人工智能的發(fā)展可能存在三個(gè)階段：服務(wù)器時(shí)代,、云計(jì)算時(shí)代,、量子計(jì)算時(shí)代?，F(xiàn)階段人工智能基本只能依靠集中處理的方式實(shí)現(xiàn)相關(guān)功能和應(yīng)用,，也就是通過云計(jì)算的方式。根據(jù)我們的判斷,，量子計(jì)算有望給人工智能帶來的變革性變化在于小型化和移動(dòng)化,。當(dāng)量子芯片中的量子比特?cái)?shù)量達(dá)到一定數(shù)量后，計(jì)算能力將滿足人工智能對(duì)運(yùn)算能力的需求,，人工智能將不再依賴于大型服務(wù)器集群,。未來量子芯片小型化后，人工智能前端系統(tǒng)的快速實(shí)時(shí)處理便成為可能,，比如車載智能系統(tǒng),、無人機(jī)智能系統(tǒng)等。

2017 年5 月3 日,，中科院宣布首臺(tái)光量子計(jì)算機(jī)在我國誕生,，標(biāo)志著我國量子計(jì)算已處于世界領(lǐng)先水平。人工智能產(chǎn)業(yè)的突破需要借助相關(guān)產(chǎn)業(yè)鏈的進(jìn)一步完善,，量子計(jì)算的超強(qiáng)算力有望加速人工智能的突破和商業(yè)化應(yīng)用,，可提前布局量子計(jì)算產(chǎn)業(yè)相關(guān)標(biāo)的。建議從中科院與中科大的技術(shù)導(dǎo)入產(chǎn)業(yè)的途徑中尋找投資機(jī)會(huì),，可關(guān)注中科曙光,、神州信息、浙江東方,、亨通光電,。

全球數(shù)據(jù)總量發(fā)展趨勢(shì)（EB） 資料來源：IDC,，招商證券

量子計(jì)算發(fā)展歷史 資料來源：招商證券

人工智能的瓶頸 數(shù)據(jù)龐大 算力有限是其中之一

人工智能的爆發(fā)是近兩年才開始的，主要原因是使用效果上取得了突破,。人工智能是一門計(jì)算機(jī)技術(shù),，主要讓計(jì)算機(jī)去替代人來完成部分工作。如今主流的技術(shù)主要是指使用深度學(xué)習(xí)等算法來實(shí)現(xiàn)替代人工,，完成大量簡單重復(fù)性勞動(dòng),。

雖然人工智能概念的提出已有將近60年了，但之前的發(fā)展速度一直偏慢,，主要原因是無論方法如何進(jìn)步,，實(shí)際使用效果依舊差強(qiáng)人意。從2015年起,，人工智能迎來了真正的大爆發(fā),，這在很大程度上與GPU的廣泛應(yīng)用有關(guān)。

人工智能的高速發(fā)展將為各個(gè)產(chǎn)業(yè)帶來翻天覆地的變化,。目前很多商業(yè)領(lǐng)域已經(jīng)采用人工智能,，尤其在谷歌、百度這樣的公司,，在它們的搜索、推薦,、廣告等領(lǐng)域都已使用了類似機(jī)器學(xué)習(xí)的技術(shù),。

目前人工智能應(yīng)用最為廣泛的是在人臉識(shí)別領(lǐng)域。人臉識(shí)別引入人工智能技術(shù)后,，識(shí)別率大幅提升,，其中核心的突破是在算法層面。在人臉識(shí)別中,，人工智能能做到97%的識(shí)別正確率,，超過了人類95%的識(shí)別率，這意味著大規(guī)模商業(yè)應(yīng)用具備了價(jià)值的基礎(chǔ),，尤其是在安防領(lǐng)域,、金融領(lǐng)域等，機(jī)器做得比人更好,。我們認(rèn)為,，人工智能最先涉及的領(lǐng)域包括但不限于安防、金融,、教育,、醫(yī)療、汽車等,。

