量子计算公司推百比特芯片与整机交付，算力转向可调用服务

一块英伟达Blackwell GPU的云端租金，两个月内涨了48%。算力紧张不只体现在供给和价格上。OpenAI CFO Sarah Friar曾公开表示，公司正在「非常艰难地取舍项目」，想做的事情太多而算力不足，只能削减一部分。

分子结构模拟、大规模组合优化等任务的计算量会随问题规模指数级增长，仅靠堆叠GPU难以应对。这类缺乏有效数学化简手段的「NP」难题，对经典计算而言十分棘手。以一个每种变量只引入2种可能性的组合问题为例，100个变量就会产生2^100（约1.27×10^30，超过一百万亿亿亿）种可能组合，经典计算只能逐个或成组遍历所有可能性。即便把全世界的GPU集中起来穷举，也要花费数万年。

要突破这一瓶颈，需要一种底层逻辑不同的算力。量子计算提供的正是这样的算力。

量子比特可同时处于0和1的叠加态，彼此之间还能纠缠关联。每增加一个量子比特，计算空间的维度就翻一倍。叠加性与纠缠性结合，可将上述「爆炸性」增长的组合可能性快速编码到指数级增长的计算空间内，再通过合理设计的量子算法，让有用结果借助量子干涉「浮现」出来。量子处理器（QPU）正是沿此路径发展，被视为继CPU和GPU之后的第三种算力。CPU和GPU难以企及之处，正是QPU有望发挥作用的领域。

• 一个中等大小的蛋白质分子包含数以万计的电子（这还只考虑外层电子），要模拟这些电子之间的量子行为，经典计算机需要追踪的状态数量会随电子数量指数级增长。即便动用全球现有算力总和，经典计算机仍无法精确模拟这样一个分子的量子行为。全球超算有相当一部分算力用于量子化学计算，但能解决的问题依然有限。
• 以RSA为代表的公钥加密算法，其安全性建立在「经典计算机解不动大数分解」这一前提上。一旦量子计算机达到足够规模，Shor算法（量子质因数分解算法）理论上可在可接受时间内完成大数分解，现有加密体系的根基将被动摇。

这些问题都指向经典计算的能力边界，而量子计算正是应对这些问题的一条路径。