（图片来源：网络）

量子计算可能成为一项颠覆性技术：它建立在听起来非常奇特的物理学基础上，并有望以前所未有的速度和效率解决某些类别的问题。一些人认为，目前在量子计算领域的承诺太多，交付却不够，而D-Wave是一个例外。

这家开拓量子计算领域15年的高科技公司，如今拥有着巴斯夫、德勤、万事达卡和葛兰素史克等大公司优质客户。Alan Baratz从负责D-Wave的研发到成为其CEO，不断推出新产品和追求新研究方向，一步步带领公司成功上市。

在此次专访中，Baratz谈到了量子计算的基本原理、量子计算与市场现状、现实世界客户和案例的关系，以及这个领域的未来。

量子计算的炒作与现实

Baratz拥有多元化的工作背景，包括在Avia和思科负责产品管理、担任初创公司CEO、以及在风险投资行业工作等。然而，他认为与在D-Wave所做的工作最接近的是，他曾是Sun Microsystems的第一任Java soft总裁。

在Java soft，Baratz负责将Java技术推向市场，构建开发人员生态系统并增加收入。他在那里所做的很多事情与D-Wave现在正在做的事情相似：创建一个新的行业并构建一个新的生态系统。

当然，有一些根本的区别。Java从问世的第一天开始就可以工作，虽然并不完美，但它是建立在现有IT基础设施之上的。从那时起，该技术逐渐发展成熟并征服了软件开发世界。值得注意的是，Java基本没有技术鸿沟，尽管在某些时候可能围绕它有过一些炒作和争议，但长期来看它一直是一项得到过验证的技术。

而量子计算是一个全新的概念，需要多年的研发才能发展起来，目前还无法直接面对软件开发人员。Baratz解释说，量子计算存在着基本的技术鸿沟，这就是D-Wave在市场上的“炒作”根源。

根据麦肯锡的说法，量子计算的现阶段介于“炒作”和革命之间。根据美国银行研究部总经理Haim Israel的说法，量子计算的风潮“比火还热”。据量子计算专家Sankar Das Sarma称，尽管量子初创公司风靡一时，但尚不清楚它们是否能在不久的将来产生任何有用的东西。

Baratz的立场似乎介于上述两者之间，在当今和未来的量子计算应用之间，以及D-Wave和竞争者之间划清界限。

“虽然量子行业的其他所有人都将政府研究资助视为收入，将国家实验室和学术机构视为客户，但我们合作的是万事达卡、贝宝、葛兰素史克、强生、大众、巴斯夫、德勤、SavantX等大商业公司和洛杉矶港口。”Baratz说。

量子计算的历史和基础

Baratz划定的D-Wave和竞争者之间的分界线在于构建量子计算机的不同方式：量子退火和门模型。Baratz解释道，当D-Wave在15多年前着手构建量子计算机的任务时，人们却认为门模型系统可以解决所有问题。另一方面，量子退火只能解决某些类别的问题。

目前已知量子计算机在四类问题中提供加速优势：优化、线性代数、因式分解和微分方程。Baratz提供了每种应用的示例：线性代数的机器学习、因式分解和计算流体动力学的密码学以及微分方程的量子化学。

优化问题在物理学、生物学、工程学、经济学和商业领域有着广泛的应用。Baratz指出，退火型量子计算机非常擅长优化问题。它们还可以解决线性代数和因式分解问题，但不能解决微分方程问题。

Baratz解释说，当D-Wave开始构建其量子计算机时，科学和工程还没有发展到人们认为可以构建门模型系统的程度。他补充说，当时人们普遍认为可以建造一台量子退火计算机。所以D-Wave决定继续构建退火系统，因为他们相信可以做到。

“其他人都得出结论，他们还是要建立一个门模型系统，因为他们相信最终可以解决所有问题，而退火系统只能解决一部分问题。所以其他人都采用了门模型系统技术路线。但是一年前发生的事情令我们每个人都感到惊讶，因为实验证明了门模型系统无法真正加速优化问题。”Baratz指出。

门模型系统非常擅长微分方程问题。Baratz说，它们还可以计算线性代数，进行因式分解，但无法解决优化问题。一言以蔽之，退火解不了微分方程，而门解不了优化。而优化有很多潜在的应用，事实证明这非常重要。

D-Wave最初采用了一种看起来更保守的方法，事后证明是正确的。Baratz称这是“对我们来说非常成功的历史侥幸”。目前，D-Wave在退火领域具有先发优势。这意味着他们不仅拥有其他人所没有的专业知识和技术，而且还拥有多项专利。所有这些都为公司创造了一条有效的护城河。

量子计算的问题

一年前，D-Wave得出结论，他们的量子退火计算机已进入商业化阶段，这意味着他们有能力解决商业规模的实际业务问题，并且“即使不是大多数，也有很多困难的底层技术问题已经得到解决”，Baratz说。由于公司有一些余力，他们决定启动一个门模型研究，使他们最终能覆盖整个量子市场。

因此，D-Wave对基于门模型的努力所面临的问题也有第一手经验。最重要的是纠错。在传统计算中，比特用于计算和存储信息。量子计算中的等价物是量子比特，并且有很多关于每个系统可以管理多少量子比特的研究。然而问题在于，在很多情况下，更多并不一定意味着更好。