人工智能高速發(fā)展的基礎(chǔ)是算法,、數(shù)據(jù)和硬件算力

算法,、數(shù)據(jù)和硬件算力組成了人工智能高速發(fā)展的三要素。人工智能的實(shí)現(xiàn)所需要具備的基礎(chǔ),，第一個(gè)是優(yōu)秀的人工智能算法,，比如現(xiàn)在最流行的深度學(xué)習(xí)算法，就是近期人工智能領(lǐng)域中最大的突破之一,，為人工智能的商業(yè)化帶來了希望,；第二個(gè)是被收集的大量數(shù)據(jù)，數(shù)據(jù)是驅(qū)動(dòng)人工智能取得更好的識(shí)別率和精準(zhǔn)度的核心因素,；第三個(gè)是大量高性能硬件組成的計(jì)算能力,，以前的硬件算力并不能滿足人工智能的需求，當(dāng)GPU和人工智能結(jié)合后,，人工智能才迎來了真正的高速發(fā)展,。從目前情況看，以上三要素缺一不可,。

為什么人工智能近兩年才開始爆發(fā),？主要是因?yàn)橹钡浇袢眨斯ぶ悄艿乃惴?、?shù)據(jù)和硬件才滿足了人工智能的基本需求,。算法方面，以人臉識(shí)別為例,，在2013年深度學(xué)習(xí)應(yīng)用到人臉識(shí)別之前,，各種方法的識(shí)別成功率只有不到93%，低于人眼的識(shí)別率,，因此不具備商業(yè)價(jià)值,。而隨著算法的更新，深度學(xué)習(xí)使得人臉識(shí)別的成功率提升到了97%,，這才為人臉識(shí)別的應(yīng)用奠定了商業(yè)化基礎(chǔ),。第二，在數(shù)據(jù)方面,，進(jìn)入互聯(lián)網(wǎng)時(shí)代后,，出現(xiàn)了大數(shù)據(jù)的高速發(fā)展與積累，這為人工智能的訓(xùn)練學(xué)習(xí)過程奠定了良好的基礎(chǔ),。比如,，在AlphaGo的學(xué)習(xí)過程中，核心數(shù)據(jù)來自互聯(lián)網(wǎng)的3000萬例棋譜,，而這些數(shù)據(jù)的積累是歷經(jīng)了十多年互聯(lián)網(wǎng)行業(yè)的發(fā)展,。所以直到今年，基于深度學(xué)習(xí)算法的AlphaGo才取得突破性進(jìn)展,。離開了這些棋譜數(shù)據(jù)的積累,，機(jī)器戰(zhàn)勝人是無法實(shí)現(xiàn)的,。第三點(diǎn)是硬件的算力。在二十年前,，一個(gè)機(jī)器人,，當(dāng)時(shí)是用32個(gè)CPU，達(dá)到120MHz的速度?，F(xiàn)在的人工智能系統(tǒng)使用的是成百上千個(gè)GPU來提升計(jì)算能力,，這使得處理學(xué)習(xí)或者智能的能力得到比較大地增強(qiáng)。之前用CPU一個(gè)月才能出結(jié)果,，然后再去調(diào)整參數(shù),，一年只能調(diào)整12次，也就是有12次迭代,。GPU產(chǎn)生后,，大幅提升了計(jì)算量，現(xiàn)在用GPU可以一天就出結(jié)果,，這樣可以迭代得更快,，這是技術(shù)大幅發(fā)展的條件。

大數(shù)據(jù)迎來爆發(fā)式增長 現(xiàn)有算力無法匹配

互聯(lián)網(wǎng)時(shí)代下的大數(shù)據(jù)高速積累,，現(xiàn)有計(jì)算能力無法匹配,。全球的數(shù)據(jù)總量正以飛快的速度增長，根據(jù)IDC的數(shù)字宇宙報(bào)告,，全球所有信息數(shù)據(jù)中的90%產(chǎn)生于近幾年,，數(shù)據(jù)總量正在以指數(shù)形式增長。從2003年的5EB,，到2013年的4.4ZB，并將于2020年達(dá)到44ZB,。也就是說,，2020年每個(gè)人可以均攤到5200GB以上的數(shù)據(jù)量。而且到2020年,，將近40%的信息都可能會(huì)被云提供商“觸摸到”,；約三分之一的數(shù)據(jù)，即超過13000EB的數(shù)據(jù)將具有大數(shù)據(jù)價(jià)值,?；诂F(xiàn)有的計(jì)算能力，在如此龐大的數(shù)據(jù)面前,，人工智能的訓(xùn)練學(xué)習(xí)過程將變得無比漫長,，甚至完全無法實(shí)現(xiàn)最基本的人工智能，因?yàn)閿?shù)據(jù)量已經(jīng)超出了內(nèi)存和處理器的承載上限,，這將極大限制人工智能的發(fā)展和應(yīng)用,。

