量子計算並非與AI·HPC“競爭”，而是相互結合……大眾化的關鍵在於軟件

有分析指出，量子計算、人工智能和高性能計算（HPC）並非相互爭奪地位的“零和”競爭，而是正在成為共同使用時能發揮最大效能的“互補品”。不過，業內普遍認為，開發環境仍處於初期階段，要普及量子技術，改善軟體可及性被視為核心課題。

在HPE World Quantum Day活動上與theCUBE進行的對話中，Dave Bellante診斷稱，將CPU、GPU與量子處理器（QPU）相結合，以解決以往難以攻克的難題，這一方向將成為下一代技術創新的核心。Paul Gillin也強調，當前量子計算軟體開發實際上近乎“原始階段”，需要一個任何人都能輕鬆駕馭的、類似於“量子版Python”的標準化開發環境。

短期內將扮演輔助現有超級計算機工作的“加速器”角色

專家們認為，量子計算的短期效應並非在於取代現有工作流程，而是首先體現為能更快地執行超級計算機所處理的部分運算的“加速器”角色。美國橡樹嶺國家實驗室的Tom Beck解釋說，將量子計算機與HPC連接起來，部分計算由現有系統處理，最複雜的量子領域則由量子設備負責，這是一條現實的路徑。

關鍵在於兩個系統之間資訊傳輸的速度和效率。這意味著，量子計算並不會立刻改變所有計算環境，而更可能以在混合計算架構內精確負責特定問題的方式，進入企業應用領域。

阿戈恩國家實驗室也在化學和材料科學領域，致力於將量子計算融入實際研究流程。Laura Schultz解釋說，在傳統的HPC環境中，必須通過模擬來實現量子力學現象，而量子計算則可以更直接地處理這些問題。其結構是：量子設備負責特定區間的計算，然後將結果傳回基於超級計算機的模擬系統，以完成其餘工作。

普及的障礙不在於硬體，而在於“工程”和軟體棧

量子計算在處理中微子行為追蹤等大規模且複雜的問題上，具備超越現有超級計算的潛力。其在物流優化或新藥研發等方面的商業應用可能性也一直被提及。然而，由於物理限制和工程難題，實際普及速度比預期要慢。

勞倫斯利弗莫爾國家實驗室的Kristy Beck指出，在作為藥物相互作用基礎的化學問題上，量子技術預期效果顯著，但問題本身過於複雜，因此其商業成果可能比物流領域更晚出現。

橡樹嶺國家實驗室的Amir Shehata解釋說，為了提高量子技術的可及性，必須重新設計整個技術棧。尤其是量子比特，其運行條件因硬體方式不同而有很大差異。超導方式壽命短、退化快，需要精確的時間控制；而中性原子方式則有其它的限制。這意味著，量子計算軟體最終必須能夠兼顧所有這些不同的硬體需求。

他補充說，新的量子軟體基礎設施可能並非僅由完全陌生的技術構成，而是會採用能夠像使用GPU一樣，同時利用人們已經熟悉的計算資源的形式。這表明量子計算的普及可能會沿著一條與現有AI-HPC生態系統相連而非分離的路徑進行。

關鍵在於“何時將何種任務交給量子處理”

也有評價稱，量子計算的真正價值不在於處理所有問題，而在於將最合適的計算任務在最佳時機委派出去。得益於疊加和糾纏的特性，量子比特在需要同時審查多種解法的複雜數學問題上能展現出優勢。

芬蘭科學IT中心CSC的Mikael Johansson以“綠色轉型”為例，指出量子計算在開發更優催化劑、下一代電池和磁鐵方面可發揮重要作用。這意味著在能源轉型和先進材料開發等產業課題中，量子技術的應用空間巨大。

但德國萊布尼茨超級計算中心的Dieter Kranzlmüller劃清界限，認為量子計算機不會取代超級計算機。他解釋說，更現實的是建立一種整合結構，由系統自動分類任務，將某些運算送給超級計算機，另一些則交給量子計算機。

位於澳大利亞珀斯的Pawsey超級計算研究中心也在運行“Setonix-Q”項目，以便研究人員進行量子力學實驗。Pascal Elahi表示，目標不僅是面向量子研究人員，還要為更多希望解決實際問題的用戶擴大存取權。

雖然量子計算尚未達到全面普及的階段，但其正沿著與AI和HPC相結合而非取代的方向，迅速拓展產業可能性。最終，市場的轉折點或許並不在於更強大的硬體本身，而在於能否盡快建立起可供更多開發者和研究人員輕鬆使用的軟體環境與整合基礎設施。

TP AI 注意事項 本文使用基於TokenPost.ai的語言模型進行了摘要。正文的主要內容可能被遺漏或與事實不符。