商业中的量子计算和区块链指南（全）

原文：zh.annas-archive.org/md5/fe0c2b1b6dea032e7c6950de21934dd5

译者：飞龙

协议：CC BY-NC-SA 4.0

序言

该书提供了对未来的一瞥，即不同行业如何从新一波计算中受益。该书带领读者踏上旅程，首先描述了今天计算机的局限性，并提出了量子计算呈现的可能解决方案，以超越这些限制。

这本书是为谁准备的

本书适用于希望了解工业场景中量子计算潜在应用的专业人士。那些不想深入研究技术本身，而是对技术的“作用”感兴趣的读者会发现这是一本有趣的读物。

本书还旨在解决全球各地的创新者对今天的加密算法与量子计算之间潜在冲突路径的担忧或好奇。本书呈现了量子计算、加密术和机器学习领域的各行业专家的观点。

读者将获得关于量子计算潜力的实际、现实和现场视角。这本书不适合那些希望了解量子计算背后数学或物理的入门读者，而是那些希望从更商业化的角度看待这个主题的读者。

本书涵盖了什么

第一章：量子计算和区块链简介

这是本书的第一章，我在这里涉及了量子计算和区块链基础的技术概念。本章还简要介绍了过去一个世纪量子物理领域的历史，以及这是如何导致量子计算的演变的。

第二章：量子计算 - 关键讨论点

本章详细讨论了量子计算的术语和关键概念。本章的目的是为读者提供本书其余部分将会出现的术语的概览。

第三章：数据经济

我们生活在一个数据时代。在过去的 30 年里，互联网和社交媒体的蓬勃发展帮助创造了大量数据。这反过来又推动了依赖这些数据的人工智能等技术的发展。我们将研究人工智能、区块链、物联网和量子计算等数据技术在我们日常生活中可能发挥的作用。

第四章：对金融服务的影响

金融服务业是一个数据密集型行业。大多数金融机构在投资组合管理和风险管理方面的决策都严重依赖于模拟。本章涵盖了量子计算在金融服务业中的潜在应用。

第五章：采访富士通公司的高级研究员戴夫·斯内林博士

与富士通公司人工智能项目总监和数字退火器的主要幕后推动者之一戴夫·斯内林的采访。戴夫生动地展示了他已经在进行的数字退火器应用，以及他对量子计算的潜在未来的看法。

第六章：对医疗保健和医药行业的影响

本章将量子计算在医疗保健和制药领域的应用带入生活。药物发现是量子计算可能产生重大影响的关键领域之一。我在本章中还讨论了制药行业中区块链的应用。

第七章：与阿姆里塔维什瓦维迪亚佩特姆大学人工智能研究主管 B. Rajathilagam 博士的访谈

与 B. Rajathilagam 博士的访谈为我们展示了量子计算和区块链在新兴市场的用例。BRT 提供了她对印度村庄基层挑战的第一手知识。

第八章：治理的影响

选举在很大程度上正在成为人工智能和数据科学技术专家的试验场。这可能是一个新的未来，选举结果可以通过量子计算等技术准确建模。本章探讨了未来选举中技术的可能性。

第九章：Rigetti 和 QxBranch 高级数据科学家 Max Henderson 的访谈

Max 和他在 QxBranch 的团队使用量子计算对 2016 年美国选举进行了建模，并在预测中取得了高度精度。这次访谈涵盖了 Max 在此过程中的经验、观察和经验教训。

第十章：智能城市和环境的影响

我们生活在一个受气候变化影响并处于气候紧急状态的世界。本章探讨了我们如何利用技术创建智能城市的方法，这不仅可以让我们的生活更美好，还可以帮助我们更可持续地生活。

第十一章：与牛津大学量子计算研究员 Max McArdle 的访谈

量子计算机面临的最大挑战之一是我们在纠正错误方面的有限能力。在本章中，我与在牛津大学研究 NISQ 的 Sam McArdle 讨论了这些挑战。Sam 解释了为什么量子计算机中的错误纠正是如此困难的任务。他还涉及了在化学等领域使用 NISQ 的可能性。

第十二章：化学的影响

量子计算是基于描述亚原子粒子行为的量子力学原理的。这正是为什么化学是量子计算的非常合适的应用领域。在本章中，我讨论了量子计算如何用于模拟化学反应中分子之间的相互作用。

第十三章：物流的影响

物流问题一直是经典计算机难以解决的挑战。在本章中，我讨论了量子计算如何帮助解决物流中的一些现实问题。我还讨论了像空中客车公司这样的公司为改善飞行气动性所做的工作。在区块链方面，我解释了技术在供应链中的使用以及它对供应链的效率增加。

第十四章：与 IBM 合伙人 Dinesh Nagarajan 的访谈

Dinesh 是一位网络安全专家，也是 IBM 的合伙人。在本章中，我们讨论了技术创新如何帮助世界各地的人们丰富自己的生活以及由此带来的网络安全风险。我们还讨论了公司和国家如何从加密的角度更加灵活地面对计算新时代带来的威胁。

第十五章：量子安全的区块链

在这一章中，我们谈论了房间里的大象。在后量子时代，区块链是否受到威胁？我们更进一步探讨了因量子计算而使互联网数据传输面临风险的问题。我们还看了一些量子就绪的各种加密技术，以及它们如何帮助我们保护数据。

第十六章：国家和网络战

如果一个国家配备了一种可以用来控制世界上大多数加密数据的技术，那么它会做些什么？我们离这个现实有多近？这是我们应该准备好的可能性吗？这些是我在关于国家和他们努力主导数据技术世界的章节中要解决的问题。许多国家已经拨款数十亿美元用于像人工智能、区块链和量子计算这样的技术，他们希望主导这一领域。

第十七章：结论 - 蓝天白云

一个总结本书要点的结束章节。我讨论了采访中的学习成果以及我对我所采访专家意见的看法。我最后谈到了围绕量子计算的炒作以及这如何影响生态系统的发展方向。我注意到了世界各地顶尖国家在这一领域获得主导地位的努力。最后，我提出了对这一令人惊奇的技术 - 量子计算的可能性的看法。

下载彩色图片

我们还提供了一份 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。您可以在这里下载：static.packt-cdn.com/downloads/9781838647766_ColorImages.pdf

使用的约定

粗体：表示一个新术语、重要单词或者您在屏幕上看到的文字，例如在菜单或对话框中，也会在文本中以此方式出现。例如：“20 年前，教我有关数据库管理系统（DBMSes）和面向对象编程的教授，现在正在领导人工智能和量子机器学习研究的 B. Rajathilagam 博士。”

警告或重要说明会以这种方式显示。

联系我们

我们的读者意见和建议一直受欢迎。

总体反馈：如果您对本书的任何方面有疑问，请在您的消息主题中提及书名，并通过电子邮件联系我们：customercare@packtpub.com。

勘误: 虽然我们已尽一切努力确保内容的准确性，但错误是难免的。如果您在这本书中发现错误，我们将不胜感激，如果您能向我们报告。请访问，www.packt.com/submit-errata，选择您的书籍，点击勘误提交表单链接，并输入详细信息。

盗版: 如果您在互联网上发现我们作品的任何形式的非法副本，我们将不胜感激，如果您能提供给我们该地址或网站名称。请通过copyright@packt.com与我们联系，附上材料链接。

如果您有兴趣成为作者：如果您在某个专业领域有专长，并且对撰写或为书籍作出贡献感兴趣，请访问authors.packtpub.com。

请留下您的评论。当您阅读并使用这本书后，为什么不在购买的网站上留下一则评论呢？潜在的读者可以看到并使用您的客观意见来做购买决策，我们在 Packt 可以了解您对我们产品的想法，而我们的作者也可以看到您对他们书籍的反馈。谢谢！

欲了解更多关于 Packt 的信息，请访问packt.com。

第一章：引言：量子计算与区块链

那是最好的时代，那是最坏的时代，

那是智慧的时代，那是愚蠢的时代，

那是信念的时代，那是怀疑的时代，

那是光明的季节，那是黑暗的季节，

那是希望之春，那是绝望之冬。

我相信查尔斯·狄更斯没有预见到量子计算或区块链。然而，他在 160 年前的话仍适用于我们所见到的这两项技术的起起伏伏。量子计算已存在了大部分世纪。相比之下，区块链首次亮相是在 2008 年。

与近年来席卷我们的区块链浪潮不同，量子原理已存在数十年。量子物理学是一个备受争议的领域，也是量子计算的基础。然而，量子计算领域近来势头迅猛。

尽管这两项技术的年龄存在差异，它们都有着有趣的历史。例如，大多数了解区块链的人都同意该框架是稳健的。然而，这项技术仍然远未完善，这对量子计算也是如此。

过去十年中量子计算背后的势头主要是由于算法和基础设施的进步。然而，在我看来，这也是因为我们生活在数据时代，一些量子计算机的用例变得更加清晰和相关。在本章中，我将涵盖这两项曾经备受争议的技术的历史。它们作为变革性技术在现代社会中的地位是难以争议的。

本书内容

本书的目的是探讨量子计算与区块链之间的重叠。这两项技术基本上都是基于密码学的。因此，它们之间存在可能的冲突。然而，当我们看到这些技术的实际应用时，它们彼此非常互补。

在本章中，我们将讨论对量子计算和区块链至关重要的技术概念。我们将深入探讨量子计算及其历史，然后涉及一些对本书主题相关的区块链的关键概念。

我想在本书中建立的一个关键主题之一是技术只是达到目的的手段。虽然理解技术并为其可能性感到兴奋很重要，但技术只有在能够改变人们的生活时才是特殊的。

社交媒体上有很多炒作，称量子计算将杀死区块链。在一个数据时代，这两种技术都有存在的意义。量子计算可以大大提高我们的问题解决能力。在一个社交媒体时代，我们需要我们的技术来应对大数据量，并理解我们分析的变量之间的相互关系。当量子计算走向主流时，应该能够解决这些领域。

另一方面，描述区块链应用的简单方法是去中心化数据完整性。每笔交易的不可变记录由网络维护和管理。这是区块链在过去的数据存储机制之上的基本优势。

通过行业特定的章节和与量子计算、人工智能和机器学习思想领袖的访谈，我将尝试建立这两种技术的业务相关性。通过这样做，我将确立这两种技术在我们生活的数据中心世界中的垂直协同效应。

在下一节中，我将了解量子计算的历史。在这个过程中，我还将触及这项技术的几个关键概念。

量子计算简介

我们正处于一个数据时代，有许多技术与彼此共享共生关系。在所有令人兴奋的技术范式中，量子计算有潜力以规模带来颠覆。量子物理的原则，这是量子计算的基石，已经存在了一个多世纪。

了解量子物理学的演变很有趣，因为涉及到个性以及他们相互矛盾的哲学观。然而，这一领域的历史也让我们了解到这些概念的违反直觉性质，这挑战了甚至最聪明的头脑。本章重点讲述量子计算的故事，并涉及了这项技术的一些基本原理。

量子力学的历史

在投资者和学术界教授之间的交谈中，投资者经常会想：“哇，这太棒了，但是怎么样？”，而学术界教授则在想：“投资者明白了吗？”探索量子计算对我来说就是这样一种经历，其中的书呆子想深入探讨这门学科的物理学、数学和技术方面。然而，我内心中的投资者一直在问：“这有什么价值？这对世界有什么意义？对企业有什么好处？”

由于这种拉锯战，我提出了量子原理的简化解释，奠定了量子力学的基础。为了更好地理解量子计算，我们首先需要研究与（量子）比特流相关的量子信息处理的基础知识，以及它们如何处理数据并相互作用。因此，让我们从量子物理学的原则作为量子信息处理的基础开始。

量子物理学提供了解释原子、电子、光子和正电子等粒子行为的基本原理。微观粒子被定义为肉眼不可见的微小物质。

在描述量子力学历史的过程中，我将涉及几个基本概念。对这些概念的发现和理解的演变有助于塑造更现代的量子计算思维。这些概念与量子计算的相关性将在本章展开时变得清晰。然而，在这个阶段，重点是这个复杂领域如何持续困扰了近 100 年的伟大思想家们。

量子力学处理最小尺度的自然；探索原子和亚原子粒子之间的相互作用。在 19 世纪的很大一部分和 20 世纪初期，科学家们试图解决粒子、物质、光和颜色的令人困惑的行为。电子围绕原子核旋转，当它吸收光子（光的粒子）时，它跳到一个不同的能级。紫外线能够提供足够的能量来击出电子，由于负电子的移除产生正电荷。来源：www.nobelprize.org/prizes/physics/1905/lenard/facts/

科学家观察到，电子吸收光子通常限于特定频率。吸收特定类型光子的电子产生与加热气体相关的颜色。这种行为在 1913 年由丹麦科学家尼尔斯·玻尔解释。在这一领域的进一步研究导致了量子力学基本原理的出现。来源：www.nobelprize.org/prizes/physics/1922/bohr/biographical/

玻尔假设电子只能在某些轨道上旋转，并且它们吸收的颜色取决于它们旋转轨道之间的差异。因为这一发现，他在 1922 年获得了诺贝尔奖。更重要的是，这有助于巩固一个观念，即电子和原子的行为与人眼可见的物体（宏观物体）不同。与定义宏观物体行为的经典物理学不同，量子力学涉及基于概率规则而不是精确机械定律的瞬时跃迁。

这奠定了进一步研究以关注亚原子粒子如电子的行为和相互作用的基础。随着研究发现经典物理学和量子物理学之间的更多差异，广泛认可量子原理可以用来定义自然的特异性（例如：黑洞）。两位伟大的思想家，阿尔伯特·爱因斯坦和史蒂芬·霍金通过对相对论和量子引力的研究做出了贡献。现在让我们来看看阿尔伯特·爱因斯坦如何看待量子物理学及其概念。来源: www.nobelprize.org/prizes/physics/1921/einstein/facts/

爱因斯坦的量子困扰

我们可能需要回到历史中一些年代才能理解爱因斯坦如何卷入量子力学的世界。对于一般人来说，空间只是无尽的虚空，然而当与时间结合时，空间变成了一个四维的难题，被证明是 19 世纪和 20 世纪最伟大思想家的巨大挑战。爱因斯坦不认同量子力学的某些原则，并且他对此持有批评态度。

量子力学的关键原则之一是Copenhagen Interpretation。它解释了粒子状态是如何受到观察的影响；观察者从而影响了粒子的状态。爱因斯坦对尼尔斯·玻尔所假设的量子力学的不确定性方面并不认同。

1927 年，爱因斯坦在布鲁塞尔的索尔维会议上开始与玻尔进行辩论。他相信客观现实是独立于观察存在的。根据量子理论的原则，实验者选择的方法影响了某些参数是否具有明确定义的值，或是模糊的。爱因斯坦无法接受当没有人看时月亮不在那里并且认为量子理论的原则是不完整的。来源: cp3.irmp.ucl.ac.be/~maltoni/PHY1222/mermin_moon.pdf

这种不确定性特性的一个有趣方面是，作为婴儿，我们更容易欣赏这些原则。这在婴儿经常喜爱的躲猫猫游戏中得到了体现。他们相信观察者只在他们观察到他们时存在，并且不展示被称为对象永恒性的认知能力。然而，随着我们长大，我们会基于对象永恒性的假设来行动。

尼尔斯·玻尔认为，在观察不存在时，将现实赋予宇宙是没有意义的。在测量之间的间隔中，量子系统存在于所有可能属性的模糊混合中 - 通常被称为叠加态。描述粒子所取状态的数学函数被称为波函数，在观察点处会崩溃到一个状态。

这两位科学家（爱因斯坦和玻尔）之间的哲学斗争在 1935 年的时候因纠缠特性的出现而加剧。它意味着两个纠缠粒子的状态取决于彼此（或存在相关性），而与它们彼此间的距离有多远无关。爱因斯坦（嘲笑地）称之为鬼魅的远程作用。

作为对玻尔发现的回应，由阿尔伯特·爱因斯坦、鲍里斯·波多尔斯基和内森·罗森于 1935/36 年撰写的臭名昭著的 EPR（爱因斯坦，波多尔斯基，罗森）论文诞生了。这篇论文的目的是论证量子力学未能提供物理现实的完整描述。波多尔斯基负责将其翻译成英文，而爱因斯坦对翻译感到不满。除此之外，波多尔斯基还向《纽约时报》泄露了 EPR 论文的预先报告，爱因斯坦对此非常不满，他再也没有和波多尔斯基说过话。来源：www.aps.org/publications/apsnews/200511/history.cfm

EPR 悖论确定了纠缠特性的两种可能解释。一个粒子的状态影响另一个粒子的状态，可能是由于两个粒子之间共享的内嵌属性，就像基因一样。另一种解释是，两个粒子可以彼此进行即时通信，关于它们的状态。第二种解释被认为是不可能的，因为这违反了狭义相对论的理论（如果粒子以超过光速的即时通信）和地域性原则。

地域性原则指出，物体只受其周围的即时环境的影响。

狭义相对论理论指出，物理定律对于所有非加速观察者都是相同的，爱因斯坦表明，在真空中的光速不管观察者以何种速度移动都是相同的。

如果纠缠存在，并且粒子能够在远距离上影响彼此的状态，那么局域性理论也被认为被违反了。因此，EPR 论文挑战了粒子能够即时传递状态并且在很远距离上传递的假设。

因此，EPR 得出结论，两个纠缠粒子中嵌入了隐藏变量，这些变量使它们在被观察时选择相关状态的信息。阿尔伯特·爱因斯坦继续挑战量子力学的原理。

"量子力学确实是威严的。但内心告诉我，它还不是真正的东西。这个理论说了很多，但并没有真正让我们更接近'老大'的秘密。至少我相信，他不会掷骰子。"

—阿尔伯特·爱因斯坦

爱因斯坦和玻尔甚至在有仲裁员在场时也无法达成一致。这个仲裁员以约翰·惠勒的形式出现。1939 年，玻尔和惠勒开始在普林斯顿大学工作，并保持了良好的工作关系。惠勒是一个和蔼可亲的人，能说德语。爱因斯坦——普林斯顿的流亡教授——成为惠勒的邻居，这就有了这些伟大思想碰撞的可能性。惠勒认为玻尔的互补观点——两个粒子可以被纠缠——是有道理的。他也同意爱因斯坦对理论的挑战，当我们观察粒子时，我们无可避免地改变它们。尽管多次尝试，约翰·惠勒未能提出一种能说服玻尔和爱因斯坦的理论。

贝尔不等式

在爱因斯坦和玻尔之后，约翰·贝尔于 20 世纪下半叶进入了量子领域。他于 1928 年出生在贝尔法斯特，并在多年研究量子力学理论后，最终选择在 1963 年在斯坦福大学休假时踏上了这条道路。他将纠缠解释为被分离的同卵双胞胎的行为。如果在一生中它们被带到一起，它们会有一些惊人的共同点。他在一项关于双胞胎研究所的研究中发现了这一点。这让人们认为也许电子的行为就像它们有基因一样。至少，这帮助一个外行人理解了量子粒子的纠缠意味着什么。

然而，1964 年，贝尔随后提出了贝尔不等式。通过一系列关于电子和正电子对的实验以及概率理论，贝尔证明了 EPR 的结论是错误的。假设粒子必须具有嵌入它们的属性来解释纠缠的观点似乎并不是正确的方法。贝尔的不等式得到了几个随后实验的支持。贝尔不等式的概率解释通过贝尔不等式的维恩图表非常简单。有一个更简单的可能的家庭实验可以使用偏振镜来解释量子力学的神秘性质。

你可以在这里观看实验的 YouTube 视频，www.youtube.com/watch?v=zcqZHYo7ONs&t=887s，这确实有点违反直觉。

视频显示如下：

透过偏振镜看白色背景。看起来是灰色的，表明有很多光被阻止通过透过镜。
再添加另一个偏振镜 B，你会观察到更少的光透过它——通过背景变得更暗来指示。
现在，通过在 A 和 B 之上添加另一个偏振镜 C，你会期望白色背景看起来更暗。但令人惊讶的是，它比只有 A 和 B 时看起来更亮。

实验的结果可能可以通过一种可能性来解释。如果光子通过一个滤波器时其性质发生变化怎么办？这可能意味着经过变化的光子与后续滤波器的相互作用也是不同的。

我将在本章后面通过量子缝实验解释光粒子（光子）的另一种奇怪行为。目前，对于亚原子粒子的行为，最清楚的解释是通过量子力学原理来解释的。如果要提供任何新的替代方案，它必须比现有原理更具说服力。

量子计算机——一个花哨的想法

在提出自然中粒子行为的理论的同时，有一些人开始思考使用经典计算机模拟这些行为的影响。 1965 年，诺贝尔物理学奖联合颁发给 Sin-Itiro Tomonaga，Julian Schwinger 和 Richard P. Feynman，以表彰他们在量子电动力学方面的基础工作，对基本粒子物理学产生了深远的影响。直到 1980 年代，理查德·费曼才首次讨论了“经典计算机能否模拟任何物理系统”的想法。人们认为他通过题为“用计算机模拟物理”的讲座奠定了量子计算的基础。

1985 年，英国物理学家大卫·德特奇强调了艾伦·图灵的理论上的通用计算机无法推广到量子力学的事实。您可能会问图灵的计算机是什么。

1936 年，艾伦·图灵提出了一种简化版的计算机，称为图灵机。它有一条带有几个方块的磁带，每个方块中都编码为“0”和“1”。他的想法是，机器会在磁带上方运行，一次查看一个方块。机器有一个代码手册，上面有一套规则，根据规则，这些方块中的每一个的状态（“0”和“1”）将被设置。在过程结束时，这些方块的状态将提供机器解决的问题的答案。许多人认为这为我们今天使用的计算机奠定了基础。