摩爾定律趨于極限 經(jīng)典計(jì)算瓶頸需要被打破

摩爾定律趨于失效,，經(jīng)典計(jì)算機(jī)的計(jì)算能力到達(dá)瓶頸。對(duì)于目前的經(jīng)典計(jì)算機(jī),，處理器的計(jì)算性能已漸漸遠(yuǎn)離摩爾定律,，因?yàn)镃PU中晶體管的數(shù)量無法實(shí)現(xiàn)每兩年翻一番的預(yù)期。頂級(jí)科學(xué)期刊《自然》雜志認(rèn)為,，主要原因是現(xiàn)有芯片設(shè)計(jì)工藝已達(dá)到10納米,，預(yù)計(jì)2020年到達(dá)2納米。這個(gè)級(jí)別上的晶體管只能容納10個(gè)原子,，電子的行為將不再服從傳統(tǒng)的半導(dǎo)體理論,，此時(shí)晶體管將變得不再可靠。

摩爾定律到達(dá)瓶頸后,，提升算力的方式只能靠增加芯片數(shù)量,。目前，面對(duì)單個(gè)芯片的算力瓶頸,，人們普遍的做法是做加法,，即增加計(jì)算集群中芯片的總數(shù)量，來提升運(yùn)算處理能力,。比如：要計(jì)算1+1和2+2兩個(gè)任務(wù),，對(duì)于單個(gè)芯片而言，就需要消耗兩單位的計(jì)算時(shí)間,，逐個(gè)完成這兩個(gè)任務(wù),。而同時(shí)使用兩個(gè)芯片的話，經(jīng)過一定程序上的優(yōu)化,，可以實(shí)現(xiàn)在一個(gè)單位的計(jì)算時(shí)間內(nèi),，完成這兩項(xiàng)計(jì)算任務(wù)。

量子計(jì)算：人工智能的革命性算力

量子計(jì)算機(jī)有望提供更強(qiáng)的計(jì)算能力,。量子計(jì)算機(jī)提供了另一條增強(qiáng)計(jì)算能力的思路,，它的并行計(jì)算的特性，使得它可以一次同時(shí)處理多個(gè)任務(wù),，有望實(shí)現(xiàn)計(jì)算能力上的超越,。

量子計(jì)算的算力呈指數(shù)級(jí)增長

量子計(jì)算的核心優(yōu)勢(shì)是可以實(shí)現(xiàn)高速并行計(jì)算。在計(jì)算機(jī)科學(xué)中,，無論經(jīng)典計(jì)算還是量子計(jì)算,，他們的計(jì)算功能的實(shí)現(xiàn)都可以分解為簡單的邏輯門運(yùn)算。簡單來講,，每一次邏輯門的運(yùn)算都要消耗一個(gè)單位時(shí)間來完成,。經(jīng)典計(jì)算機(jī)的運(yùn)算模式通常是一步一步進(jìn)行的，它的每一個(gè)數(shù)字都是單獨(dú)存儲(chǔ)的，而且是逐個(gè)運(yùn)算,。所以對(duì)于4個(gè)數(shù)字進(jìn)行同一個(gè)操作時(shí),，要消耗4單位時(shí)間。而在量子計(jì)算中,，一個(gè)2個(gè)量子比特的存儲(chǔ)器可以同時(shí)存儲(chǔ)4個(gè)數(shù)字,，這里一個(gè)量子態(tài)可以代表所有存儲(chǔ)的數(shù)字?？茖W(xué)家通過特定設(shè)計(jì)對(duì)量子態(tài)進(jìn)行一次變換,，即可對(duì)4個(gè)數(shù)字同時(shí)操作，而且只消耗1單位時(shí)間,。這種變換相當(dāng)于經(jīng)典計(jì)算的邏輯門,，實(shí)現(xiàn)了對(duì)存儲(chǔ)器中的數(shù)字并行運(yùn)算，這被稱為量子并行計(jì)算,?？梢钥吹剑?dāng)量子比特?cái)?shù)量越大時(shí),，這種運(yùn)算速度的優(yōu)勢(shì)將越明顯,，它可以達(dá)到經(jīng)典計(jì)算機(jī)不可比擬的運(yùn)算速度和信息處理功能。

