拆出來的公司，許多超導領域的人才都在那裡接受培訓，一些主要思想也源自那裡。我很高興你提出了錯誤修正的問題；我認為這是一個值得討論的好話題。在 Quantum Circuits，我們相信錯誤修正是獲得有用量子計算的關鍵。我們實際上有一點不同的看法。它與 Alice and Bob 所追求的有些相似，但我們的口號是「先修正，再擴展」。我們不想製造擁有數百萬個非常嘈雜的量子位元的機器，然後試圖弄清楚如何對它們進行程式設計，或者如何將錯誤修正作為軟體層構建在上面。我們正在做的是在超導電路中有一個新的範式。它被稱為雙軌量子位元（dual-rail qubit），它基本上在硬體層級內建了錯誤偵測。這有幾個優點。我們獲得了超導裝置的所有速度和可擴展性，但現在我們開始看到與離子和原子相媲美的性能，試圖整合這兩種不同類型技術的優點。因此，我們認為透過偵測錯誤可以獲得的增強保真度，將使我們在近期內達到有趣的用例，特別是對於先前小組中提到的那種科學發現。這也是我們更有效地擴展到容錯機器的一種方式。所以，我們想要擴展，但我們不想只是以浪費的方式進行。我們希望以一種真正提供價值並顯著抑制錯誤的方式進行擴展。我認為這個領域的主要挑戰，無論技術如何，是證明錯誤修正真正有效，我們可以將錯誤抑制到前所未有的物理量子位元水平。

Jensen Huang: 太棒了。謝謝，Rob。請繼續，Pete。

Pete Shadbolt (PsiQuantum): 是的，非常感謝邀請我們，Jensen。我很感激。我真的希望他們付給你豐厚的報酬來理解所有這些複雜性。所以，我認為將 PsiQuantum 描述為坐在量子計算公司光譜極端的一端是公平的。從一開始，我們就一心一意、固執地專注於建造非常大規模、通用、容錯的機器——達到百萬量子位元級別。我們用來建造它的方法是使用單光子，光的粒子。我們的執行長 Jeremy 在 20 多年前在布里斯本使用這些光子首次展示了雙量子位元閘。現在，我們將它們放在晶片上，重新利用最初為資料中心應用開發的矽光子技術，我非常興奮地聽到你在主題演講中談到這一點。我們認為這為我們克服領域面臨的擴展挑戰提供了深遠的優勢：可製造性、冷卻、功耗、連接性和控制電子學。這種槓桿作用使我們處於現在的位置，我們將在未來幾個月內在澳洲和芝加哥破土動工建造非常大規模、類似資料中心的量子電腦。

Jensen Huang: 是的，太棒了。謝謝，Pete。

擴展挑戰與時間表

你知道，對於在行業周邊工作的人來說，其中一件真正具有挑戰性的事情，當然還有行業觀察者，就是許多不同方法的科學原理非常不同，而且方法相當多。如果只有兩種方法，你可以理解它，但方法相當多。科學是新的，當然，工程的每個方面，製造，所有這一切都是新的。甚至程式設計模型，你如何思考為這些東西程式設計，也是新的。比較它們很困難。例如，一方面，上一組聽眾已經在談論他們的電腦在運行工業軟體方面的用處。另一方面，對於一個有生產力且功能齊全的系統所需的量子位元數量有一些常識性的認識。我們目前有 36 個或 x 個量子位元，而現在你，Pete，正在談論需要一百萬個量子位元才能實現容錯且有生產力的機器。那麼，你如何彌合從我們目前的狀態，即當前的最先進技術，到你認為我們達到一個階段性轉變之間的差距？這很可能不會是一個非常具體的點，但這些量子電腦的用處會隨著時間的推移變得越來越有用。你預計這種轉變何時發生？你們都怎麼看？我們今天在哪裡，我們大概什麼時候會說，「是的，那是一台非常好的量子電腦」？那個階段性轉變何時發生？你們怎麼看？

Ben Bloom: 嗯，我認為持續擴展非常重要。我想 Pete 可能是對的，一些你必須著手解決的、真正將改變世界的最大問題，將需要數百萬個量子位元。所以，你必須確保你正在非常非常快地擴展你的量子電腦。我們不想要摩爾定律那樣兩倍或根號二倍的擴展速度。我們想要 10 倍的擴展，而且我們希望每隔幾年就有一次，這就是我們在 Atom Computing 所做的。我認為，最終，現在有一些人正在使用量子電腦，他們正在取得進展並找到有用的問題，但是當你談論將改變世界的實用規模的事情時，你必須達到一百萬。

Matthew Keesan: 我認為定義術語也很重要，Jensen，因為不要混淆——有物理量子位元，然後有經過錯誤修正的邏輯量子位元。經過錯誤修正的邏輯量子位元才是這裡的關鍵。物理量子位元與經過錯誤修正的邏輯量子位元的比例曾經被認為是 10,000 比 1，但現在可能更接近 100 比 1。所以，你需要物理量子位元數量的倍數，然後在這些上面運行錯誤修正軟體，以獲得你需要的邏輯量子位元。我想回答你的問題，共識是大約 100 個邏輯量子位元，你可以開始用量子電腦做一些古典電腦還做不到的有趣的事情。

John Levy: 思考如何擴展這些量子電腦很有趣，因為，例如，Google 在 11 月底發表了一篇關於錯誤修正的非常精彩的論文。如果你看看 Willow 晶片和設置，那是一個很好的錯誤修正演示。如果我沒記錯的話，每個量子位元需要五條獨立的電纜。如果你想擴展一個擁有一百萬個量子位元的系統，你真的會需要五百萬條電纜嗎？所以我用這個作為例子，因為在量子運算中有許多類似的事情我們需要解決。我們透過多工處理和晶片到晶片的整合來解決這個問題，這樣我們就能解決那個問題。但這只是上千個工程問題中的一個。所以，這真是一個需要精耕細作的方法，去處理每一個問題並試圖解決它們。我們不能只解決其中一個問題；我們必須採取全面的觀點並解決所有問題。我認為可能有一個廣泛的共識，除非我們能想出如何在晶片上建造量子電腦，否則我們永遠達不到目標。所以，這就是主要目標：在晶片上擴展。

