#量子计算

Rocky
2个月前
话说英伟达突破5万亿美金市值,成为全球瞩目的焦点,而这次突破5万亿,也给 #AI 相关赛道打开了天花板上限。而这次成功突破,英伟达的 GTC 大会功不可没,前几天身体不适,今天刚看完直播,整个人是震撼到说不出话。🧐 老黄这次不是在“秀肌肉”,而是真正在重新定义 #AI 科技的边界。他干了三件事,每一件,都足以载入科技史。 🧠 第一件:GPU × 量子计算 = 打通人类算力的最后一公里 英伟达推出了一个叫 NVQ Link 的新系统。简单理解就是一条让 GPU 和量子芯片 QPU 可以直接对话的高速公路。以前量子计算很厉害,但用起来像个“实验玩具”,算完还要丢回传统电脑分析,慢、误差大、效率低。现在不一样了。NVQ Link 让 GPU 和量子芯片能在同一台超算上实时协同工作,几乎零延迟,还能自动纠错。 这简直里程碑的存在,意味着量子计算第一次真正走出了实验室,开始融入主流 #AI 体系。难怪最近一系列量子计算的美股,涨势迅猛。 这次老黄这次直接拉了17家量子厂商 + 9 个国家实验室 联手搞事,他在台上放话,“未来的每一台超级计算机,都将拥有量子大脑。”这话听着像科幻小说,但以英伟达的执行力,我信。所以量子计算相关的公司值得重点关注。 📡 第二件:6G 基站,变成了 #AI 小超算 第二刀更狠。英伟达宣布入股诺基亚,投资 10 亿美元,正式开启 6G 革命。他们推出了一个平台叫 Ark Pro,核心思路是:“信号塔不只是传数据,而是能自己思考。” 以后每个 6G 基站里,都能跑 AI 算法,自动优化网络、节能降耗,甚至在边缘节点直接做推理。相当于每个基站都是一个 AI 工厂的小分厂。T-Mobile 明年就会率先试点,这也意味着6G 的竞争,已经从“信号覆盖”变成了“算力覆盖”。#AI 不再只在云端,而是蔓延到地球的每一个角落。我感觉这有点像Web3的 #Depin 赛道,不知道以后这种基站能不能以挖矿的模式,人人都可参与。 ⚙️ 第三件:建造地球上最强的 #AI 超级工厂 最后这一刀,直接炸穿天花板。英伟达宣布和美国能源部联合打造7 台全球最强 #AI 超级计算机,其中最大的一台叫 #Solstice。它将配备 10 万片 Blackwell GPU,峰值算力高达 2200 ExaFlops(2.2×10⁶ PFLOPS!), 这已经不是数据中心,而是一座千兆瓦级 AI 工厂。 更恐怖的是,整座工厂——从供电、冷却到施工和运维,都由 Omniverse 数字孪生系统实时模拟和调度。一旦建造成功,英伟达相当于把整个地球,变成了一台“会思考的超级计算机”。这种变革能力,恐怖如斯! 所以这次英伟达从量子 → 基站 → 超级工厂的布局,格局上又上升了一个层次,不光光是卖显卡这么简单了,开始着手 #AI 全领域布局,重塑算力生态的底层结构。 老黄的布局非常清晰: • NVQ Link 打通量子算力, • Ark Pro 推动边缘算力, • Solstice 超算工厂代表中心算力。 三者形成一个“全球算力循环系统”。这不只是硬件革命,而是人类算力文明的升级。 💰 回到投资:英伟达还能涨吗? 先看事实。自 ChatGPT 上线以来(2022 年 11 月),英伟达市值从 4000 亿美元 → 5 万亿美元,涨了 整整 4.5 万亿。这比 AMD、ARM、ASML、博通、英特尔、台积电等巨头加起来还多。 从整体基本面来看,表现依然强劲。虽然大家都比较担心AI泡沫,短期也许存在,但长期依旧是结构性趋势。数据中心、云计算、AI 推理的资本支出还在暴涨。微软、谷歌、亚马逊都在疯狂砸钱买 GPU。英伟达现在的估值约为未来 12 个月预期收益的 35 倍,以它 70% 的毛利率和持续增长的订单,这个估值并不过分。 我个人现在已经不再把英伟达看作“芯片制造商”,而是把它看作 #AI 世界的能源公司。就像石油时代的“壳牌”和“埃克森美孚”,英伟达是算力时代的原油供应商。每一次 AI 应用爆发(从 Sora 到 Copilot,再到 Agent),背后都离不开英伟达的 GPU 和生态网络。 