英特尔研究院长Rich Uhlig坐在采访桌前，露出颇为无奈的笑容，下一个问题还是关于量子计算，一场本该是英特尔研究院全局的媒体对话，生生变成了量子计算专题，对于谷歌带火的量子计算，英特尔毫不留情地给量子计算灭了灭火，甚至表示量子计算的商业化至少还需要十年。
在近日Rich Uhlig对外的公开信中提到，现在更应关注如何构建能够用于解决棘手挑战的系统，即“量子实用性”。为了直观地了解如何才能实现量子实用性，英特尔的研究人员利用高性能量子模拟器，来预测量子计算机在解决Max-Cut优化问题时，超过超级计算机的节点。Max-Cut是一个复杂性随着变量数量增加而成倍增加的算法，广泛用于从交通管理到电子设计的各个领域，因此我们选择Max-Cut作为测试案例。
在研究中，针对一系列规模不断增加的Max-Cut问题，我们把容噪量子算法与最先进的经典算法进行对比。经过大量模拟，研究表明：只有在数百个甚至数千个量子位可靠运行的情况下，量子计算机才能比超级计算机更快地解决实际问题。换句话说，业界要开发出这种规模的功能性量子处理器可能还需要数年时间，以及很多工作要做。
英特尔公司正在把超导量子计算测试芯片扩展到更高的量子位数——从7到17，再到49个量子位，需要多个镀金连接器来控制和操作每个量子位。
据介绍，Intel研发的硅自旋量子位技术，相比其他公司在研究的超导量子位技术，自旋量子位的尺寸比同类量子位小得多，比超导量子位具有更大的微缩优势，目前Intel正在研究300mm晶圆上使用现有的工艺、设备制造自旋量子位的技术。
Rich Uhlig：谷歌对于量子霸权的宣布，我们首先必须要认可这是在量子计算领域的一个进步，而且在几天之前我也发表了社论，对于谷歌在这方面所取得的成就给予认可，但是我们一定要把这次的成就放在一个正确的观点上去进行认识，也就是说什么样的条件能够使它声称达到量子霸权呢？
首先他要找到一个非常复杂的问题；第二要去证明在解决这个复杂问题的过程当中，量子计算的效率远远超过于传统的计算方式，这就使得量子霸权得以成立了。
但这个选题，选一个什么样的题目来解？这个题目未见得是有用的，那么它是任何一个题目都可以，所以谷歌是做到了选择一个题目然后做到这个证明。它确实是一个成就。
在我看来未来量子计算的发展还需要更进一步，不能满足于解决一个没有意义的题就可以了，而要是真正在现实当中对这个世界，对我们人类实际生活有意义这样的题目上来推动量子计算的发展。
这就是为什么我认为真正的目标不是量子霸权，而是量子实用性。
我们所进行的研究确实是分为两个方面，既包含超导量子，也包含自旋量子，即基于量子点的，那么我们是和荷兰的学术合作伙伴QuTech共同进行这两方面的研究，在早期时候我们认为进行双管齐下的研究是比较正确的策略，最近英特尔内部将这个研究的范围更多的聚焦在了硅自旋量子计算上面，并在这方面取得了相当良好的进展，无论是从制造量子位，充分利用英特尔当前制造的优势，还是从控制技术的角度来讲（自旋量子是要求低温的控制环境），我们都取得了非常不错的进展，这个进展是非常有意义的。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：就我们来看，距离量子计算商业化应该是还有至少十年的时间。
随着越来越多的问题需要通过量子计算来解决，我们看到量子计算能解决多少问题和量子位的数量、规模是有成比例的关系的，但我们都知道量子位是非常脆弱的，也就是它可能在毫秒之间就会发生分解，所以我们需要开发一些使得周围的环境对量子位来讲有更大的宽容度、让它们能够持续下去的这样的技术。
包括纠错代码，我们需要物理的量子位和逻辑的量子位，我们就需要有很多的纠错电路去确保在功能上物理的量子位能达到逻辑量子位的要求，所以它才能够长期的存在，这就有点像内存和存储，我们不能依赖于这个物理级别的介质是百分之百准确精度的，所以还需要对其纠错，所以这方面技术的进展是有必要的。
英特尔中国研究院院长宋继强：逻辑和物理之间的关系是这样的，一个物理的量子位，就是拿一个晶体管做自旋量子位Spin Qubit。但刚才讲到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，通常来讲多个物理量子位在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。
Rich Uhlig：刚才您也问到在解决问题的过程当中，可能就是说会能够在近期、远期解决什么样一些问题，除了我刚才所讲的一些量子、化学的应用还有材料、建模等等方面的应用之外，这两个方面可能未见得需要我们去开发这种容错的量子位。