然而，David Deutsche 指出，图灵的理论是基于经典物理学（0 和 1），而基于量子物理学的计算机将比经典计算机更强大。

当贝尔实验室的彼得·肖尔发明了量子计算机上因式分解大数的算法时，理查德·费曼的想法开始受到关注。使用这个算法，量子计算机甚至可以破解最近的密码技术。

1996 年，这被 Grover 的搜索算法所取代。在经典计算机中，当在 N 个项目的列表中搜索项目时，平均需要 N/2 次检查才能找到项目。然而，使用 Grover 算法，检查的次数可以降低到√N 次。在数据库搜索中，这为搜索性能提供了二次改进。这被认为是量子计算领域的一个重要里程碑。

Déjà vu

Grover 的算法以及随后在这一领域的工作自此加速了人们对量子计算的兴奋和炒作。更近些时候，科技巨头 IBM、Google、Intel、Microsoft 以及其他一些公司都加大了在量子计算领域的工作力度。在 2019 年的消费电子展上，IBM 展示了他们的实力，推出了一套供科学家和企业使用的量子计算集成系统。IBM 还拥有一个基于云的量子计算基础设施，程序员可以使用它。更多关于科技巨头的动态将在第十六章“国家和网络战争”中揭示。

当我第一次看到 IBM 在 2019 年消费电子展上展示的量子计算机复制品的图片时，我立刻想到了Déjà vu。上一代见证了经典计算革命的兴起，对社会的各个方面产生了深远的影响。我们站在另一场革命的边缘；我们将有幸亲眼目睹量子计算的演变。

量子的怪异性

在我们探索量子计算之前，了解量子力学描述的粒子行为将是有益的。下面，我描述了一个实验，帮助我们理解量子理论的反直觉性质。

一个可怕的实验

著名的量子狭缝实验描述了光子/粒子的行为以及它们如何相互作用和相互影响。正如我们将看到的，这对试图描述它们行为的物理学家构成了挑战。

在 19 世纪，英国科学家托马斯·杨提出了一个理论，即光粒子是以波的方式传播，而不是以粒子的方式。他进行了一个简单的实验，他在金属片上切了两个狭缝，并将其放置在光源和屏幕之间作为挡光器。他知道，如果光粒子的传播方式与粒子相同，那么通过狭缝的粒子将击中屏幕。那些被金属挡住的粒子将从表面弹开，不会到达屏幕。实际上，如果光是由粒子组成的，那么屏幕看起来应该像是涂在模板上的喷雾。图 1显示了实验和狭缝的形成。

然而，他假设（在实验之前）光是由波形成的，当波通过狭缝时，它们会相互干涉并在屏幕上形成图案。图案将根据通过狭缝的波的相互作用来定义。

当波相互干涉时（称为构造干涉），屏幕上会显示出明亮的斑点，而峰值与槽（称为破坏性干涉）相互干涉时，它们会形成暗斑。因此，图案将在中心显示出狭缝形状，然后是越来越暗的狭缝形状向左和向右。杨氏成功地证明了光是以波的形式传播的。

图 1：杨氏双缝实验

爱因斯坦的光子 - 现在更奇怪了

阿尔伯特·爱因斯坦再次在量子力学领域产生了很大的影响。他提出光是由光子组成的 - 一种像粒子一样行为的离散光量子。因此，实验被重复进行，这一次，光子一个接一个地通过狭缝，图案仍然出现。只有在以下情况下才会发生这种情况：

光子以波形传播。
所有这些波形的可能路径相互干涉，尽管只有其中一条路径会发生。

这支持了这样一个理论，即在观察结果之前，所有的现实都存在，并且亚原子粒子可以处于叠加态。当探测器被放置来观察通过狭缝的光子时，图案消失了。观察粒子的行为将现实折叠为一个。

我们已经讨论了量子力学的三个原则：叠加、纠缠和干涉。这些原则对量子计算机内部管理粒子的方式至关重要。

图 2：量子计算时间轴

量子计算的历史和关键里程碑都反映在图 2中。关键的收获是这一领域所做出的贡献，这些贡献使得这项技术最终有望在规模上产生影响。

在量子计算机内部

量子计算机的基本单元是被称为量子比特（qubits，发音为cue-bit）。在经典计算世界中，比特有 0 和 1 两种状态。量子比特存在于这两种状态中，同时也存在于这两种状态的线性组合中，称为叠加态。

叠加态可以比我们今天通常使用的确定性和概率算法更快地解决一些问题。一个关键的技术区别在于，虽然概率必须是正数（或零），但叠加态中的权重可以是正数、负数，甚至是复数。

纠缠是理解量子计算机的基本原理之一。如果两个粒子显示出纠缠，那么当其中一个粒子行为随机时，它会通知观察者，如果对另一个粒子进行类似的观察，它将如何行动。

只有当两个观察者比较笔记时，这种性质才能被检测到。纠缠的性质赋予了量子计算机额外的处理能力，并使它们比经典计算机运行得更快。

与经典计算机使用的传统晶体管相比，量子计算机具有相似之处和不同之处。量子计算机的研究正在向前发展，以找到新形式的量子比特和算法。例如，自 2017 年以来，使用光子的光量子计算机在研究领域取得了重大进展。使用光子的光量子比特的光量子计算机在室温下运行。

量子计算机应该满足以下要求：

量子比特需要被放入叠加态。
量子比特应该能够相互作用。
量子比特应该能够存储数据并允许读取数据。

量子计算机还表现出一些特征（通常）：

倾向于在低温下运行，并且对环境/噪声非常敏感。
倾向于有较短的寿命 - 原因如下所述。

我们将量子比特状态编码到亚原子粒子中；在半导体量子计算机的情况下，是电子。有几种方法可以创建量子比特，每种方法都有优缺点。最常见和稳定的量子比特类型是使用超导环创建的。超导体与普通导体不同，因为电流通过导体时没有能量损耗（无电阻）。超导体电路在接近绝对零度的温度下运行（即 0 开尔文，或 -273 摄氏度），以维持其电子的状态。

另一种使用基于晶体管的经典电路的量子比特架构被称为 SQUIDs。SQUID 代表超导量子干涉装置。它们用于跟踪和测量微弱信号。这些信号只需要产生比移动指南针所需能量弱 1000 亿倍的变化。它们由约瑟夫森结制成。SQUIDs 的一个主要应用领域是用于人脑成像的磁场测量。来源：whatis.techtarget.com/definition/superconducting-quantum- interference-device

超导量子比特（以 SQUIDs 形式存在）的电荷载体是称为库珀对的电子对。在这种架构中，基于晶体管的经典电路使用电压来管理电子行为。此外，量子电路由波函数定义。SQUIDs 被称为人工原子，为了改变这些原子的状态，需要使用激光。正如本章前面描述的那样，基于量子力学原理，只有具有特定频率的光才能改变亚原子粒子的状态。因此，用于改变量子比特状态的激光必须调谐到量子比特的过渡频率。

超导量子比特可以由一个简单电路构成，其中包括一个电容器、一个电感和一个微波源，以将量子比特置于叠加态。然而，这种简单设计有几个改进之处，用一个约瑟夫森结取代普通电感是一个重大升级。约瑟夫森结是非线性电感器，允许从非等间距能级中选择两个最低能级。这两个能级构成了量子信息处理中的一个量子比特。这是量子比特电路设计中的一个重要标准——选择两个最低能级。没有约瑟夫森结，能级是等间距的，这对于量子比特是不切实际的。来源：web.physics.ucsb.edu/~martinisgroup/classnotes/finland/LesHouchesJunctionPhysics.pdf

就像古典计算机中的门概念一样，量子计算机也有门。然而，量子门是可逆的。一个常见的量子门是作用于单个量子比特并将其基态转变为叠加态的哈达玛（H）门。

量子比特类型和属性

基于这些属性的量子比特电路有几种变体。在设计这些电路时需要考虑的关键属性包括：

脉冲时间：这是将量子比特置于叠加态所需的时间。脉冲时间越短，效果越好。
退相干时间: 这是从不想要的噪音中解耦量子比特所需的时间。退相干时间越短，越好。较长的退相干时间会导致信息的更大损失。
每门门的错误: 由于门用于在量子比特的状态之间创建转换，如果有错误门，错误就会传播到最初正确的量子比特上。因此，每门门的错误需要定期测量。
退相时间: 这是量子比特状态可以持续的时间。离子量子比特是最适合保持相干时间的，因为它们可以保持状态长达数分钟。
对环境的敏感性：虽然半导体量子比特在非常低的温度下运行，但电路构建中所涉及的粒子对环境的敏感性很重要。如果电路对环境敏感，存储在量子比特中的信息就很容易受损。

图 3: 量子比特电路

IBM 最近推出了一台 50 比特的机器，还提供了一个云托管的量子基础设施供程序员编码。量子组装语言也有了几个进展，它将作为这些机器和开发者编写的代码之间的接口。图 3 展示了不同类型的量子比特电路。

我们已经涵盖了量子计算的基础知识，让我们继续看看这本书关注的其他技术：区块链。

区块链和密码学

不同于量子计算，区块链的历史相对较短。如果量子计算是新兴技术中的摩·法拉赫，区块链就是尤塞恩·博尔特。几个区块链属性源于密码学，了解一些术语是很重要的，才能享受本章剩下的部分。

了解区块链如何依赖密码学很重要。这将帮助我们在后续章节中了解区块链和量子计算可能在未来发生碰撞。以下是对区块链和密码学一些关键术语的详细且简化的描述：

哈希

哈希是一个过程，其中一组数据输入到一个函数中以获得固定长度的字符串作为输出 - 称为哈希值。我们每天都在使用它们。当您使用密码创建一个电子邮件 ID 时，密码会经过一个哈希函数，创建一个唯一的字符串，并且这个字符串存储在电子邮件提供商的数据库中。当您再次尝试登录时，输入的密码会通过哈希算法，然后得到的字符串与存储在电子邮件提供商数据库中的字符串进行匹配。如果匹配成功，您就可以访问您的电子邮件。

图 4: 比特币交易过程的示意图。来源：https://bitcoin.org/bitcoin.pdf

比特币哈希

比特币系统使用一种称为 Hashcash 的函数。Hashcash 工作证明算法是由亚当·巴克于 1997 年发明的。比特币哈希使用了两个额外参数 - 一个随机数（nonce）和一个计数器。随机数只是在输入哈希函数之前添加到数据集合中的随机数。因此，所创建的哈希是先前哈希、新交易和一个随机数的组合。比特币系统要求哈希值以特定数量的 0 开始；随着 0 的数量增加，识别正确的哈希值的挑战呈指数增长。Hashcash 函数的计数器参数记录增量，直到达到正确的哈希值。

挖掘比特币

比特币网络中的节点努力寻找具有正确数量的 0 的哈希值。他们使用不同的随机数生成哈希，直到找到正确的哈希。这项工作需要大量的计算能力，当找到正确的哈希值时，达到这一目标的节点将因识别正确的随机数而获得比特币奖励。

确定通过哈希函数得到在困难级别内的特定哈希值所需的随机数称为挖矿。随着 0 的数量增加，难度级别也会增加。随着时间的推移，挖掘比特币变得更加困难，因为需要更多的计算能力来确定随机数。永远只会有 2100 万个比特币被生产，编写本书时，已经挖掘了约 1750 万个比特币。挖掘一个区块的奖励是 12.50 比特币，每天约挖掘 144 个区块。在下一次挖矿奖励减半到 6.25 比特币之前，还有约 6.5 万个区块需要被挖掘。

一个区块

区块只是一组共同验证的交易。如果一堆交易没能及时进入一个区块，它们就会被移到下一个区块中。挖掘一个区块可获得的比特币数量一开始是 50，然后随着挖掘每 21,000 个区块而减半。

工作证明

工作证明一词是由马库斯·雅各布森和阿里·尤尔斯在 1999 年发表的一篇文章中创造的。工作证明被用于比特币系统，以确保通过强大的计算能力验证交易。通过这种方法建立的一连串区块，要想黑客通过这些区块需要同样庞大的计算能力。

同样，在工作证明系统中，节点的处理能力决定了节点对网络的控制。例如，在比特币网络中，一个 CPU 相当于一票，可以在决策时行使。

交易

新的交易被广播到所有节点进行验证。交易被收集到区块中，节点正忙寻找自己区块的工作证明。当一个节点找到工作证明时，它将将区块广播到所有节点，只有当其中的所有交易都有效时，节点才接受该区块。区块的接受导致网络开始处理新的区块。

黑客攻击一个区块意味着需要识别一个新的随机数，解决的不仅是一个矿工的工作，还包括所有后续矿工的工作。此外，在存在多个区块链时，以创建这些链所需的计算能力为准，最长的区块链将被网络接受。

这些概念中的一些是理解区块链网络运作方式的基本概念，现在你应该能够更有信心地接触区块链这一话题了。说到这里，我们现在将讨论区块链的另一个关键概念：实用性代币和安全性代币。最近，理解安全性代币和实用性代币之间的区别已经成为全球区块链社区的难题。

实用性代币与安全性代币

随着基于区块链的解决方案开始筹集资金，它们被广泛分类为两种——实用性代币或安全性代币。实用性代币就像是应用程序所需的积分或数字优惠券。它们大致用于在公司盈利时分配利润（或股利）。

另一方面，安全性代币的价值来自于底层资产。例如，房地产基金可以被代币化，代币可以进行交易。代币的价值来源于房地产基金的价值。同样，筹集资金的公司可以发行代币，投资者将获得公司的股份。这实际上是拥有公司的股权，被归类为安全性代币。

尽管我已经描述了实用性代币和安全性代币是互斥的概念，但它们通常并非如此。例如，在以太坊（Ethereum 的代币）的情况下，它更多地是一种实用性代币而不是安全性代币，因为代币在应用程序生态系统中被广泛使用，大部分的价值来自以太的需求。SEC 已经制定了一种简单的方法来将代币确定为安全性代币，因为安全性代币属于其监管范围之内。这被称为豪伊测试。

豪伊测试得名于 1946 年的最高法院判决：SEC 诉 W.J.豪伊公司。豪伊公司向那些入住该公司拥有的酒店的游客提供生产、收获和营销橙子的服务合同。这些合同被卖给了这些游客。法院被询问土地购买和服务合同是否构成投资合同。法院同意了，并且豪伊测试就此产生。

根据豪伊测试，如果：

这是一笔金钱投资
有一种从投资中获利的预期
投资的资金投入是在一个共同的企业中
任何利润都来自于发起者或第三方的努力

让我们以 2014 年以太坊众售为例。有资金投入（尽管是以比特币形式）- 至少有一些人投资，希望代币的价值在一段时间内增加，他们可以从中获利。通过以太坊的众售，资本被投资者集中在一个计划中，这被 SEC 视为共同企业。以太的价值增长预计将通过 Vitalik 及其团队的工作实现。因此，以太应该是一种安全性令牌，根据豪威测试。

以 2014 年以太坊众售为例，很容易将其归类为安全令牌。然而，以太坊现在是一个庞大的应用社区的氧气。因此，我们可以说以太是一个代币的例子，它最初像安全性一样筹集了资金，但由于公司和技术的演变方式，如今更像是一个实用工具。由于其所拥有的社区，以太坊是去中心化的，不再仅仅依赖于公司的初始创始人。

最近，我参加了一个圆桌讨论，讨论了将代币分类为实用性或安全性的挑战。我会把它描述为一个进度条; 进度条的一端是安全令牌，另一端是实用令牌。取决于代币如何获得其价值以及社区如何使用它，它将更接近进度条的一端或另一端。安全与实用性不应被视为代币的二进制状态。

我们已经讨论了量子计算机的背景，并触及了一些有趣的区块链概念。这些基本思想的想法是在未来章节中在各行业中的真实应用之前使用它们作为基础模块。加密元素对这两种技术都是基本的。这是否意味着量子计算使区块链过时了？我们将在未来的章节中讨论这个问题。

结论

Bohr（玻尔）、Einstein（爱因斯坦）、Alan Turing（艾伦·图灵）等人近一个世纪以来的旅程已经导致了量子计算机的发明。这个领域的炒作和头条新闻每天都在增加。然而，大规模工业对这项技术的采用还需数年（甚至数十年）时间。在本章中，我想带领读者走一趟旅程，并介绍量子计算中的关键人物、原理、事件和技术组件。

重要的是要理解为什么量子比特与今天的计算世界主要依赖的比特不同。本章提供了我们将在未来章节中涉及的量子方法和现实世界的应用。将在随后的章节中讨论使用光子的光量子计算机的应用。

我们简要介绍了区块链和加密的使用。这也是至关重要的，这样我们就可以看到这两种技术之间的技术重叠。区块链社区将这种重叠视为机会而不是主要障碍至关重要。我坚信这两种技术都将继续存在，并且肯定会通过在各个行业之间相互补充而丰富我们的生活。

量子计算机在包括医疗保健、物流、金融和一般的网络安全等各行业都有几个实际应用。我们将在本书中详细介绍这些内容。

参考文献

www.coinmama.com/guide/history-of-ethereum
medium.com/@aakash_13214/the-scalability-trilemma-in-blockchain-75fb57f646df
www.apriorit.com/dev-blog/578-blockchain-attack-vectors
www.investopedia.com/articles/personal-finance/050515/how-swift-system-works.asp
medium.com/altcoin-magazine/how-to-tell-if-cryptocurrencies-are-securities-using-the-howey-test-da18cffc0791
blog.advids.co/20-blockchain-use-case-examples-in-various-industries/

第二章：量子计算 - 主要讨论点

在最近的一个活动中，有人问了我一个问题，关于量子计算机可以解决哪些经典计算机无法解决的问题。观众也很想了解为什么量子计算机能够做到历史上经典计算机难以处理的事情。量子计算机可能潜在地模拟自然及其中蕴含的复杂性。经典计算机尚未达到这种程度，因为比特存在于两种状态中。量子系统存在于叠加态的能力使它们能够处理指数问题。为了理解量子计算机如何实际上在多个行业中取得创新突破，理解量子物理学的基本原理至关重要，这些原理构成了量子计算的基础。

这些量子物理学原理中的许多已经演变了一个世纪，并且有着特殊的怪异之处，因为它们经常与处理宏观物体的行为和物理相悖。我尝试捕捉量子计算的核心原理（就我们今天所理解的）来解释量子物理学所涉及的亚原子元素的行为。详细了解它们的最佳方法是学习这些概念的物理和数学基础。然而，本书的目的是探讨量子计算的实际应用。因此，我提供了真实的例子，并且依赖了很少的数学和物理来解释这些概念。本章的其余部分将讨论这些概念，从叠加开始。

叠加

叠加是将量子计算机与经典计算机区分开的属性之一。量子计算机的量子比特可以存在于 0 和 1 的状态以及这些状态的线性组合中。量子计算机可以实现一种特殊的叠加，允许同时具有指数级更多的逻辑状态。这有助于解决诸如分解大数之类的问题，这通常对经典计算机很难解决。在密码学需要的排列组合数量建模方面，经典计算机的能力有限。

应用量子计算机在密码学中的一个示例涉及 RSA 加密。RSA 加密涉及两个大素数相乘得到一个更大的数。以下示例应该能体现出这些挑战。

一个指数挑战

关于国际象棋棋盘和大米的故事生动展现了处理指数难题的挑战。当国际象棋游戏呈现给一个苏丹时，他向游戏的发明者提供了他心满意足的任何奖励。发明者提议，第一个方格得到一粒大米，第二个得到两粒，第三个得到四粒，依此类推。每个方格，米粒的数量都会加倍。苏丹没有意识到他所面对的是什么，并同意支付这些米粒。

几天后，发明家回来和苏丹核对。苏丹的顾问意识到需要大量的米来支付给发明家。棋盘上的第 64 个方格将需要 2⁶³粒米，即 9,223,372,036,854,775,808 粒米。

$C:\Users\karun_000\Dropbox\Quantum Chain\Book\Chapters\shutterstock_1024490005.jpg$

图 1：棋盘和米粒

五枚硬币难题

线性回归是用于从自变量 a 和 b 到因变量x的值的统计建模技术之一。一个函数f(x)表示x、a和b之间的关系。

大多数现实世界中的问题通常不像从几个自变量到因变量的简单。通常，自变量 a 和 b 是相关的。假设 a 和 b 相互作用，并且它们的相互作用影响了结果变量x。需要考虑 a 和 b 的所有可能相互作用的组合来计算x。假设，不只是两个变量，x取决于更多的变量。这些变量之间的可能相互作用使传统计算机难以建模。

让我们考虑一个涉及五枚硬币的游戏。游戏的目标是在抛掷它们后获得最小或最大可能的得分。每枚硬币都有一个值，可以是正数或负数，并且可以是正面或反面，这也对应于正数或负数。游戏中的总得分是通过每枚硬币的状态（正面或反面）乘以硬币的值，然后将每枚硬币的得分相加得出的。

硬币标识	状态 (正面 = +1, 反面 = -1)	价值	*状态价值**
coin1	1	4	4
coin2	-1	3	-3
coin3	1	3	3
coin4	1	5	5
coin5	-1	-1	1
		总计	10

