数字经济：内涵与路径

91

3.量子计算技术发展现状

（1）量子计算主流技术路线

量子比特操控精度是衡量量子芯片性能的一个核心指标。目前，在主流国际技术路线中共有5种用于制备和操控量子比特的方法，分别为半导体、超导、离子阱、拓扑和光量子。⁸ 虽然不同技术路线的物理原理不同，但制作出纠缠态的最基本粒子以及不断提高可操控量子比特数量是各类物理体系的共同目标。各种技术路线都具备不同的优势和局限性，其中，超导量子电路受关注程度较高，国际各大机构和企业均已开展超导量子比特实验研究。我国量子计算原型机“祖冲之号”就是超导量子计算模式。另外，我国也在量子光学路线研究方面处于领先优势，量子计算原型机“九章”就是具有76个光子的量子计算机。微软是研究拓扑量子计算路线的主要企业，该路线无须纠错算法、相干时间长、保真度强，因而也受到广泛关注。² 目前，超导、离子阱、半导体量子点和光量子技术路线4种路径均已制作出物理原型机，但拓扑量子尚无物理层面的实现。²

在量子芯片的研发中，世界各国也在积极寻找更精确的量子比特，以实现对传统比特的重大突破。2022年3月24日，阿里巴巴公布了达摩院量子实验室最新研发的新型超导量子芯片，芯片基于新型超导量子比特fluxonium磁通型，在该芯片上实现两比特门99.72%的操控精度，达到此类比特的全球最佳水平。⁹ 2022年，硅量子计算实现重大突破，三篇论文实现2Q门保真度99%以上，其中荷兰的代尔夫特理工大学团队通过使用硅/硅锗合金量子点的电子自旋，实现了99.87%的单量子比特保真度和99.65%的双量子比特保真度。¹⁰

（2）量子计算原型机

量子计算目前还处于原型机研发阶段，对粒子状态的控制依然是需要突破的难点，美国IBM（国际商业机器公司）和加拿大D-Wave系统公司已经在销售量子计算机的使用权。¹¹

92

2019年，谷歌发布超导量子芯片“悬铃木”（Sycamore），公布有效量子比特数53个，对一个数学算法的计算只需200秒。2021年11月，使用谷歌的“悬铃木”量子计算机创建了20个量子比特时间晶体（Timecrystal）的新物质相。2022年3月，澳大利亚研发出由57个量子比特组成的时间晶体，成为截至目前最大的时间晶体。¹²

2020年12月，潘建伟团队与中科院上海微系统所、国家并行计算机工程技术研究中心合作，成功构建76个光子的量子计算原型机，求解数学算法高斯玻色取样只需200秒。¹³ 2021年10月，潘建伟团队等继续合作成功构建113个光子144模式的量子计算原型机“九章二号”，求解高斯玻色取样数学问题比目前全球最快的超级计算机快10²⁴ 倍。¹⁴ 2021年5月，潘建伟院士团队成功研制了操纵的超导量子比特数量为62个的量子计算原型机“祖冲之号”。2021年10月，潘建伟院士研究团队与中科院上海技术物理研究所合作，成功构建66比特可编程超导量子计算原型机“祖冲之二号”。其计算复杂度比谷歌推出的“悬铃木”提高100万倍，求解“量子随机线路取样”任务的速度比全球最快的超级计算机快1 000万倍以上。¹⁵

中国电子科技集团首席科学家、中国预警机总设计师陆军院士带领预警机团队研发成功国内首台量子计算机工程化样机，实现了中国量子工程的重大突破。苏州市联合中国电科集团成立量子科技长三角产业创新中心，投入24亿元研发经费，组建一流研发团队开展量子算力网、量子计算机、量子芯片领域科学体系重大工程。以此为基准，正在形成量子计算机科学体系工程的标准体系，包括量子计算机设计规范和测试仪器仪表等。量子工程团队正在设计自主首套量子计算机的制造装备，构建量子计算机科学体系工程的产业基础，包括量子算力网、超导量子计算机制造相关设备产业链和量子计算机制造装备控制软件等。这些量子工程核心科技创新正在为先进的中国量子工程产业奠定基础。