Théau Peronnin: 是的，學術界已經弄得很清楚了。正如你提到的，是一百個邏級量子位元，其錯誤率最多保持在百萬分之一。邏級量子位元並非完全沒有錯誤。我的意思是，你的古典電晶體仍然會時不時地出錯。現在，問題是，並非每個物理量子位元生而平等。你的系統要達到 100 個邏級量子位元的大小和複雜度，可能因平台而異——從某些模式下的數十萬個物理量子位元到其他模式下的僅幾千個。回答你的時間線問題，這種轉變何時發生？我認為肯定是在這個十年結束之前。

Jensen Huang: 所以，2030 年，那是你看到指數力量拐點的地方。你知道，一條指數曲線，當你縮小看時，它是平坦的，然後是一堵硬牆。所以，這個拐點或僅僅是開始發生的地方，到 2030 年，你會感覺到牆壁攀升。

Rob Schoelkopf: 太棒了。是的，這是一個有趣的問題。我認為量子運算將處於發展階段，然後會有一個開關翻轉，它就無處不在，解決世界上所有問題，這有點謬誤。它實際上更像是一個旋鈕。我們將穩步調高音量，你知道，我們現在可以開始聽到音樂了，最終每個人都能聽到音樂。但我也認為，你知道，我喜歡你在早期小組中說的，這些與常規電腦不同。那是一個完全不同的範式。所以，我們現在正在做的一件事是，我們真正在學習如何為這些機器程式設計，我們還必須學習如何處理量子電腦中總是會存在的錯誤。我們永遠不會擁有像 GPU 或 CPU 那樣可靠運作的完美容錯數位電腦。因為它們將被用於特殊目的，你一次答對了，然後你就知道了你從未有過的問題的答案。我認為正確的類比是思考早期電子計算使用真空管的時代。你知道，當時設想我們只會用它們來做密碼學或者模擬炸彈。而 von Neumann 不得不提出 von Neumann 架構，編譯器的概念也是新的。所以我認為我們現在正處於這樣一個時代，機器足夠強大，我們可以進行那種發現如何程式設計事物的探索。我的猜測是，我們將會看到這些東西的應用，是我們今天無法預料的。

Jensen Huang: 是的，嗯，你這麼說真是太好了。我們希望並且希望能夠貢獻的一件事是幫助發現那些程式設計模型並幫助發明那個程式設計範式。有一種不必要的期望，坦白說，這實際上阻礙了行業的發展，即量子電腦在電子表格方面會更好。這是一個不幸且不必要的期望。我們之所以參與這一切，是因為我們對你們寄予了如此令人難以置信的、偉大的、宏偉的希望，我們將去發現解決非常、非常具有挑戰性的問題的新方法，但不是為了去解決送餐問題。我真的很希望我的漢堡能早到三秒鐘，但我可以忍受。但是有些事情如果沒有量子運算根本無法解決，我確實認為我們集體對量子運算的框架將對行業非常有幫助。

John Levy: 所以，我可以接著 Rob 的評論嗎？如果你回到 1946 年，有人把你拖到賓州大學的地下室去看 ENIAC，你認為當時會有人說：「哦，我要用這個來遠程呼叫一輛會優化路線的汽車，能夠遠程支付費用，並或多或少實時地將其傳達給我的朋友們」嗎？那不是人們當時的想法。他們在特定應用裝置上追踪導彈軌跡。我認為創造一個開放空間來探索和發現的想法正是我們需要做的，這也是我們需要每個人都努力的方向。

Jensen Huang: 是的，那真是太棒了。謝謝。[掌聲]

Ben Bloom: 你知道，我確實想說，我認為古典電腦和量子電腦之間的一大變化，至少以我們現在的理解來看，是量子電腦是一個巨大的計算資源這個想法。許多古典電腦以及我們使用古典電腦的方式，有點像是巨大的數據資源。我認為需要古典電腦、GPU 和所有東西的結合，才能真正理解你甚至如何使用一個巨大的計算資源。如果我們成功了，我們將建造一堆超級電腦，它們在理解物理世界方面非常非常擅長，我們必須弄清楚如何有效地使用它們，並真正將它們引入正常的日常流程中。

工程挑戰與延遲

Jensen Huang: 是的，你之前談到擴展時，我對你不受摩爾定律限制這一事實感到興奮。摩爾定律，如你所知，並非基於基本定律。其中涉及一些原則，但從這裡的產業中看到的一件真正了不起的事情是，擴展速度不是每隔幾年增加一倍。因為按照那個速度，將需要 30 年，而我們確實知道我們需要擴展。如果你看看過去 10 年的擴展情況，它並不能代表你們現在實際擴展的速度，因為你們在量子運算和這些量子處理器方面使用了新的科學和新方法。坦白說，你們擴展得快得多。那麼，你們能談談擴展以及你們如何看待未來 5 到 10 年的擴展嗎？是什麼讓你們能夠更快地擴展，以及現在是什麼技術讓你們能夠更好地擴展？

Ben Bloom: 我的意思是，我認為答案是我們可以使用古典電腦。我們正在學習如何建造控制裝置，我們正在學習如何有效地使用光，我們可以捕捉更多原子，控制更多原子。我們從數百萬個冷原子雲開始，我們有能力每秒加載 10^7 到 10^8 個準備好成為量子位元的原子。這取決於我們去弄清楚如何圍繞它建立控制基礎設施。那是古典計算，是光子學，是 RFSoC，是所有這些現在我們可以購買的設備。你的處理器和我們的處理器之間的介面，那個介面在目前設計得足夠好嗎？