表 1：详细描述了五枚硬币难题

如果我们想要在这种情况下获得最低可能的总分，我们将需要所有值为负的硬币为正面（+1），所有值为正的硬币为反面（-1）。

这将给我们带来总共-16，如表 2所示。使用同样的逻辑，如果我要得到最高的总分，我将需要所有值为正的硬币为正面，所有值为负的硬币为反面，总共+16。

硬币标识	状态 (正面 = +1, 反面 = -1)	价值	*状态价值**
coin1	-1	4	-4
coin2	-1	3	-3
coin3	-1	3	-3
coin4	-1	5	-5
coin5	-1	1	-1
		总计	-16

表 2：在五枚硬币难题中得到最低可能分数

现在，让我们将另一个变量加入到混合中。我们称之为相关变量。硬币 1 和硬币 2 之间的相关性可以用 C(1,2)来表示。我们还必须考虑硬币作为成对出现，以及作为单个硬币。在这种情况下，我们将有更多的变量需要处理。

简单起见，如果我们只需找到前两个硬币的总计：

总计 = S1W1 + S2W2 + (C(1,2)S1S2)

但是，如果我们想要仅使用两枚硬币确定最低总计，我们将需要用两枚硬币的正面和反面状态进行试验，以获得总计的最小值。对于两枚硬币，将会有四种状态（正正，正反，反正，反反）。如果我们再加入另一枚硬币，状态的数量将增加到八种（正正正，正正反，正反正，反正正，正反反，反正反，反反正，反反反）。所要考虑的状态数量将是 2^N，其中N将是用于计算总计的硬币数量。正如我们在国际象棋的例子中看到的那样，这很快就会成为传统计算机难以解决的问题。在量子计算世界中，状态的信息可以更有效地使用超定态进行存储。量子比特可以同时处于正面和反面状态。

量子计算机处理这种量子表示，并确定硬币的状态以得到最低值。该过程涉及在超定态中启动系统，并调整状态以关闭超定态效应。随着相关变量同时输入系统，超定态将被关闭，并且为每个硬币选择经典状态（正面或反面）。

满足指数级计算能力的需求是量子计算带给问题解决世界的一个显著区别。在现实世界场景中，例如模拟癌细胞对放疗的行为，模拟股价行为对市场风险因素的影响，或者寻找从起点到目的地的最短最快飞行路线，量子计算可以提供多个具有不同置信度的答案。

正如我们在第十四章中讨论的，与 IBM 合伙人 Dinesh Nagarajan 的采访中所述，量子门充当操作符，帮助量子比特从一种状态过渡到另一种状态。一个量子门，在其基本形式中，是一个 2 x 2 的酉矩阵，是可逆的，保留范数和概率振幅。概率振幅是一个复数，它提供了量子系统的波函数与系统观测结果之间的关系。

简单来说，当量子比特处于基态 0 或 1 时，通过门可以将其置于叠加态或激发态。使用量子门与量子比特进行交互并提供结果的算法称为量子算法。当量子计算机在电路图中表示时，导线代表电子通过电路的流动，每个门代表电子运动模式的变化。因此，量子门被有效地用于推动系统产生结果。与经典计算算法不同，量子算法通常提供概率性结果。

要点：目前存在一些现实世界中尚未解决的问题，或者是通过近似方法解决的。一旦量子计算机变得主流，其中一些复杂问题可以更有效地和更精确地解决。

现在让我们转向下一个量子概念：纠缠。

纠缠 - 远程的神秘行为

爱因斯坦称量子纠缠性质为远程的神秘行为。如果一个系统中的两个粒子纠缠在一起，那么如果不考虑另一部分，就无法描述系统中的一个粒子。在量子计算机中，量子比特展示了这一特性。因此，观察一个量子比特的配置的概率将取决于观察其纠缠的另一半配置的概率。即使纠缠的一对比特被分开了很远，这种量子系统的特性仍然存在。这意味着，如果一个量子比特顺时针旋转，那么它的纠缠对可能会在数英里之外逆时针旋转。

最近，赛里斯的科学家们展示了长达 1200 公里的距离上的纠缠。来源：phys.org/news/2018-01-real-world-intercontinental-quantum-enabled-micius.html

这个实验是在卫星和地球之间进行的，其中使用纠缠粒子进行即时通信。在使纠缠发生在长距离上的挑战在于，粒子经过光纤网络传输时经常会丢失。然而，科学家们最近在世界上第一颗量子卫星“墨子”上使用激光束进行了通信，利用纠缠的光子在赛里斯的三个不同地面站之间进行通信。之前的量子通信尝试局限于几百公里；这主要是由于光纤中发生的数据通道损失。

量子纠缠（基于量子纠缠）除了长距离通信外，在密码学中也是一个重要的概念。量子传送是在两个被纠缠的量子比特之间传输信息的过程，这两个比特可能被分隔很远。与传统的安全数据传输方式相比，这种方法依赖于量子比特的纠缠而不是复杂的加密函数。量子传送可能很重要，因为它很快可能成为安全互联网或任何通信网络的基础元素。在下一节中，我们将讨论布洛赫球，它有助于可视化量子比特的状态。

布洛赫球

布洛赫球，以菲利克斯·布洛赫命名，是一个三维几何表示量子比特状态的球体表面上的点。它还帮助我们理解当量子比特经过门（操作）时其状态如何变化。由于它代表一个量子比特，因此不适用于演示纠缠属性，其中需要考虑多个量子比特之间的相互作用。本节出于必要性而使用数学，但这将是本书中唯一使用数学到这种程度的部分。

布洛赫球的极点代表比特的经典状态：和。

图 2：布洛赫球

由布洛赫球图示表示的量子比特状态，可以表示为：

方程式 1：计算机科学家的量子计算，N. Yanofsky 和 M. Mannucci，剑桥出版社，2008 年。

在这个表示中，对应于纬度，对应于量子比特的经度。布洛赫球中的任何点都可以用和的取值范围来表示，由和给出。

这意味着：

当，那代表经典比特的状态。
当，那代表另一个经典比特状态。这是因为φ代表经度，在极点处没有意义。

如果取 0 和之间的其他值，这将导致量子比特的叠加状态。因此，虽然从方程式导出的布洛赫球的极点代表了经典比特的状态，但量子比特的状态可以由球体中的任何点给出。

布洛赫球如何表示量子位的可能状态变化，特别是当它们被观察时？继续讨论 第十四章，与 IBM 合作伙伴 Dinesh Nagarajan 的采访，我们知道量子位的状态会在观察下坍缩到经典状态。角度表示量子位的状态将坍缩到两种状态中的任意一种的概率。如果表示布洛赫球的箭头更接近球的北极，状态就会坍缩为，反之亦然。在下一节中，我们将看看量子计算历史上最有影响力的算法之一。

Shor's algorithm

彼得·肖尔和他的工作可能对量子计算的演变产生了最大的影响。1994 年，他提出了一种用于识别素因数的多项式时间量子算法。理查德·费曼[1982, 1986]已经提出了量子计算比经典计算机更强大的想法。然而，肖尔是第一个揭示量子计算机实际应用的人。利用他的算法，可以演示识别大数的素因数，他激励了一代科学家致力于利用量子计算机进行算法加速。

因式分解长期以来一直是一个数学挑战。想想数字 35。它有两个素因数：5 和 7。同样，数字 142 有两个素因数：11 和 13。如果有一个大的奇数 N，需要确定其素因数，我们将需要将 N 除以所有小于的素数来确定因数。这是一种蛮力方法，计算密集型。现代 RSA 加密依赖于素因数分解来加密所有数据。我们登录的密码、信用卡详细信息以及其他敏感信息都依赖于因式分解的计算困难来防止黑客入侵。

截至目前，RSA 2048 的数字已经达到 617 位十进制数字。虽然因式分解过程已经通过 RSA 位排序，但破解 RSA 2048 数字还需要几年的时间。肖尔的算法提供了一个理论模型来简化因式分解。

如果计算模幂函数的周期，则可以简化数的因式分解。让我们举一个例子来理解模运算和周期的概念。这将帮助我们了解因式分解算法。

a (mod b) 的结果是当 a 被 b 除时的余数。以下是一些示例：

12 (mod 5) = 2

21 (mod 7) = 0

18 (mod 7) = 4

下一步是理解周期的概念。假设 N 是我们需要找到因子的数字，而 x 是 N 的互质数。我们使用以下幂函数：

x^a Mod (N)

现在，让我们通过一个例子来了解因式分解算法。

假设 N = 91，x = 3（与 N 互质）。当两个数字互质时，它们的最大公约数（gcd）为 1，将上述幂函数应用于导出周期：

3⁰ Mod (91) = 1

3¹ Mod (91) = 3

3² Mod (91) = 9

3¹ Mod (91) = 27

3⁴ Mod (91) = 81

3⁵ Mod (91) = 61

3⁶ Mod (91) = 1

3⁷ Mod (91) = 3

如您所见，序列在增量为 a 的情况下重复出现，这就是周期，本例中为"6"。确定周期是一个在因数分解中难以解决的问题。但是，一旦完成了这一步，就可以使用以下方法得到因数：

在此示例中，r = 6，N = 91，x = 3，我们可以得到：

根据因式分解算法：

gcd(28,91) 或 gcd(26,91) 将是 91 的非平凡因子，其中 gcd 代表最大公约数。在这种情况下，gcd(26,91) = 13。一旦确定了这一点，另一个因子可以确定为 7。

这是因式分解算法的一个简单示例。Shor 提出，该因式分解算法的部分步骤在量子计算机上执行，而预处理和后处理在经典计算机上执行。以下是描述该算法的步骤：

第一步：在上述示例中，使用经典计算机选择 3 作为与 91 互质的数。

第二步：创建两个量子寄存器。寄存器 1 将存储 a 的增量，即 x^a Mod (N)。寄存器 2 将存储 x^a Mod (N) 的结果。

第三步：对寄存器 1 应用量子傅里叶变换，并在并行计算中计算周期 r = 6。

第四步：一旦确定了周期，使用经典计算机找到最大公约数，并得到 91 的非平凡因数。

Shor 的算法提供了一种通过量子计算进行模指数运算并确定周期的方法。序列 x^a Mod (N) 中的每个元素都对序列的周期幅度有所贡献。对于计算得到的除正确周期之外的所有周期，这些贡献的自旋方向都不同，因此彼此抵消。真正的周期，序列的贡献指向相同的方向，并以高概率选择为正确值。现在我们将看看 Grover 的算法，它提供了对非结构化数据的搜索性能的提高。

Grover 的算法

Lov Grover 在 1996 年发表了一篇描述 Grover 算法的论文。将 Grover 算法应用于非结构化搜索提供了二次速度提升。如果您想在数据库中找到一个项目，并且数据没有排序，使用量子计算机实现的 Grover 算法可以提供比经典计算机更好的性能。

当需要在数据库中的 N 个名称中识别一个名称时，如果名称已排序，则经典计算机可以执行二进制搜索以在对数时间内找到名称。如果名称未排序，则搜索将涉及扫描多达 N-1 个名称以找到正确的名称。

如果 S[a] 是我们试图从 N 个元素的数据库中找到的元素，则使用 Grover 算法可以帮助解决问题，尝试次数为。通过使用 Hadamard 门准备量子比特，使所有数字处于统一的叠加状态。在这个阶段测量量子比特将显示所有结果同等可能：

图 3：实现统一振幅

以下方程表示所有字符串的统一大小：

现在，对 s[a]的振幅施加了一个 Oracle 门，将其翻转，而其他部分保持不变：

现在图表可以表示为：

图 4：翻转匹配的振幅字符串

现在所需元素 S[a] 的振幅已经翻转（为负）。因此，振幅的平均值将会减小。这就是引入 Grover 扩散算子的地方，以绝对增加 S[a] 的振幅。

所有这个算子所做的就是翻转平均振幅。这导致 S[a] 的振幅增加到约为的大小。振幅看起来如下图所示：

图 5：翻转平均振幅

重复应用 Oracle 门和 Grover 扩散门的过程直到振幅足够显著。还必须注意，S[a] 的振幅不要太大，以至于平均振幅变为负数，这将导致 S[a] 的振幅减小。当振幅几乎为一时，测量量子比特将提供正确的答案。可以证明，当重复约为次时，此过程提供准确的结果。

要点：Shor 和 Grover 算法奠定了量子计算的基础，并确定了这些算法可以帮助解决的实际用例。

现在我们将转向量子退火，这是一种用于解决优化问题的技术。

量子退火

我们已经看到使用门操作实现的量子比特的叠加是如何解决实际问题的。还有其他方法可以得到优化的解决方案。量子退火是利用量子波动到达全局最小值的过程。量子隧道效应可以帮助在量子退火器中的状态之间进行转换。

在量子退火过程中，为了优化所需的信息被建模为一个物理系统。该过程涉及将一个涉及多个相关变量的优化问题编码为一个物理系统（由叠加态中的量子比特表示）。

问题的解决方案被表示为系统的最小能量状态，用来实现这一点的最简单功能称为哈密顿量。量子隧道效应驱动的量子退火可以解决物流问题，例如。

量子隧道

量子隧道是粒子穿越高能系统的量子特性。在经典物理学中，当电子遇到电场时，如果电场比电子的电场强，电子就会被排斥。使用量子退火解决的问题依赖于粒子的量子隧道性质。

图 6：电子接近电场

图 7：电子受电场排斥

图 8：电子波向电场移动

图 9：电子波穿隧通过电场

隧道效应是由弗里德里希·亨德在 1927 年观察到的性质。如果一颗以波的形式传播的电子遇到排斥它的电场，它仍然有概率穿过电场并出现在电场的另一侧（图 9）。在放射性衰变过程中，亚原子粒子表现出隧道效应，当粒子逃离不稳定的原子核时。

量子退火是依赖于粒子的隧道特性的过程。让我们看一个实际例子，量子退火可以被应用的地方。

旅行推销员

旅行推销员问题是量子隧道的一个广为人知的应用。假设有一个推销员在全国范围内销售货物。他穿越国家的最佳路径将取决于该国的城市数量。如果国家有三个城市（A，B 和 C），最佳路线可能是 A -> B -> C 或 A -> C -> B 或 B -> A -> C 或 B -> C -> A 或 C -> A -> B 或 C -> B -> A。可能的路线数量（6）取决于这里的城市数量（3）。可能的路径数量可以表示为城市数量的阶乘：

3！= 3 * 2 * 1 = 6

当城市数量翻倍至 6 个时，可能的路线数量将变为 6! = 720，这是一个急剧的增加。除了城市数量的增加，还可能会出现其他问题，比如某一时间点发生交通拥堵，或者有一条非常糟糕的道路。因此，最佳路线未必是最短的路线。我们首先需要建立系统来确定最佳解决方案。

让我们将系统准备在问题的许多可能解决方案的量子叠加态中。现在系统可以被看作是一个峰谷景观。峰值是高能态，是昂贵的。另一方面，山谷代表低能态。在我们在一个山谷和另一个之间过渡时，每个解决方案的概率会演化。能量更低的选项成为更可能的解决方案，直到最高概率的解决方案被确定为最佳解决方案。

在模拟退火中，热量被用来越过峰值并在山谷之间过渡。使用量子退火器，量子隧道效应使我们能够穿过高能量峰值而不是爬上它们，就像在模拟退火中一样。

量子退火是由外部磁场驱动的，起到了模拟退火中温度的作用：量子退火从高磁场（高温度）开始，并以低磁场（低温度）结束。

量子退火是将优化所需的信息输入到物理系统的过程。问题的解决方案将由系统的基态（最低能态）定义。用于此过程的函数称为哈密顿函数，它管理系统的能级信息。

我们可以使用哈密尔顿量来根据一系列约束条件管理系统的能级。在旅行推销员问题中，我们可以将更高的能级分配给更长的距离、糟糕的道路、交通堵塞和道路关闭。最佳路径将是能级最低的路径。考虑到这一点，我们如何确定能量最低的解决方案？

哈密尔顿函数，以及我们添加以增加能级的项，会在能量空间中创建峰和谷。我们需要找到谷，而不必爬上高峰能级。如上所述，这可以通过量子隧道实现。虽然这使我们能够从一个谷到另一个谷移动，但我们如何确定最低的谷？一种称为绝热量子计算的量子技术可以用于此目的。

术语绝热来自于热力学理论，意味着不改变热量的数量。在这个过程中，系统被初始化到基态，然后缓慢演化为更复杂的哈密顿量，其基态编码了解决方案。

每个哈密顿都通过向所有不正确的配置分配能量惩罚来编码变量的正确分配。景观中的峰值有更高的惩罚，而山谷有较低的惩罚。通常，最低能级的最佳解决方案具有 0 的特征值。我们可以时间演化系统为:

H(s) = (1 − s) H[0] + sH[1]

当时间 s = 1 时，哈密顿量为 H(1) = H[s]，如果演变缓慢，系统将处于其基态。本征值和本征矢量被用于多种现实世界的算法中。它们被用于建模旋转体的物理学、振动系统的振动以及投资银行的风险建模。

本征值由 Hoffman 和 Kunze（1971）以下定义：

本征值是与线性方程组（也就是矩阵方程）相关的一组特殊标量，有时也称为特征根、特征值（Hoffman and Kunze 1971）、特征数或者潜在根（Marcus and Minc 1988, p. 144）。

参考：mathworld.wolfram.com/Eigenvalue.html

量子退火可以用于解决优化问题。然而，我们可能不需要等待量子计算机来使用量子退火和量子隧道原理来取得结果。富士通已经创建了一个“受量子启发的数字退相干器”来解决金融风险管理和金融投资组合再平衡中的具有挑战性的优化问题。

要点：量子退火可以用于优化多个行业中的问题。金融、物流、医疗保健和智能城市都是可以使用这种技术来优化复杂问题的领域。

尽管量子技术有着所有这些惊人的可能性，退相干是一个重大挑战。让我们接下来看一看。

量子退相干

我们在第一章，量子计算与区块链导论中讨论了量子狭缝实验，看到光子穿过狭缝时表现出波的特性（干涉自身），即使它们是逐个发送的。当粒子表现出自身干涉的特性时，即使它们是逐个发送的。当粒子表现出自身干涉的特性时，即使它们是逐个发送的。当一个粒子表现出波的特性，即干涉自身时，就被称为相干。退相干是系统中相干性的丧失或抑制。

当粒子的状态被观测时，解释其行为的波函数会坍缩。这个解缠现象的过程，使原本处于多重状态的粒子在被观测时坍缩为两个经典状态之一，被认为是量子和经典物理之间的桥梁。实验可能是关于处于超定态的电子，如果观察者正在测量自旋的 z 分量，实验将输出自旋 z 分量的确定值。x 分量仍可能保持在超定态。这符合玻尔的解释，即在观测时，量子世界的性质才会出现。

我们知道，宏观物体，比如人类，不表现出这种属性——只有在被观察时才采取某一状态。当然，当我们知道被观察时，我们都表现出高尚品质，有时相反，但这对于活着或死去等固有属性却不是这样！更严肃地说，量子世界中的事物如何在被观察之前处于多种状态？

厄温·薛定谔（Erwin Schrodinger）设计了一个思想实验来说明这个概念的反直觉性质和看似荒谬的性质：

一只猫、放射性物质和毒气被放置在一个箱子里。如果探测到放射性，盛放毒气的瓶子将被打破，猫会死。放射性物质足够小，以至于有时无法检测到放射性。因此，在任何时候，箱子外的人都无法确定猫是活着还是死了。因此，按照量子逻辑，可以认为猫既活着又死了！

薛定谔质疑在量子世界中这可能如何发生，而在宏观世界中显然不是这样。迄今为止，所有的量子实验都肯定了量子物体确实似乎能够存在于两种状态，直到被观测到。

量子纠错

量子纠错（QEC）是一个关键的过程，使量子系统的结果变得可靠。在量子计算的初期阶段，高效地纠正量子计算机，同时又不触发计算的失真，被认为是极其不直观的。量子系统中缺乏可靠的纠错是一个主要的障碍，因为量子算法使用的是干涉，而干涉是脆弱的。这种干涉使量子算法对系统的不精确性和系统与世界其他部分之间的耦合敏感。

一些常见错误的原因包括：

系统初态的准备
量子比特由于与环境的相互作用而发生失真
门上的不准确
测量过程中的缺陷

彼得·肖尔（Peter Shor）和安德鲁·斯蒂恩（Andrew Steane）开发了第一套量子纠错码。肖尔发现可以将 9 个量子比特组合在一起对一个量子比特进行纠错，而斯蒂恩则发现了一种由 7 个量子比特组成的纠错方法。

由于与环境的干涉而导致的量子信息丢失可以通过信息的分布来处理。如果信息分布在多个量子比特而不是一个量子比特上，信息将更加安全。在经典计算中，使用重复码进行纠错需要用三位来存储来自一位的信息的副本。因此，除非两份副本有错误，否则信息将完好无损。虽然这在经典计算中是一个简单的过程，但对于量子计算机来说，从一个量子比特复制信息到另一个量子比特更加复杂。

将重复码方法推广到量子计算机的方法是由 Shor 提出的。他提出的解决方案是在基态上使用重复码对量子位进行编码。

通过 Emanuel Knill 开发的后选择量子计算表明，通过错误检测而不是错误校正可以实现量子计算的规模化。量子计算机将具有错误检测电路，如果检测到错误（噪声）已经突破了阈值，则将算法的相关子程序重置并重新运行。这解决了高级别的错误容忍度，但具有高资源需求。

