摘要：参考消息网1月21日报道 法国《回声报》网站1月3日刊登题为《量子计算与人工智能：“欧洲必须投入200亿欧元，否则我们将购买中国或美国的处理器”》的文章，作者是法国C12公司联合创始人兼首席执行官皮埃尔·德雅尔丹，内容编译如下：人工智能(AI)已跨越历史性门槛。一种前景广阔的技术路径基于超纯碳纳米管中的自旋量子比特。而如果我们欧洲人不为此采取切实行动，这样的寒冬必将到来。
参考消息网1月21日报道 法国《回声报》网站1月3日刊登题为《量子计算与人工智能：“欧洲必须投入200亿欧元，否则我们将购买中国或美国的处理器”》的文章，作者是法国C12公司联合创始人兼首席执行官皮埃尔·德雅尔丹，内容编译如下：
人工智能(AI)已跨越历史性门槛。它以曾经被认为无法达到的速度进行翻译、总结、创造和学习。然而，在这一无所不能的表象背后隐藏着一个现实：人工智能依赖于为处理顺序指令而设计的经典计算架构。
然而，某些形式的建模可能超出这些架构的能力范围。要取得进一步突破，必须重新思考计算本身，这正是量子技术登场的驱动力。
量子计算并非传统计算机的加速版本，而是一种范式变革。借助量子叠加特性，一个量子比特可以同时处于0和1的状态。通过量子纠缠，多个量子比特能同步探索指数级数量的可能性空间，而经典计算只能逐行处理数据。关于发展前景需要明确的是：我们谈论的是未来十年逐步构建的融合，而非三个季度就能实现。
计算机视觉是一个量子算法可能彻底改变当前技术路线的领域，该领域目前主要基于监督深度学习。
随着医疗影像、自动驾驶车辆或卫星观测等领域数据的指数级增长，从监督学习转向无监督学习将成为必然趋势。
然而，传统的非监督学习方法受限于其计算强度。量子计算为诸如分割或分类等特定的非监督任务提供了有前景的路径。这并非要彻底革新整个人工智能领域，而是旨在识别量子优势起决定性作用的具体应用场景。
人工智能与量子计算的融合已在众多实验室成为现实。线性代数、矩阵运算及概率推理等支撑人工智能的数学基础天然适用于量子系统处理。但诸多挑战依然存在：算法的稳定性、缺乏反向传播的等效机制，尤其是目前仍停留在理论概念的量子随机存取机(QRAM)的研发。
我们仍处于“噪声中等规模量子”(NISQ)时代：计算设备处于实验阶段，存在噪声干扰，且应用范围有限。目前，尚未有任何量子计算机在大规模机器学习领域展现出实际优势。许多技术瓶颈有待突破：量子纠错、系统互联、工业化生产。这些制约真实存在，刻意淡化其影响是不负责任的。
一种前景广阔的技术路径基于超纯碳纳米管中的自旋量子比特。该技术能确保高保真度、灵活的连接性及可扩展潜力。
未来将是经典处理器、人工智能加速器与量子模块的结合。但核心问题在于：欧洲能否参与这场竞争？
我们拥有卓越的生态系统，实验室水平位居世界前列。然而，我们正在输掉产业化竞赛。当中美两国各自投入大量资金布局量子领域时，欧洲却只投入零散资金，且还分散在二十多个目标矛盾的科研项目中。这并非一项战略，而是一种托词。
我的坚定理念是：欧洲必须宣布一项为期十年、总额200亿欧元的量子计划，聚焦产业化、混合集成与工业应用三大方向。不是二十个方向，也不是五十个试点项目，而是三大需要全力投入的重大战略领域。
否则，五年后我们将不得不购买美国或中国的量子处理器。我们要么现在就大规模投入，要么甘愿沦为一个纯粹的消费市场。
这种融合的目标不是取代，而是补充，旨在实现更智能、更能适应现实世界复杂性的计算。这并非一场粗暴的算力竞赛，而是对计算智能的追求。
这种愿景要求我们具备学术诚信。近期关于量子人工智能的许多声明实质上是市场营销，而非科学突破。当有参与者声称仅用10个存在噪声的量子比特和一个玩具数据集就“解决”了量子学习问题时，这并非技术进步，而是一场表演。