Ben Bloom: 不，我的意思是，我認為在每一步，我們都在努力讓我們的系統更快。 GPU 和 CPU 將不得不越來越接近那些致動器，因為歸根結底，一切都受光速的限制，而你希望你的計算進行得非常非常快。任何理解系統中發生的錯誤的 GPU 或 CPU 之間的物理距離，都只會減慢量子計算的速度。

Matthew Keesan: 而完善中性原子，然後我們會讓其他人談論擴展他們的模式。但就像 Ben 說的，中性原子的物理量子位元數量並不是真正的瓶頸，因為我們可以把數百萬個量子位元放進這個小裝置裡。真正重要的是我們用雷射精確控制它們的能力，然後，基本上，對這些代碼進行錯誤修正，對這些量子位元進行錯誤修正。所以，有趣的是，當你考慮擴展時，不僅僅是在那裡放置更多的物理硬體。它實際上是關於用雷射更精確地控制這些上帝賦予的、自然的量子位元。

Jensen Huang: 我們必須達到的延遲是多少？這可能與這些量子位元的同調時間以及我們進行錯誤修正或任何控制演算法並將某些信號發送回去所需的時間有關。在那個端到端的往返迴路中，我們有多少時間？

Matthew Keesan: 嗯，好消息是，這實際上是關於你能完成多少工作與底層模式實際同調時間的比率。中性原子相對於其他模式具有相當長的同調時間，但我們談論的是微秒級別。[音樂]

John Levy: 是的，所以我們實際上認為，至少對於我們的技術而言，它在全部或部分上適用於所有量子計算模式，當我們專注於超導時，我們認為你需要能夠具有小於一微秒的延遲才能進行錯誤修正，以免下一個錯誤出現。所以，我們連接到 GPU 和你們的 GPU 的目標是達到 500 到 800 奈秒的範圍，這樣我們就可以真正利用 GPU 進行全局錯誤修正。我們認為我們可以透過在晶片上做一些，用一個可能在 100 毫開爾文或一個開爾文下運行的預解碼器做一些，然後用 GPU 做其餘的全局錯誤修正來解析它。但同樣，那個延遲問題對於能夠在下一個錯誤出現之前及時完成這項工作真的非常非常關鍵。

Jensen Huang: 是的，毫秒很容易，微秒有挑戰性，奈秒很難。所以，我們已經處於困難的領域了。

John Levy: 是的，完全正確。沒關係。我們喜歡困難。所以，目標再次是，你知道，500 到 800 奈秒確實是我們的目標。

Rob Schoelkopf: 這不僅僅是關於延遲，順便說一句。這也關乎吞吐量，因為如果你有一個大型的錯誤修正電腦，你會有一股相當大的結果流返回，告訴你量子位元在哪裡出錯了，你必須如何調整你的演算法以將其引導回正確的答案。你知道，這是一個多尺度問題。所以，你可能需要做一些具有非常緊密延遲的古典計算，然後會有更複雜的計算，你有稍微多一點的時間，因為你正在進行多輪錯誤修正。探索這個非常有趣，我確信非常困難的錯誤修正是一個非常困難的問題。

Jensen Huang: 吞吐量不嚇我，但延遲和吞吐量要求加在一起嚇到我了。

Rob Schoelkopf: 不過，這很令人興奮。任何這些模式要真正奏效並擴展，必不可少的一件事就是建造專用目的的古典電腦，作為控制系統並驅動它，完成所有這些錯誤修正的魔法。這個控制迴路，錯誤修正，就在這裡的控制迴路是一個非常令人興奮的電腦科學問題，我希望我們所有人能在未來幾年共同取得一些真正的突破。

Jensen Huang: 獨立於延遲的吞吐量並不是一個異常困難的問題。獨立於吞吐量的延遲並不是一個異常困難的問題。兩者結合是一個極其困難的問題。事實上，我在我的主題演講中談到了它。AI 的大規模推論就是一個類似這樣的問題，尤其是當你想與 AI 互動時。

借力半導體生態系統

Pete Shadbolt: Pete，請繼續。是的，Jensen，所以我認為這個舞台上不止我們一個人因為對時間線發表評論而惹上麻煩，當然，發現自己處於困難的境地等等。但我非常欣賞你那段被遺漏的引言的另一部分，那就是我們必須擴大規模 10 萬倍，五個數量級。我認為在我們的領域，這真的非常困難。不幸的是，在我們的領域，有很多人抱著一廂情願的想法，拼命希望我們能在機器有用之前就讓它變得有用，但你必須擴大規模大約 10 萬倍。很自然地會說，對於人類來說，這是一個長達數十年的工程。在深夜裡感覺就是這樣。但是你，當然，有非凡的證明表明它不必是一個長達數十年的工程。XAI Colossus 在 112 天內建造了一個 10 萬個 GPU 的叢集，這件事很有名。他們是怎麼做到的？他們運用了什麼奇蹟來完成這件事？答案是投入半導體產業的一萬億美元和 50 年時間。我幾天前剛從 GlobalFoundries 回來，我已經對我們在那裡可以利用的瘋狂槓桿作用狂熱了八年，卻從未真正踏入過晶圓廠。幾天前我非常幸運地進去了，那是一種宗教體驗，因為你看到了晶圓廠、合約製造商、OSAT 等等的能力有多麼瘋狂。那一向是我們的論點，對於你關於何時的問題，有一些基本問題你應該問，你知道，這是一個非常複雜的領域。每個人都在為自己的特定技術辯護，我也不例外。但除了一系列關於保真度等等的問題之外，還有一整套獨立的問題，那就是，你能告訴我你的晶圓廠是誰嗎，你能告訴我你的 OSAT 是誰嗎，你能告訴我誰在做合約製造，以及你正在建造機器的地點在哪裡？這些是實際準備好建造一台真正有用的機器的必要但不充分條件。這非常困難，但這確實是我們投入資源的方向。我認為現在看到該領域的其他參與者也開始進入類似的範疇，這是非常令人興奮的。