处理量子错误的另一种有用方法是使用称为稳定器的量子纠错码。对于量子系统的开发者来说，这些是相当有用的工具。稳定器代码规范有许多应用，包括准备电路、校正电路和容错逻辑门的设计。使用稳定器来定义量子纠错码有助于使用校正电路在编码数据上应用逻辑操作。由安德鲁·斯坦（Andrew Steane）开发的 7 量子位方法构建了一个使用七个物理量子位的逻辑量子位，具有校正单个 X 或 Z 错误的能力。

要点：量子计算中的错误校正是一个非平凡的练习。QEC 的复杂性以及解决它们的各种选项值得一本书来详细讨论。这是量子计算的一个关键方面，它已经帮助将量子计算从理论转变为实际可能性。

结论

为了理解本书中的访谈以及从中得出的关键推论，读者充分理解本章是必不可少的。出于同样的原因，我使用实际示例描述了量子计算的概念，并将其与经典计算等价物进行了比较。有一些量子计算的概念，如果不深入研究底层物理（如果不是数学的话），就很难理解。在这种情况下，本章对物理基础概念的简化将有助于理解组成量子系统的微观元素行为中的怪异之处。简化的版本可能会让量子科学家感到不舒服，但我坚信简化叙述对于任何技术走向主流都是至关重要的。

参考文献

www2.physics.ox.ac.uk/sites/default/files/ErrorCorrectionSteane06.pdf
journals.jps.jp/doi/full/10.7566/JPSJ.88.061009
arxiv.org/pdf/quant-ph/9508027.pdf
science.sciencemag.org/content/356/6343/1140
people.cs.umass.edu/~strubell/doc/quantum_tutorial.pdf
cs.uwaterloo.ca/~watrous/LectureNotes/CPSC519.Winter2006/05.pdf
grove-docs.readthedocs.io/en/latest/vqe.html
quantumexperience.ng.bluemix.net/qx/tutorial?sectionId=beginners-guide&page=004-The_Weird_and_Wonderful_World_of_the_Qubit~2F001-The_Weird_and_Wonderful_World_of_the_Qubit
medium.com/@jonathan_hui/qc-cracking-rsa-with-shors-algorithm-bc22cb7b7767
www.scottaaronson.com/blog/?p=208
quantumexperience.ng.bluemix.net/proxy/tutorial/full-user-guide/004-Quantum_Algorithms/070-Grover's_Algorithm.html
www.cs.cmu.edu/~odonnell/quantum15/lecture04.pdf
medium.com/@quantum_wa/quantum-annealing-cdb129e96601

第三章：数据经济

最近，我家的一个吊灯出了故障，电路有些奇怪的布线问题。连接到吊灯的灯泡开始闪烁，一两个小时后所有的灯泡都跟着几个危险的火花熔断了。我们不得不将其修理好，但同时也发生了其他事情。我五岁的孩子看到这一幕后说："爸爸，这个吊灯失去了互联网连接，你看，甚至灯泡也不再发光了，我们可以检查一下互联网吗？"

我对这个评论感到惊讶，让我意识到了我们生活的世界。下一代人沉浸在一个无缝连接的世界中，或许无法想象它曾经是其他样子。这种连接性也带来了自己的挑战。连接性导致互动，而互动反过来产生数据 - 很多数据。然而，只有这些互动产生的数据能够被有效地获取、管理和分析，才有价值。在过去几年中，互联网作为数据网络导致了一次重大升级。多亏了区块链，我们现在拥有价值网络，通过连接可以进行点对点的价值交换。

点对点互动（无论是数据还是价值）的这种增长也带来了一些挑战和风险，包括网络安全、数据隐私和自主身份。多年来，我们看到一些公司丢失或错误管理了客户数据，因此受到了声誉和监管风险的影响。同样，我们也看到资本市场在创造包容性价值框架方面表现不佳，使得富人变得更加富有，而穷人变得更加贫穷。

人工智能、区块链和量子计算等新兴技术可以帮助管理新型数据经济。它们也可以帮助世界转向点对点价值交换网络。

本章将带你重温互联网的诞生，以及在互联网之上构建业务的科技公司的诞生。我将描述随后出现的社交媒体和大数据，这意味着我们需要方法来管理随之而来的数据爆炸。云计算和人工智能在如此庞大的数据量上的崛起是合乎逻辑的下一步。目前正在进行使用区块链来管理数据完整性，以及利用量子计算更好地利用数据。让我们从互联网开始吧。

互联网

互联网的崛起在互联网本身上有了充分的记录。然而，我觉得首先应该理解过去 50 年来技术转变的一些重要内容，以便了解我们今天所生活的丰富数据时代是如何到来的。互联网之前是由晶体管、电话、无线电和计算机等设备的发明和传播引起的。试图连接计算机以共享和广播信息并进行协作，这就是互联网的起源。一切始于 ARPANET。

ARPANET

1962 年，麻省理工学院的 J.C.R. 利克莱德写了一系列备忘录，描述了网络上可能发生的交互，并将其称为银河网络。另一个思维突破发生在麻省理工学院的伦纳德·克莱因洛克提出了使用数据包而不是电路进行通信的理论。这激发了劳伦斯·G·罗伯茨的工作，他制定了 ARPANET 计划，并于 1967 年发布了该计划。结果，1969 年，克莱因洛克的加州大学洛杉矶分校网络测量中心成为 ARPANET 上的第一个节点。斯坦福研究所（SRI）、加州大学圣巴巴拉分校和犹他大学随后加入了网络。主机之间的第一条消息发生在克莱因洛克的实验室和 SRI 之间。

随着越来越多的主机加入，ARPANET 迅速扩张。然而，直到 1971-72 年实施网络控制协议（NCP）后，ARPANET 用户才能开发应用程序。使用 NCP，用户可以远程访问计算机并发送文件。它充当了传输层，并定义了连接两台计算机的过程。更多阅读：www.internet-guide.co.uk/NetworkControlProgram.html

1972 年是一个重要的年份，第一个电子邮件程序推出了，用户可以阅读、转发和回复消息。在当今微型消息传递世界中，电子邮件主要用于正式通信。然而，在互联网的历史上，电子邮件是一个关键的步骤。

TCP/IP

ARPANET 为使用数据包交换在网络内进行通信铺平了道路。然而，当传输控制协议/互联网协议（TCP/IP）由鲍勃·卡恩开发时，通过不同技术连接到其他网络的互操作性发生了变化。后来称为 TCP/IP 的 TCP/IP 成为了我们今天使用的互联网的基石协议。TCP/IP 是互联网上数据交互发生的规范，以及数据应该如何被分成数据包，从源头传输到目的地并在目的地接收的规定。TCP 定义了如何在网络上（在本例中是互联网上）创建应用程序通道，而 IP 为数据包的目的地提供了标识符或地址。下图描述了使用 TCP/IP 的互联网架构：

图 1：TCP/IP 架构

网络层是数据在物理线、电缆或光纤中以数据包形式传输的地方。Internet 层使用我们称之为 IP 地址来标识主机，并找到距离目的地最近的路由器。传输层负责数据的端到端传输，不受底层网络的影响。它还负责处理错误处理、流量控制和拥塞控制，以避免大量数据通过相同的路由器发送。应用层涵盖了我们用于电子邮件、文件传输和网站等应用的协议。

TCP/IP 协议的开发和宣传是互联网发展阶段的一个重要阶段。几年的规划后，ARPANET 顺利从 NCP 转到 TCP/IP，这个转变出乎意料地顺利。

1989 年，一位名叫蒂姆·伯纳斯-李的英国科学家提出了万维网的概念。这意味着统一资源定位符（URL）可以成为保存信息的空间。这些 URL 可以相互链接，并通过互联网访问。到 1990 年，蒂姆还提出了超文本标记语言（HTML），这门语言是互联网的基石。

繁荣、萧条和繁荣

几家公司在上世纪 80 年代就应用了 TCP/IP 协议。然而，直到 20 世纪 90 年代，互联网的主流采用才开始。20 世纪 90 年代，几家基于互联网的企业开始成型，个人电脑开始变得普遍。随着这两项创新（互联网和个人电脑）在 90 年代中期的融合，互联网市场迅速增长。几家公司在两年时间内增长了约 500%。例如，AOL（美国在线）从 1992 年上市时的 7000 万美元增长到 2000 年初的 1500 多亿美元。

由于 90 年代末的非理性狂热，风险投资（VC）行业随意向初创企业大肆投资。这些 VC 用于评估投资机会的估值模型基本上是错误的，而且在许多情况下根本没有进行估值。许多没有健全商业模式的公司以疯狂的估值获得了资金，导致了泡沫和崩溃（如下所述）。这是历史重演的一个典型例子，因为点网泡沫在 2017/2018 年末的区块链/加密货币行业中重演，尽管规模较小。通过这场繁荣与萧条，关键事件的时间顺序如下：

繁荣期

1995 年 8 月：网景公司开始交易，标志着互联网时代的开启
1996 年 4 月：雅虎上市，首日股价翻倍
1997 年 5 月：亚马逊上市，并在第一天股价上涨 30%
1998 年 1 月：NASDAQ 以 1574.10 点开盘，两年来涨幅达 50%
1998 年 9 月：Google 由拉里·佩奇和谢尔盖·布林创立
1998 年 9 月：eBay 上市，首日股价上涨 163%
2000 年 3 月：纳斯达克达到 5132.52 的峰值

经济大萧条

2000 年 3 月：达到峰值三天后，纳斯达克下跌了 4.5％
2000 年 4 月：纳斯达克在一周内跌幅达到 25％，泡沫破裂
2000 年 12 月：eBay 股价跌至 2.81 美元（首日收盘价为 47.35 美元）
2000 年 12 月：纳斯达克年末收于 2470.52 美元，较 3 月份的峰值下跌了 52％
2001 年 3 月：eToys 股票一文不值。该公司在三年内耗尽了 8 亿美元，并申请破产。
2001 年 4 月：TheGlobe.com 股价跌破 1 美元，并从纳斯达克摘牌
2001 年 11 月：亚马逊股价跌至 5.51 美元

复苏

2003 年第一季度：亚马逊报告了其首次年度利润为 3500 万美元
2004 年 8 月：谷歌上市，首日股价上涨 18％

随着互联网帝国在 21 世纪初的衰落，大多数公司在几周内失去了价值。许多公司破产，投资者失去了资本。然而，在痛苦的几年后，尘埃落定了。其他一些互联网/技术公司从互联网泡沫破裂中恢复过来。然而，这是一个缓慢的过程。微软的股价直到 2016 年 10 月才回到 1999 年 12 月的高点。互联网泡沫的破裂识别了定义计算机和互联网未来的公司。互联网泡沫的幸存者继续建立了我们今天所知的社交媒体的框架。

社交媒体

互联网革命之后是另一场技术范式——社交媒体。虽然互联网是连接人们和分享信息，但可利用的信息仍然有限（相对而言）。

社交媒体创造了互动，博客和微博客的机会，导致了数据爆炸。

图 2：社交媒体应用程序

随着社交媒体席卷全球，一些大型科技公司出现了一些关键发展。Facebook 早期看中了 Instagram 和 WhatsApp。虽然 Instagram 以 10 亿美元的价格被收购是一个抢手货，但以 190 亿美元收购 WhatsApp 引起了一些人的质疑。然而，这些应用程序所涵盖的市场规模足以证明这笔开支是合理的。此外，到 2014 年 WhatsApp 被收购时，Facebook 仅通过广告的收入就达到约 120 亿美元，用户基数达到 13 亿人。

尽管 Facebook 的收入模式取得了成功，但他们清楚地意识到他们必须全球扩展其用户群。他们的雄心壮志是让每个互联网用户成为他们的客户，在互联网普及率低的地方，他们甚至制定了提供互联网的策略。用户数据的竞争开始了，随着他们免费提供服务，他们的用户成了他们的商品。

让我们了解一下使用这些社交媒体应用程序创建的数据量和市场规模。这将帮助我们理解为什么这一章涵盖的新兴技术现在比以往任何时候都更加重要。这些数据将披露为什么大型科技公司着眼于扩大他们的客户群。

一些需要注意的数字是（截至 2019 年 1 月）：

42 亿人使用互联网
34 亿人积极使用社交媒体
Facebook 和 WhatsApp 每天创建 600 亿条消息
2018 年发送了 450 亿条微信消息
晨高峰 1 分钟内微信消耗了 46TB 的数据流量
自 2003 年以来，Google 已经回答了 4500 亿个独特的查询
每分钟有 300 小时的视频上传到 YouTube

根据上述统计数据，您可以清楚地看到世界数据的庞大增长。其中，很大一部分增长是由全球用户广泛采用社交媒体所推动的。

"在文明的黎明和 2003 年之间，整个世界创造了 5 艾字节的信息。现在，这个数量每两天就是一样多。"

– 埃里克·施密特，Google 前首席执行官和董事长（2010 年）

这些数据多年来一直被科技巨头用于各种商业目的。这也导致了政府、监管机构甚至客户在数据隐私权上的反弹。Facebook 与剑桥分析公司分享了有关 8700 万人的数据的丑闻为该公司带来了很多声誉问题，并凸显了对更好的数据控制和法规的需求。标签#FacebookIsDead开始流行起来，许多千禧一代和 Z 一代用户因为 Facebook 对用户数据的处理而远离这家社交媒体巨头。很明显，数据法规、治理和控制是必不可少的。但在继续讨论这个问题之前，让我们先看看企业如何利用大数据技术管理这一大量数据的爆炸增长。

大数据

术语大数据是由 Roger Mougalas 在 2005 年创造的，这是在 Web 2.0 之后的一年。Web 2.0 用于指示传统商业智能工具由于它们需要处理的数据量而无效的数据时代。同一年，Yahoo 在 Google 的 MapReduce 上开发了 Hadoop，旨在对万维网进行索引。Hadoop 是一个能够处理结构化和非结构化数据的开源框架。

结构化数据是由明确定义的数据类型、数据规则和其会遵循的控制所确定的。结构化数据通常存储在数据库中，其中数据的确切参数是预定义的。Oracle、Microsoft SQL Server 和其他几个数据库管理系统非常专注于处理结构化数据。

非结构化数据没有相同级别的结构纪律，主要是因为它的生成方式。非结构化数据以各种形式存在，大部分是当今世界上存在的数据。它可能是从社交媒体、电子邮件、聊天、语音录音和视频中产生的数据。社交媒体需要高效地管理非结构化数据，并且出现了几种技术以应对这一机遇。

数据库的另一种分类是关系型和非关系型。关系型数据库如 MySQL、Microsoft SQL Server 和 Oracle 在表中以结构化格式存储数据。这些表可以通过关系相互链接。这些关系确保数据的完整性。

然而，这种模型的缺点是，将数据转换为关系模式需要大量时间。因此，在数据量庞大且处理通常预期在几分之一秒内完成时，这可能不是最佳选择。从关系数据库中提取数据通常使用结构化查询语言（SQL）。

非关系型数据库如 MongoDB、Neo4J 和 Cassandra 以 JSON 或 XML 格式存储数据。当数据一致性不太重要，可用性和查询响应时间更重要时，它们非常方便。这些数据库还允许更无缝地进行水平扩展。这在涉及大数据量时非常重要。

在深入了解大数据管理如何进行之前，首先了解结构化数据的数据来源、管理和分析将非常有用。

结构化数据处理

在传统环境中，数据遵循着明确定义的数据类型，从数据源、准备、管理到以适合报告和分析的格式传送的过程涉及一个称为ETL（提取、转换和加载）的过程。所有这些过程发生在组织中的系统称为数据仓库。我们将简要讨论以下每个过程：

提取

数据来源于组织内的各种形式，并存储在名为临时数据库的数据库表中。数据来源可以是平面文件、消息总线，或者高度规范化以快速写入事务的事务数据库。源到目标的映射是预定义的，以确保源数据以兼容的结构（数据类型）传送到临时区域。临时数据库中的表充当这些数据的着陆区。

转换

临时表中的数据经历预定义的转换。这些转换在系统中提前确定并编码。当数据被确定为与这些转换和系统中设定的规则（数据类型、逻辑条件）不兼容时，数据将被记录到错误处理队列中。

加载

转换后的数据然后加载到数据仓库中，到那个时候通常是高质量的。这个最终的数据库也可能是数据集市，通常是满足特定目的或组织部分的小型数据仓库。无论如何，数据在准备进行分析和报告之前需要经过几个步骤。

这个过程过去在传统的设置中有效。然而，可能无法找到一个地方来存储每天产生的 2.5 亿亿字节的数据（数据），这些数据不符合结构化数据库的语义限制。因此，需要通过大数据平台的方法转变。现在让我们看看非结构化数据管理是如何解决数据时代提出的一些挑战的。

非结构化数据处理

传统的数据库管理系统并不适用于处理与互联网经常相关的数据量和缺乏结构。大数据系统的关键组成部分包括：

数据源

大数据系统中的数据源可以是文本文件，来自社交媒体的消息，网页，电子邮件，音频文件和视频文件。随着物联网 (IoT) 的兴起，机器交互产生的数据也将成为大数据系统需要处理的来源之一。

数据存储/数据湖

来自这些来源的数据存储在分布式文件存储系统中，如Hadoop 分布式文件系统 (HDFS)。存储的分布式特性允许它处理大容量和大数据量。数据湖也可以处理结构化数据，但不需要数据处于结构中。

成功实施数据湖的企业在有机收入增长方面超过了竞争对手 9%（根据 Aberdeen 的研究）

来源：s3-ap-southeast-1.amazonaws.com/mktg-apac/Big+Data+Refresh+Q4+Campaign/Aberdeen+Research+-+Angling+for+Insights+in+Today's+Data+Lake.pdf

与传统的数据仓库不同，数据湖在读取时获得模式。

数据处理

在大数据基础设施中进行数据处理的方式可能有所不同，具体取决于输入系统的数据的性质：

批处理通常用于处理大型文件。这些批处理作业处理传入的文件，并将处理后的数据存储在另一个文件中。像 Hive、Pig 或 MapReduce 作业这样的工具可以处理这种类型的处理。
实时数据处理发生在一个系统中，数据来自社交媒体或物联网设备，数据以连续的数据流形式需要处理。这个数据流是实时捕获的，这可能也涉及使用消息缓冲区来处理实时数据量。
然后可以使用传统技术转换这些数据，并将其移动到分析数据库/数据仓库中。
或者，如果不喜欢传统流程，可以在数据文件之上构建一个低延迟的 NoSQL 层，用于分析和报告。

现在让我们来看看已经探索过的不同架构，以管理大数据。

大数据架构

有一些大数据架构既解决了处理大容量数据的问题，又满足了精确的分析需求。例如，Lambda 架构有一个热路径和一个冷路径。热路径处理来自诸如社交媒体之类的来源的大量数据，然而，对于读取操作，热路径提供了较低数据精度的快速访问。另一方面，冷路径涉及耗时的批处理，但处理数据以提供高度准确的分析功能。

热路径通常仅保存短时间的数据，之后，从冷路径处理的更高质量的数据替换此数据。Kappa 架构从 Lambda 架构汲取灵感，并通过使用流处理机制简化了它，仅使用一个路径而不是 Lambda 架构的两个路径。这消除了重复和确保数据收敛的复杂性。像 Apache Spark Streaming、Flink 和 Beam 这样的框架能够提供实时和批处理处理能力。

大数据系统使用的第三种架构是 Zeta 架构。它使用七个可插拔组件来增加资源利用率和效率。组件如下：

分布式文件系统
实时数据存储
可插拔的计算模型/执行引擎
部署/容器管理系统
解决方案架构
企业应用程序
动态和全局资源管理

这种架构的好处包括：

减少复杂性
避免数据重复
降低部署和维护成本
提高资源利用率

将解决方案分解为可重用组件，在开发和管理大数据平台的几个方面都能提高效率。

虽然架构很有趣，可以了解技术的成熟度，但结果可能更重要。例如，大数据系统允许更好地利用以社交媒体互动形式捕获的数据。处理大量数据的基础设施的成熟度已帮助多个行业提供精明的客户特定服务。我们使用社交媒体分析看到的一些常见用例包括：

品牌情感分析
- 品牌可以使用社交媒体分析来了解有关其品牌或最新推出产品的情绪，并相应调整其产品。
客户细分和定向广告
- 几个社交媒体平台提供了有关组织在营销方面获得最大效益的详细信息。企业可以根据这些信息微调其营销策略，并降低客户获取成本。
积极主动的客户服务
- 客户不再需要经历繁琐的投诉流程。有几个例子显示，顾客在 Twitter 或 Facebook 上记录了他们的投诉，品牌立即做出了反应。
政治竞选活动
- 即使在选举前，政治竞选活动也通过社交媒体洞察力得到积极主动的管理。西方国家可能更习惯这样的活动，但例如在印度，总理纳伦德拉·莫迪成功地利用巧妙的社交媒体策略吸引了他的追随者的注意。
- 在政治竞选期间，有几个亚洲政治组织被指控发布假新闻，以误导选民。例如，在 2019 年印度选举前夕，WhatsApp 被用作传播关于印巴空战的假新闻的平台。2016 年的英国脱欧公投是另一个被指控进行选民操纵的例子。来源：www.bbc.com/news/world-asia-india-47797151

组织利用社交媒体数据持续与消费者进行互动的其他几种方式。例如，了解用户的情绪、积极主动地处理投诉，以及创建增加品牌知名度的活动，都可以在社交媒体上完成。

作为一名投资者，当我评估公司时，我考虑的一个关键维度是它们对通过社交媒体渠道提高品牌知名度、获得客户以及持续互动的认识和能力。了解有效利用社交媒体的优势已成为经营业务的基本要素。这不再是一个选择。社交媒体的崛起使公司从本地服务器转向基于云的基础设施。也许不存在因果关系，但社交媒体与云之间绝对存在相关性。