對(duì)于量子計(jì)算機(jī),，在半導(dǎo)體材料和超導(dǎo)材料等領(lǐng)域,，科學(xué)家也已經(jīng)積累了數(shù)十年的理論與經(jīng)驗(yàn)。現(xiàn)在最有希望的量子計(jì)算機(jī)方案之一就是低溫超導(dǎo)系統(tǒng),，它涉及了半導(dǎo)體材料與超導(dǎo)材料的應(yīng)用,，主要是基于硅晶體，摻雜一定量的超導(dǎo)材料,，實(shí)現(xiàn)量子計(jì)算,。而現(xiàn)有的技術(shù)積累將極大促進(jìn)該方案的發(fā)展與快速突破，用更短的時(shí)間實(shí)現(xiàn)大規(guī)模的商業(yè)化應(yīng)用,。

值得注意的是,，量子計(jì)算機(jī)的量子比特?cái)?shù)量以指數(shù)增長的形式快速上升，從2003年起的1位量子比特,，到2013年512位量子比特的計(jì)算機(jī)，再到2015年實(shí)現(xiàn)1000位量子比特,。目前,，非通用型量子計(jì)算機(jī)已經(jīng)實(shí)現(xiàn)了1000位量子比特，在特定算法上,，計(jì)算效率比經(jīng)典計(jì)算機(jī)要快一億倍,。

量子計(jì)算機(jī)的全球商業(yè)化進(jìn)程加速

量子計(jì)算機(jī)經(jīng)過近40年時(shí)間的理論研究階段，在2007年首次實(shí)現(xiàn)硬件方面的商業(yè)化。目前發(fā)展迅速的是非通用型量子計(jì)算機(jī),，而通用型量子計(jì)算機(jī)還處于起步階段,。我們認(rèn)為，通用型量子計(jì)算機(jī)和非通用型量子計(jì)算機(jī)最終將在市場(chǎng)上共存,，并共同向經(jīng)典計(jì)算機(jī)的市場(chǎng)份額發(fā)起挑戰(zhàn),。

“十三五”規(guī)劃期間，量子計(jì)算機(jī)被我國列為重點(diǎn)研究方向之一,，國內(nèi)已有不少科研團(tuán)隊(duì)關(guān)注量子計(jì)算領(lǐng)域,，他們的主要關(guān)注點(diǎn)在于量子算法和量子計(jì)算機(jī)的實(shí)現(xiàn)上。另有一些研究團(tuán)隊(duì)關(guān)注在高溫新型超導(dǎo)材料等基礎(chǔ)研究領(lǐng)域,，這些基礎(chǔ)研究的突破也能大力促進(jìn)量子計(jì)算產(chǎn)業(yè)的高速發(fā)展,。2016年8月，我國量子計(jì)算機(jī)研究取得突破性進(jìn)展,，中國科技大學(xué)量子實(shí)驗(yàn)室宣布成功研發(fā)了半導(dǎo)體量子芯片,。

量子人工智能算法相比經(jīng)典算法節(jié)省大量時(shí)間

經(jīng)典計(jì)算機(jī)的計(jì)算核心使用的是中央處理器，是一種基于半導(dǎo)體理論設(shè)計(jì)的電子芯片,，用于串行運(yùn)算,。而在量子計(jì)算機(jī)中，它的計(jì)算核心是量子芯片,，通過量子的疊加性帶來了并行運(yùn)算的能力,，替代傳統(tǒng)的電子芯片?？梢钥吹?，量子計(jì)算機(jī)與經(jīng)典計(jì)算機(jī)的物理實(shí)現(xiàn)完全不同，如果在量子計(jì)算機(jī)中使用經(jīng)典算法的話,，那么量子芯片將和普通電子芯片發(fā)揮基本相同的功能,，只能實(shí)現(xiàn)串行計(jì)算。這是由于設(shè)計(jì)經(jīng)典算法時(shí),，其設(shè)計(jì)思想是基于串行運(yùn)算而得到的,，這是經(jīng)典算法自身的局限性。為此,，需要設(shè)計(jì)相應(yīng)的量子人工智能算法,，才能實(shí)現(xiàn)量子計(jì)算的超強(qiáng)算力，這種專門面向量子計(jì)算設(shè)計(jì)的人工智能算法被稱為量子人工智能算法,。