但我个人可能暂时不会布局这种巨无霸,毕竟5万亿美金,在推高到10万亿,难度可想而知,而其中相关的英伟达受益股,反而更值得布局。比如之前提及的内存芯片相关公司,比如美光科技 (#MU),西部数据(#WDC)。在比如相关量子计算相关公司,比如IonQ (#IONQ),D-Wave Quantum (#QBTS),Quantum Computing Inc. (#QUBT) 等,以及相关能源发力公司,比如NextEra Energy (#NEE) ,First Solar (#FSLR)等。这些都将会受益于英伟达的大规模投资,其中带来的机会,不言而喻! 假如您还受限于国内美股开户不方便,那么可以尝试用U炒美股,体验丝丝顺滑,我个人正在使用 #RWA 美股代币化平台 #MSX,一同参与美股市场: 早期美股投资粉丝和伙伴,可以私信我,免费进入美股交流和探讨社群(最近加群人数较多,助理审核需要时间,感谢理解)🙏
《DCO 2025数字经济报告》数字世界不再是我们生活的一个独立部分;它就是我们的经济。我们需要理解它的发展轨迹,才能在其中生存和发展。这份报告就是你的未来地图。 到2025年,数字经济的价值预计将达到约24万亿美元,占全球GDP的21% 。这已经不是一个利基市场,而是一股主导力量。 1️⃣ AI正在“私人化” 从万能“大神”到你的专属“军师” ,像ChatGPT那样一个模型包打天下的时代正在过去。未来属于更小、更专业、更便宜的AI模型。它们被部署在你的手机、电脑甚至汽车上,专门解决特定行业或特定工作的问题,比如帮医生看片子,帮律师查案卷。 这意味着AI不再是科技巨头的专属玩具。小公司甚至个人都能用上定制化的AI工具,技术门槛和成本都在暴降 。这不仅是效率革命,更是一场技术权力的“民主化”下放。 未来的AI,不是一个全知全能的“神”,而是一群各有所长的“专家”。 2️⃣ 算法“算计”你 便利的背后是“被计划”的人生 ,超个性化已经超越了“猜你喜欢”。AI现在能预测你的需求,在你开口之前就把你想要的东西推到你面前。从你听的歌到你看到的新闻,都在被精心安排 。 这带来了极致的便利,但也隐藏着风险。当你的所有选择都被算法“优化”时,你可能会被困在一个“信息茧房”里,失去看世界的其他可能性 。便利和隐私、自由之间的平衡,正变得前所未有的脆弱。 当便利的代价是你的选择权时,你得到的不是个性化,而是“被计划”。 3️⃣ AI的“能源饥渴症” 聪明的代价是地球在“发烧” ,AI的每一次思考,都在消耗惊人的电力。到2026年,仅AI一项技术增加的用电量就可能相当于整个德国一年的消耗 。训练一个大模型,比5辆汽车一辈子的碳排放还多 。 这形成了一个巨大的悖论:我们既希望用AI解决气候变化等问题,但AI本身却成了能源消耗大户 。未来,一个国家能否在AI竞赛中领先,很大程度上取决于它能否获得足够多、足够便宜的绿色电力。 每一个由AI生成的惊艳图像背后,都有一座数据中心在默默“发烧”。 4️⃣ 知识“保质期”缩短 你的文凭正在加速“过期” , “学成就业”的观念已经彻底过时。数字经济中的技能迭代速度快得惊人,今天热门的技能,可能三年后就无人问津。持续学习、终身学习成了唯一的生存法则 。 这意味着你的职业生涯不再是一条笔直的阶梯,而更像一个需要不断攀爬和转换方向的“攀爬架”。未来的职场通行证,不再是一张大学文凭,而是一个由各种“微证书”和项目经验组成的、不断更新的技能包 。 过去,你靠一张文凭走天下;未来,你靠一身“补丁”闯江湖。 5️⃣ 你的手机正在“吞掉”银行 金融正在被“肢解”。储蓄、贷款、支付、投资这些传统银行业务,正被一个个拆分出来,变成各种App里的一个功能 。你可以在购物App里贷款,在社交软件里投资。 金融正在从一个你需要“去”的地方,变成一种随时随地可以“用”的服务。更重要的是,你的数据正在成为新的“抵押品”。未来评估你的信用,可能不再只看你的房产和收入,还会看你的手机使用行为和数字足迹 。 未来,你的信用评分可能不是看你的资产,而是看你的数据。 6️⃣ 数字游民的悖论 连接了世界,却失去了身边 ,我们通过数字平台与全球连接,肯尼亚、巴西等国的用户每天花在社交媒体上的时间接近4小时 。