93

总而言之，全球各个国家都不断地在量子科技领域加大研发力度，已取得了一系列技术研发和应用的重大突破。美国集中研究量子计算和量子网络，依然保持着在量子技术方面的全球优势。根据全球量子计算专利有效性数据统计，美国稳居第一，中国处于第二位，加拿大、日本紧随其后。我国在量子通信领域取得了一系列重大成绩，但在量子计算方面仍落后于美国、日本和欧洲。¹¹

4.量子计算的应用

随着人类数据的爆炸式增长，各个领域对海量数据处理能力的要求在快速增加。量子计算突破了传统计算技术的限制，实现了计算能力的巨大飞跃。量子计算可运用在信息安全、量子通信、人工智能、金融工程以及脑科学、空天科技等领域。

（1）信息安全

现代密码体系目前已广泛应用在日常生活中的各个方面，很多密码在电子计算机上难以破解，但如果有了强大的量子计算机配合Shor算法（舒尔算法），就能在短时间内破解现有的密码体系。⁸ 2018年美国哈德逊研究所发布的《量子计算：如何应对国家安全风险》（QuantumComputing：How to Address the National Security Risk）中指出，当通用型量子计算机成功问世，或专用量子计算机达到300个量子比特可控的计算力时，国家级机密信息、商业机密以及个人隐私信息等都将无所遁形，任何传统加密系统都不再有秘密可言。¹⁶ 因此，利用量子计算技术布局信息安全已是信息领域的必由之路。

美国已投入大量经费组建量子科学实验室用于支持国家安全局等机构，研发用于加密的量子计算机以保证国家安全。美国国防机构提供经费支持IBM、谷歌等公司的专用量子计算技术研发。除直接的资金投入外，美国国防机构也在与各类技术研究部门进行协同合作，比如美国国家安全局、美国海军水面作战中心等国家安全保障机构分别与美国各大高校联合建立量子研究院、研究中心或在研究项目上进行合作。⁸

94

（2）量子通信

量子通信是利用量子的特性，在经典通信辅助下为通信收发双方进行量子密钥的产生、分发和接收，并进行信息传递的新型通信方式。量子通信技术作为当前安全保密等级最高的通信手段，通过使用一次一密的加密策略，解决了密钥的安全传输和窃听检测等技术难题，提供了对通信的绝对安全性保证。¹⁷ 拥有量子计算加持的量子通信技术能被广泛应用在公共事务管理、社会服务以及经济发展等各个领域，世界各国都在这一领域加大了投入力度。

2021年8月，27个欧盟成员国承诺与欧盟委员会和欧洲航天局（ESA）合作，共同建设一个覆盖整个欧盟的安全量子通信基础设施EuroQCI，EuroQCI结合了量子密码学、量子系统集、量子物理学，并利用量子技术提供多层安全保护。¹⁸ EuroQCI旨在保护欧盟网络安全和推动欧盟量子技术的应用水平，保护欧洲政府之间、能源网、数据中心等关键站点之间的数据传输，其将成为欧盟未来新网络安全战略的主要支柱。

我国量子科学领域主攻方向之一就是量子通信技术。2017年，我国线路总长超过2 000公里的量子保密通信“京沪干线”正式开通，成为世界上最远距离的基于可信中继方案的量子安全密钥分发干线。¹⁹ 2018年，国家广域量子保密通信骨干网络建设一期工程正式开始，“京沪干线”上又增加武汉和广州两个骨干节点，光纤量子保密通信网络长度达7 000公里左右。²⁰ 2019年，《长江三角洲区域一体化发展规划纲要》中提出，在长三角地区将建设覆盖16个主要城市、1 013公里的量子保密干线环网，并在城市群内广泛开展量子通信应用试点。²¹ 2020年10月，国科量子通信网络有限公司分别和文昌国际航天城管理局、中国广电下属中国有线电视网络有限公司签署合作协议，致力于打造海南全球第一

95

条“星地一体”环岛量子保密通信网络。2021年，中央网络安全和信息化委员会印发《“十四五”国家信息化规划》，规划涉及多项量子信息领域的研发建设工程，包括量子信息设施和试验环境的基础设施建设、量子信息等关键前沿领域的战略研究和技术融通创新等。

（3）人工智能和量子机器学习

量子计算与人工智能的交汇融合能加快人工智能的研发速度、拓宽人工智能的应用场景，从而创造更大的人工智能应用价值。人工智能的基础是数据、算法、算力，由于人工智能已经向更高应用阶段比如多场景、规模化等方向转变，算法模型的参数量也呈指数级增加。根据摩尔定律，当人工智能模型的复杂度越来越高，传统计算机的算力瓶颈将成为人工智能发展的重要制约因素。因此，利用量子计算的强大算力能够有效提高人工智能的学习能力，提升模型训练的速度以及处理复杂网络的能力。