比起经典比特，量子比特复杂得多，但引入错误的方式也很多。通常是通过与环境相互作用而发生的，例如电磁干扰等。Baratz指出，无论是量子系统还是其他系统，没有任何系统是完全没有错误的。在经典计算机中，我们通常不会考虑错误，因为存在处理错误的纠错算法。但量子计算机的纠错算法还不完善。

然而，根据Baratz的说法，退火和门模型系统之间也存在差异。门模型系统对错误非常敏感，这与执行计算的方式有关。在门模型系统上进行计算意味着将指令直接应用于量子比特，类似于将指令应用于经典计算机中的比特。一旦错误被引入，如果不加以纠正，计算就会分崩离析。

“由于这些错误经常发生，如果没有纠错，你不可能在不引入错误和计算崩溃的情况下完成超过20或30条指令。但对于许多门模型算法需要数万、数十万或数百万条门指令。因此，如果不进行纠错，门模型系统将无能为力，”Baratz说。

Baratz认为，纠错是通过长时间计算实现具有高保真度量子比特的关键，而不是量子比特数或拓扑结构，进而可以在门模型系统的开发中取得进展。他预计，我们至少需要7到10年才能达到今天的目标。他说，基于退火的系统要稳定得多，量子比特数量的增加和更好的量子比特连接拓扑结构将使它们能够解决比现在更复杂的问题。

解决现实世界的问题

Baratz提到了一个目前还无法解决的问题：对联邦快递的路径进行完全优化，从骨干网到最后一英里。因为这需要数千万个变量，D-Wave现在还没有。另一方面，许多重要的实际优化问题已经可以得到解决。与此同时，在具有更多量子比特、更好连接性和更低错误率的新型计算机方面正在取得进展。

Baratz还提到了今天正在解决的一些问题，例如万事达卡的客户报价分配、巴斯夫的作业调度以及SavantX和洛杉矶港口的供应链物流。在最后一个案例中，装卸集装箱的起重机减少了12%，车辆提货时间减少了12%，同时效率提高了60%。

根据Baratz的描述，使用基于门模型的量子系统的做法听起来更接近经典计算机的编程。然而，使用基于退火的量子系统是非常不同的，没有传统意义上的“编程”——任务被建模为优化问题，这意味着用户需要清楚的说明他们的问题是如何定义的、参数是什么以及它们之间的相互依赖性。

Baratz指出，这不是软件工程师应该做的事情，而是由数据科学家和数据分析师等人解决的事情。优化问题通常被指定为所谓的线性规划问题或二次规划问题。Baratz说，这是优化工程师使用的语言，D-Wave允许他们采用该规范并将其直接提供给混合求解器。

混合求解器利用量子计算机和经典计算机来解决问题。D-Wave的产品中有一个混合求解器，最近进行了升级。Baratz描述道，混合求解器能将问题定义、输入，并可以确定问题的哪些部分可以由量子计算机解决。随后，再将问题分配到量子计算机上求解。

D-Wave的产品和路线图

D-Wave提供名为Leap的云服务，用户可以通过该服务访问其功能：量子计算机、混合求解器和软件开发工具。D-Wave还提供专业服务，帮助客户解决问题制定或工作提交等在客户专业知识之外的问题。

鉴于量子计算的现状，我们想知道D-Wave的客户都是世界上最大的公司。D-Wave本身是一家在纽约证券交易所上市的上市公司。Baratz提到，通过上市，D-Wave设法筹集了现金并开辟了各种新的资金来源。

在讨论D-Wave最近的第三季度业绩（Baratz称其在各个层面都很强劲）的电话会议中，该公司宣布，在2022年前三个季度，他们拥有超过100家客户。其中，40个是政府和教育机构，60个是商业机构，其中20多个是全球2000强。另外还有40个不是全球2000强的商业客户，Baratz说，例如一家名为Save on Foods的加拿大杂货连锁店。

D-Wave的核心产品也可通过AWS Marketplace进行访问。此外，D-Wave在AWS Marketplace上还有一个更有针对性的产品：机器学习的特征选择。特征选择是机器学习中最重要的元素之一。在训练机器学习模型时，将包含许多可能感兴趣的特征或分类器。但是包括所有这些特征会导致过度拟合，即生成了不适合目标任务的模型。

这就是为什么在机器学习的预处理步骤中，需要识别一小组具有代表性的特征，然后在该集合上构建模型。从一大组弱分类中找到一小组强分类是一个非常困难的优化问题，而D-Wave的系统在这方面做得很好。Baratz说，这还能用于欺诈检测。根据Baratz的说法，D-Wave目前还没有解决机器学习流程管道的其他部分，因为它的量子计算机和任何门模型系统目前都还没有能力击败GPU。

Baratz总结说，量子生态系统是由退火模型与门模型划分定义的。退火在今天已经走向了商业化，而对于门模型，事情仍处于研究和实验阶段。

“我们是一家通过退火来解决优化问题的公司。现在我们也在做门模型系统。因此，我们将成为一家能够涵盖整个量子计算市场的公司，”Baratz说。

编译：王珩

编辑：慕一