但与此同时,“孤独感”也在全球流行,数字成瘾和心理健康问题日益凸显。 我们似乎陷入了一个怪圈:连接我们的技术,却可能在某种程度上加剧了现实生活中的疏离。我们拥有了前所未有的信息和社交选择,但也可能因此失去了深度、真实的连接质量。 我们刷着别人的生活,却忘了经营自己的。 7️⃣ 网络安全进入“AI战争”时代 网络攻防不再是人与人的游戏,而是AI与AI的战争。黑客用生成式AI制造出极其逼真和复杂的攻击(比如伪造你老板的视频电话),而防御方也必须用AI以毫秒级的速度进行拦截 。 这意味着网络攻击的门槛被大大降低,而攻击的破坏力却指数级上升。对于个人而言,“数字怀疑主义”将成为一项基本生存技能。对于企业和国家而言,这场AI军备竞赛的胜负,将直接决定数字世界的安全边界。 当你的敌人是AI时,你唯一的盟友也只能是AI。 8️⃣ 量子黎明:所有数字保险箱即将失效? 一种能破解当今几乎所有加密方式的“万能钥匙”——量子计算,正在从理论走向现实。虽然离大规模应用还有几年,但威胁已经迫在眉睫 。 存在一种“现在偷数据,未来再解密”的风险。也就是说,很多今天被加密传输的重要信息(如国家机密、商业专利),可能已经被截获并储存,等待量子计算机成熟后被破解。我们必须在这把“钥匙”诞生前,更换掉世界上所有的“数字锁”。 量子计算的黎明,可能是我们数字隐私的黄昏。 9️⃣ 终极问题:谁来为“超级智能”立规矩? 开发一个在所有方面都超越人类的“超级智能AI”,已不再是科幻情节,而是科技巨头和国家正在认真竞赛的目标。专家预测,到2047年实现这一目标的可能性为50% 。 这带来了终极的治理难题:我们如何为一种比我们更聪明的“存在”制定规则?这不仅是技术问题,更是权力和控制权的问题。第一个实现超级智能的国家或公司,可能会获得巨大的战略优势,这使得全球合作监管变得异常困难 。 创造神之前,先想好戒律。 原版: 中文版: 双语版:
Colin Wu
2个月前
量子计算机未来会否破解比特币是个热门话题,以及由于之前在比特大陆的工作对量子计算在芯片的应用还挺感兴趣,和 GPT 聊了聊总结了一些有趣的点分享给大家: 5nm 芯片其实是人类第一次系统地把“量子物理”工程化地驯服。台积电 2nm 的突破,是人类工程史上把量子不确定性纳入设计语言的第一次尝试。 在 5nm 制程中,晶体管尺寸缩小到接近原子尺度,电子行为完全受量子效应支配。为抑制隧穿、电流泄漏和能级量子化带来的问题,工程师采用 FinFET、High-k 材料和 EUV 光刻等技术,用量子力学模型精确计算电子分布与能带结构。这是人类第一次在大规模工业制造中系统地运用并控制量子物理规律。 进入 2nm 节点后,传统结构失效,台积电采用 GAAFET 环绕栅极设计,将量子通道全方位约束,使电子波动与隧穿行为成为设计参数而非噪声。设计软件和工艺模型首次将量子不确定性纳入计算体系,实现对量子现象的工程化利用,这是芯片设计史上第一次在原子级尺度上把量子效应写入工程语言。 普通计算机以“比特”为单位工作,每个比特只能是 0 或 1,通过逻辑门顺序执行确定性的运算;而量子计算机使用“量子比特(qubit)”,它可以同时处于 0 和 1 的叠加态。多个量子比特还能通过“纠缠”形成整体态,使系统能在一次操作中同时处理指数级数量的可能性。 经典计算是确定性的:每一步都有唯一结果。而量子计算是概率性的:程序执行后得到的是多个可能结果的概率分布。量子算法的目标不是直接输出答案,而是通过“量子干涉”放大正确结果的概率、抑制错误结果,使在测量时高概率得到正确答案。 量子计算并非在所有任务上更快,它只在特定类型问题上具备潜在优势,例如分解大整数、搜索最优解、模拟分子和量子体系等。对日常运算、图像处理或文档编辑,经典计算机依然更高效、更稳定。 使用量子计算时,程序运行并不输出确定值,而要多次运行并统计测量结果来获得答案趋势。这意味着量子计算的“输出”是一种概率分布,而不是一个固定数值。这也是它与传统计算最本质的区别:它处理的不是确定信息,而是可能性本身。 比特币等加密货币的安全主要依赖于椭圆曲线数字签名算法(ECDSA)。