量子計(jì)算提升人工智能效率 拓展應(yīng)用場(chǎng)景

在很多應(yīng)用領(lǐng)域,，人工智能需要擁有快速處理數(shù)據(jù)、快速響應(yīng)的能力,。比如智能駕駛等應(yīng)用場(chǎng)景,，對(duì)于人工智能的反應(yīng)速度要求很高。再比如手機(jī)上的人工智能系統(tǒng)，對(duì)于數(shù)據(jù)的處理能力要求非常高,，在這些應(yīng)用場(chǎng)景中,，急需人工智能的硬件系統(tǒng)實(shí)現(xiàn)可移動(dòng)化和快速響應(yīng)能力。

隨著人工智能對(duì)硬件計(jì)算能力的需求不斷提升,，人工智能從單機(jī)或者小型服務(wù)器模式,，逐步轉(zhuǎn)型為云計(jì)算模式。目前,，隨著人工智能應(yīng)用的發(fā)展,，單機(jī)或者小型服務(wù)器模式的劣勢(shì)逐漸顯現(xiàn)。一方面,，這種模式可提供的算力到達(dá)了一個(gè)瓶頸階段,，已無法滿足人工智能對(duì)算力的需求；另一方面,，這種模式是一次性采購的,，對(duì)于用戶的資金壓力較大，并且后期維護(hù)成本不低,，需要自己搭建相應(yīng)的軟件環(huán)境?，F(xiàn)階段一種主要的解決方案是將人工智能應(yīng)用或者服務(wù)放在云端，運(yùn)用云計(jì)算平臺(tái)提供更加優(yōu)質(zhì)廉價(jià)的人工智能服務(wù),，其主要的優(yōu)點(diǎn)是可以按照實(shí)際需求來購買計(jì)算能力,，隨時(shí)滿足現(xiàn)階段的應(yīng)用需求。另外,，付費(fèi)模式相對(duì)彈性,，按照使用狀況來逐次結(jié)算費(fèi)用，減輕資金壓力,。

在摩爾定律近乎失效的情況下,，基于現(xiàn)有的計(jì)算能力，在如此龐大的數(shù)據(jù)面前,，人工智能的訓(xùn)練學(xué)習(xí)過程將變得無比漫長,，甚至完全無法實(shí)現(xiàn)最基本的功能。而量子計(jì)算機(jī)的量子比特?cái)?shù)量以指數(shù)形式增長,，也就是每兩年翻一番,。又因?yàn)榱孔佑?jì)算的特點(diǎn)，其計(jì)算能力是量子比特?cái)?shù)量的指數(shù)級(jí),，這個(gè)增長速度將遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)量的增長,，為數(shù)據(jù)爆發(fā)時(shí)代的人工智能帶來了強(qiáng)大的硬件基礎(chǔ)。

從服務(wù)器到云計(jì)算,，人工智能的應(yīng)用場(chǎng)景得到了極大的拓展，我們認(rèn)為量子計(jì)算也將拓展人工智能的應(yīng)用場(chǎng)景。我們認(rèn)為,，人工智能的發(fā)展存在三個(gè)階段：服務(wù)器時(shí)代,、云計(jì)算時(shí)代、量子計(jì)算時(shí)代,。其中量子計(jì)算時(shí)代為人工智能帶來的顛覆,，除了在計(jì)算能力方面，更重要的是極大地增加了應(yīng)用場(chǎng)景,。