云计算

架构上催化了大数据革命的大数据框架也同时得到了云计算的演进支持。如果没有这些技术范式成为主流，就不可能捕获、存储和管理大量数据。一切始于 2002 年，当时亚马逊推出了其在线零售服务。他们不得不采购大量服务器来应对圣诞季节的高峰流量。在其他时候，他们的服务器利用率约为 10%，在那个时代这是很常见的情况。

亚马逊的团队发现了他们服务器的低利用模式，并认为他们可以创建一个模型来提高非高峰时段的利用率。与需要服务器资源的其他人分享他们的服务器基础设施可以为每个人增加效率。云基础设施的概念应运而生。

杰夫·贝佐斯和他的执行团队最终决定在非高峰时段充分利用未使用的服务器容量。一年之内，亚马逊的团队组建了一个提供计算机存储、处理能力和数据库的服务。这种商业模式改变了创新格局，因为服务器基础设施变得更加负担得起，适合初创公司使用。

亚马逊网络服务（AWS）于 2006 年上线，到 2018 年，它成为一个创收 260 亿美元的机器。谷歌、微软、IBM 等公司纷纷效仿；然而，亚马逊显然领先一步。截至 2018 年，80%的企业正在使用 AWS 运行应用程序或在其上进行实验（据 Statista）。自从云服务主流采用以来，创业成本已经大幅下降。

采购基础设施的需求基础也使得运营和扩展业务变得成本效益高。

未加标题的图片

图 3：2018 年全球公共云平台服务计划和当前使用情况。来源：https://www.statista.com/statistics/511467/worldwide-survey-public-coud-services-running-application/

随着云服务的成熟和扩展，出现了几种新的模式，即软件即服务（SaaS）、平台即服务（PaaS）和基础设施即服务（IaaS）。

SaaS 是一种模式，其中软件应用程序由供应商在服务器上虚拟管理，并通过互联网供用户访问。谷歌文档是这种模式的早期例子之一。今天，我们使用云托管的 SaaS 进行日常应用的多种简单任务，从文档管理到进行远程会议。由于这种模式，我们的笔记本电脑不再每隔一会儿就呼喊出软件更新。然而，我们也越来越依赖互联网，并在没有互联网的情况下感到失去功能。

PaaS 是一种模式，供应商不提供互联网上的应用程序，而是为开发人员提供一个创建应用程序的平台。例如，许多供应商以 PaaS 模式提供区块链，开发人员可以使用云管理的软件开发服务来创建区块链应用程序。IBM 也为量子计算提供了类似的服务，然而，这也可以归类为 IaaS 模式。

IaaS 是一种模式，其中计算机资源被提供为服务。这将包括服务器存储、计算和网络容量、灾难恢复等。这帮助大型组织通过转移到云端来减少其基础设施占地面积。数据中心迁移到云端，从而实现了计算资源的效率提升，同时也减少了它们的碳足迹。

随着这些在架构、软件和基础设施技术范式方面的进步，数据时代已经真正启动。我们已经找到了创建和管理大规模数据的方法。然而，我们并不擅长利用数据量来开发规模化的智能——挑战人类的智能。于是人工智能登场了。

人工智能

我把人工智能提及得好像是在社交媒体爆炸之后第一次真正开发出来的。这一点与事实大相径庭；人工智能的概念早已存在。像人类一样行为的机器人的概念早在 20 世纪初的科幻作品中就被提出。然而，直到 1950 年，当艾伦·图灵提出这个问题时，它才开始成为一个严肃的研究领域，

“机器能思考吗？”

人工智能的起源

当艾伦·图灵开始探索这个问题时，他不仅遇到了数学上的挑战，还遇到了神学上的反对意见。他反驳了上帝给人类赋予不朽灵魂，但未给其他动物或机器赋予的论点，因此没有动物或机器可以思考。

他明确指出，在试图使机器思考时，我们（社会和人类）并不是在违背上帝的意志。他认为这不是神学和科学首次采取看似矛盾的立场。

他指出，下面的圣经经文与哥白尼的理论不符。哥白尼曾提出太阳是宇宙的中心，地球和其他行星围绕它运转。

“他奠定了地球的根基，使其永不动摇”（诗篇 104:5）

艾伦·图灵也阐述了他对思考机器未来的看法。

“我相信，大约在五十年后，将有可能，利用存储容量约为 10⁹ 的计算机，使它们玩得和人一样好，以至于一个平均的询问者在问了五分钟的问题后，不会有超过 70% 的几率正确识别。原来的问题，“机器能思考吗？”我认为太无意义，不值得讨论。尽管如此，我相信，在本世纪末，使用的词语和一般受过教育的观点会发生如此大的变化，以至于人们将能够谈论机器思考，而不期望受到反驳。

我相信进一步隐藏这些信念是毫无意义的。普遍认为科学家们从一个被充分确证的事实不可逆地推导到另一个被充分确证的事实，从不受到任何改进的猜测的影响，这种观点是完全错误的。只要明确表明了哪些是经过证实的事实，哪些是猜测，就不会造成任何损害。猜测非常重要，因为它们提出了有用的研究方向。

那个时代甚至尝试人工智能实验的实际挑战是巨大的。计算能力和数据存储能力（或缺乏）是最大的瓶颈。计算机不仅需要存储单词，还需要理解它们之间的关系，以进行有意义的交流。

有一些科学家和研究人员认为机器将具有人类的智能。他们提出了不同的“人工智能奇点”时间表。尽管人工智能技术有时被视为炒作，但研究界持续取得进展；20 世纪 80 年代，约翰·霍普菲尔德和大卫·鲁梅尔哈特引入了深度学习的概念，人工智能领域通过研究资金的激增得到了新的推动。

第一个实际的突破也许发生在 1996 年，当国际象棋大师加里·卡斯帕罗夫被 IBM 的深蓝击败时。深蓝是一个计算机程序，比赛结果受到了极大的宣传，并被认为是当时该领域的一大突破。与此同时，微软将由 Dragon Systems 开发的语音识别软件集成到其 Windows 操作系统中。

科学界已经意识到，人工智能不仅仅是一个奇迹般地表现得像人类的程序。它是一种使用大量高质量数据构建的算法的方法。这使得算法能够更好地理解机器所处的背景，并提供相关的输出答案。

模仿游戏

图灵的另一个贡献是图灵测试。这个测试被称为模仿游戏。游戏构造如下：

有三个房间，每个房间都通过计算机屏幕和键盘连接到其他房间。
第一个房间里坐着一个人类，第二个房间里坐着一台计算机，第三个房间里坐着一个“裁判”。
裁判的工作是根据他们的回答（通过五分钟的互动）来识别人类和机器。
图灵提出，如果裁判在识别人类或机器方面的准确率低于 50%，这意味着裁判有可能选择人类或计算机。这使得计算机成为了一个可以通过的模拟人类和智能的人工智能系统。

多年来，程序员们对这个实验进行了几次简化，将其用作他们解决方案智能程度的试金石。一些随后的研究者批评了图灵测试在识别真正智能系统方面的能力，而其他论文则为测试进行了辩护。不管怎样，艾伦·图灵对人工智能领域的贡献无疑是巨大的。他是一个有远见的人，为后代播下了利益的种子。

人工智能的化身

我经常发现人们在很多列出的更详细的 AI 分支中将 AI 互换使用。经常有人挑战将AI用来指代机器学习解决方案的做法。在我看来，这些 AI 的子群集侧重于利用数据做出更好的决策。在某些情况下，这种智能增强了人类，有时机器自己做出决策并从中学习。

AI 的算法细节，如神经网络、聚类和贝叶斯网络都作为 AI 的分支下的技术进行了涵盖：

图 4：AI 的分支

机器学习或许是最常见的形式，其中数据中识别模式并利用这些模式进行预测。模式识别过程涉及向算法提供大量数据，并开发解决方案来利用这些训练数据进行学习。机器从训练数据中学习后，就可以将学到的内容应用到新的数据集上。如果新的数据集呈现出与训练数据相似的模式，那么机器就会强调这些模式。因此，训练数据的广度和质量在学习过程中非常关键。让我通过我参与的一个例子来解释这个问题。

2014 年，我有幸成为 PwC 的 IBM Watson 评估委员会成员。我们正在评估使用 IBM Watson 解决监管问题的可行性。自 2008 年以来，英国和欧盟的金融监管机构提出了几项复杂的法规，要求银行了解大量的监管文本并确保合规。成千上万行复杂的监管文本，相互补充和冲突的监管规则，以及经常变化的法规，这一切都使得银行很难保持他们的监管义务。

我们正在评估的 IBM Watson 解决方案将所有监管文本（以法律语言书写）作为输入。我们还将提供那些监管文本的自然语言版本作为输入（如果有）。两位监管专家将与 IBM Watson 合作，在他们所称的“Watson 上学”过程中，AI 引擎将接受监管规定的培训。专家们会向 AI 提出关于某项监管规定的问题，当答案提供后，专家们会根据答案的质量点赞或点踩。这有助于 AI 引擎随着时间的推移学习并在大量监管文本上回答简单、普通的问题变得更加出色。

在这种情况下，问题非常明确 - 我们要求机器查看监管文本并提供相关答案。然而，有时候尽管有大量数据可用，分析师也不知道他们在数据中寻找什么。我们使用一种称为无监督学习的方法来识别数据中的问题和异常。利用这一点，我们开始理解影响异常的潜在变量的过程。

机器人技术是另一个在过去 10 年左右取得显著进展的领域。韩国等国家已经通过在制造业中每 10000 名员工部署约 700 台机器人将机器人技术提升到一个全新水平。以下图表上的数字代表 2016 年的数据。最新数据显示，韩国的数字已经增至每 10000 名员工 710 台机器人。

机器人技术被用于进行手术、进行对人类潜在有害的救援行动、银行客户服务、物流、建筑甚至农业。其中几项用途处于原型/试点阶段，但显示出了有希望的迹象。机器人在工业应用方面的应用开始变得清晰起来，特别是在有重复和机械任务的领域。

结果，低技能、高频率、乏味的工作将被机器取代。在资产管理行业，人工智能被用于做出投资组合管理决策，因为机器可以处理数百万个数据点，以做出比人类大脑更好的决策。

信息图表：2016 年机器人工作者密度最高的国家 | Statista

图 5：2016 年机器人工作者密度最高的国家

人工智能在当今世界的应用是无限的。每天都有新的途径和现实机会为人工智能开启。数据的可用性使人工智能的繁荣成为可能，但也在数据隐私、数据所有权和数据安全方面打开了一个全新的潘多拉魔盒。在消费者数据的集中垄断中，我们往往不清楚我们的数据是如何被使用、分享和货币化的。这就是区块链等技术可以发挥作用的地方。

区块链

正如我们之前简要提到的，区块链框架具有几个属性，使其能够解决一些数据所有权、安全性和隐私挑战。在今天主要是非量子技术的背景下，区块链比集中式数据管理系统提供了更好的数据安全性。同时，区块链也存在一些限制，如果不加以解决可能会影响其主流采用。《第一章：量子计算与区块链简介》讨论了区块链（比特币区块链）的历史和技术架构。

区块链具有几个特性使其能够在多个行业应用。然而，在我们专注于数据经济主题时，让我们看看区块链及其能力如何在恰到好处的时间加入了其中。

分权

随着区块链技术在多年里日益受欢迎，分权一直是全球数百万区块链信徒的魔力咒语。感谢我们在本书中早先讨论的可扩展性三难问题，分权通常似乎是实现商业规模的障碍。虽然区块链已经实现了可扩展性，但分权经常被牺牲，使其成为我们希望世界向之迈进的一个难以企及的乌托邦观念。

然而，分权确有其优点。多年来，我们已经习惯了客户端-服务器系统，大部分数据存储在服务器上。这种架构的挑战在于：

拥有大部分数据的服务器易受网络犯罪分子的攻击。黑客攻击集中系统以获取关键信息很容易。曾经发生过银行被黑客攻击并丢失数百万客户数据的多起事件。
如果集中实体停止存在，客户拥有的数据往往会丢失。如果 Facebook 申请破产并停止运营，全球 23 亿用户的整个数据集可能会丢失。

在分权系统中，已达成共识的数据版本存储在区块链上的所有节点上。因此，在区块链中关闭一个节点不会导致数据丢失。

虽然分权可防止数据丢失，但也确保数据所有权不被集中。对每个消费者来说，管理其数据、经济和社会身份越来越重要。由于客户端-服务器系统的缺点如前所述，身份管理机制在分权网络内被称为自主身份管理。

多亏了区块链框架，自主身份的概念开始看起来不像以前那样难以捉摸。在一个将数据视为新油、而注意力（在媒体和社交媒体中）被视为新黄金的时代，身份必须由每个个体拥有和管理。如果我在 Facebook 上有个人档案已有 10 年，我需要完全透明地了解 Facebook 如何使用我的数据并对其进行货币化。任何未经批准使用或出售客户数据的行为都将不再被容忍。

在深入研究有助于管理自主身份的分权可追溯性之前，让我们看看阻止对区块链系统本身进行网络攻击的功能。

不变性

在一个每个生成的区块都使用前一个区块的哈希的系统中，任何试图在区块链上创建虚假交易的人都需要穷举整个区块链。在区块链上就伪造交易达成共识的另一种逻辑方法是控制 51%的节点。这种情况发生在一个失去人气的区块链网络中。在这样的网络中，某人可以接管网络，以达到对网络的 51%控制。

区块链还有其他被攻击的方式，比如导致以太坊硬分叉并诞生以太坊经典的 DAO 攻击。然而，这些问题发生在框架逻辑基本上容易受到攻击的情况下。

如果这样的漏洞被遗忘一分钟，区块链作为一个不可变的网络。一旦创建了交易，要想入侵和更改就会变得非常困难。虽然不可变性无疑是一种可取的区块链属性，但它也在需要可追溯性的情况下使用。

可追溯性

在传统数据库管理系统中建立可追溯性和可审计性并不困难。然而，当可追溯性与区块链的其他特性结合在一起时，它变成了去中心化-不可变-可追溯性，这是特殊的。在数据密集型世界中，区块链的这一特性有多种应用，用于管理知识产权。它还允许你跟踪第三方如何使用你的数据，并在相关情况下，作为客户而得到报酬。

几周前，我和一位区块链架构师交谈，我们讨论了许多网站提供的用户旅程，我们必须输入用户名和密码才能使用他们的服务。他坚持认为，世界需要转向解决方案，其中客户的数字身份不是存储在应用程序级别，而是存储在协议级别。每次需要检查客户身份时，应用程序可以利用这个协议。

这意味着诸如 Facebook 和 Twitter 之类的应用程序不一定会成为个人数字身份的中心持有者。理想情况下，身份应该由一个去中心化的政府网络管理。然而，当网络由少数几个政府管理时，就被认为是集中化的，与区块链的对立面相反。然而，这里的重点不是去中心化程度。更重要的是，身份将必须在更基本的层面进行管理。

随着身份的管理，个人拥有的数据也将被管理。而且，用户的数据将被归因于他们，并且他们将被告知任何一家公司使用他们的数据赚取的金额。选择能够利用他们的数据赚钱的提供商是用户的决定。例如，个人可能会同意将他们的数据（在聚合水平上匿名）用于帮助银行做出放贷决策，但是他们可能不会同意一家大型华尔街银行将其用于向更多客户推销产品。

例如，用户可能会同意将其数据用于具有低碳足迹的公司，但是当一家矿业、石油或天然气公司希望使用其数据做出任何战略/商业决策时，他们希望这些公司将从决策中获得的收益中捐赠一部分给环保慈善机构。

创建一个允许数据创建、共享和变现的生态系统并不足以。建立围绕它的治理和控制是至关重要的，以便实现数据的谨慎使用。在一个国家之间很快将使用网络攻击来相互发动战争的世界中，这些控制将决定胜利者和失败者。各国可能会停止在核弹头上花费时间和金钱，并开始更多地花费时间和精力来保护其公民的数据，使用诸如区块链之类的技术。

随着我们逐步了解到对数据时代至关重要的技术，其中一种显著的技术是量子计算。对于这个领域来说，现在仍然是早期阶段，但其可能性是令人充满希望的。

量子计算

在使数据经济成为可能的一系列技术创新中，量子计算或许是最为重要的一环。我们已经涉及了量子计算的各个方面，使其成为一种革命性的技术范式。在实践层面上，量子帮助我们解决了一些以前无法解决的关键问题。这些实际问题中的许多都在本书中通过采访进行了讨论。有了量子计算，人工智能就像注射了类固醇一样发展迅速，区块链经历了一次新的整容（也许是经历了一场痛苦的手术），而大数据的管理和利用可能会经历一次重大的反思。

当量子特性如纠缠被用于在大距离传输信息时，网络安全将呈现出非常不同的形态。企业将能够做出实时数据驱动的决策，并且具有更高的信心度。实质上，多亏了新兴技术，我们应该能够充分利用我们所创造的数据。

结论

每隔几年，我们都会看到新的技术趋势出现。自互联网兴起以来，没有一项重大技术能够在不丰富数据经济的情况下蓬勃发展。无论是人工智能、大数据、云计算、区块链、物联网、5G 还是量子计算，它们都与数据经济互动并为其做出贡献。其中一些在应用层有更多的用例，一些在协议层有更多的用例，而一些在物理/基础设施层有更多的用例。尽管如此，它们都在规模上造成了颠覆性的影响。

互联网为这几年的数据创新奠定了基础。社交媒体在此基础上建立。一旦我们通过社交媒体创建了数据，就是利用新兴技术充分利用它的时候了。其中一些技术范式甚至在互联网和社交媒体出现之前就存在了。但是，丰富的、具有上下文的用户数据的可用性帮助创新者完善了他们利用和进一步发展这些技术的方法。

互联网提供的连接性为新经济模式的创建提供了可能。一个连接的用户群体，网络效应以及产生的参与度提供了丰富的数据。企业通过充分利用这些数据而免费提供其服务而蓬勃发展。使用区块链数字化创造了价值。

一个小型网络发展成了一个生态系统，并且数字经济得以创建。所有这些都是在过去 15 年以惊人的速度发生的。现在出现的问题是，量子计算是否能够丰富这股创新浪潮？

在接下来的几章中，我们将研究量子计算和区块链在几个行业中的潜在应用。

参考文献

sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/
jmc.stanford.edu/artificial-intelligence/what-is-ai/branches-of-ai.html
medium.com/@chethankumargn/artificial-intelligence-definition-types-examples-technologies-962ea75c7b9b

第四章：对金融服务的影响

金融服务行业在历史上一直不善于拥抱创新和尖端技术。部分原因是银行、资产管理和保险公司将自己视为提供金融产品的业务。他们认为技术是成本中心，不属于他们的核心业务。然而，这种做法受到了业务景观中的两个关键变化的挑战。

2008 年的经济衰退导致金融服务公司与创新技术互动方式发生了几个关键转变。经济衰退后，银行面临巨大的监管压力。这意味着他们必须小心他们向客户提供的金融产品的创新程度。银行必须向监管机构报告更多有关其产品和服务提供情况的细节。结果，创新产品变得稀缺。与后勤技术和流程相关的大量间接成本。仅在英国，银行每年就要花费 50 亿英镑用于监管合规性。随着监管压力的增加，风险管理流程和技术也激增。

金融科技公司的崛起是景观中的另一大变化，被称为金融科技公司。金融科技公司是利用数字方法以更加以客户为中心的方式提供金融服务的创新型年轻公司。它们年轻且没有传统技术的负担。这帮助它们在很短的时间内创建新的商业模式、技术解决方案和运营模式。

当银行和金融服务公司在应对监管压力时，灵活的金融科技公司让它们措手不及。在意识到之前，银行看到金融科技公司以快速增长和扩大其客户基础的方式挑战了它们的业务前景。另一方面，监管流程增加了底线压力。解决方案是将技术转化为金融服务公司的竞争优势。

过去 5 年来，金融服务公司以不同程度的成功拥抱了人工智能和区块链等新技术。在本章中，我讨论了量子计算在金融服务中的潜在应用，并提及了一些适合这项技术的行业应用。

当银行正与金融科技力量搏斗时，他们希望有一个解决问题的灵丹妙药。区块链是在金融科技热潮兴起后引入的，银行因为多种原因而纷纷抓住了这项技术。其中一个原因是要树立他们能够拥抱创新并引领科技的形象。他们还认为区块链可以为他们带来跨越多个银行流程的巨大运营效率。银行正在试验区块链技术，从客户的入职，到实时交易结算时进行了解您的客户 (KYC) 检查。这最终将成为他们的竞争优势。

银行探索利用新兴技术应对金融科技挑战的方法，全球范围内出现了基于区块链的生态系统。这些生态系统有潜力挑战传统资本市场的根基。区块链生态系统的浪潮搭乘着分散化金融服务的原则。我们今天拥有的资本市场高度集中，去中心化，并且通常对最需要它们的人不可及。区块链将改变这一切，并提供大规模的金融包容性。至少，那是愿景。这给银行带来了另一个重大挑战。

在本章中，我触及了区块链试验的不同领域和应用，以及成功案例的领域。金融服务业是一种因全球范围内的业务模式和交互而本质复杂的行业。在几个银行职能中涉及的数据复杂性需要能够帮助充分利用数据的技术。因此，讨论量子计算对金融服务业可能产生的影响也是重要的。