尋找早期市場與飛輪效應

Jensen Huang: 是的，事實上，Pete，就在你說話的時候，你提到的所有事情都讓我們非常有共鳴。最近，如你所知，我們引入了這個稱為矽光子共封裝光學的概念，半導體物理學必須被發明出來，封裝技術，如何堆疊它，如何製造整個供應鏈。我引入了一大批新的供應鏈製造商。我們能夠利用許多現有產業。如果不是那樣，而我們必須從頭開始發明一切，那對我們來說是不可能做到的。在很多方面，你們正在做我們用矽光子 CPO 所做的事情，一個多尺度挑戰，在你們的情況下，科學正在被發明。所以，這是一個非常困難的問題。然而，正如你們所說，我們必須找到一種方法，為你們開闢一條道路，讓你們盡快成功。幾乎每一天，當你向量子運算的未來擴展時，如果你看看我們在這裡的原因，我們找到了一種方式來解釋我們的故事，使得我們沒有設定一個高到我們無法達到的標準。另一方面，我們早期選擇了我們可以以相當獨特的方式解決的問題。在很多方面，如果你願意，Nvidia 將平行運算民主化了，但我們是在電腦遊戲的基礎上做到的。我們早期渲染的一些 3D 圖形並不完全正確，Z 緩衝區中存在一些缺失的像素和一些間隙，人們接受了它，因為，看在老天爺的份上，那是一個遊戲。它給了我們機會來擴大我們的經濟規模、技術規模、足跡規模，然後我們選擇了正確的科學、正確的產業，一個接一個的領域。我希望對你們所有人來說，我們不要設定一個高到我們無法達到的標準。我們不應該被要求達到計算的標準，如你所知，這個標準相當高。計算的穩健性、可重複性、整個產業，一切都是非常高的標準。我們必須去找到一個標準相當低的產業。因為沒有量子運算的替代方案，所以標準非常低。你知道，一台電腦根本無法解決它。比如，你在 1995 年買不到一台個人電腦，並且在沒有 Nvidia 的情況下玩 Quake。你無法合理地做到這一點。所以那個標準，事實上，非常低。當然，你們今天做的事情比那難得多，但我確實希望我們能一起找到一條讓你們早日成功的道路。 Matt，你之前談到你的方法，我喜歡它。

Matthew Keesan: 是的，嗯，老實說，我們從你那裡獲得了很多靈感。找到你可以提供真正商業優勢的市場並去應對它們，從市場獲得回饋，學習如何滿足客戶期望，然後找到下一個。對於中性原子，我們非常幸運，因為它們很靈活，我們可以在計時和感測器方面比現有標準提高三個數量級，而這些本身就是非常大的市場。但是利用這一點，如果我們說計時是你的遊戲市場，也許吧。

Jensen Huang: 沒錯。你利用所有這些來實際獲得市場的真實回饋，並最終發展我們作為一個行業實際需要的商業能力，以便將這些東西出售給人們能夠獲得投資回報的真實用例。

Jensen Huang: 我還聽到了一些非常非常聰明的事情。當然，我知道你們正在做的工作，你們會站在古典電腦的肩膀上，擴展它，讓它做一些非凡的事情。我們沒有取代電腦；我們在其基礎上進行了增補。我一開始向人們解釋的是，我們從未讓任何事情變得更糟。就把我關掉，你知道，但我不會讓事情變得更糟。平行運算，如你所知，違反了阿姆達爾定律，在許多應用中使其變得更糟。但加速運算，我們沒有造成傷害。我非常喜歡將這些添加到 GPU 和 CPU 的一點是，你不斷添加一些東西，你讓那台電腦變得越來越特別，越來越有能力。

John Levy: 所以，是的，有趣的是現在有人在談論量子 AI 以及將 QPU 緊密整合到 GPU 和 CPU 中的想法創造了這個機會。所以，讓我們探索這個空間吧。

Jensen Huang: 是的，對。請繼續，Pete。

Pete Shadbolt: 是的，我非常同意那種觀點。有一個我認為很重要的警告需要補充，那就是我們喜歡談論傳統電腦與量子電腦整合的想法，我們絕對相信這一點。將需要一台大型傳統超級電腦、GPU 叢集或其他什麼，來準備哈密頓量，為機器準備輸入。但是當我們談論這個時，有一個非常誘人的想法，即整體將大於部分之和。這個想法導致一種解釋，即我們不需要一台好的量子電腦；我們可以拿一台不怎麼樣的量子電腦，把它接入一台性能極高的傳統電腦，整體就會不知何故大於部分之和。我認為你必須對此非常謹慎。在某些情況下，你可以看到這樣做的理由，但在某些情況下，沒有理由相信拿一台小型的、低性能的量子電腦接入一台性能極高的傳統電腦會讓事情變得更好。它會讓事情變得更糟。