这种算法在经典计算下几乎不可破解,但理论上可被量子计算机利用 Shor 算法高效求解离散对数问题,从而推算出私钥——也就是“量子可以破解签名”的来源。 实际上距离实现还非常遥远。要在现实中运行能破解比特币的 Shor 算法,需要至少几千个容错量子比特,相当于数百万个物理量子比特。而当前全球最先进的量子处理器只有几百个物理比特,且误差率高、相干时间短。因此短期内(未来 10 年左右)不可能对区块链系统构成实际威胁。 各国机构(如美国 NIST)已制定并推广新的“抗量子算法”(PQC),基于格理论、哈希和编码学原理,可抵御量子攻击。主流区块链可在未来通过软分叉或协议升级更换签名算法,从 ECDSA 过渡到抗量子签名,因此量子计算不会让加密货币体系崩溃,而是会推动其进入下一代安全标准。
《IonQ和哈佛大学的量子技术突破,开启可量产量子计算时代》 2025年8月18日,量子计算公司IonQ与哈佛大学联合宣布在硅基碳化物悬浮膜平台上取得关键突破,显著提升量子比特相干性和控制能力,关键是——兼容现有半导体工艺。 此项突破的核心,不仅在于选择了一种性能卓越的材料,更在于开创了一种颠覆性的制造流程。这一流程从根本上解决了长期困扰纳米加工领域的物理限制,为量子硬件从实验室中的“手工艺品”向量产化的“工业制品”转变铺平了道路。 具体来说,此突破所赋能的,是在单一芯片上实现对量子比特进行精确操控所需的所有关键组件的单片集成(monolithic integration)。这一能力直接解决了囚禁离子量子计算机在走向大规模扩展过程中最核心、最棘手的工程瓶颈:如何将精确的控制信号传递给成千上万乃至数百万个量子比特。通过在SiC平台上共存集成光子学和声学器件,该技术为构建一个真正意义上的、完全集成的量子处理器铺平了道路,其影响堪比经典计算领域中从分立晶体管到集成电路的革命性飞跃。 1. SiC集成光子学:解决量子控制瓶颈 当前,ionQ的囚禁离子量子模式在保真度和相干时间等关键指标上处于领先地位,但其可扩展性受到一个根本性物理限制的严重制约:控制系统的规模。 现有的系统依赖于一个庞大而复杂的外部光学平台:由大量的透镜、反射镜、声光调制器等分立元件组成,其体积、复杂性和稳定性都使其无法扩展到控制成千上万个量子比特的规模。每增加一个量子比特,都意味着需要增加一套相应的复杂光路,这使得整个系统的体积和成本呈指数级增长,成为扩展瓶颈 。 集成光子学(Integrated photonics)为解决这一难题提供了根本性的方案。其核心思想是将所有必需的光学元件,从光源接口到最终的光束聚焦,全部微缩并制造在与离子阱本身相同的芯片上 。 这相当于将一个占据整张光学平台(甚至整个房间)的庞大系统,压缩到一个毫米尺寸的集成电路中。通过这种方式,可以构建出复杂的二维光路网络,将控制激光精确地路由到大规模二维离子阵列中的任意一个量子比特,从而实现对数百万量子比特的独立寻址和操控 。 IonQ与哈佛大学合作开发选用的SiC(suspended thin-film membranes)材料的本身及其新型制造工艺在实现这一愿景中扮演了核心角色。SiC的高折射率使得光可以被紧密地束缚在微小的波导结构中,支持高密度的光路布线,从而在有限的芯片面积内容纳更多的控制通道 。 同时,IonQ与哈佛大学采用的“先悬浮,后刻蚀”工艺带来的高制造保真度,是制造出低损耗、高性能光子元件的先决条件 。只有当光在片上传播时的损耗足够低,开关的消光比足够高时,才能确保传递到离子上的激光脉冲具有足够的精度和强度,以实现高保真度的量子门操作。 2. SiC集成声学:一种全新的量子比特操控模式 除了对光子学的革命性支持外,该SiC平台更具前瞻性的突破在于其实现了声学(phononic)控制系统的集成。这为量子比特的操控引入了一种全新的、强大的物理模式,可以作为纯光子控制的补充甚至替代方案,为量子处理器的设计开辟了新的维度。 量子声学(Quantum acoustics)的核心技术是利用表面声波(Surface Acoustic Waves, SAWs)。 与传统的光学或微波控制相比,基于SAW的声学控制具有几项显著优势。