量子計(jì)算可實(shí)現(xiàn)人工智能的小型化

現(xiàn)在的人工智能系統(tǒng)使用的是成百上千個(gè)GPU來提升計(jì)算能力,，這使得處理學(xué)習(xí)或者智能的能力得到比較大地增強(qiáng)，然而這套系統(tǒng)也需要龐大的硬件機(jī)柜和相配套的硬件機(jī)房,。較大型的人工智能硬件系統(tǒng)需要將近半個(gè)足球場(chǎng)的占地空間,，這無疑是對(duì)人工智能發(fā)展的一個(gè)重要限制。隨著大數(shù)據(jù)時(shí)代的不斷進(jìn)步,，數(shù)據(jù)將呈現(xiàn)指數(shù)級(jí)增長,，而基于CPU或者GPU云計(jì)算的數(shù)據(jù)中心將無法滿足數(shù)據(jù)爆發(fā)的需求。

目前非通用型量子計(jì)算機(jī)已經(jīng)實(shí)現(xiàn)了1000位量子比特,，在特定算法上,，計(jì)算效率比經(jīng)典計(jì)算機(jī)要快一億倍。也就是如果想要實(shí)現(xiàn)人工智能,，原來需要一千臺(tái)計(jì)算機(jī),，或者需要一萬臺(tái)計(jì)算機(jī)的規(guī)模，現(xiàn)在只要用一臺(tái)量子計(jì)算機(jī)就可以了,。而且這個(gè)量子計(jì)算機(jī)的計(jì)算能力完全能夠滿足人工智能對(duì)速度的要求,，也就是人工智能將不再依賴于大型服務(wù)器集群，或者龐大的云計(jì)算中心,。

量子計(jì)算可高速處理大數(shù)據(jù) 實(shí)現(xiàn)人工智能移動(dòng)化

目前量子計(jì)算較為成功的應(yīng)用集中在大數(shù)據(jù)快速搜索,，這主要是因?yàn)樵谶@個(gè)應(yīng)用領(lǐng)域中，誕生了優(yōu)秀的量子計(jì)算算法,，使得經(jīng)典計(jì)算體系中無解或者趨近無解的問題,，在量子計(jì)算的環(huán)境中，轉(zhuǎn)化為了可解并且能快速求解的狀態(tài),，使得這個(gè)領(lǐng)域成為目前量子計(jì)算的重要應(yīng)用方向,。

量子芯片的大數(shù)據(jù)處理能力將實(shí)現(xiàn)人工智能的移動(dòng)化，主要的應(yīng)用場(chǎng)景包括：車載智能系統(tǒng),、無人機(jī)的智能系統(tǒng)或者手機(jī)上的人工智能系統(tǒng),。主要可行的方案有兩種：第一是它們實(shí)時(shí)收集的大量信息和傳感器數(shù)據(jù)，之后傳輸給云端的量子計(jì)算系統(tǒng),，在云端實(shí)現(xiàn)超短時(shí)間內(nèi)的快速運(yùn)算,，然后再將結(jié)果反饋給相應(yīng)移動(dòng)端,，實(shí)現(xiàn)對(duì)移動(dòng)端的控制。這種方案的優(yōu)勢(shì)在于可以極大節(jié)省計(jì)算的時(shí)間,，提高智能系統(tǒng)的響應(yīng)速度,。另一種方案是通過自身攜帶的量子計(jì)算系統(tǒng)，可以在本地處理大量的數(shù)據(jù),，并且得到實(shí)時(shí)響應(yīng),，指導(dǎo)汽車自動(dòng)駕駛或者對(duì)手機(jī)終端反饋信息。這個(gè)系統(tǒng)的優(yōu)勢(shì)是不只節(jié)省了計(jì)算時(shí)間,，還完全省去了上傳和下傳數(shù)據(jù)的時(shí)間,。但是這種方案的不確定性在于量子芯片能否在日常環(huán)境中直接使用，比如不再要求超低溫的環(huán)境等,?？傊@些應(yīng)用場(chǎng)景對(duì)于數(shù)據(jù)處理能力的要求非常高,，而量子計(jì)算通過節(jié)省大量的計(jì)算時(shí)間,，實(shí)現(xiàn)可移動(dòng)化的人工智能系統(tǒng)，提供數(shù)據(jù)的快速響應(yīng)能力,。