Jensen Huang: 這完全正確，事實上，這就是加速運算的挑戰之一。我們旁邊是一台每年性能提高一倍的處理器，而那個產業，當時的 CPU 產業的研發預算，完全碾壓了 GPU。每年的研發預算要大一百萬倍。所以，添加一個由如此低的研發預算構建的 GPU，能夠為一個維持如此巨大研發預算的系統增加價值的機率有多大？對我來說，答案是不斷縮小、再縮小應用空間。我不斷降低對自己的要求，以便我們解決的問題是如此具體。現在，挑戰當然是，這也將是你們行業的一個挑戰，如果你最終找到了一個應用空間並且它非常具體，那麼市場規模就不夠大，無法維持你的增長。你最終必須在任何與計算相關的事情中找到那個飛輪，這就是我們賴以為生的事情。在任何計算要求非常高的事物中，你需要一個飛輪來達到目標。那個飛輪始於比任何人都更好地解決一個問題，最終達到高銷量，這會產生更多的研發預算，這使你能夠建造更好的東西，這使你能夠獲得更高的銷量。那個飛輪要啟動起來異常困難。你們明白，所以，但我完全相信你們正在試圖解決的這個解決問題的方法——有些問題對於古典計算來說根本無法擴展。只要我們能找到一種方法來降低人們對我們的期望，並縮小我們自己最初想要雄心勃勃去解決的問題的範圍，以便我們自己能夠抓住那個飛輪，我絕對肯定這會發生。我完全希望並期待這個團隊會做到這一點，我真的很喜歡和你們一起。

明年的展望（第二組對談）

如果我們非常快地，你認為明年我們最終會談論什麼，因為我希望每個人都回來。這是一個如此精彩的節目，記住，這是我們第一次，所以如果我們有點笨拙，請降低你的期望，但明年會令人難以置信。是的，讓我們快速過一遍。你們明年想談什麼？

Ben Bloom: 我認為明年將會有一些關於量子錯誤修正的驚人演示。我認為這個行業擴展得如此之快，以至於我們會像你說的那樣，試圖降低期望值。我認為在量子錯誤修正方面將會出現如此驚人的速度。

Matthew Keesan: 我想我們會聽到很多關於邏輯量子位元持續增加的巨大進展。然後，從我們的角度來看，根據我們的商業化策略，我們去年的營收約為 3000 萬美元。所以，我們真的希望能告訴你更多，銷售一些這些早期用例。

Jensen Huang: 是的，老兄，那是真金白銀。請繼續。

John Levy: 是的，首先，我喜歡你問題的前提，即明年會有一個量子日。所以，絕對會。從我們的角度來看，這是將量子電腦的所有核心功能整合到一個晶片上，全堆疊。

Théau Peronnin: 請繼續。給你，Pete。對我們來說，將是錯誤修正，更好的架構，但對觀眾來說最重要的是新穎的演算法。量子演算法有如此大的創新空間。我們看到全新的子程序每隔幾年就會出現。把它想像成有人重新發明了快速傅立葉變換。每次這對整個行業來說都是範式轉移。所以，當我們尋找你一直提到的那些利基領域時，那些核心演算法，那些子程序可以完全改變量子電腦的觸及範圍和影響，並讓這個飛輪轉動起來。

Jensen Huang: 事實上，有一個誤解，認為量子電腦會採用古典演算法並使其運行更快。重點是發明適用於這種新計算形式的新演算法。

Rob Schoelkopf: 請繼續。是的，我也要談談錯誤修正，因為，再次強調，這是關鍵。我們確實進入了一個激動人心的階段，你可以建造能夠運行錯誤修正程序的機器。幾十年來，Shor 在發現他的因式分解演算法的同一年發現了錯誤修正，所以我們知道原則上是可能的，我們知道數學原理是什麼，但現在這正在成為一個實用的學科。我們可以建造和測試東西，現在你可以說，「哦，等等，這是我的硬體存在的缺陷。所以，這裡有一個更優化的代碼。」我們可以嘗試調整我們的硬體朝那個方向發展。所以我對整個領域超級興奮。僅從下載量來看，Qiskit 的加速下載量，使用它來發現新量子電路以模擬和發現新演算法的人數正在增長。所以我對此超級興奮。

Pete Shadbolt: 那麼，Pete，我們明年要談什麼？是的，所以現在我們在 GlobalFoundries 以相當高的成熟度製造數千片量子晶片。我們正在建造沒有吊燈的大型低溫恆溫器。我們正在串接大量的光纖。我真的希望你明年能邀請我們回來。明年，我想在上台之前我得先把靴子上的泥擦乾淨，因為，正如我所說，我們正在這兩個非常大的地點破土動工——在澳洲和芝加哥，大約五十萬平方英尺的那種地點。

Jensen Huang: Pete，你看起來像個來自澳洲的建築工人。

Pete Shadbolt: 嗯，我盡力而為，但非常感謝邀請我們。

Jensen Huang: 好的，各位。謝謝。謝謝。下一位。只是介紹下一組人員，謝謝各位。真的很享受。非常感謝各位。很感激。所以，這是我們的最後一組對談。聽起來明年我們會有演示。你們覺得怎麼樣？明年，我們要做演示。好的，好的。嘿，很高興見到你。很高興見到你。嗨，Krista，很高興見到你。歡迎。

大型科技公司的量子策略

所以，我們這裡有所有這些科學家，關於量子運算的事情是，我遇到和交談的大多數執行長都能理解基本技術，因為我們在電腦行業，當然，總是有電腦科學。但基礎科學不多，基礎科學很難，如你所知。量子基礎科學相當難。大多數時候，你是在和可能正在重構電腦架構或設計方式的執行長交談，但基本技術是可以理解的，也許它以不同的方式應用。在量子運算中，科學是新的，科學和工程是新的，製造是新的，軟體程式設計模型是新的，你思考演算法的方式也是新的。而且，當然，你可能已經注意到，我希望行業成功的領域之一，所以我忍不住試圖給予建議——不一定是我給出了好的建議，而是要縮小其應用焦點，這樣它就不會被要求達到其他計算形式的期望。現在，在這裡，我們三個人在大型公司工作，但你們公司內部卻有量子計算計劃。你們如何看待量子計算在你們整體計算和工業計算業務背景下的地位？你們希望實現什麼，你們在最終使量子計算成功方面看到了哪些挑戰？