量子机器学习算法模型就是利用量子理论的优势改进机器学习算法，促进机器学习算法的量子化，打造量子机器学习强大的记忆容量、学习能力和处理速度，以及强稳定性和可靠性等优势。²² 区别于传统神经网络的单个网络，量子神经网络的并行性可以通过更多网络存储更多算法模式，拥有指数级存储和检索能力的量子神经网络可以模拟人类大脑或者模拟黑洞。2020年谷歌宣布了一款用于训练量子模型的机器学习库TensorFlow Quantum（简称TFQ）。TFQ包含以特定量子比特、门、电路为例的量子计算所需的基本结构，用户可以在模拟或真实硬件上执行。²³

（4）金融工程

金融行业建立在数据分析之上，随着数字金融服务的普及，安全可靠、差异化的金融服务对计算能力提出了更高要求，量子计算在金融工程的前中后台都能发挥巨大的潜能。

比如，量子计算可对大量数据进行精确分析，从而准确拟定金融投资组合、高效执行交易策略、灵敏预判各种风险等。目前全球已有超过25家国际大型银行及金融机构与量子计算企业开展了合作研究。²⁴ 比如，2017年，摩根大通加入IBM量子计算产业联盟Q Network，并共同开发新型算法；2019年9月，西班牙金融服务公司CaixaBank成功完成量子计算模拟项目；2019年11月，澳大利亚联邦银行与美国量子计算创业公司Rigetti Computing合作，构建专用量子模拟器软件系统，进行量子优化投资组合再平衡策略实验。⁸ 中国人民银行清算总中心也利用量子通信等网络信息安全技术，通过量子“京沪干线”+本地量子城域网，建立了量子密钥分发系统，实现了数据中心间量子密钥的生成，提高了数据传输的安全性。

96

（二）脑科学与神经计算

1.概念与发展历程

（1）脑科学

大脑是人体最重要的器官，是支配人的一切生命活动的中枢，是一个由上千亿神经细胞构成的结构复杂、功能全面的超级计算机，脑科学是人类认识自我的重大任务，是目前最具挑战性的多学科交叉研究领域。

脑科学有狭义和广义之分。《2021全球脑科学发展报告》认为：“狭义的脑科学一般指神经科学，是为了了解神经系统内分子水平、细胞水平、细胞间的变化过程，以及这些过程在中枢功能控制系统内的整合作用而进行的研究，主要包括神经发生、神经解剖学、神经生理学、神经通信与生物物理学、神经化学与神经内分泌学、神经药理学、记忆与行为、直觉和神经障碍九个领域。广义的脑科学是研究脑结构和脑功能的科学，主要包括脑形态及结构、脑部分区及功能、脑细胞及工作原理、脑神经与网络系统、脑的进化与发育等领域的研究，以及对脑生理机能的研究。”广义的脑科学是从生物脑的角度出发，研究大脑的物理构成、生物机理和工作机能，是一个认识脑的过程，但从更宏观的角度看，脑科学不会仅停留在认识脑，还需要研究如何更好地保护脑、开发脑和创造脑。保护脑就是研究促进脑的发育，预防和治疗脑部疾病，延缓脑的衰老；开发脑就是如何开发脑的功能，同时通过类脑研究，模拟脑的功能和工作原理；创造脑就是仿真大脑，开发脑型计算机。²⁵

97

在我国2016年发布的《“十三五”国家科技创新规划》文件中，“脑科学与类脑研究”被列为“科技创新2030—重大项目”，也被称为中国“脑计划”，文件提出，“以脑认知原理为主体，以类脑计算与脑机智能、脑重大疾病诊治为两翼，搭建关键技术平台，抢占脑科学前沿研究制高点”。²⁶

研究脑认知原理。大脑认知功能包括基本的脑认知功能（感知觉、学习和记忆、情绪等）和高级的脑认知功能（同情心、社会认知、合作行为、语言等），可以通过模式动物研究或者大脑结构图谱的绘制等方法研究脑认知的原理和功能。

