量子計算(簡稱QC)機在技術上還遠未成熟,但實際應用已經出現。特別是,汽車工業可以從這些機器的使用中大大受益。麥肯錫公司已經調查了汽車在量子計算的潛力。
先簡單講一下量子力學的由來
在宇宙和物質的原子和亞原子層面上,有些方面對人類來說似乎有些神秘,普通物理學很難解釋。因此,我們有了一個新研究領域——量子力學。
量子力學提供的一些理論確實解釋了在粒子和亞粒子水平上發生的不尋常行為。例如,當粒子之間相距較遠時,它們似乎可以以某種方式相互連接,但卻沒有明顯的理由說明為什麼不同的粒子之間能夠相互連接。一般來說,這被稱為量子糾纏。
對於計算機,人們認為可以利用量子方法來構造比特和字節,即內存組件,並有可能極大地提高計算機的內存能力。又由於這會是一種與傳統計算機不同的構造,因此被稱為量子計算,單位是「qubit」(量子位,除了處於「 0」 態或「 1」 態外,還可處於疊加態)。量子位有點類似於二進位制信息單位比特,只不過被加速了。因此它們本質上要更快,比傳統計算機快得多。
量子科學讓智能駕駛突破現有瓶頸
近年來,IBM的Q System One或D-Wave技術憑藉可用的量子計算機登上了新聞頭條。在這之後,汽車價值鏈上的許多公司都開始仔細研究這項技術,因為製造商做出的承諾太誘人了。根據他們的承諾,量子計算機是解決某些問題的理想選擇,這些問題是科學家們長期以來一直在思考的,比如路線優化、燃料電池優化和材料耐久性。
現階段的自動駕駛汽車,其實並不能做到完全自動駕駛,也就是L4級以上的自動駕駛。而這項技術的瓶頸,除了對 V2X 的依賴之外, 最底層的技術其實就是對算力的要求,這一點也正是量子計算所能做到的。此外,自動駕駛汽車將擁有OTA技術,從雲端獲取機載AI系統更新,並將自動駕駛汽車收集的數據傳送回去。正是在雲計算中,量子計算機的超高速運轉能力就凸顯出來,成為協助自動駕駛汽車的有力幫手。
根據麥肯錫的研究,一些早期用戶已經取得了一定的成功。例如,大眾汽車與D-Wave合作開發了一種交通管理系統,該系統可以優化城市交通中的公交車路線。汽車供應商博世向初創公司Zapata Computing(麻薩諸塞州劍橋市)投資了2100萬美元。
然而,麥肯錫研究報告中寫道,這種不情願的態度仍然遠遠超過了對這種創新計算技術的投入。迄今為止,這項技術的新穎性和非常狹窄的市場阻礙了許多公司深入參與量子計算。從長遠來看,這項技術還需要5到10年的時間才能成熟。到那時,量子計算將克服一些障礙:必須實現量子優勢;實際效益必須被證明是毋庸置疑的;應用軟體必須能夠解決具體問題;最重要的是,必須有一臺量子圖靈機。後者意味著一個具有量子存儲器和常規主存儲器(RAM)的普遍適用的量子結構必須可用。正如麥肯錫專家所描述的那樣,這種機器將能夠處理用戶所需的量子位,並執行任意算法。該研究稱,這種機器將在一到二十年後面世。
到2025年左右,汽車行業將成為QC的主要價值來源之一,影響甚遠。早期增加的大部分價值將來自於解決複雜的優化問題,包括處理大量數據以加速自動車輛導航算法的學習。在以後的幾年裡,QC有可能在汽車行業的許多領域產生積極影響,如車輛路徑和路線優化,材料和工藝研究,以及連接駕駛的安全性。此外,QC還可以顯著加速新技術的研發,促進汽車廠商向電動汽車時代過渡。例如,企業可以加快傳統技術向電動車電池冷卻等更相關技術的過渡。同樣,電池和燃料電池的材料過程模擬研究也可能是QC成功部署的領域。
從近期到2025年,QC的機會預計將出現在產品開發和研發領域裡。相關用例將主要涉及解決簡單的優化問題或涉及簡單量子人工智慧/機器學習算法的並行數據處理。這些QC應用程式將作為混合解決方案的一部分執行,其中由高性能計算機(HPC)處理的更大問題的比特將外包給量子計算機,並將結果反饋給高性能計算機流。這裡可能優化的用例包括:多渠道物流的組合優化、高度局部交通流優化和車輛路徑的改進。由於大量數據的並行處理增加,量子AI/ML可能涉及到自動駕駛算法的時間效率訓練。
在中期,也就是2025年到2030年,作者們預計汽車行業的QC活動將集中在模擬(熱傳質、流體動力學以及原子級的材料特性——與電池和燃料電池材料的發展相關)等方面。此外,更複雜的城市交通模擬也可以用來解決大規模多模式車隊路由問題。此外,更先進的量子計算機處理大量數據的能力將幫助工程師和開發人員實現增強模式識別的解決方案。
專家預計,從長遠來看,也就是從2030年開始,量子計算的應用將建立在通用量子計算機的大規模接入之上。因此,用於破解普通加密密鑰的質因數分解算法將普及。隨著參與者試圖防止自動駕駛汽車、車載電子設備和工業物聯網通信的量子黑客攻擊,焦點可能會轉向數字安全和風險緩解。共享移動機群的雲託管導航系統將通過量子計算提供的常規訓練來改善其覆蓋算法。其他有前景的應用領域例如:調查和優化碰撞行為、機艙隔音或基於人工智慧的自動駕駛算法的培訓。
這樣的應用需要QC行業愈發成熟的技術。麥肯錫專家認為,目前還不清楚QC硬體行業將如何達到這種成熟度,但他們看到了許多可能的方法。例如,現有的QC方法將隨著時間的推移而演變。QC將把自己定位為雲服務,這將減輕用戶獲取和運行自己硬體的需求。同樣,市場研究人員預計QC軟體將會得到發展,不同於幾乎所有能力都集中在美國的硬體上,歐洲廠商也將變得舉足輕重。
儘管許多不確定因素仍然存在,但分析師為此表示樂觀,未來的大多數問題將在規定的時間框架內得到解決。他們預計,到2030年,這項技術僅對汽車行業的經濟影響就將達到20億至30億美元。