最突出的一点是其波长极短。 这意味着用于构建SAW谐振器、波导和滤波器的结构尺寸可以做到非常小,从而实现极其紧凑和高密度的片上控制架构。 此外,一个SAW谐振器可以支持多个寿命很长的声子模式,相当于一个多通道的量子信息总线,能够同时与多个量子比特相互作用,或者介导远距离量子比特之间的耦合,这对于执行复杂的量子算法和错误纠正码至关重要。 实现高性能声学控制的关键在于异质集成,即将具有优异压电性质的材料与承载量子比特的基底材料完美结合。这正是IonQ-哈佛平台的强大之处。研究中明确展示了在悬浮的4H-SiC薄膜上成功地集成了薄膜铌酸锂(TFLN)。TFLN是一种性能极佳的压电材料,而SiC本身则提供了稳定承载离子阱和光子线路的平台。 这种将不同功能材料在芯片级别进行无缝集成的能力,是其他单一材料平台难以企及的,它使得在同一芯片上同时制造出最高性能的离子阱、光子网络和声学控制系统成为可能。 3. 更进一步,这种硬件能力的根本性变革,将直接反作用于量子软件和理论的发展。 当前的许多量子算法和量子纠错码(Quantum Error Correction, QEC)的设计,都深受现有硬件物理限制的影响,例如许多超导量子芯片只支持近邻量子比特之间的相互作用。而一个基于SiC QSoC平台的量子处理器,凭借其密集的光子互连和高效的声学总线,有潜力在大型逻辑量子比特模块内部实现“全连接”(all-to-all connectivity)。这种高连通性是囚禁离子架构的核心优势之一,它将极大地简化许多量子算法的编译和实现过程,降低执行算法所需的门操作数量。更重要的是,它使得一些最高效的、需要长程相互作用的量子纠错码变得实用可行。 因此,这项制造技术的进步,其影响将远远超出硬件本身。它通过移除长期存在的硬件物理约束,将直接催生和赋能新一代更强大、更高效的量子软件,从而实质性地加速实现有实用价值的量子优势的进程。 4. IonQ与哈佛大学的SiC平台,其最深远的战略意义或许就在于,它为量子计算机的规模化制造提供了一条前所未有的、清晰且低风险的路径。 通过与全球最成熟、最庞大的半导体产业生态系统进行深度绑定,该技术有望将量子处理器的生产从当前缓慢、昂贵的定制化模式,转变为高效、可重复的晶圆级制造模式,从而根本性地加速量子计算的商业化进程。 超过90%的SiC器件加工步骤,如光刻、薄膜沉积、刻蚀等,都可以与标准硅CMOS生产线上的设备和工艺兼容 。这意味着量子芯片的制造,可以充分利用半导体工厂中已经存在的、经过数十年优化的高度自动化的设备、精密的过程控制系统、严格的质量管理体系以及成熟的供应链网络 。这种“借力”模式,相比于为一种全新的量子技术(如某些超导或拓扑量子比特)从零开始建设专用的、投资巨大的生产设施,具有无可比拟的经济和时间优势 。它极大地降低了量子硬件制造的资本支出(CapEx),并使得IonQ能够直接受益于半导体产业的规模经济效应。 这种规模化生产能力,使得构建一个由大量完美无瑕的组件构成的大规模量子计算机,从理论上的可能变为了工程上的现实。 综上所述,IonQ与哈佛大学在SiC集成量子器件制造技术上的突破,并非量子计算发展道路上一个普通的、渐进式的步骤,而是一块奠定未来产业格局的基石性技术(cornerstone technology)。 回顾技术史,经典计算的革命性爆发,并非源于第一只晶体管的发明,而是源于德州仪器的杰克·基尔比和仙童半导体的罗伯特·诺伊斯发明的集成电路以及与之配套的平面工艺(planar process)。这项制造技术的突破,使得在单一硅片上集成大量晶体管成为可能,从而开启了整个数字时代。 同样地,IonQ与哈佛大学的SiC集成平台,有望在量子时代扮演类似的角色。它提供了一种方法论,一种将实验室中的量子物理奇迹,转化为可被大规模制造、稳定可靠的工业产品的“配方”。这项工作将量子计算从“能否实现”的科学问题,更进一步地推向了“如何以可扩展方式实现”的工程问题。因此,可以合理地认为,这项技术突破是量子计算从科学探索走向一场深刻的工业革命的、一个至关重要的转折点。它为即将到来的量子时代,奠定了坚实的制造基础。