Krysta Svore (Microsoft): 是的，所以我先開始。謝謝你，Jensen。很高興見到你。很高興來到這裡，也很高興和你們大家在一起。當我們在 Microsoft 思考量子計算時，顯然，我們擁有一個龐大的雲端，我們有許多客戶，無論他們是企業還是科學家、從業人員。這真正關乎在每個時間點，無論是今天還是明天，都用最強大的量子計算賦能我們的客戶。我們是一家平台公司，旨在推出一個量子計算平台，以實現新的場景、新的應用、新興的能力和顛覆性的能力。Microsoft 選擇了什麼技術，為什麼？所以，我們有幾種方法。我們既與其他量子處理單元供應商、量子硬體供應商合作，我們也在一種稱為拓撲量子位元、拓撲量子計算的方法上進行了長期投資。事實上，我們在過去一個月剛剛取得了一個突破性的公告，本週在 APS March meeting for physics 上，我們分享了更多關於我們圍繞拓撲量子位元方法數據。這裡的想法是，你以非局域的方式編碼信息，意味著量子位元不僅僅是一個單點。量子位元的資訊分佈在一個裝置設計中，它有望更好地保護量子位元，但它也給了我們一個非常好的控制特性。所以，我們可以使用數位控制而不是類比控制，它可以簡化量子電腦本身的控制要求數量。這被稱為我們上個月分享的 Myana 1 晶片。

Jensen Huang: 好的，我們稍後會再回到你這裡，談談應用以及你如何看待計算平台等等。Mon，如果你能幫助我們理解 AWS 選擇了什麼方法，你們為什麼這樣做，以及你如何看待量子計算在你們整體計算策略中的地位。

Simone Severini (AWS): 當然，謝謝邀請我。這是一個很好的機會，這是我第一次參加 GTC；這是非常棒的一週。我們基於超導技術建造量子電腦。所以，我們非常重視錯誤修正。我們相信錯誤修正對於量子電腦實現其長期承諾真的非常重要。我們最近宣布了一款名為 Ocelot 的超導晶片。你知道，Ocelot 是一種野貓。這個名字介於薛丁格的貓和振盪器之間。所以，科學家們想出了這個名字。

Jensen Huang: 這很聰明。這幾乎和 Nvidia 一樣聰明。 [笑聲]

Simone Severini (AWS): 所以，Ocelot 在一個可擴展的架構中演示了錯誤修正。你今天已經聽過幾次「可擴展」這個詞了。可擴展性是一個重要的術語。現在，為什麼是超導裝置？我的心智模型基於三個術語：知識、速度和經驗。知識：在工業界和學術界，有很多用超導裝置完成的實驗，錯誤修正的概念驗證，所以有良好的基礎知識和背景。第二是速度：它們很快。它們使用微波，所以更容易實現錯誤修正。最後，經驗：AWS 在客製化矽晶片和半導體方面有相當豐富的經驗，其中一些經驗可以轉化為超導技術，至少從運營角度來看是這樣。當然，我們對所有其他建造量子電腦的方式持開放態度，並對各方面取得的進展感到非常興奮。

技術路徑與應用焦點

Jensen Huang: 是的，Krysta，回到你這裡。技術仍在發展，取得了長足的進步。坦白說，如果你只計算行業的里程碑時間，里程碑成就的速度正在加快，這真的非常棒。但是你仍然希望找到早期的應用程式或思考量子電腦的方式，在你開發它們的過程中讓它們變得有用，在使用過程中找到它們的用途。你是怎麼做的？

Krysta Svore (Microsoft): 是的，所以我提到了我們在 Myana，我們的拓撲量子位元上的工作，我們真正專注於實用規模。它具有合適的大小、速度、可靠性和可控性，可以在你的掌中達到數百萬。我們今天也在研究我們正在建造的量子位元類型，以便在本日曆年擁有 50 個邏輯量子位元。例如，與 Atom Computing 合作，Ben Bloom 在本節稍早的舞台上。我們正在共同設計架構，以便我們能夠實現最多和最好的邏輯量子位元。當你看到這個平台上有超過一千個物理量子位元，一千個中性原子時，我們可以研究如何排列它們，如何移動它們以最好地實現，比如說，50 個比底層物理量子位元本身具有更好性能特性的邏輯量子位元。現在，有了這 50 個邏輯量子位元，我們可以期待展示早期的應用。大約 50 個量子位元是你開始可以超越古典計算的地方，然後大約一百個邏輯量子位元，你可以開始在科學領域超越應用，你可能正在研究不同的材料模型、量子磁鐵等等。我們未來幾年的打算是使用 50 個，然後是一百個邏輯量子位元，然後用幾百個來建立它，我們真正地在應用程式上推動極限。

Jensen Huang: 在 50 個量子位元的領域，你主要關注哪個應用空間，以及你如何選擇你的應用程式？

Krysta Svore (Microsoft): 是的，所以，肯定的是，最有前途的一組應用是在化學和材料科學，以及生物化學領域。當我們看到 AI 的興起，出現的 AI 能力是巨大而驚人的。我們不想用量子電腦取代 AI。我真的將量子電腦視為一個加速器，用來加速我們已有的其他計算。我們需要將它與雲端中的 AI 和高效能計算整合，而不是取代它。這真正關乎將它們結合起來。在未來幾年，我認為關鍵在於使用量子電腦來產生高度準確的數據。我曾經認為量子電腦是一個獨立的解決方案提供者——運行一個問題實例，得到一個解決方案。但這不是正確的思考方式。另一種思考方式是，我得到的是古典位元。什麼是古典位元？數據。我如何處理對於它們所代表的東西高度準確的古典位元？我將其用作訓練數據。我們知道我們可以使用大量訓練數據來訓練一個 AI 模型，並且我們可以用少量高品質數據來增強該模型。我們在不同領域看到了這一點，比如機器翻譯和其他任務，少量高品質數據可以在你想使用該模型的任務中產生巨大差異。因此，在化學和材料科學領域，我們專注於使用量子電腦來產生高度準確的數據，這些數據可用於訓練 AI 模型並提高其性能。我認為對於擁有 50、100、150 個邏輯量子位元的量子電腦來說，這是一個極具前景的方向，其中那些邏輯量子位元必須比它們所基於的物理量子位元更好。