量子计算应用

我在职业生涯的最后十年中，深度参与了风险管理和基金管理工作。当我从巴克莱资本的前台技术转入风险管理工作时，我注意到了两个关键机遇。

一、风险管理是一个数据饥饿的领域；二、与前台相比，技术尚未充分渗透到该领域（尤其是风险管理）。在过去的十年中，我见证了不同银行的风险技术成熟发展到今天的状态。

投资银行中的风险管理和报告涉及大量数据处理。该领域的角色是查看公司在市场上所持有的金融头寸，并评估这些头寸周围的风险。在 2008 年的经济衰退之后，银行被要求持有基于投资组合风险的储备资本。价值风险 (VaR) 方法用于计算公司在风险偏好确定的置信水平下可能遭受的最严重损失。

风险管理有几个子类别，如市场风险、信用风险、操作风险和行为风险。但是，我们将重点关注市场风险和信用风险的工作方式，主要是因为它们需要非常大量的数据和计算。这使它们成为量子计算解决方案的理想候选者。

市场风险

市场风险是模拟市场动态对公司交易头寸的影响的因素。银行可以在市场上交易的各种产品中持有头寸。每种产品都有一个定价机制。风险管理职能的作用是识别影响定价产品所涉及的变量的市场风险因素。

让我们以金融债券为例。这是一种简单的债务产品，通过使用利率贴现未来现金流量来定价。现金流量通常以固定的形式支付利息，用于贴现现金流量的变量是利率。可以通过使用来自彭博公司等公司的利率数据来计算债券的价格。由于利率用于贴现现金流量，如果利率的值上升，债券价格就会下降，反之亦然。

当银行在债券中持有多头头寸（购买）时，如果利率上升，债券价格就会下跌。因此，债券头寸的市场风险是通过建模债券价格来计算的，当市场风险因素影响到所使用的利率时。这是一个简单的例子。

通常会使用几个变量来计算金融产品的价格。当有多个风险因素影响这些变量时，计算风险就变得计算密集。我们还发现其中一些变量彼此之间存在相关性；当一个变量改变时，会导致另一个变量改变。这些交互关系需要被建模以定价产品和头寸相关的风险。

如果一个头寸增加了投资组合的风险，风险管理人员会识别出来，并确保前台采取对冲头寸以降低投资组合的整体风险。所有这些数据都用于计算公司的 VaR 和资本要求。这个过程涉及大量的数据、复杂的计算和模拟以及尖端数据分析。

在一家一线银行中，每天都会将数百万个持仓输入风险引擎中。这些持仓根据市场数据每天重新定价，然后通过将风险因素应用于这些重新定价的持仓来计算风险。这些变量之间的相关性使得传统的模拟技术难以评估风险。因此，银行有时会选择近似价格，因此风险也是一个近似值。

在正常情况下，银行每天早上计算的近似值有效。然而，在危机情况下，当银行发现自己面临着一场市场灾难时，现有系统和流程明显不足。他们需要更快地定价他们的风险，更准确地采取必要的市场行动。了解市场压力情景中的风险有助于银行更有效地对冲现有头寸，或清算造成大额敞口的头寸。

银行使用的现有技术提供了一些途径来近似他们的风险。利用量子计算来模拟市场风险可以带来两个关键优势：

风险可以通过跨不同变量的相关性进行更准确的计算。
风险可以在几乎即时的情况下进行计算，以应对日内压力情景。

使用相关性建模更准确地衡量风险是很重要的。举个简单的例子，假设一家银行在英国航空公司拥有巨额头寸。银行通常会模拟英国脱欧对富时 100 指数和因此对英国航空公司的直接影响。然而，脱欧对全球经济前景有影响。在脱欧公投当天，石油价格和其他几种大宗商品价格下跌。石油价格下跌对航空公司是个好消息。因此，理解市场风险对股票头寸的直接影响很重要。但同时，理解市场波动和可能影响银行市场头寸的其他因素之间的相关性也是至关重要的。

我将在本章后面更详细地讨论银行面临的技术限制。这也应该帮助您了解量子计算技术如何确切地帮助进行市场风险计算。

市场风险并不是量子计算可以应用的唯一领域。信用风险可能是一个更加成熟和计算密集的领域，也可以从这项技术中受益。

信用风险

信用风险是指公司正在交易的交易对手可能不履行其对公司的义务而出现的风险。多个变量用于模拟公司或个人是否会违约。通常通过信用评级来捕捉这一点，并使用违约概率进行建模。随着对交易对手的不同信用信息的获取，信用评级会升级或下降。

信用评级有不同的级别，AAA 为最好，CCC 为最差。这些信用评级与机构交易更相关。信用分数在零售银行业务中更普遍。根据多个变量，交易对手（机构或零售）的信用评级可能上升或下降，并且这可能决定银行是否会赚钱或亏钱。以零售银行业务为例。债券评级参考：www.investopedia.com/terms/b/bondrating.asp

约翰和玛丽是一家银行的两个客户，具有不同的信用档案。他们都向银行申请抵押贷款。在抵押贷款申请过程中，银行检查他们的信用档案和信用评分。假设约翰有几条信用额度，如信用卡和个人贷款，他还曾经在 3 年前拖欠过一项义务。玛丽有一个更干净的信用档案，没有拖欠记录，而且有一套受控的良好管理的信用额度。他们都要求为一套价值 £200,000 的公寓申请抵押贷款。对于两个申请人，抵押贷款的其他方面都是相同的。

银行通常会按照较高的利率为约翰的抵押贷款定价，而玛丽会得到更好的交易。这正是机构空间中发生的事情。根据交易对手的信用评级来定价产品。当交易对手违约的可能性较高时，信用评级较低，产品的定价也较高。

然而，银行需要每天评估这些信息。如果交易对手的产品定价为 X，且交易对手的信用评级突然降低，银行的敞口已经增加。这需要反映在银行设置的资本中，这在信用 VaR（CVAR）和经济资本计算中体现出来。许多银行使用蒙特卡罗模拟来计算 CVAR 和经济资本。

与市场风险技术限制非常相似，信用风险算法也有可能被量子计算机解决的限制。在市场崩盘的情况下，更快的计算速度至关重要。准确的计算有助于更细致地评估风险。

假设银行 A 与银行 B 有一项活跃的交易。这可能意味着在某个时间点银行 A 期望从银行 B 获得结算。因此，需要定期计算银行 B 的信用风险。但是银行 B 可能在英国有很大的敞口，因为其大部分业务都在那里。如果英国退欧影响严重，银行 B 可能无法向银行 A 还款。在这种情况下，除了英国退欧，银行 B 还可能向其有巨大敞口的银行 C 还款。因此，了解资金网络并能够准确计算银行 B 的信用风险是重要的。

在探讨量子计算如何帮助这些领域之前，让我们首先更详细地了解技术和流程的限制。

技术限制

现在我们已经了解了建模产品价格、风险和 VaR 所涉及的数据处理挑战，请让我们更深入地了解现有技术在处理这些挑战方面的限制。我们在前几节中简要提到了这些限制。在深入探讨量子计算如何帮助之前，了解它们更详细是很重要的。

在一些实际场景中，某些风险管理流程需要在白天执行。这些被称为日内报告流程。当市场在白天发生崩盘或压力事件时，需要计算日内价值风险以确保银行能够应对压力情景。然而，一些处理引擎速度很慢，需要几个小时才能执行所谓的“重新计算”。

蒙特卡罗模拟能够提供预期收益的准确估计。然而，当时间尺度较短时，它们往往不够精确。它们需要大量的计算资源，当数据量增加时，这个问题会被放大。

另一个挑战是现有计算方法处理相关变量的能力有限。这与第二章，《量子计算 - 关键讨论点》中的讨论有关。我们提到了经典计算框架处理从多个变量X1，X2，X3，..Xn中建模相关变量Y的局限性。如果计算Y涉及捕捉X1，X2，Xn之间的相关性，这对于经典计算机来说会更加困难。这是量子计算可以发挥作用的两种情况。

随着量子计算算法的流行，有几家公司正在寻找弥合经典和量子计算之间差距的方法。受量子启发的技术在性能上提供了很大的飞跃。

这些解决方案中有一些已经可以在工业环境中使用，其中一个已经见诸天日的关键解决方案是富士通的量子启发退火算法。使用该算法，他们已经能够降低风险模型的延迟。现在让我们深入了解量子计算如何帮助风险管理。

受量子启发的数字退火

我们在第二章，《量子计算 - 关键讨论点》，讨论了绝热量子退火方法及其在解决组合概率问题中的应用。量子退火是一种处理经典计算机难以解决的现实世界问题的方法。富士通和日立等技术服务提供商正在研究使用经典计算机并借鉴量子计算原理的数字退火。这些数字退火解决方案已经在金融服务行业的实际场景中得到应用。

例如，富士通使用“伊辛”开发了数字退火器。伊辛模型是由 Wilhelm Lenz 于 1920 年提出的。该模型描述了可以存在于两种不同状态的大量原子如何相互作用。这些原子排列在多维晶格中，一个原子的状态影响相邻原子的状态。解决方案的云实施于 2018 年 5 月上线。他们称之为“富士通受量子启发的计算数字退火器云服务”。

在富士通的数字退火器中，磁铁内的原子被用来模拟退火器将要解决的问题。原子的状态代表变量的状态。可以准确计算与每个单独原子相关的能量和自旋相关性。原子之间的相互作用以及它们对彼此自旋的影响决定了问题的解决方案。使用低能量状态识别问题解决方案的能力类似于量子退火，在下一节中详细解释。

富士通与多伦多大学和总部位于加拿大温哥华的1QB 信息技术（1QBit）合作，为这种新架构共同创造了受量子启发的算法。

量子退火

这种设置类似于量子退火系统，其中粒子的状态代表问题中涉及的变量。在经典计算环境中使用伊辛模型帮助富士通在复杂计算中实现类似量子的效率。这种方法还可以扩展到资产管理中的投资组合再平衡和零售银行中的 ATM 补充。

图 1 描述了退火方法背后的原理，以识别在多个变量之间的正确适配：

图 1：退火方法与经典方法的对比。

数字退火器在室温下运行，不像量子计算机那样，因此可以保持更长时间的状态。

这也可以通过几种量子计算算法实现。量子近似优化算法（QAOA）可以在多项式时间内解决优化问题，而经典方法需要指数时间。

指数时间复杂度的算法增长速度比多项式时间复杂度的算法快得多。表达运行时间的变量在多项式时间中是底数，在指数时间中是指数。一个快速的例子可能是以下情况。如果n表示运行时间变量：

多项式：n²

指数：2^n

如果n为 1000，多项式方程提供 1000²，即 100 万，指数方程提供 2¹⁰⁰⁰，即 1.071509e+301（实际上非常巨大）。

因此，量子算法计算的速度远高于经典技术。量子退火还可用于处理旨在确定局部最小值的组合优化问题。

正如第二章，量子计算 - 关键讨论要点中所描述的，退火（数字退火和量子退火）是一种过程，在这个过程中，热涨落使系统能够在不同局部最小值之间跳跃。在量子退火中，由于量子隧穿的性质，这些跳跃是可能的。当能量壁垒很高时，量子隧穿允许更有效地探索能量景观。使用量子比特实现基于量子退火的优化解决方案的过程如下：

使用门（如哈密顿量）将输入数据建模为一组量子比特的状态。
将量子比特置于叠加态。
应用算法以得到保持正确答案的系统状态。
使用量子干涉，增加测量正确状态的概率。
测量量子比特以获得结果。

以下图片显示绝热演化与量子隧穿如何帮助识别低能量解状态：

图 2：绝热量子退火

量子退火为银行的风险建模流程提供了高效性。然而，量子计算机仍处于萌芽阶段，失相使其在此阶段对企业使用不切实际。正如在第二章，量子计算 - 关键讨论要点中所讨论的，失相导致量子计算机由于环境而丢失信息。

D-Wave Systems 和 IBM 已尝试使用他们的量子计算机解决一些金融服务建模挑战。他们通过量子退火器运行了有限的金融数据实例，并发现与经典计算机性能相当。富士通对数字退火器的测试在几秒钟内就提供了金融服务问题的答案。过去，这些问题通常需要花费几小时甚至几天的时间。其中一个例子是投资组合管理，我们将在下一节中讨论。

动态投资组合选择

在讨论量子计算对金融投资组合管理的影响之前，让我们试着理解问题陈述。在资产管理行业，投资组合经理进行投资决策，并构建股票、债券、大宗商品和其他资产类别的投资组合。动态投资组合选择是一个过程，其中投资组合在不同资产类别之间的配置反映了投资者的风险偏好。要定期管理组合再平衡以确保分配得到管理。

一些投资者更喜欢风险较高的投资组合，以期获得更高的回报。他们通常会更多地分配易变证券。如果风险偏好较低，高级别、低波动性资产的分配会更多。资产管理公司通常会有定期的风险/投资委员会，以确保投资者偏好与投资组合分配一致。

许多资产管理公司需要数天来完成此过程，通常每季度执行一次。然而，在市场压力和波动性高的时期，这是不够的。如果更经常地进行再平衡，投资组合可能会产生稳定的收益。

一个简单的例子是一个想象的投资组合，其中我们有 50%的股权（股票）和 50%的债务。假设由于，例如，许多科技首次公开发行（IPO）和市场参与者的非理性狂热，股票表现良好。在这种情况下，由于技术股票价格的市场波动，投资组合中股票的分配将增加。想要保持股票分配在 50%的投资组合经理可能需要卖出一些股票并重新平衡投资组合。这是一个足够简单的解决方案。

让我们在我们的想象投资组合中再添加一个资产类别。该投资组合现在有 40%的股权分配，40%的债务和 20%的大宗商品。假设由于中东地区的地缘政治紧张局势，石油价格（在投资组合中持有）上涨了。投资组合经理将不得不重新平衡分配。然而，石油市场的激增经常导致航空公司股票（也在我们的想象投资组合中持有）的下跌。因此，投资组合的一个集群的变动导致了另一个集群的变动。这被称为相关性。

在实际情况中，与三个这样的集群不同，资产类别之间存在更加细粒度的行业分配，并且它们之间存在相关性。对于模拟增加投资组合中一个集群的分配对另一个集群的影响进行建模是一项困难的任务。就像信用风险和市场风险问题一样，通过将一组相关变量建模到计算机中来找到最佳解决方案需要量子算法。

除了数学挑战之外，投资组合经理还需要考虑到实际世界中的摩擦，例如交易成本。一个投资组合通常需要大约 30 支股票才能实现最佳的分散化。如果交易成本高，定期再平衡这样的投资组合将会很昂贵。

再平衡之后，需要通过性能指标（例如夏普比率）来衡量投资组合的表现以获得最佳收益。夏普比率被定义为在单位波动性或总风险下获得的超过无风险利率的平均回报。来源：www.investopedia.com/terms/s/sharperatio.asp

有几种方法可以执行投资组合再平衡。 分层风险平价（HRP）方法是资产管理行业的最新发展。 HRP 是一种基于风险的投资组合优化算法。它使用机器学习技术来识别投资组合的基本分层相关结构。类似的资产组成的群体竞争资金，从而形成一个多样化的投资组合。

富士通开发的量子启发式数字模拟器用于从资产价格变动方差矩阵创建分层相关结构。对超过 500 支股票的相关性进行聚类可以立即进行，而在传统的资产管理设置中，这通常是季度性的。

富士通的数字模拟器（Digital Annealer）也证明了其在优化投资组合方面的能力，可使夏普比率提高60%。尽管频繁的投资组合再平衡会产生交易成本影响，但在高波动时期执行该任务至关重要。

所讨论的示例是数字模拟器（Digital Annealer），然而，使用量子模拟器也可以达到相同的优化水平。如前文所述，由于退相干的原因，量子计算机尚未达到主流能力。如果可以管理数据在噪声环境中的丢失，量子模拟器可以解决几个优化问题。

投资组合优化过程还使用一种称为主成分分析（PCA）的机器学习算法。这是什么意思呢？如前所述，投资组合优化涉及使用几个相关变量来建模理想的分配。然而，如果我们能够减少变量的数量并且它们之间没有相关性，那不是更容易吗？这正是 PCA 帮助我们实现的。

PCA 是一种使用称为特征提取的原理的技术。使用 PCA 进行优化，我们可以放弃投资组合中最不重要的变量。所使用的每个剩余变量都彼此独立，这意味着不需要显式建模相关性。更详细地描述 PCA 超出了本书的范围，但有兴趣的人可以在towardsdatascience.com/a-one-stop-shop-for-principal-component-analysis-5582fb7e0a9c阅读更多。

使用特征值和特征向量进行 PCA 的成本非常高。对于一个 N × N 矩阵，计算成本为 O(N²)。银行可能拥有数百万支股票，这意味着 N 可能达到数百万。然而，使用量子 PCA 算法已经证明，执行相同计算的成本为 O(Log N)²。这应该有助于 PCA 在金融服务业中成为主流，因为它极大地简化了投资组合优化。参考资料：S. Lloyd，M. Mohseni 和 P. Rebentrost，Quantum principal component analysis，Nature Physics 10，631（2014）。来源：www.nature.com/articles/nphys3029?platform=oscar&draft=journal

我们讨论了在资本市场业务中风险管理和投资组合管理中使用量子计算。目前，Natwest 银行正在测试量子启发数字退火器，用于管理他们的 ATM 网络。让我们在下一节中讨论这个问题。

ATM 补货

让我们看看量子计算可以帮助的零售银行业务场景。为 ATM 补充现金占 ATM 总运营成本的约 35-60%。在这个时代，高街银行受到无现金、无分行银行业务模式的挑战，有效运营对于领先于竞争对手至关重要。根据英国银行的数据，英国有 65,000 多台 ATM，每年提供超过 25 亿次取款。参考: www.statista.com/statistics/445117/cash-machines-in-the-united-kingdom-by-bank/

银行能够建模 ATM 中所保留的现金数量，并在网络内最小化现金流动是非常重要的。英国最大的 ATM 网络约有 6,000 台 ATM，在现实时间内经典计算机无法计算补货模型。

建模补货所需的计算成本是如此高昂，以至于使用经典计算机还没有实现问题的实时解决方案。

该模型需要制定一个优化的分配计划，考虑到某个地区现金需求的任何异常或突然增加。这具有类似于我们在第二章，量子计算 - 关键讨论要点中讨论的旅行推销员问题的几个特性。

这是另一个适合量子退火的组合优化问题。英国的一些银行已经在与富士通的谈判中（根据以下最近的公告）使用他们的数字退火器进行实时 ATM 补货建模。来源: www.fujitsu.com/global/digitalannealer/pdf/wp-da-financialsector-ww-en.pdf

Natwest 和 BBVA 等银行已经在探索使用量子计算来解决一些计算和数据密集型问题。值得关注的是，像日立和富士通这样的公司采取了开发使用经典计算基础设施的量子启发技术的方法。这可以帮助行业在算法、计算甚至哲学思维过程上的过渡。随着行业准备受到量子计算的颠覆，这一过渡过程是必要的。既然我们已经讨论了量子计算在金融服务中的应用，那么让我们也看看区块链及其用例。

区块链应用

最近与一位技术专家转型为 CEO 的人进行了一次对话，我问了这个问题：“为什么在你的应用中使用区块链？” 他说：“我不必这样做。我可以使用传统数据库并为每个客户提供一个版本。当其中一个客户创建交易时，我可以编写代码来识别它，并触发将副本写入所有其他数据库的操作。然后，我将构建一个机制，如果这些客户中的一个更改了记录，我会触发一个警报通知整个网络，并希望这一切都能以某种方式作为框架运行。或者，我可以让区块链为我完成一切。”

我喜欢这个答案。通常，其他人会继续为区块链技术及其相对于传统数据管理系统的优点辩护。这个回答应该让您对区块链作为数据登记或者如其著名的分类账的能力有一个简单的认识。就金融服务业而言，几乎没有什么地方是区块链尚未尝试过的。我将详细介绍技术取得良好进展的领域，然后继续触及未来可能利用区块链创建金融生态系统的领域。

反洗钱（AML）和了解您的客户（KYC）

金融服务业中的 AML（反洗钱）和 KYC（了解您的客户）流程在过去的 10 年中变得至关重要，特别是由于监管压力增加。随着缺乏治理和控制导致银行遭受监管机构处罚性损失，对合规职能的投资激增。2012 年，汇丰银行因洗钱问题被罚 19 亿美元，达成和解。他们被证明是毒品大亨和流氓国家的中转站。他们的网络被未经银行系统和流程验证的客户使用。来源：www.reuters.com/article/us-hsbc-probe/hsbc-to-pay-1-9-billion-u-s-fine-in-money-laundering-case-idUSBRE8BA05M20121211

正如第一章，量子计算和区块链导论中所描述的那样，区块链可以充当一个身份分类帐，并在全球范围内提供自主身份服务。这对社交媒体、邮件访问、银行、政府（选举）、税收规划、难民管理以及其他一些身份至关重要的领域都有影响。在本章上下文中，区块链目前作为一个 KYC 和 AML 工具正在引起关注。作为客户，当我去银行开立活期账户时，银行会要求我提交多份文件以确保我并非冒用身份。所有这些文件都经过验证并存储在银行的系统和文件中。现在，如果我想去另一家银行申请抵押贷款，我必须通过相同的 KYC 流程。有时，这些流程需要几周的时间，因为需要花费资源来验证客户身份。这将随着基于区块链的 KYC 和 AML 而改变。