研究类脑计算（Brain-inspired Computing）与脑机智能，主要应用于人工智能技术的研发，通过类脑神经网络模型、类脑计算处理以及存储设备技术的研究，有助于开发新一代人工智能机器人，相关研究领域包括：类脑智能、脑机接口和脑机融合、新一代人工网络模型和计算模型等。²⁷

研发脑重大疾病诊治新手段，以保护和维持大脑的正常功能，延缓大脑衰老退化，以攻克自闭症、上瘾、老年痴呆症、帕金森等疾病为重要目标。

（2）类脑计算

类脑计算又被称为神经形态计算（Neuromorphic Computing），是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称。现有的计算系统面临两个严重制约发展的瓶颈：一个是系统能耗过高的问题；另一个是对人脑能轻松胜任的认知任务处理能力不足，难以支撑高水平的智能。而类脑计算是对现有的计算体系和系统做出的变革，目标是要降低计算能耗，提升计算能力和效率。欧盟“人类大脑计划”（Human Brain Project）建议报告中指出：“除人脑以外，没有任何一个自然或人工系统能够具有对新环境与新挑战的自适应能力、对新信息与新技能的自动获取能力、在复杂环境下进行有效决策并稳定工作直至几十年的能力。没有任何系统能够在多处损伤的情况下保持像人脑一样好的鲁棒性，在处理同样复杂的任务时，没有任何人工系统能够媲美人脑的低能耗性。”²⁸ 因此在计算系统研究中，学习借鉴大脑成为一个重要的研究方向。类脑计算是脑科学和信息技术的高度融合。

98

类脑计算的研究可以分为神经科学的研究（特别是大脑信息处理基本原理的研究）、类脑计算器件（硬件）的研究和类脑学习与处理算法（软件）的研究三个方面。²⁹

①大脑信息处理基本原理的研究

在神经科学领域，脑科学的研究为类脑计算的发展提供了重要基础。目前对于单个神经元的结构与功能已经有较多了解。但对于功能相对简单的神经元如何通过网络组织起来形成我们现在所知的最为高效的信息处理系统，还有很多问题尚待解决。

②类脑计算器件（硬件）

类脑计算器件研究的初衷是模仿生物神经元的信息处理，在硬件结构上，从神经元结构、信息编码方式到神经元群体组织结构、信息传递来逼近生物脑。³⁰ 现代计算机在能耗和性能上与人脑相比还存在巨大差距，现代计算机能耗高的一个重要原因是计算机普遍采用的冯·诺依曼架构，计算单元和存储单元是分开的，计算单元计算前需要先从存储单元中读取数据，造成时延和大量功耗。而在人的大脑中，信息处理在神经网络中实现，而数据本身则是分布式地存储于网络的各个节点（比如由神经元内的离子浓度表征）以及节点之间的连接（比如由突触连接的强弱表征）上，运算和存储在结构上是高度一体化的。因此，用少量甚至单个电子器件模仿单个神经元的功能，将数量巨大的电子“神经元”以类脑的方式形成大规模并行处理的人工“神经网络”，也是一个重要的研究方向。29

99

③类脑学习与处理算法（软件）

神经形态模型是神经形态计算的重要组成部分，是在现有计算机硬件系统上实施对生物脑神经网络的模拟。

神经形态模型的基本组成单元是神经元模型，即模仿树突、轴突和突触结构的模型。脑神经元之间的通信依靠神经细胞膜电位的升降脉冲，借鉴该原理，研究人员提出了多种神经元模型，例如Integrate-and-Fire（I&F）模型、Leak Integrate-and-Fire（LIF）模型等。神经元模型越接近真实神经元的结构特性，其模型就越复杂，模型应用效果在原则上也会越好。

神经网络模型描述神经元突触的连接关系，一方面可以遵从生物原理，另一方面可与生物网络具有不同的拓扑结构。应用神经网络模型，不同的神经元和突触模型可组成多种多样的神经网络，从而形成种类丰富的神经形态模型。³¹ 脉冲神经网络（Spiking Neural Networks，SNN）作为第三代神经网络，相较于目前应用效果较好的卷积神经网络（Convolutional Neural Network，CNN）和循环神经网络（RecurrentNeural Network，RNN）等第二代神经网络，更加贴近脑神经元信息传递方式。³⁰ 尽管SNN在结构上对硬件实现更友好，但训练存在一定难度，当前很多团队正致力于开发SNN监督式学习规则，但SNN的实际应用依然较少。

100