对话图灵量子CEO金贤敏： 光量子计算产业化渐近 “沿途下蛋”应对不可能三角

　　金贤敏，长江学者，上海交通大学特聘教授，集成量子信息技术研究中心（IQIT）主任，无锡光子芯片研究院（CHIPX）院长，图灵量子创始人。

　　担任聚焦芯片领域的综合性国际期刊Chip（Elsevier）创刊执行主编，量子计算国际标准化工作组专家、全国量子计算与测量标准化技术委员会委员、中国电子学会量子信息分会委员。

　　1、随着人工智能技术的发展，算力需求的增长速度已超过摩尔定律的预测，需要新的架构来提升算力，例如光子和量子计算；

　　浪潮正在席卷全球。随着技术的发展，AI训练任务中的算力增长（所需算力每3.5月翻一倍）已经超越摩尔定律（晶体管数量每18月翻一倍），算力供需剪刀差持续拉大。

　　为解决像GPT-4这样的大型语言模型（LLM）面临的计算瓶颈和巨大算力成本，通过新的架构去改变算力增长方式，比如用光子、量子等办法提升算力已经成为共识。

　　“面对后摩尔时代带来的挑战，未来的机会在哪里？光子和量子计算是契合后摩尔时代的新机遇。”图灵量子创始人金贤敏在接受第一财经专访时表示。在他看来，未来能够达到百万量子比特且成本可接受的的量子计算系统就是光量子计算系统，光量子领域产业化拐点正逐渐临近。

　　量子计算是一种操纵量子比特进行计算表达的计算模式。经典计算机中处理信息的最小单位比特，同一时间只能表示1或者0；而量子存在叠加态的特性，量子比特可同时表示1和0。这就意味着，2个量子比特可以实现4种状态，3个量子比特可以实现8种状态......随着量子比特数量的增加，所能实现的状态呈指数式增长。

　　金贤敏举例说，50个光子的量子计算系统，其算力就可以达到一台超级计算机的水平，增加1个光子，则算力翻倍，增加2个光子，则算力是超级计算机的4倍，而如果达到了60个光子，算力则达到超级计算机的1024倍。

　　量子计算机的核心任务是通过多量子比特的相干操纵来实现量子计算。目前，多条量子技术路线正并行发展，主流方案包含超导、离子阱、光子、中性原子和半导体等。其中以超导和光子路线最受关注。

　　在通往量子计算目标的道路上，图灵量子选择的是光量子计算路线，这与金贤敏在英国牛津大学的研究经历密不可分。

　　在中科大钻研量子学术5年后，2010年，金贤敏远赴牛津大学攻读博士后。彼时，光量子计算领域还是一片空白，英国牛津大学Ian Walmsley教授团队和英国布里斯托尔大学Jeremy OBrien教授团队是世界上最早开展光量子芯片研究的两个团队。

　　作为牛津大学光量子芯片研究团队的成员之一，金贤敏表示，当时在光量子芯片领域，我们的主要竞争团队就是布里斯托尔大学的团队。

　　2014年，作为牛津大学流派的金贤敏回国并成立上海交通大学集成量子信息技术研究中心，成为中国光量子计算芯片化集成化路径的领跑者。而布里斯托尔大学团队则去美国创业，成立了一家名为PSIQuantum的光量子计算公司。

　　根据最新信息，近期PSIQuantum又获得来自澳大利亚政府近10亿澳元（约6.2亿美元）的资金支持。据统计，这家量子初创公司已筹集近13亿美元资金（包括私人和公共资金），目前估值约为50亿美元，是全球估值最高的独立量子计算公司。

　　“PSIQuantum以芯片设计和系统集成为主，而图灵量子具备芯片设计、流片和系统集成能力，从技术能力上看，我认为现在并没有拉开差距。”金贤敏表示，国外对于量子计算领域的投资力度非常大，国内从技术研发到资金支持都需要齐头并进。

　　对于不同技术路线在最终实现大规模通用量子计算上的挑战和可能性，金贤敏表示，不同技术路径各有优劣，例如超导技术路线的难点在于液态制冷机，而液态制冷机成本较高，想要越过门槛需要依靠成本越过，并非每个学术团队都可以做如此大规模的事情，只有IBM、谷歌等巨头才有实力做出一些标志性的成果。

　　“我认为未来能够达到百万量子比特的量子计算系统且成本可接受的就是光量子计算系统。”深耕光量子研究21年的金贤敏表示，光量子领域产业化拐点将近的信号日益明显，光量子在室温下可以运行，依托传统的光芯片技术，甚至光电混合技术，可以完成大规模集成。

　　当下量子系统的规模非常重要，而这很大程度上取决于芯片，光量子芯片正是图灵量子的护城河。据悉，图灵量子已在实验上实现了单片集成128个全同量子光源的阵列芯片，是目前有报道能实现的最大规模的全同可扩展量子光源阵列。