由于区块链可以是一个生态系统中的不可变交易分类帐，印度的几家银行和公司合作进行了 KYC 和 AML 技术试验。在这个模型中，几家银行和金融服务公司加入了一个区块链网络。当他们验证客户身份时，他们使用密码学在网络上注册客户的详细信息。

“利用这项技术的一种方式是帮助建立一个生态系统。作为迈向这一目标的一步，我们与印孚瑟斯 Informal 成立了印度贸易连接”

–阿比杰特·辛格，ICICI 银行技术负责人。

当另一家公司需要客户的 KYC 详细信息时，这些客户信息可以在网络上共享。该公司将征得客户的许可并节省重复 KYC 流程几天的时间。

新加坡也一直在领导多个区块链用例的原型开发。新加坡的新加坡金融管理局（MAS），该国的监管机构，已经为创新营造了一个合作环境。汇丰银行、三菱东京日联银行和华侨银行已经试验了 KYC 区块链。

一些央行推动了一个倡议，正在研究数字国家身份平台和银行电子 KYC 和 AML 系统之间的整合。客户接入是我们讨论的区块链的一个有趣用例。但目前的行业在这方面做得相当不错，而且在规模上没有出现问题。如果有一个领域可以让区块链将大部分基于纸张的价值链数字化，那就是贸易融资。接下来的部分将详细阐述区块链在贸易融资中的应用。

贸易融资

2018 年 6 月，我计划推出我的 Rhetoriq 播客，第一个季度的重点是区块链和金融包容性。我们想重点关注的一个领域是贸易融资，主要是因为我们知道价值链尚未数字化。贸易融资涵盖了全球企业用于进行贸易和商业的产品。全球贸易价值链主要是纸质、实体，并未从数字化时代受益。贸易融资的另一个重要机会是，全球范围内的大多数贸易路线都涉及到几个利益相关者、交易对手和中介机构。

监管机构、代理商、物流提供商、银行家、出口商、进口商和海关官员都参与了全球贸易路线的运作。价值链中的大多数利益相关者都会检查、验证并将贸易传递到下一个阶段。整个过程的每一步都涉及对前一步骤的成功验证。

然而，大多数贸易价值链通常涉及一对一的互动和握手。双方之间的互动没有可见性。这导致贸易路线上的工作重复，而且贸易的状态常常缺乏透明度。

全球范围内的银行和金融服务公司为贸易和商业提供信用证和融资，使之繁荣发展。因此，他们有兴趣确保全球范围内的贸易价值链运作更加高效。几家公司和财团已经联合起来解决这个问题。

我的 Rhetoriq 播客的一位嘉宾是来自 Sweetbridge 的 David Henderson。他讨论了解决贸易融资关键问题的挑战，并强调了解决商业环境中的狭窄问题领域以使产品成功运作的必要性。

we.trade、Marco Polo 和 Batavia 是贸易融资领域值得关注的区块链参与者。we.trade 是一个由银行组成的财团，专注于欧洲范围内的中小企业（SMEs）贸易。该财团包括 KBC、Société Générale、德意志银行、汇丰银行、Natixis、荷兰合作银行、联合信贷、桑坦德银行和诺迪亚银行。

2019 年 3 月，Marco Polo 在其平台上进行了首笔实时贸易融资交易。该平台运行在 R3 的 Corda 区块链上，由 Commerzbank 和 LBBW 进行了两笔交易，交易对象分别是技术公司 Voith 和泵阀制造商 KSB。

Batavia 由 IBM 领导，三家银行参与了该网络。然而，在 2018 年第四季度，三家银行转移到了 we.trade 网络，并称其为 we.trade 和 Batavia 的合并。随着越来越多的跨账本协议走向主流，一些较小的区块链应该能够与更大的区块链并存。

贸易金融行业是区块链的低 hanging fruit，因为它不受传统系统的束缚。这与区块链联盟试图利用的其他银行业务不同。由于价值链为该技术提供了一个全新的机会，因此它更有可能成为区块链的成功案例而不是其他金融服务用例。

将区块链引入贸易金融将使其更加高效。几乎实时地追踪货物可以让贸易金融提供商得到充分的信息。它可以在世界上几个贸易走廊范围内大规模减少腐败。通过引入不可变的交易注册能力，它还可以为参与贸易的个人带来金融包容性。

大多数致力于这一用例的公司都是在有限和安全的环境中进行的。只有当这个领域向更大的社区和几个世界贸易路线开放时，才能实现真正的好处。随着区块链生态系统的发展，贸易账簿的好处也将增长。

我们已经讨论了国际贸易以及区块链在这个特定领域的作用。现在让我们看看区块链如何帮助国际汇款。

汇款

在银行业的语境中，汇款被定义为外国工人将钱汇回自己的祖国的过程。多年来，汇款市场一直稳步增长。2018 年，向中低收入国家汇出的总额达到创纪录的 5290 亿美元。这比 2017 年的汇款总额增加了 9.6%。

大多数发展中国家将汇款视为它们最大的外部资金来源。2017 年，印度以 690 亿美元的汇款额位居受益国排行榜首位。赛里斯在 2017 年的汇款额为 640 亿美元，而亚太地区在全球汇款流入量中占据 53%的份额。有关这一市场的更多详情可从世界银行的网站上获取。参考链接：www.worldbank.org/en/news/press-release/2019/04/08/record-high-remittances-sent-globally-in-2018

了解汇款对一些中低收入国家的国内生产总值（GDP）的影响至关重要。图 3突显了许多新兴经济体对汇款的依赖程度。其中一些国家有 30%或更多的 GDP 依赖于汇款流入。

图 3：最依赖汇款的国家

鉴于汇款市场的巨大规模以及世界上许多国家对这一现金来源的依赖，许多公司都将注意力转向了这一市场。像西联汇款和 MoneyGram 这样的传统汇款公司采用代理模式进入市场。西联汇款在全球 200 多个国家设有 50 万名代理人，而 MoneyGram 则拥有超过 35 万名代理人。

中间商使价值链变得低效和昂贵。汇款成本仍然很高，这为使用区块链的颠覆性公司创造了机会。图 4显示了 2016 年至 2018 年之间交易成本的趋势。像 TransferWise 这样以汇款为重点的公司已经使这个价值链更加高效和用户友好。然而，在这个市场上仍然存在着效率待提高的空间。

图 4：全球汇款平均成本，2016 年-2018 年

我们通过零售角度简要了解了汇款市场。在如今的国际汇款流程中，银行与对方国家的对应银行建立关系来向海外方支付款项。因此，当公司希望将资金从世界的一部分转移到另一部分时，就会存在效率低下的情况。

例如，让我们以公司 A 为例，他们想将资金从美国花旗银行账户转移到印度 IDBI 银行账户的供应商公司 B。花旗银行可能与 IDBI 银行没有直接关系，ICICI 可能是印度的对应银行。这意味着，资金在到达供应商的 IDBI 银行账户之前，必须通过 ICICI 进行路由。

这个过程有几个缺点：

对应银行收取佣金来促进支付
资金的每一次转移都会增加时间到整个过程中。
通常很难透明地知道资金在任何时间点的去向

由于这些低效，使用区块链将价值链去中介化，降低交易成本，并使资金转移的状态近乎实时透明非常有用。我们知道，比特币没有边界。因此，在使用区块链进行汇款时，涉及的两方将在他们的钱包之间进行点对点交易。

这个过程不需要中间人来促成交易。它只需要发送方和接收方在区块链上，并且每笔交易都会被记录在区块链上。在机构环境中跟踪交易是至关重要的，因为它可以帮助银行和其他参与交易的机构管理现金流。

2019 年初，瑞波扩大了其全球 200 多家银行的合作伙伴关系，以实现跨境交易。IBM 推出了一种名为 IBM World Wire 的跨境支付基础设施，使用了 Stellar 区块链。另一个值得关注的名字是摩根大通，他们宣布了利用其专有的 Quorum 区块链开发 JPM Coin 的工作。在区块链领域进行了多项机构实验中，我密切关注了 SWIFT 的试点。在区块链和汇款的背景下，这个试点意义重大，主要是因为 SWIFT 在跨境支付中起着重要作用。

SWIFT 实验

SWIFT 实验是创建基于许可的区块链的跨境支付消息基础设施的关键举措。SWIFT 是“全球银行间金融电讯协会”的缩写。SWIFT 的消息基础设施被银行用于快速准确地进行资金转移的通讯。

SWIFT 是金融机构之间国际资金转移的关键机制之一。SWIFT 网络上有超过 10,000 个成员机构，每天发送超过 2500 万条消息。在 2017 年至 2018 年期间，SWIFT 进行了区块链试点项目，以了解使用区块链作为其基础设施的可行性。

在对分布式账本技术（DLT）进行了近一年的可行性研究之后，得出以下结论：

跨境支付可以在基于 DLT 的基础设施上运行。
DLT 可以执行即日内和实时流动性管理。
国际支付成本的约 34%是由于 correspondent bank 的被困流动性。DLT 可以在这里增加效率。
银行内部基础设施需要进一步使用 DLT 更加有效。
SWIFT 试点项目中使用了 528 个通道。在现实世界中，需要定义超过 100,000 个通道，并且 DLT 应该能处理这些交易量。
银行的后勤部门依赖传统技术和操作，这些技术和操作还不能与 DLT 互操作。

SWIFT 实验的结果给银行业发出了严厉的警告，他们将区块链视为他们的救命稻草。它证明没有技术可以修复破碎的流程和缺乏标准的传统系统。

我们已经关注了解决机构之间跨境支付领域的努力。现在让我们看一下零售汇款领域的活动。

零售汇款

零售汇款市场规模为 5000 亿美元。然而，零售汇款的挑战在于，很少有公司拥有足够广泛的客户群来具有全球影响力。这就是为什么 Facebook 试验将基于加密货币的支付加入 WhatsApp 很令人兴奋的原因。WhatsApp 已经在其最大市场——印度（拥有 2 亿用户）进行了非加密货币的支付试点。

在一些非洲经济体中，区块链被用于加速金融包容倡议。金融包容是向历来无法获得金融服务的人提供贷款等金融服务的过程。有像 Wala Foundation、Humaniq 和 Sela Technology Solutions 这样的公司正在利用区块链在该地区提供金融包容。它们通常对客户进行 KYC 检查，并为他们提供区块链钱包。这有助于无银行账户的人找到一种进行数字资金保持和转移的方式。在这个过程中，他们还为自己创造了一个经济身份，因为所有他们的交易都记录在区块链上。

在新兴市场，区块链用于零售客户汇款比在发达世界更具有说服力。在发达世界，区块链可以用于节省交易成本。在非洲和拉丁美洲，汇款可以用作从不稳定经济中转移资金以维护价值创造的手段。

例如，津巴布韦或委内瑞拉的客户可能担心由于当地经济格局，其银行存款一天内会贬值 50%，他们可以立即将资金转移到比特币。这是委内瑞拉已知的趋势，他们采用中央银行支持的数字货币来避开制裁和全球股市的负面情绪。他们的举措效果存在争议，但它仍然是区块链的一种应用。现在让我们来看看全球各地的中央银行数字货币倡议。

中央银行支持的数字货币

中央银行支持的数字货币一直是全球关注的话题，特别是在 2017 年底和 2018 年整个期间。最初有关区块链的叙事是关于去中心化和消除中间人。然而，区块链社区开始意识到，在价值网络中中间人的目的是建立信任。有时中间人为实现这一目的获取一部分利益。在中央银行支持的数字货币的情况下，中间人可以帮助确立治理和秩序。

许多中央银行一直在玩数字货币的想法。新加坡金融管理局（MAS）通过其试点和原型一直在试水。尽管加密货币被禁，印度储备银行（RBI）也在探索这个想法。然而，最轰动的宣布是在 2018 年委内瑞拉推出他们的数字货币。

委内瑞拉总统尼古拉斯·马杜罗的视频在宣布他们将使用石油币作为数字货币时走红，这种货币由实物资产支持。石油币预售于 2018 年 3 月推出，在第一天就筹集了约 7.35 亿美元。石油币的关键方面如下：

雨果·查韦斯曾预见到"由原始材料支持的强势货币"。
2017 年 12 月宣布，Petro 将作为委内瑞拉玻利瓦尔的补充，并帮助应对美国的制裁。
政府将生产和控制 Petro 的供应。
Petro 的价值将与委内瑞拉石油桶的价格挂钩，他们已承诺将 50 亿桶石油用于支持这种货币。
根据预售时的石油价格，1 亿 Petro 可以帮助筹集约 60 亿美元。这将帮助委内瑞拉偿还部分债务。

尽管拥有所有这些特性，Petro 仍未成功。Petro 有两个主要目标。一个是通过以国家石油财富将 Petro 的价值与玻利瓦尔（委内瑞拉货币）挂钩来遏制玻利瓦尔的贬值。另一个关键目标是绕过国际市场上的制裁。

Petro 未能实现这两个目标。导致这种情况有几个原因：

政府计划了多项举措来丰富 Petro 生态系统，允许挖矿，并以进一步储备支持。然而，这些举措都没有得到执行。
国际社会对委内瑞拉经济的情绪很低。因此，由该国资产支持的加密货币被视为一种风险选项。
2018 年，唐纳德·特朗普对 Petro 实施了制裁。
加密社区没有参与进来，因为他们认为 Petro 是一个非常集中的生态系统。

最后，Petro 被认为是强项的方面（由国家石油储备支持）反而对它不利。这对于未来的中央银行和监管机构来说是一个教训，计划推出数字货币。货币的价值取决于其所支持的资产。

然而，印度的数字货币故事略有不同。虽然它是解决委内瑞拉债务问题和规避制裁问题，但更多的是关于印度的问责制、透明度和效率。印度央行正在研究数字货币，因为印度印钞和管理纸币的不可持续成本。每年耗费 70 亿卢比（约 1 亿美元）用于印制和管理卢比。

这是将转向数字货币的动机之一。更大的动机是，国家已经建立了身份识别每位公民的基础设施，即 Aadhaar。如果卢比转为数字货币，持有 Aadhaar 卡的任何人都可以创建数字钱包并接入银行系统。这将实现大规模的金融包容，并成为世界获得灵感的飞跃时刻。

在 2019 年 5 月，MAS 与加拿大银行完成了数字货币概念验证。Accenture 和 JP 摩根参与了这项涉及加拿大元（CAD）与新加坡元（SGD）交换的实验。哈希时间锁定合约（HTLC）原则被用来确保全有或全无的保证。HTLC 使用智能合约同步构成交易的所有操作，以便它们要么全部发生，要么全部不发生。

此方法的几个要点如下：

MAS 网络建立在 Quorum 区块链上，而加拿大银行网络建立在 Corda 上。
通过 Interledger 支付在两个区块链之间发送资金。
HTLC 方法可以用于无信任网络的多方交易。然而，在通常由机构使用的权限区块链中，如果交易的一端失败，可能会有不同的模型来回滚交易的成功部分。
他们还探讨了涉及中介（对应银行）参与交易的模型。

显然，这个领域还处于初级阶段。然而，如果基础设施能够处理高交易量，其潜力是巨大的。这在赛里斯的数字货币倡议中可以清楚地看到。作为对 Facebook Libra 倡议的回应，一些赛里斯领导人敦促该国推出数字货币。与美国的贸易战加速了这种思考，因此，在撰写本章时，赛里斯的数字货币推出日期已定于 11 月 11 日。如果赛里斯成功推出其数字货币，许多亚洲经济体将会效仿。

即使在赛里斯的数字货币中，由于技术限制，他们也仅在有限的范围内使用了区块链。仍然有很多工作要做，以确保技术能够扩展。必须对此进行全球建模、理解并达成共识的监管框架以及破碎或未完成交易的异常处理。区块链的另一个令人兴奋的发展是安全令牌，它将现实世界的资产数字化，并帮助民主化这些资产的交换。让我们在下一节中详细了解它们。

安全令牌

我在第一章，量子计算与区块链简介中提到了实用性与安全性令牌的难题。在这里，我们将讨论金融监管机构如证券交易委员会（SEC）眼中的安全性意味着什么。SEC 使用"Howey's Test"来评估某物是否属于安全令牌。这是 1946 年最高法院在一起房地产案件上做出裁决所使用的测试，并且此后一直被用来识别安全令牌。

Howey 测试通常询问三个问题：

是否有资金投入？
投资是否涉及共同企业？
是否有对从推动者或第三方的工作的利润的期望？

在第一个问题中，明确使用了“钱”这个术语。然而，后来的问题还包括其他资产。由于这种思维框架，美国的几个 ICO 项目不得不面对 SEC 的惩罚性损失。

许多人认为它们是实用型代币，因为它们有助于构建一个生态系统，但在监管机构看来，它们是伪装成实用型代币的安全代币。随着这一争论的继续，2018 年和 2019 年安全代币及其周边生态系统的崛起令人瞩目。

作为风险投资（VC）投资者，我经常遇到有关这种资产类别流动性的问题。当我为我的基金向投资者筹资时，他们问我：“我什么时候可以退出我的对你基金的投资？”或者“你能否在明年年底前归还我的钱，因为我打算那时买房？”。我的回答是，请不要根据你对风投基金的投资来规划你的流动性。

流动性是风险投资、私募股权和房地产等某些资产类别的关键问题。安全代币为这些资产类别带来了急需的流动性。2016-2017 年的 ICO 热潮确实关注了早期风险投资。当时，我对可能性感到非常兴奋，因为它使筹款变得像以前那样的民主化。它全球化了筹款，并挑战了风投界。然而，它失败了，因为它在两个关键方面有所欠缺：

它专注于一种资产类别，即难以评估基础（早期私募股权）的内在价值。因此，当泡沫最终破裂时，人们失去了所有的钱。如果基础有内在价值，损失将会受到限制。
它没有治理和控制来支持资金生态系统，最终成为人类贪欲的猎物。

我相信这种模式仍然有价值，但需要一个强大的框架来支持它。然而，随着更多的监管控制被深思熟虑，生态系统的成熟度更高，以及具有更好内在价值的基础资产，安全代币有更好的机会成为主流。

2019 年初，DX Exchange 宣布推出他们的区块链平台来代币化纳斯达克股票。全球范围内有几个项目致力于代币化房地产资产。这使人们可以投资更少的金额进入房地产，但更重要的是，如果投资者希望出售他们的股份，它提供了流动性。

在我最近的一个小组讨论中，我开玩笑地说过，某一天我能用印度红树林中的被标记的芒果交易白金汉宫的代币。使用安全代币已经在理论上是可能的。

金融服务领域中与区块链相关的另一个关键发展是“去中心化的死亡”。随着多年来区块链叙事的展开，技术的一个关键“卖点”之一是区块链将使华尔街去中心化和非中介化。它被期望在这个意义上高度颠覆性，并且一些来自华尔街的大佬跳槽到区块链公司来实现这一目标。

然而，通过 2018 年和 2019 年，对我来说，大多数事件都指向一个关键趋势：去中心化是一个神话。价值网络无法像最初描述的那样轻松地去中心化。随着区块链生态系统的发展，我们已经看到集中式交易所比去中心化交易所增长更快。我们现在开始看到像 Flovtech 这样的公司，他们位于瑞士，为这些交易所提供流动性。

我对像 Flovtech 这样的初创公司感到非常高兴，因为它们为交易所上列出的小型和新型替代币带来了流动性。然而，这只是表明去中心化的努力失败了。曾经被誉为新资本市场的基于区块链的价值网络，现在只是老资本市场的更数字化和更流动的版本。许可的区块链、中央银行数字货币、集中式交易所和流动性提供者都指向了中心化的区块链经济。

结论

金融服务行业正在面对两个关键力量带来的大规模颠覆：监管和技术创新。随着银行意识到技术不再是他们业务的非核心部分，他们开始探索获得竞争优势的新方法。在金融服务领域实现运营卓越的一个关键领域是利用适当的技术来处理中间办公室和后台流程。

在过去，银行和金融服务公司依赖于成本效益的方式来达到最佳解决方案。无论是在风险管理、投资组合管理还是任何其他数据和计算密集型问题上，他们通常在准确性和实现及时、成本有效的解决方案之间进行权衡。在需要准确性的地方，意味着需要更多的计算能力或更多的时间来得出解决方案。

随着科技采纳竞赛由金融科技公司主导，银行现已抛弃了传统的创新方式。世界各地的银行，如 BBVA、巴克莱和 DBS，都采取了数字友好的方法来取悦他们的客户。虽然这可能有助于他们的收入，但底线必须通过使用先进技术以可行的成本来保持。

量子计算已经突显出使用新型方法来解决计算密集型问题的重要性。它们可以在短时间内提供结果，这在多种银行场景中至关重要。无论是通过清理协议优化利率互换，还是在财务团队场景下计算高质量流动资产（HQLA），量子计算机都能提供实时解决方案。

将机器学习原理与量子计算算法结合起来，可以给银行带来颠覆性的结果。在投资组合优化中使用量子 PCA 可以帮助简化处理成千上万个相关变量以得出最终模型的过程。

过去几年，金融科技公司一直专注于面向客户的用例，我坚信这是这些技术密集型金融服务提供商的一个被错过的机会。这是因为，如果他们不通过人工智能、区块链和量子计算等尖端技术来实现运营卓越，他们很快就会被银行所超越。