我们的生态系统完全能从透明性中获益。与其维持一种凯歌高奏的叙事，不如逐步稳健地建设，严谨评估每次进展并公开我们的失败，而非一味宣扬胜利。我宁愿这个行业缓慢但稳步前进，也不愿看到投机泡沫在首个量子寒冬降临时破裂。而如果我们欧洲人不为此采取切实行动，这样的寒冬必将到来。（编译/刘卓）
参考消息网1月21日报道 法国《回声报》网站1月3日刊登题为《量子计算与人工智能：“欧洲必须投入200亿欧元，否则我们将购买中国或美国的处理器”》的文章，作者是法国C12公司联合创始人兼首席执行官皮埃尔·德雅尔丹，内容编译如下：
人工智能(AI)已跨越历史性门槛。它以曾经被认为无法达到的速度进行翻译、总结、创造和学习。然而，在这一无所不能的表象背后隐藏着一个现实：人工智能依赖于为处理顺序指令而设计的经典计算架构。
然而，某些形式的建模可能超出这些架构的能力范围。要取得进一步突破，必须重新思考计算本身，这正是量子技术登场的驱动力。
量子计算并非传统计算机的加速版本，而是一种范式变革。借助量子叠加特性，一个量子比特可以同时处于0和1的状态。通过量子纠缠，多个量子比特能同步探索指数级数量的可能性空间，而经典计算只能逐行处理数据。关于发展前景需要明确的是：我们谈论的是未来十年逐步构建的融合，而非三个季度就能实现。
计算机视觉是一个量子算法可能彻底改变当前技术路线的领域，该领域目前主要基于监督深度学习。
随着医疗影像、自动驾驶车辆或卫星观测等领域数据的指数级增长，从监督学习转向无监督学习将成为必然趋势。
然而，传统的非监督学习方法受限于其计算强度。量子计算为诸如分割或分类等特定的非监督任务提供了有前景的路径。这并非要彻底革新整个人工智能领域，而是旨在识别量子优势起决定性作用的具体应用场景。
人工智能与量子计算的融合已在众多实验室成为现实。线性代数、矩阵运算及概率推理等支撑人工智能的数学基础天然适用于量子系统处理。但诸多挑战依然存在：算法的稳定性、缺乏反向传播的等效机制，尤其是目前仍停留在理论概念的量子随机存取机(QRAM)的研发。
我们仍处于“噪声中等规模量子”(NISQ)时代：计算设备处于实验阶段，存在噪声干扰，且应用范围有限。目前，尚未有任何量子计算机在大规模机器学习领域展现出实际优势。许多技术瓶颈有待突破：量子纠错、系统互联、工业化生产。这些制约真实存在，刻意淡化其影响是不负责任的。
一种前景广阔的技术路径基于超纯碳纳米管中的自旋量子比特。该技术能确保高保真度、灵活的连接性及可扩展潜力。
未来将是经典处理器、人工智能加速器与量子模块的结合。但核心问题在于：欧洲能否参与这场竞争？
我们拥有卓越的生态系统，实验室水平位居世界前列。然而，我们正在输掉产业化竞赛。当中美两国各自投入大量资金布局量子领域时，欧洲却只投入零散资金，且还分散在二十多个目标矛盾的科研项目中。这并非一项战略，而是一种托词。
我的坚定理念是：欧洲必须宣布一项为期十年、总额200亿欧元的量子计划，聚焦产业化、混合集成与工业应用三大方向。不是二十个方向，也不是五十个试点项目，而是三大需要全力投入的重大战略领域。
否则，五年后我们将不得不购买美国或中国的量子处理器。我们要么现在就大规模投入，要么甘愿沦为一个纯粹的消费市场。
这种融合的目标不是取代，而是补充，旨在实现更智能、更能适应现实世界复杂性的计算。这并非一场粗暴的算力竞赛，而是对计算智能的追求。
这种愿景要求我们具备学术诚信。近期关于量子人工智能的许多声明实质上是市场营销，而非科学突破。当有参与者声称仅用10个存在噪声的量子比特和一个玩具数据集就“解决”了量子学习问题时，这并非技术进步，而是一场表演。
我们的生态系统完全能从透明性中获益。与其维持一种凯歌高奏的叙事，不如逐步稳健地建设，严谨评估每次进展并公开我们的失败，而非一味宣扬胜利。我宁愿这个行业缓慢但稳步前进，也不愿看到投机泡沫在首个量子寒冬降临时破裂。而如果我们欧洲人不为此采取切实行动，这样的寒冬必将到来。（编译/刘卓）