但对于一些优化的计算来说，就是很有必要的。在这种优化计算过程当中你可能需要几百个逻辑的可靠的量子位，也就意味着你需要上万个物理的量子位，还有另一类的问题就例如解密编码的这样一些问题。它可能需要几千个甚至百万级别的量子位，所以那些需要更多可靠、稳定量子位的那些问题就可能它们的解决就要晚一点到来。
Rich Uhlig：英特尔所选择去解决的问题，是考虑到我们能够想见它在得到解决之后非常令人期待和兴奋的一个结果，也就是说无论对社会还是说对个人生活来讲是一个非常好的影响，能够带来很大的利益，或者即便有多难它能够去带来很大的飞跃。
我们如何决定在什么样的时间点会开始某个领域的研究，我觉得其实当你心里已经确定，已经知道用怎样的方法去解决这个问题，开始研究这个问题的时候，就应该尽快的开始。也就是说当你认为你有一种新颖的方式可以去解决这个问题或者你有一些神秘的配方可以去有助于解决这个问题，你就应该尽快的开始。
但在具体操作时候我觉得我们一直以来秉承的原则就是不要去只选择单一的一种路径去解决一个问题，然后就陷在其中不能自拔。也就是我们都是采取多管齐下的方式采取不同手段来解决这个问题，并且分别来对其进行测试，渐渐的去看到哪一种或者哪几种更有可能来取得成功的，如果它更有可能成功我们就会加大对它的投入，最终在这方面取得更好的进展。
例如我之前讲的量子位，开始时候我们多重手段进行研究，在现在也开始收窄和聚焦，因为最终你是否能够研究出来一个解决方案这是非常难以预测的，所以在整个过程当中你需要保持一种批判精神，也就是说你需要有一系列衡量指标、参数来告诉你现在是正在取得成功还是失败。
Rich Uhlig：首先我对于神经拟态计算方面取得的进展感到非常兴奋，英特尔正在去建造越来越大规模的神经拟态网络系统，即便是现在已经接近于年底，在年底之前如果您关注新闻的话，将会看到有更多的英特尔制造更大规模的神经拟态系统的消息出现。而且我们也通过自身的努力给学术界的研究注入了更多能量。
第二个令我感到兴奋的是英特尔在硅光子方面的研究取得的进展，正如我早前谈到的它能够去集成在CPU封装里面来提供光学链路，这方面也会有消息出来，我们对于这方面在技术上英特尔取得突破是非常有信心的。
第三个方面就是在编程复杂性方面的进展了，也就是早期时候我谈到的机器编程，我认为人工智能最有趣的应用之一就是进行编程，也就是我们现在正在教机器如何进行自动的编程，这也是长期以来计算机科学领域的一个难题，但现在我们认为已经看到很好的希望，一些早期的成果已经显现出来，但要取得成熟还需要几年的努力，我们现在正在这方面加大投资，相信未来一定会得到良好的回报。
Rich Uhlig：有关于神经拟态在英特尔的研究中进展的问题，前一段时间我们对外宣布了我们的LOIHI是神经拟态单芯片系统的构建，在此基础上我们又进行了更大规模的基于LOIHI系统的多芯片集成的研发，也就是说多个LOIHI芯片同时工作。我们在这个方向上会继续耕耘。
我们已经有了这个LOIHI系统，现在做的事情是去推动在LOIHI系统外部建设开发社群，以便基于它能够开发出来更多有趣的应用，因此我们建立了英特尔神经拟态研究社群，使得加入的各方可以去充分利用我们LOIHI系统的集群，从而开发出来更为有用的一些用例的模型，目前已经有非常好的和非常有趣的结果，包括基于此研发出来的具有高能效的推理手段以及机器人控制系统，以及去进行稀疏编码、约束满足以及优化方面的计算。
神经拟态芯片现在可能主要面临的、主要遇到的瓶颈这个问题，涉及到现有的一些常用的人工智能的方式，它的瓶颈是在哪里？实际现有这些人工智能已经存在很多年了，他们的瓶颈也是多年没有解决的，主要分为三个方面：
第一就是在内存方面瓶颈，第二在I/O方面瓶颈，第三能耗方面的瓶颈，这些需要逐一击破解决，我们认为神经拟态是这方面的一个解决方案，首先从内存角度来讲它将内存与计算相结合，有时候是相互混杂在一起的，所以它能够去解决这个内存的瓶颈问题，从能耗角度来讲神经拟态计算是在一个时间点内只去对必要的算法模块进行激活，而不是总是激活整个算法模型，这样在任何一个既定时间点它要比传统AI方式更为节省能源。
雷锋网记：科幻作家威廉·吉布森曾言，“The future is already here it's just not evenly distributed”（未来已来，只是分布不均）。英特尔研究院的价值正在于看到技术的苗头，并将其尽可能快速的代入到社会中，发挥实用价值。雷锋网雷锋网
正在生成分享图...
包永刚