量子資料用於AI訓練

Jensen Huang: Krysta，只是為了確定，你們都明白了，但其中一個超級令人興奮的領域是在材料和生物學領域，我們希望訓練一個模型。我們希望訓練一個生物學的表徵，但那些訓練數據從哪裡來？並不是說我們有感測器和儀器在收集關於生物學、細胞和蛋白質的數據。現在，我們可以使用我們的量子電腦來模擬這些，並將其用作基線真值數據，然後去訓練一個 AI 模型。一旦我們有了 AI 模型，它就更具可塑性了。應用起來容易得多。我們可以利用它來進行各種實驗。

Krysta Svore (Microsoft): 這完全正確。我們的想法是獲得一個更快、更具預測性、更準確的 AI 模型。這是一個部署在你現有基礎設施中的古典 AI 模型，而且速度很快。所以，這才是真正的承諾——你正在使用量子電腦來產生你在這個星球上無法有效獲得的數據。這很強大。

Jensen Huang: 完美。Simone，請繼續。

Simone Severini (AWS): 相同。我喜歡這個觀點。我參加了你的主題演講，你向我們展示了一張包含四個階段的投影片：感知、生成、代理和物理 AI。當然，物理 AI 關乎機器人技術、自動駕駛汽車，但它關乎我們的物理世界，一個更大的容器。正如 Krysta 所說，量子電腦在那個階段，物理 AI 中的作用是什麼？量子電腦是我們迄今所知唯一用於進入物理現實那個層次的儀器，也就是量子物理學。那個物理現實層次受某些定律支配，這些定律不適用於我們用感官體驗到的周圍物理世界。因此，量子電腦將成為科學創新的催化劑，使我們能夠發現某些非常難以預測的事物。在某種程度上，我們必須建造量子電腦，否則那個現實層次將無法為我們所及。量子電腦將與機器學習和 AI 合作。在我看來，長遠來看，我們將與機器一起進行科學研究。我們會問機器問題，機器也會問我們問題。將會有形式驗證、形式推理、不同類型的計算，而量子電腦非常適合這個圖景。

Krysta Svore (Microsoft): 的確，在許多情況下，我們一直無法像大自然那樣進行計算。大自然效率驚人，我認為量子電腦使我們能夠更接近像大自然那樣計算——能夠以新的方式看到和理解電子。我們今天在所有情況下都無法有效地做到這一點。所以，它確實讓我們更近了一步，將其與 AI 結合，我認為將是革命性的。

Jensen Huang: 而這種使用量子電腦獲取基線真值來訓練古典電腦 AI 模型的範式，後者比整個軟體堆疊和所有應用程式都更容易使用，而且坦白說，非常具成本效益。來自那台量子電腦的訓練數據將不容易獲得。顯然，它需要人類的努力才能達到那裡，但現在你有了那個模擬器，你可以在 50 個邏輯量子位元內解決原本棘手的方程式。現在，你可以去訓練一個我們可以輕鬆應用的模型。我們現在已經獲取了這個令人難以置信的有價值的資產並提取了它，使其易於為整個計算世界使用。

Simone Severini (AWS): 的確。你告訴我們關於 AI 工廠。也許我們會有量子 AI 工廠。

Jensen Huang: 沒錯。那真是令人興奮。

產業趨勢與融合

所以，我們目前有多少邏輯量子位元？

Krysta Svore (Microsoft): 是的，所以有趣的是，一年前，如果我一年前在這個舞台上，我會說我們沒有任何比它們所基於的物理量子位元更好的邏輯量子位元。而在過去一年內，我們從去年四月與 Quantinuum 展示的 4 個邏輯量子位元，到五個月後將這個數字增加了兩倍，達到 12 個邏輯量子位元。然後兩個月後，我們又將其翻了一倍多，與 Atom Computing 展示了 28 個邏輯量子位元。所以，現在這顯示了進展。這回到了你提到的加速，Jensen，我們在該領域看到的加速。現在，這個日曆年，我們正在與 Atom Computing 合作研究 50 個邏輯量子位元，而該系統的下一代將是在 10,000 個物理量子位元機器上的 100 個邏輯量子位元。

Jensen Huang: 是的，那真是令人難以置信。那真是令人難以置信。所以，Simone，中性原子和方法的巨大能力之一是其可擴展性能力。你所說的關於超導方法的所有事情絕對是真的。你如何看待這些方法在某個時候出現，或者你是否看到一個宏大的解決方案從行業中出現，每個人都說，「是的，就是它」？在過去的日子裡，在我這一代，我們有這個叫做 TTL 到 ECL 的東西，我們最終都選擇了 CMOS。在我這一代，關於 ECL 與 CMOS 的爭論和辯論很多。原因是因為 ECL 基本上是靜態電流；它總是很高但恆定。在 CMOS 的情況下，它變得越來越高，有動態功率而不是恆定電流功率。所以，關於哪個長期來看會更好有很多爭論，但最終 CMOS 贏了，因為它是可擴展的，你可以用更多的電晶體解決所有其他惱人的問題。你們的行業是否也在發現類似的事情，也許所有這些具有挑戰性的、惱人的問題最終會因為可擴展性和僅僅擁有大量邏輯量子位元而消失？

