现在处在敏感阶段的三个行业
先进半导体AI量子
我们可以总体来说
先进半导体是一个非常传奇的过去
然后AI是个非常蓬勃的当下
量子计算是不可避免的未来
所以在一个加息周期里面的话呢
政府会对这个不可避免的未来
更感兴趣
但随着减息周期的开始
我觉得像VC对整个行业更加关注
特别是Willow的出现
我觉得会ramp up
哈喽大家好
欢迎收听硅谷101
我是泓君
那大家标题已经看出来了
这又是一集非常硬核的话题
量子计算
2024年的12月
谷歌宣布
基于Willow的计算机芯片的
量子计算机
只需要不到5分钟的时间
就可以完成一项标准的数学计算
那我们把这项计算交给传统的计算机
需要多久呢
10-25次方年
这是什么意思
就是说这个时间
已经超过了我们知道的宇宙年龄
我相信听到这里大家就有疑问了
谷歌的量子计算机
如果已经能执行这么厉害的任务了
那量子计算是不是实现了呢
并不是因为谷歌的机器啊
执行的数学计算
是一项
专门用于衡量量子计算进展的测试
而不是一个有用的
可以在医学或者人工智能领域进行的
有目的性的一些运算
过去30年
困扰这个领域最顶级的学者们的问题呢
就是量子计算机他会犯太多的错误
谷歌Willow芯片的主要贡献呢
就是它可以
在扩展至更多的量子比特的时候
指数级的减少错误
那基于这一点
它其实是解决了一个
困扰科学家们30年的难题
所以业内人又将Google的Willow芯片
称作是量子计算界的Transformer moment
这样一来
量子计算机
距离执行人们觉得有用的任务
我们离完全纠错的量子计算机
就又近了一步
我们离有用的量子计算还有多远
英伟达的CEO黄仁勋
在CES期间也被问到了这个问题
and so if you kind of said 15 years
for for very useful quantum computers
that would that would probably be on the early side if you said
you know 30 is probably on the late side
but if you picked 20
i think i think a whole bunch of us would
那我们这期节目的录制呢
是在1月份的CES之后
刚好是黄仁勋回答了这个问题
所以我们会讨论他的回答
以及量子计算还有多久实现
同时呢我们也会提到啊
刚刚对节目开头
谷歌Willow芯片的一些解析
那第三部分呢
我们也回顾了过去几十年硅谷巨头
是如何去布局量子计算
以及他们之间的线路之争
这部分听上去会有一点点难啊
大家可以一边看shownotes
或者使用AI工具的辅助
去理解这期节目
那最后一部分呢
我们会聊一聊量子计算的应用
以及它与加密货币 银行
还有运营商之间的密码学博弈
下面就请收听我们今天的节目
那今天跟我在一起的两位嘉宾
一位是Anyon technology的创始人
也是加州理工大学的博士与伯克利大学的博士后
Roger Luo
hello
Roger你好
你好啊你好啊
很高兴能参与这个节目
然后跟大家聊一聊
关于最近量子计算的一些前线信息吧
对欢迎欢迎
那另一位嘉宾呢
也是Roger的同学
他是加州理工大学的博士与博士后
同时呢也是Anyon的CTO
Jared Ren
哈喽Jared你好
我们是加州理工博士期间的同学
嗯欢迎Jared
那在开始的时候
大家要不要介绍一下自己
包括你们跟这个量子计算的关系
好啊好啊
在过去十年多的时间
我们基本上
一直在做量子芯片相关的事情
我和Jared是2014年来到加州理工
做博士的
我们的加州理工导师是Oskar Painter
也就是现在
AWS的量子硬件部门的负责人
实际上我们在量子计算这个赛道上面
从14年就开始有10年的共同从业经验呢
也是基本上在19年我博士毕业
再去博士后之后
然后我觉得时机比较成熟了
就跟我之前的同组同学
就Jared一起创立了这个公司
目标就是结合我们在伯克利
和加州理工的相关的前沿技术
因为我在伯克利的博士后组
也是整个量子计算芯片的先驱的组
就是Professor Irfan Siddiqi
他基本上在超导量子电路这个赛道上
算是20多年的历史了
也是最早的一批教授
基本上跟John Martinis是同一代
所以说实际上我们当时创立这个公司
初衷就是一是看到了很多
像很多公司
基本上所有的云计算公司都
在做量子计算
特别是AWS
把我们之前在CalTech的组
给整体的拿过去
创建了它的量子计算硬件部门之后
我们觉得这时机很成熟了
那我们既然有技术有时机
我们就why not
对吧去做一个公司
将我们的技术变成商业化产品
然后服务于下个十年的计算行业
这个是初中吧
嗯那Jared你要不要介绍一下
好啊
由于我跟Roger的轨迹比较相似吧
