离歌网络电台|情感文章|广播电台|电视直播|音乐电台|主播稿子

你好，这里是《邵恒头条》，我是邵恒。

最近科技圈子里有一条消息，引起了很多人的注意。在NASA的官网上出现了一篇谷歌的论文初稿，提到谷歌在量子计算领域实现了重要的里程碑。谷歌发明了一台量子计算机，这台计算机只需要3分20秒的时间，就能完成全球最大的超级计算机一万年才能完成的计算。

富有戏剧性的是，这篇论文很快就从NASA官网上撤下来了，而谷歌和NASA都没有解释到底是什么原因。但即便如此，这件事仍然引发了很多讨论。因为谷歌在论文标题里用了一个很吸引人眼球的词，叫做“量子霸权”，用来形容量子计算机超越传统计算机的潜力。

关于这条消息的媒体报道，要么是在讨论有了量子计算机之后，我们能完成什么功能，比如能不能破译全世界的密码；要么就是在质疑，谷歌的量子计算机到底有没有实际应用。

对这个话题，我也很好奇，所以我去请教了清华大学做量子计算机研发的李铁夫教授。

李教授的观点很有意思。他告诉我，谷歌的研究虽然是个里程碑，但仍然只是实验室里的一个成果，距离破解密码这样的实际应用还很远很远。

不过，人们对这个话题的关注背后，倒是有一个更大、更重要的问题值得讨论，那就是“算力焦虑”，也就是，人们对于算力不足的担忧。

今天的《邵恒头条》里，我就来跟你说说李铁夫教授的观点。

只要是在互联网或者科技行业工作的人都知道，我们人类对于算力的需求越来越大了。就拿一个最简单的工具，手机来说吧。很多人的手机用了一年左右可能就会变慢，主要原因就是手机里的软件不断更新，新软件运行起来需要更强大的算力支持。而手机的硬件却原地踏步，那手机就会出现卡顿。这还是我们对于算力需求很小的一部分。

李铁夫老师说，现在对算力最大也是最主要的需求，主要是人工智能技术开始普及之后带来的，发展人工智能成为对算力最大的需求之一。我们都知道，有了人工智能之后，以前很多我们认为靠机器无法解决的问题，现在都找到了解决方法。比如语音助手、自动驾驶，甚至是内容创作，都可以靠人工智能实现。

为什么人工智能可以做到这样的突破呢？这里面最重要的原因，是它改变了解决问题的基本范式，重新踏出了一条解决问题的思路，也就是，依靠计算。

比如说，我们解数学题，一般来说我们要搞明白问题的基本原理，通过逻辑推理得到最终答案。

但人工智能的解法就完全不同了。它不需要知道原理，也能靠着强大的计算能力得到正确答案。比如，你把可能的答案都挨个进行试错，最后不也能找到正确答案么？

就像谷歌的围棋人工智能，阿尔法狗，它就是自己和自己下围棋，进行了无数次的试错，最后才战胜了人类的顶尖棋手。所以，现在也有专家把人工智能解决问题的方式叫做“暴力计算”。

这种解决方案，强大是强大，但它的问题也很突出，就是对算力资源的要求，呈指数级上升。

有一家位于西雅图的人工智能研究智库Allen Institute，在6月份发表了一份报告。这份报告显示，如果你想成为人工智能领域的领头羊，那么你需要的算力，在2012年到2018年这六年期间，增长了30万倍。

你看，现在像是谷歌、亚马逊、微软这样的公司，每年都要投入数十亿美金建设巨大的云计算中心，有的有足球场那么大，里面有数十万个计算机，这就是为了能追赶对算力的巨大需求。

现在，有些顶尖的学术研究机构已经开始面临算力短缺的问题。

比如麻省理工学院，他们要用到的算力是学院本身能提供的算力的五倍。解决方案呢，就是谷歌和IBM给麻省理工的学生和教师提供了一定的云计算信用分，让他们免费用。IBM还给MIT捐赠了一个价值1000多万美金的超级计算机。