Simone Severini (AWS): 對你問題的簡短回答是我不知道。較長的回答是行業正在發生一些轉變。歷史上，人們問：「有多少量子位元？」所以每個人都執著於他們有多少量子位元。你早上在超市番茄前，一個隨機的人過來問：「你有多少量子位元？」[笑聲] 人們現在問這個問題的次數減少了，這很好，因為人們開始明白這不僅僅是關於量子位元的數量。這是關於量子位元的質量、錯誤率和同調時間。這也快把我逼瘋了，但沒關係。所以，每個人都有這種執念，但它正在轉變。目前正在出現一個有趣的信號，那就是錯誤修正。在過去的 12 個月裡，用不同的模式——離子、中性原子、超導裝置，以及更奇特的裝置——進行了許多不同的實驗。這可能是一個將變得越來越強的主題，並且很可能會決定這些模式中的哪一個將在長遠的時間內脫穎而出。

Krysta Svore (Microsoft): 是的，嗯，也許我只想說你提到了浮點運算次數（flops）。在這裡，並非越多越好。我們也需要更好。當我們談論邏輯量子位元時，並非所有量子位元生而平等。我們需要能夠擴展我們正在做的計算量的量子位元。我們不是在建造一個儲存裝置；我們的目的是進行我們用地球上所有其他計算都無法完成的計算。所以，這意味著我們需要改進量子位元。物理量子位元每千次操作就會失敗一次，而你的計算中的一千次操作是不夠的。我們需要進行最終更像是千萬億次（quadrillion）操作的計算。所以，這裡有一個巨大的差距需要彌合。我們使用錯誤修正來彌合這個差距，但是當你使用錯誤修正時，你也需要更多的物理量子位元。你正在使用硬體和軟體來彌合差距。目標是，當我們展望 50、100、1000 個邏輯量子位元時，不僅僅是量子位元的數量發生變化。當我們說 50、100、1000 時，還有錯誤率。是那些量子位元，那些邏輯量子位元有多好，也發生了變化，並且需要在每次增加時都改變幾個數量級。當我們談論一千個邏輯量子位元時，我們希望它們能達到十億分之一的水平，十億次操作中只有一次錯誤，或者更好。在 100 個時，你真的希望百萬分之一的錯誤率，即 10 的負 6 次方，這是我們所說的。所以，我們真的必須提高這個水平，這使得它更具挑戰性。

總結與未來展望

Jensen Huang: 是的，這真的。今天我真正興奮的一件事，我非常興奮能舉辦這次活動，但我同時也相當擔心我們如何將一個深度科學化且非常技術性的對話，最終與開發者聯繫起來，這正是 GTC 的核心——那些試圖進行困難科學研究的人，那些試圖創造不可能應用的人——並開啟將科學與他們的使用價值聯繫起來的旅程。我認為我們今天做得非常出色。有幾件事我認為被恰當且成功地傳達了。量子電腦的想法不是要建造一台取代計算的電腦，而是一個添加到 GPU 到 CPU 的 QPU，以擴展古典計算來做那些原本無法完成的事情。有一些領域，一些我們可以想像的有用的領域，例如在生物學和化學應用以及材料科學應用中，我們可以使用量子電腦來使古典電腦變得更好，以解決那些原本無法解決的問題。例如，為生物學創建基線真值，為原子物理學創建基線真值，這使我們能夠使用我們今天相當了解的 AI，並且每隔幾年以百萬倍的速度自我改進，現在放大 AI 的能力，以便能夠使用 AI 來解決藥物發現、材料科學和生物學應用。如果量子電腦單獨解決了這個問題，這就是它所做的全部，但這就是我們需要建造這些機器的原因。思考時間線，你熟悉的一些問題：這需要多長時間？嗯，首先，這就像太空計畫。目標是去月球，但我們會在途中發現很多東西。我們在試圖去月球的過程中發現了消防員的服裝。量子電腦也會發生這種情況。這是一次宏大的冒險，但我們需要到達那裡。這不是一個二元的事情；不是「哦，我們有一台量子電腦，我們沒有量子電腦。」這是一段旅程，在我們到達那裡的過程中，科學和技術領域將會發現許多事物。關於時間線，我的意思是，我本人在托斯卡尼的一個義大利村莊長大。那裡有一個叫做 Pisa 的城市，有一座塔不是直的；它是傾斜的。嗯，順便說一句，那是量子計算的結果，因為古典電腦會讓它完全筆直。[笑聲] 他們花了 200 年才建成這座塔。現在，他們做得好不好有待商榷，但 200 年，對吧？所以，只有量子電腦才能讓那樣的結構屹立這麼久。我想表達的觀點是，這需要時間。量子電腦將會如此具有影響力，以至於最終會是一場盛大的派對。我認為 Microsoft Azure 和 AWS 將量子計算整合到他們的平台中真是太棒了，這樣世界各地的開發者就能夠盡早地接觸到它。如果每個人都必須自己建造量子電腦才能享受這個以及你建造的儀器，那將需要更長的時間。現在，你把它放到了瀏覽器的手中，任何人都可以使用它。我非常期待很快能有 50 個邏輯量子位元，此後不久能有 100 個。我認為這個行業的進步是令人難以置信的。我們今天有一個很棒的座談會。我知道他們都是我們的朋友，也是這個行業的朋友，在很多方面，雖然有許多競爭性的方法，但這個行業正在如此緊密地合作，希望每個人都能共同成功。所以我認為看到這一點真的很好。如果我必須犯錯才能向全世界展示量子計算值得去做，這個行業是由了不起的人組成的，這個行業所做的工作將會產生巨大的影響，如果我必須犯一個錯誤才能向世界證明這一點，那麼任務完成了。感謝大家的蒞臨。