所以Roger基本上也帮我介绍过一些了
在我们2019年2022年博士毕业期间
Roger去了伯克利做博士后
我继续留在了加州理工
继续跟Professor Oskar Painter继续做博士后
这个期间
也是亚马逊开始开展量子计算
正在把我们的博士生导师
整个的研究组
挖到亚马逊AWS量子计算部门
这么一个过程
所以说
我也参与了一些初期的交接的工作
和准备工作
当然像Roger刚才说的
我们最终觉得是一个非常好的时机
来成立自己的公司
按照我们自己的理念
可以走出跟大公司不一样的发展路线
所以说
我们就一起创立了现在这Anyon Technology
这个公司
嗯那我觉得在节目的最开始
可能还是一个非常通俗的问题啊
能不能用尽可能通俗的语言
跟我们的听众解释一下
什么是量子计算
它是用来做什么的
好我用我一直以来比较通用的一套
浅显易懂的解释
介绍一下量子计算吧
理解量子计算
可以跟经典计算机做一个类比
那我们现在市面上几乎所有的计算机啊无论是CPU GPU或者是手机
或者是很简单的计算器
都可以理解为是经典计算机
对啊那我们想理解量子计算机的话
用经典计算机来做类比
是比较容易理解的
我们其实可以理解为
每一个经典计算机
都是一长串的字符串
由0或者一组成的
就是我们所说的bits
bits只能是0或者是1的状态
那所有的计算机
无论是它有多么复杂
还有多么简单
无非是一个比较长的字符串
或者是一个比较短的字符串
那类比于量子计算器的话
其实它也是一长串的字符串
只不过它的组成部分
我们叫做qubit
量子比特
那量子比特跟比特的区别是什么呢
就是说量子比特
它不仅仅只能存在于0或者1的状态
而是它有一个叠加态
它可以同时存在于0和1之中的状态
那量子计算机呢
或者说量子比特还有另外一个特性
那就是量子的另外一个原理
就是说它的纠缠态
它不仅仅是说每一个量子比特
不仅仅是它自己单独的量子比特
而是不同的量子比特之间
可以纠缠在一起
同时发生改变
那这两个一起发生作用呢
就产生了跟经典计算机显著的不同
经典计算机
比如说如果是一个
只有三位数构成的经典计算机
那它的所能存在的状态就是000001
一直到111
一共八位数
那如果想要进行运算的话
他只能一个一个的去改变每一个位数
如果他要去到这8个不同的状态的话他要进行8次运算
但量子比特不同
量子计算机不同
他由于
如果说我们有一个
三个量子比特构成的量子计算机的话
它其实是由于叠加原理和纠缠原理
它可以同时存在在这8个状态里面
然后同时对这8个状态进行计算
那如果只有三位数的话
它们的差距可能不这么明显
一共要进行8次运算
一个进行一次运算就可以完成
但是如果比特的数量继续加倍的话
那量子计算机
它其实是一个指数增长的过程
如果有4位的话
经典计算机就要进行16次计算
才能穷尽16个状态
但是量子计算机还是只需要一次
就可以穷尽所有的16次状态
这就是所谓的量子计算机
相对于经典计算机的计算来说的话
指数的加速过程
所以我可不可以理解成
量子计算机
它其实是非常适合去解决非常复杂
高难度的计算的
越难的计算它越有优势
而我们可以理解为
它的核心优势在于
能够在某些特定的问题上
实现指数级的加速
量子计算机
它不是经典计算机的代替品
就像GPU
不能像是完全是CPU的代替品一样
他们两个是一个共同存在
相互协同的作用
量子计算机特别擅长某些特定问题上
实现指数级的加速
像是矩阵运算
因数分解
量子化学模拟和组合优化等领域
它会在这些高复杂度计算的任务中
发挥非常重要的作用
哪些领域
会运用到这些高复杂度的计算啊
就比如说
如果你们能想象
未来量子计算它会去应用的话
相比于传统计算机
它一个非常有优势的场景
跟它最有优势解决的问题是什么
能不能举一个具体的场景的例子
它有几种特殊的算法
有的特殊算法
对矩阵运算
有特别好的指数级的加速效果
有的运算对因数分解
有特别好的加速效果
他本身是量子的
然后这个世界本身是量子的
用经典计算器对量子世界进行模拟
本身是非常困难的
也就是说我们的一些化学运算啊
它本身是量子的
所以说
用量子计算器进行这方面的运算
将会更加的容易
嗯那我刚才提到的3个例子所对应的
其实就非常的明显
其实矩阵运算
我们现在所有的人工智能机器学习
本质上就是矩阵运算
那因数分解的话
很能想到的就是Shor算法
所对应的安全问题
加密问题
现在大部分的加密手段
都是通过类似的情况进行加密的
那量子计算对于破解这样的加密
就非常有优势
而量子化学模拟
那很明显就可以想到油气啊化工啊
药物的研发等等
是一个非常直接的作用
还有一个领域
就是
量子计算机对组合优化的求解过程
是非常的迅速
也有指数级的加速作用
所以说对于一些物流啊
之类的需要优化的内容
这些领域也是非常有帮助的
嗯理解理解
你刚刚提到了好几个点嘛
比如说在矩阵运算方面
它对人工智能的加速表现在哪里了
比如说有了这个量子计算机