所以最近也有国际媒体提醒说，再这么下去学术机构的创新能力都会遭遇瓶颈。因为只有大型的商业机构，能够负担得起大量算力带来的昂贵成本。

而且，人们焦虑的还不仅是算力的成本，还有计算的速度。

在过去几十年，芯片行业一直有一个公认的定律，就是“摩尔定律”。摩尔定律就是说，微处理器的性能每隔18个月就会提高一倍，而价格下降一半。

这么几十年下来，一直发展得不错。你会发现，现在你手里的一部手机的性能，其实已经远超几年前的高性能电脑了。

在此之前，为了达到摩尔定律所要求的发展速度，我们有两种方法提高算力。

第一个是把每个运算单元做小，这样就可以在单个处理器中放入更多的运算单元，单个处理的算力就会更强大。第二个方法是增加处理器的数量，你听到过的4核处理器、8核处理器，就是按照这个逻辑做出来的。

但是现在，这两种方法现在遇到了困难。

首先是现在运算单元已经小到了纳米的尺度，这已经逼近了物理的极限，也就是说靠这样的方式来提升算力已经非常难了。

那这个方法行不通了，那就只能通过增加处理器数量的方法来提高算力。

比如，我们前段时间在《头条速览》里讲过，华为发布了自己的人工智能训练集群。它一共用到了1024个处理芯片，每个芯片又有32个处理核心。这些数字不重要，重要的是你要知道，华为就是通过增加更多处理器的方法，实现了全球最快的人工智能训练速度。

说到底，第二种方法，其实就是用更多的运算资源去交换更强的算力。

但是这样的方法也有先天不足。因为它不但会消耗更多的电力和空间，更重要的是，需要有更多额外算力去协调。因为处理器的数量越多，就越需要更多的算力去协调。就相当于一个企业的人数越多，那么需要的管理者也越多。这就严重限制了算力提升的速度。

所以不论是提高单个处理器的性能，还是增加更多的运算资源，我们都可以看到它们有明显的瓶颈。提升算力的这两个方法不好用了。

这就导致我们现在面临一个两难境地：算力可以成为一切问题的解决方案，可是偏偏在算力提升上却面临着明显的瓶颈。有人把这种状况形象地称为算力焦虑。

那算力焦虑，跟量子计算又有什么关系呢？最有可能解决这个困境的，就是量子计算。量子计算可比普通的计算要快很多，而且高效得多。这也是很多人关注量子计算的原因。

那量子计算是怎么个快法呢？首先我得说一句，量子计算很复杂，不是一句话两句话就能讲清楚的，所以李铁夫老师用了一个比喻来说明它的工作原理。

前面我们说过，要想提升计算的速度，传统的方法是增加处理器的数量。这就好比说，你在一个迷宫里，迷宫有8条可能的路线，只有一条出路。最笨的方法，就是一个人把8条路都走一遍，这就相当于用一个处理器进行计算，显然很慢。而更快的方法是，你可以同时派出8个人，一起走，那么用更短的时间你就可以摸索出了出路，这就相当于增加了处理器的数量。显然，问题在于你要调用的人力资源更多了。

而量子计算是怎么干的呢？在量子计算当中，你派出去的仍然是一个人，但是这个人是孙悟空，能分身，他吹一把毫毛能变出另外7只猴，同时出动找出路。所以，用量子计算，相当于只用一个人的资源，就能实现8个人的效果。

这就是为什么谷歌的量子计算机能用3分多钟的时间，就解决最强大的超级计算机1万年才能求解出的问题。

但是，要说真的解决算力焦虑，那量子计算还差得远呢。李铁夫老师告诉我，虽然量子计算很神奇，但人们的实际操控能力还很弱，只能说还在尝试理解的阶段。谷歌的系统，距离稳定生产和商业应用，同样也有很长的路要走。

好了，总结一下，在今天的《邵恒头条》中，我为你介绍了算力面临的挑战。

之所以会有“算力焦虑”，是因为我们对算力的需求呈指数级增长，但是算力的供给只做到了线性增长，导致供不应求，而量子计算是补上窟窿的一种解决方案。

如果你对量子计算感兴趣，那告诉你一个好消息，李铁夫老师正在筹备一门《量子计算》的课程，近期将会上线。

最后再说一点我自己的感受。虽然谷歌使用“量子霸权”这个词有点夸张，但不可否认的是，那些可能颠覆未来社会的突破性技术，越来越多地被谷歌这样的大公司掌握在手。你怎么看这样的趋势？欢迎你给我留言。

好了，这就是今天的《邵恒头条》。我是邵恒，我们明天见。