　　除了芯片设计，图灵量子还具备从、流片、封装、测试到系统集成和量子算法实现的全链条研发能力，并坚持自主流片，已率先在无锡建设国内首条光量子芯片中试线。

　　流片，是芯片从设计到量产的关键环节，简单来说就是芯片公司将设计好的方案，交给晶圆制造厂，生产少量样品，检测一下设计的芯片能不能用，如果流片成功就可以大规模量产，反之则需要找出原因，进一步优化设计。许多芯片都不是一次就能流片成功的，往往需要进行多次流片才能获得较为理想的效果。

　　目前国内还没有较为成熟的光量子芯片硬件流片平台，许多研究团队设计芯片后需要去国外流片，但流片排队导致每次迭代都需要5到10个月，而工艺中的“黑盒子”也为技术进步带来极大的不确定性和瓶颈。

　　“一个新兴技术刚崛起时，快速迭代是非常重要的，并且我需要知道发生了什么，该怎么进一步优化和迭代，而不是黑盒子。”金贤敏分享说他在英国研发光量子芯片时非常被动，往往2、3年才等来一批芯片，这让他回国后坚持要自己制作芯片，把主动权掌握在自己手中。

　　2021年11月7日，无锡光子芯片联合研究中心正式签约，图灵量子依托无锡光子芯片研究院开始建设国内首条光子芯片中试线月开始进场。

　　“该中试线预计在今年三、四季度进行投产，形成量产后，年产能可以突破一万片晶圆。”金贤敏表示。

　　在软件算法方面，图灵量子以人工智能算法和量子启发式算法作为底层求解技术，研发出 TuringQ求解器，能根据待解问题的特征，有效筛选大量的可能性，以选取合适的算法参数和类型，快速找到最佳或有效的解决方案。

　　“量子计算想要真正深入到医疗、金融等各行各业，除了算法或者硬件能力本身之外，还需要了解行业痛点以及数据是否对你开放。”金贤敏表示，图灵量子目前采取PoC（Proof of Concept，概念验证）模式，在人工智能、金融科技、生物医药、通信加密等领域，帮助客户解决行业痛点，陆续形成产业化解决方案。

　　“光计算、量子计算是契合后摩尔时代的新机遇。”金贤敏表示，达到通用量子计算需要10年，达到专用量子计算需要3-5年，而光计算、光连接的爆发可能就在这一两年。

　　传统电子芯片的光刻制造工艺几乎是摩尔定律的物理极限，随着制造工艺越来越小，芯片内晶体管单元已经接近分子尺度，制作工艺的“瓶颈效应”越来越明显。

　　放缓的电子芯片算力增长与高速增长的算力需求不匹配，光芯片再一次受到广泛关注。据了解，光计算具有低延时、低功耗的特点，在纵向提高单节点算力以及横向提高大规模分布式计算效率方面，都有超越传统技术的潜力。

　　广义的光芯片并不是前沿技术，例如用于光通讯两端的收发模块都是光子芯片，但这些都是不可编程的光学线性计算单元，而想要真正通过光来提升算力，可编程光芯片是关键。

　　“风口不是追来的，而是等来的。”金贤敏表示，图灵量子坚持以光为载体发展光量子计算的同时，产生了一系列对光操控的关键技术，而这些技术都是通用的、可向下兼容的，可以支持光计算、光连接等各种对光的应用技术。

　　据悉，图灵量子目前已经拥有飞秒激光直写三维光子芯片技术与铌酸锂薄膜光子芯片技术，在关键环节自主可控，实现全自主的、面向光计算的光电融合芯片研制。

　　“光电融合是未来信息载体的大势所趋。”金贤敏表示，未来不管是芯片内部，还是多个芯片组成的一个板卡，还是很多个板卡组成的一个服务器，还是很多个服务器组成一个集群，无论是哪个层级未来都是光电融合的。

　　未来，铌酸锂光子集成芯片有望像硅基集成电路一样，成为高速率、高容量、低能耗光学信息处理的重要平台，在光量子计算、大数据中心、人工智能及光传感激光雷达等领域彰显其应用价值。

　　科技进步需要长期主义，同时需要不害怕追求不确定性。科学家出身的金贤敏将将“事不避难”的科学精神、科学家工作范式放在对科技能力和科技产业化的追求上。

　　面对硬科技不可能三角（同时做到市场空间大、护城河高、应用成熟），图灵量子选择了预期前景大、护城河高，但不确定性高、难度大的光量子计算领域，这意味着将面对极难的应用场景落地问题。

　　“我们去攻克光量子计算这个目标所产生的各种关键技术，在当下都是非常有用的且能够产品化。我们给自己定了‘沿途下蛋’的路线图，关键技术‘沿途下蛋’，找到有价值的应用场景落地，希望在一些关键技术落地过程中，我们已经变成一个伟大的公司。”

　　正如图灵量子的企业slogan所说，“Nothing Difficult（没有解决不了的问题）”。

　　谈及未来10年的公司愿景，金贤敏表示，图灵量子将围绕芯、光、智、算，外部孵化内部培育形成产业集群，在第四次工业——智能化工业时代做一些可圈可点的事情。