那大家在去训练这种大模型的时候
它会有特别的优势
还是说它只能在一个极小的领域里面
针对某一个特定问题
它可能会有一些特定的解法
我理解的是
人工智能无论的模型是什么
它的本质是矩阵运算
其实回到了根本的问题
就是GPU为什么在人工智能中作用这么大
它比CPU
为什么做人工智能的模型的话
速度快这么多
本质上就是
GPU对矩阵运算的速度会比CPU快很多
CPU擅长比较复杂的问题的
比较少线程的运算
而矩阵的运算
本质上不需要特别复杂的过程
比较重复的过程
而且需要特别多的核心同步运算
那这就是GPU的作用
也就是说
人工智能
为什么在GPU上比CPU上优势这么大
就是因为
GPU对矩阵运算会比CPU快很多
像量子计算机中
用到了HHL算法之类的算法
对矩阵的运算也能加速的话
本质上就是对人工智能整个大模型
开发的类似的
实现了从CPU到GPU的
这样一种跨越式的加速发展
对因为实际上加入想表达一点
就是
实际上量子计算在这个具体的问题上
通过加速矩阵求例算法这相关的算法
我们实际上可以总体的加速
整个人工智能
学习啊的和inference的pipeline
也就意味着
比如说
你的人工智能模型有100billion的参数
你用100billion参数
你用GPU去跑的话
对应的大概是一个比如说100billion乘
100billion的算法复杂度
就要跑这么多步骤去算
它对于量计算机来说的话呢
就是一个求指数底数的这个log
求log的一个方式就是100Billion的话
大概相当于log 100Billion的一个算复杂度
相对来说
你在处理巨大的模型的时候的话呢
它的整个操纵的数量会指数级下降
相当于
你可以以更少的能量和资源付出
去计算一个矩形模型
嗯对
刚刚我们提到了
量子计算应用的几个方面
我觉得在之后啊
我们还可以详细的去探讨它的商业化
跟它在各个行业里面是怎么应用的
但是呢
在此之前我觉得就有一个问题了
量子计算现在到底能不能实现
比如说我们说的来去训练人工智能
它发展到哪个阶段了
那在问这个问题的时候呢
其实今年英伟达的创始人Jensen Huang
他是在今年的CES上
其实也把这个问题提出来了嘛
然后我记得他说的是
如果你说
15年内能实现非常有用的量子计算
他觉得这个是一个非常偏早的预测
如果说是30年实践有用的量子计算
可能偏晚
所以呢
他觉得一个合理的区间是在20年
但是呢他这个话一说啊
有一批量子计算的股票
大家的股价就纷纷下跌
所以也是想听一下两位
你们怎么去看Jensen说的量子计算
它的实现时间
首先
Jensen在他们对于Nvidia的投资者会议上
被问到后
且正面回答这个问题本身
其实已经把他认为的20年
抗贩卖到了远不止20年了哈哈
比20年还要久
因为一旦你开始回答这个问题
在这种会议上
那就意味着投资者在考虑
是不是要price in你未来10年
量计算对你公司的股价影响呢
因为大家都知道
花结算股价的方式
是price in未来10年的assumed gross和Monopoly的
所以实际上
这一个对他来说有点conflict interest的问题
就如果他有任何地方表现出未来实验
这可能会对GPU产生影响的话
那明天Nvidia股价就要跌了
相比让Nvidia股价要跌来说的话
那量子以上的股价跌
对他来说是一个非常合理的决定
毕竟坐在哪个位置上回答他的问题吗
嗯还有另外一个角度来讲的话呢
我觉得Jensen是很厉害的人
我也很尊敬他
但是人你就要不要看他说什么
要看他做什么
对吧Jensen公司在量子计算里面
算是一个非常大的一条鱼了
他也是我们的合作伙伴
他们也有非常主动的各种partnership
合作
还有
包括我们等下参加的一些超算的会
也是我们跟他们要一起做demo的
所以整体上来说这个就代表一个逻辑
从他做的角度来讲
我们可以回顾一个历史
CUDA Launch的时候是07年
CUDA DNN
就是CUDA专门为DNN的那个package
Launch的时候是14年
而Transformer是16年
GPT3.5是22年
就算你从CUDA算起15年都是一个
从Nvidia角度来讲呢
开始做这个方向
到最后对方完全落地都不会超过15年
所以第三点它用词非常精准
它说是very useful Quantum computer
在这个context里面
其实也可以认为它理解为是叫Large scale fault tolerant quantum computer
也就是量子计算的完整体
就有点类似于AI里面我们谈论AGI
它是一个非常长远的goal
或者是一个非常powerful的一个dream
一个goal它如果能被实现
基本上
人类文明在下一个阶段就会被激发了
因为我们开发出无数的新材料
和无数的远超人类强大的人工智能
都可能出现
所以它这个very useful的意思就是
发表回复