对银行来说，关注金融科技公司尚未实现的事情——规模，是至关重要的。凭借他们所掌握的数据量和庞大的客户群，银行应该能够利用这些技术来重新夺回失去的地盘。

在本章中，我们已经看到了新兴技术如量子计算和区块链在金融服务中的应用。健康和财富往往是科技应该关注的核心行业，以创造飞跃性时刻。在下一章中，让我们关注这些技术在医疗保健和制药领域的应用。

第五章：戴夫·斯内林博士，富士通研究员的采访

在书的前几章中，我提供了关于量子计算和区块链技术的技术细节。我讨论了这两种技术在不同行业中的用例。我讨论了这些技术有几个共同之处，并且有技术上的原因让我觉得它们彼此之间的碰撞是不可避免的。然而，当我们从商业利益的角度看待问题时，我们会发现它们在很大程度上是相辅相成的。

书的第一个目标是建立这两种开创性技术背后的技术概念。一旦我们讨论了这一点，书的重点就转移到了这些技术的作用上。我想要确立这些技术随着时间的推移将在我们生活中占据越来越大的地位。然而，当我们缺乏那些第一手正在努力使之成为现实的技术工作者的观点时，这还不是一个完整的画面。

在本章和随后的章节中，我将发布与量子计算专家的采访内容。这些采访对我来说开了眼界，特别是我们讨论了大规模改变人们生活可能性的地方。在本章中，我记录了我与富士通的戴夫·斯内林之间的讨论。

戴夫在富士通内担任过几个职位。他是一位富士通研究员和杰出工程师，人工智能项目总监，也是富士通欧洲、中东和非洲区首席技术官办公室的一员。在大学期间学习高性能计算后，他开始了他的职业生涯。在包括学术界在内的几次简短职业跳跃之后，他于 22 年前加入了富士通。

我第一次见到戴夫是在富士通伦敦贝克街办公室举办的活动上。戴夫介绍了数字退火器在金融和物流领域的影响。在他的演讲之后，当我被介绍给戴夫时，他被称为富士通数字退火器背后的智囊。一开始，我以为可能会是一个与科学家进行长时间技术交流的谈话。结果是，戴夫非常巧妙地谈论了数字退火器的实际应用。

我立刻意识到我必须为我的书采访戴夫。几个星期后我们再次见面，这次我向戴夫介绍了我的书的计划。我们在富士通办公室见面，戴夫很好地为我提供了关于量子计算更全面的观点。聊天的最好部分是戴夫拿起我的平板电脑画了一张图，表示量子计算机、经典计算机和数字退火器在未来二十年内的发展趋势。

然后，我们安排了一个采访的时间，并且戴夫就他如何看待量子技术在不同行业中的应用提供了他的见解。以下是采访内容：

阿伦：戴夫，非常感谢您同意接受这次采访。让我们从您如何涉足量子计算，并在量子计算领域的探索中进行简要概述开始。

戴夫：除非我把我的简历发给你，否则我刚离开研究生院的时候就开始了。我在研究生院学习高性能计算，然后加入一家在同一领域工作的初创公司来到欧洲。那家初创公司后来破产了，像很多公司一样。那是在 1983-84 年。之后我做了一点咨询工作，然后在莱斯特大学和曼彻斯特大学教书，主要是教授新型计算和面向对象设计。

然后我加入了富士通，支持他们在欧洲中程天气预报中心（ECMWF）的超级计算项目。从那以后我就一直在富士通工作。我最初在富士通的日子主要花在实验室里。我花了很多时间研究各种不同的事情，从高性能计算开始。

我开始研究网格计算，这是云计算的前身。在实验室的最后时期和过渡到业务部门期间，我开始研究人工智能。大约两年前，富士通宣布了它的数字退火器。我不得不迅速了解量子计算，并且我的过去经验有所帮助。所以，我推动了富士通的量子计算研究，但最初我是从商业角度考虑的。

我的技术背景是真正理解我所说的 真正的量子计算 面临的挑战是必要的。我还能够从技术和商业战略的角度解决数字退火器可以解决的用例。所以，这就是我现在所处的位置。在过去的一年里，我一直是富士通在数字退火器国际业务中的技术方面的负责人。

我的角色的一个重要部分当然是确保我的营销人员和我们自己的销售人员不会把产品销售成它不是的东西（他笑了）。我还确保在我们的内部和外部沟通中，我们清楚地表明我们在销售的东西不是量子计算机。这是一台数字退火器，但它在解决一些问题方面非常出色。

那些问题是什么？我们如何将它们映射等等？我就在这个阶段。

阿伦：非常感谢您。这很好地引出了下一个问题。您能告诉我们关于数字退火器以及它的起源吗？

戴夫：我可以告诉你数字退火背后的故事。它是由日本富士通实验室的一个团队开发的。我们在那里有一个历史悠久的定制技术设计团队。该团队确定了组合优化问题作为一个关键解决目标，这可能受到了早期 D-Wave 的一些发展的启发。这使得富士通有了市场为组合优化问题提供定制解决方案的迹象。

早在 2011 年，D-Wave 开发了专注于使用量子退火技术解决优化问题的量子计算机（128 比特）。

组合优化问题是指将数学技术应用于在可能解的有限集合中找到最优解的问题。可能解的集合通常由一组限制条件定义，并且该集合太大以至于无法进行穷举搜索。一个例子是旅行推销员问题，其中必须最小化总旅行距离，同时每个客户只能被访问一次。来源：www.sciencedirect.com/topics/computer-science/combinatorial-optimization-problem

实际上，它现在正在崛起。所以，时机刚刚好。然后，我们采取了纯科学技术方法。我们如何使这成为现实？数字退火器就是开发该技术的结果，该技术将解决量子应用程序的组合优化子集。

然后，它成为了一个完整服务的技术部分。现在，富士通提供这些服务跨越多个阶段，从确定问题是否适合组合优化开始。我们确保手头的问题足够大，值得为其提供严肃高性能的解决方案。小的组合优化问题不需要数字退火器。也有一些问题太大了。当然，我们正在努力解决这些问题。因此，该过程始于确定一个工业问题，然后真正的挑战是将行业内的业务问题映射到一个二次无约束二进制优化问题。

二次无约束二进制优化问题 QUBO 已经成为表示各种组合优化问题的统一模型，并连接了许多面临这些问题的学科。一种新型的量子退火计算机将 QUBO 映射到具有特定大小和边缘密度限制的物理量子比特网络结构上，引起了人们对将基础 QUBO 结构转化为具有较少节点和边的等效图的兴趣。来源：dl.acm.org/citation.cfm?id=3160134

Arun：有趣。在此基础上，为什么我们需要这个 Digital Annealer 呢？为什么我们不能使用传统的机器学习技术来解决这些组合优化问题呢？

Dave：组合优化问题的性质是它们不适合精确解决方案。我最喜欢的例子是典型的背包问题。我可能在以前的对话中告诉过你这个，但是这里我会再给你一次。

背包问题：我们有 27 个物品（这是一个经过精心挑选的数字！）。有 27 个物品要放进我的背包里，我只能承载一定重量。我想在里面得到最大的价值。其中一些物品本身就带有固有价值，但也有物品之间的相互作用的可能性。例如，金戒指和钻石各自都有价值，但作为钻戒它们的价值更大。这种相互作用是积极的。

在我们的物品清单中，还有一只鸡和一只狐狸。这两者之间存在负面互动 - 它们不太可能和谐相处。你知道你不想把它们都放在背包里，因为那样你就有了一只死鸡和一只脏乱的狐狸：比只带其中一只的价值要低。

这种问题中的相互作用的复杂性在任何可使用的现代技术下都无法以可解决的方式解决。事实上，如果你每秒称重 1000 个背包，以尝试所有可能的组合，那么你将需要花费 500 万亿年来找到最佳组合。

我一直喜欢这样做，因为每秒 1000 个背包和 500 万亿年这样的数字是人们会停下来理解的。所以，这种问题是一个组合优化问题。在一定规模之上，即使使用 Digital Annealer，你也不能可行地找到精确的解决方案。所以，你要找的是其中一种启发式方法。

启发式技术，通常简称为启发式，是指任何解决问题、学习或发现的方法，它采用了一个实用的方法，不能保证是最优或完美的，但对于即时目标来说足够了。来源：www.101computing.net/heuristic-approaches-to-problem-solving/

Digital Annealer 使用的方法是模拟退火，这是一种非常有效的方法，可以找到局部最小值，然后找到更深层的最小值。

图形处理单元（GPU）是一种专门设计用于快速操作和修改内存以加速在帧缓冲区中创建图像，以输出到显示设备的电子电路。来源：en.wikipedia.org/wiki/Graphics_processing_unit

所以，对于那种问题，我们可以在传统机器或 GPU 上使用启发式方法。我们有一个在 GPU 上运行的数字模拟器模拟器。它在 GPU 上比数字模拟器慢几千倍，但它可以很好地解决小问题，因为它可以模拟数字模拟器评估从一个状态到下一个状态的所有可能变化的方式。正如你所知，每个状态都被描述为一串比特。数字模拟器评估如果你改变了每个个体比特会发生什么，同时评估所有这些。现在，这大约是 130,000 路并行性——全部在同一块芯片上。

如果你尝试用一个 CPU 集群来实现这个目标，以使 130,000 个核心相互通信，你将会有一个庞大的机器。关于这样的机器你可能会联想到许多问题，其中一个最大的问题是你不能让所有核心每个周期都互相通信，而在数字模拟器中，这 130,000 个不同的情况可以同时被评估和比较。

当你尝试在 GPU 上做同样的事情时，你的效果比在 CPU 上好一些，但你仍然没有这种连接性。这就是数字模拟器的作用——对于特定类别的问题，有非常紧密的耦合。它只在一个包含 8,192 位的二进制域上进行模拟退火。

此外，还有一个冷却周期，当模拟退火器从一个可能的解决方案移动到另一个可能的解决方案时，会逐渐改变敏感度。这种自动冷却已经内置在硬件中。

一个模拟退火器需要一个冷却计划。如果温度太低，模拟器将无法摆脱局部极小值。当温度太高时，它将难以收敛到局部极小值。冷却周期需要根据模拟器的敏感度来计划。

除此之外，还有一些硬件内置来检测当你陷入局部极小值时。然后你可以编码你对该检测的敏感程度，然后硬件会自动地、临时地提高温度并重新开始搜索。你会升高温度以走出那个局部极小值，然后再次冷却下来，当然要记住你当时的位置。

有些情况下，如果你知道你的问题有一个将是最小值的数字，你可以得到实际的最小值。例如，在纯约束优化问题中，模拟器可以找到任何符合所有约束的解决方案。

Arun：你尝试过用你的数字模拟器解决背包问题吗？

戴夫：哦，是的，我们已经运行了一系列经典的组合优化问题，如图着色、最大割、背包问题和旅行推销员问题。对我来说，背包问题就像金融中的投资组合优化。因此，如果我能解决背包问题，我相信，我们就能解决金融中的投资组合优化。我要把(股票、债券、衍生品、现金、大宗商品以及以何种比例*)放入我的投资组合中？

权重是我被允许在投资组合上携带的最大预算，波动性是不同资产（如股票和债券）相互之间的行为方式。其中一些资产是相互协同作用的，其中一些资产是相互对抗的。在它们相互对抗的情况下，这是一件好事，因为你希望它们创造所需的多样化。因此，在那种情况下进行优化。

旅行推销员问题本身应该避免，因为纯粹的旅行推销员问题已经有了数十年的研究和数学支持，很容易解决。如果你对它进行变体，那就更有趣了。我们与宝马合作的项目之一是在汽车底盘上焊接。你需要焊接几道接缝。什么是完成所有这些焊接的最快方法？

经典的旅行推销员问题和焊接问题之间有几点不同。当你访问一个城市（焊接点）时，你必须在那里停留，直到你完成那个焊接。因此，与城市相关联的是一个时间。在焊接示例中，由于接缝是二维的，你会在地图上的其他地方出现，所以它有点像一个虫洞。

这是一个有时间延迟的虫洞，你可以从任一端进入，然后从另一端出来。现在，当你有了那些变体（从经典的旅行推销员问题开始），并且将那些类型的约束条件放入你的问题中时，你再也不会有一个可以在你的笔记本电脑上解决的经典的旅行推销员问题，因为它变得更加复杂了。

这样的问题完全在数字退火器的范围内。DA 可以处理多达约 90 个接缝，并且甚至可以操作多个焊接机器人共享彼此的工作空间。所以，就像两个机器人一起工作，告诉对方，“当你在那边的时候，让我帮你做几个。”以这种方式工作，机器人可以更快地工作。在提高制造过程效率方面，我们取得了一些巨大的成功。

宝马和富士通正在研发一种由数字退火器驱动的解决方案，以提高宝马的制造流程效率。以上由大卫提供的解释涉及到该倡议，其中数字退火器解决了类似于旅行推销员问题的问题。宝马工厂有几台机器人负责汽车的几项任务。数字退火器正在被用来使机器人在组装汽车时更加高效。

阿伦：你能否透露你们在那个特定用例中所实现的效率的统计数据？

戴夫：对于那个特定的用例，宝马已经发布了一份新闻稿。

新闻稿透露了以下内容：

“目前，原型量子计算解决方案可以计算出优化的七个焊接接缝路线。与富士通量子启发式计算数字退火器合作，一家主要的汽车原始设备制造商已经测试并优化了 22 个接缝，以更具成本效益地增加使用相同资源生产的汽车数量，而且即将将其提高到 64 个接缝（具有 8192 位规模），这将带来颠覆性的变革。”

阿伦：太好了。我对数字退火器的应用有一个问题。在过去的六个月里，自从我们开始讨论这个问题以来，我遇到了一些正在使用量子计算解决困难问题的人。这些问题涵盖了选举建模、交通管理、气候建模，甚至是衰退建模。在所有这些不同的可能应用中，哪些是低挂果呢？你们还关注哪些其他令人兴奋的领域？

戴夫：如前所述，我们正在研究制造业——就像与宝马的合作，我们正在优化制造流程。从某种意义上说，这是一个低挂果，因为我们知道如何解决这个问题，如果你能够提高生产以跟上需求，那么它会产生很大的影响，也就是说，无需建造新工厂。投资组合优化是我们正在研究的金融领域的另一个重要影响领域。

第二个领域是类似于偿付能力要求（SCR）的内容。能够找到一个足够安全的 SCR 的投资组合是很重要的。我认为这可能是我们尝试通过数字退火器进行的最复杂的计算。

阿伦：我更多地是资本市场的人，而不是保险专家。我了解 SCR 是价值风险（VaR）的等价物，对吗？

戴夫：它类似，但是它是来自于受监管要求驱动的保险行业。对于 SCR，我们平衡了一个近似值，然后在平衡的资产组合上计算实际的 SCR。数字退火器实际上并不是在解决 SCR，而是在解决其代理问题。我们测试了代理行为与实际 SCR 完全一致。我们对这种流程感到满意。

我们会考虑风险价值，但我们还没有达到这一步。我们正在帮助我们的一位客户评估更频繁重新平衡、更高质量的重新平衡，或者能够使用更大的资产池来生成他们的投资组合的对业务价值的影响。但是，我还不能给你任何关于这方面的绩效数字。

Arun: 我对频繁重新平衡解决方案有一个问题。技术（数字退火器）如果你希望它能实现即时重新平衡，它可以做到。但由于交易成本，这样做会使其在财务上不可行。在您进行重新平衡并提供重新平衡建议的过程中，您是否也考虑了交易成本？

Dave: 在我们的方法中，关于重新平衡成本的处理是这样的：你可以进行评估并单独决定是否进行更改。因此，你可以每天评估一次，当变得经济上可行时，你可以执行投资组合的重新平衡。我们还对在任何时候变化的投资组合的百分比进行了一些探索。

我们可以以一种只有大约 10%的资产发生变化的方式重新平衡，而且它们每次只变化 2 或 3%。重新平衡可能是一个平稳的过程，而不是完全混乱的过程。否则，你基本上每次都在创建一个新的投资组合。但我们也可以编码约束条件，比如说，给我一个新的平衡投资组合，其中只有 5%的资产变化幅度小于 10%。这种灵活性和约束管理使我们能够处理交易成本。

Arun: 非常有趣。您在物流方面正在解决哪些问题？

Dave: 我们曾在日本使用数字退火器进行交通管理，在那里，你不再是单个的点对点旅行，而是同时有多个点对点的旅行。你可以想象一下一个出租车网络，它们经常走相同的路线，都经过城市的同一部分。如果你能告诉一些出租车走稍长的路以减少拥堵，整体上，每个人的旅程时间将缩短约 40%。在他们进行研究的东京可能会奏效，因为出租车司机会照做。但在伦敦可能行不通。

Arun: 数字退火器在印度的道路上也行不通。你可能知道，在印度，人们更多地凭直觉驾驶而不是遵循交通规则，所以可能有更多的混乱，数字退火器可能难以应对。道路上的车辆和行人数量是伦敦的数倍，所以计算成本也会很高。

戴夫：是的，但这种方法可以在军事行动和自动驾驶车辆网络中发挥作用。这不是今天的市场，但却是可能发生的事情。在实际运输方面，一个更大的问题不是面包车开得怎样，而是我们在面包车上放什么？在一个场景中，面包车载着某物品在城市间分发，数字退火器被用来优化面包车的路线，这一点很相关。

这比只找出面包车的最短路径要有趣得多，也更具挑战性。其中一个例子就是 ATM 补充。现在这显然是一个消失的市场，但每个国家至少有一家银行将需要在几乎每个城镇都提供现金。所以，至少有一个客户需要这种应用。但问题并不是如何将现金尽可能有效地交付到站点，而是你要在哪个 ATM 放多少现金？

根据分配的现金量，你现在可能希望更少地访问那个地方来为 ATM 补充现金。因为你真正想做的是保证 ATM 在夜间的最小现金量。

还有一个关于工作轮班调度的问题类别，其基础是图着色。我得到的一个潜在客户有一个工程师网络。如果这些工程师必须出去修理东西，你会派遣哪位工程师？你会安排哪位工程师上班？你会在一周的哪一天派他们出去，以便满足所有的约束条件，比如他们都必须每周工作 37 小时？

我们还有一些限制，比如这些工程师每周需要休息 2 天。所有的工程师都必须工作一些晚班。当我对此建模时，我的第一个问题的版本远远超出了我在数字退火器中拥有的位数。所以，那个问题需要分区。这是我们[Fujitsu]解决方案周围包装的一部分。

即使我们将目标机器扩展到百万位，我们可能仍需要对问题进行分区。围绕分区的更大的解决方案将成为我们业务提供的一部分。我知道 D-Wave 的人有很好的软件用于分区，用于连接不良或连接较弱的退火器。第二代的 D-Wave 每个位只有 15 个最近的邻居。

在我们的芯片上，我们对每个位都有 8K 连通性，精度为 64 位。但当我们在芯片之间切换时，我们将面临类似的挑战。这与当我们尝试为手机组件周围的能量场进行模拟时，机械工程 CAD（计算机辅助设计）、CAM（计算机辅助制造）面临的挑战是一样的。你必须进行 3D 建模来构建你的网格，然后对网格进行分区以将其放入你的集群超级计算机中。对于多个数字退火器的分区是同样的问题。

阿伦：[分区解决方案]已经投入使用了吗，还是你正在计划或开发中？

戴夫：集群机器尚未上线，它还在实验室。集群软件仍在开发中。它的发布计划是在 2020 年。所以，离现在也不远了。

阿伦：我期待着。我们谈到了物流，我们谈到了金融服务，我们也谈到了交通管理以及劳动力管理。你在医疗保健领域做了什么吗？

戴夫：是的。制药业是最好的描述方式。用退火器的方法不是为了识别最终解决方案。而是寻找解决方案的代理，就像我们在保险案例中所做的那样。假设那是一个癌细胞，你知道你希望用你的放射性药物精确地锁定它。为了做到这一点，你需要想出如何设计你的药物，以便它只能针对那个细胞。结果发现，解决这个问题需要进行大量的分子模拟。

进行每一个这样的模拟需要几个小时（取决于许多因素可能需要数百个小时）的计算机时间，并且相关成本巨大。数字退火器的策略是我们从一个基本的分子结构开始，然后我们可以在上面添加东西。例如，我们可以以苯环（C[6] H[6]）开始。在苯分子中，你有一个由六个碳组成的环，每个碳都与一个氢键合。你可以替换氢，所以你有六个不同的位置可以放置 50 种不同的东西。这转化为六的五十次方种组合方式。

我们通过缩小范围，利用分子键能来确定产生可行分子的最佳候选者。这并不完美，但比空手没有好多了。还需要考虑邻近分子之间可能的相互作用。它们之间的键合也至关重要，因为这是一个约束条件。

这种模拟在药物设计中特别有价值。这是我们正在关注的一个领域。从市场的角度来看，数字退火器要进入这个领域还需要一些时间。制药行业乐于进行大量的化学测试，并且缓慢地采用新技术，所以这将是一个渗透挑战。现在，这就是医疗保健。

阿伦：蛋白质折叠是一个重大的建模挑战，如果我们做对了，我们可以加速药物发现过程。谢谢你谈到这个，戴夫。你认为量子计算的哪些领域会首先取得成功？

戴夫：在我看来，量子计算世界有三大广泛分类。有门式计算机，然后有退火器——数字退火器和量子退火器。此外，还有我所说的模拟量子设备，可以用来解决量子物理问题。在模拟类别中，你将你的量子设备连接起来描述自然界的问题。

这只是将自然编程到计算机中，这将比门限计算机更早产生一些结果。退火器会首先产生结果，因为我们现在就在用数字退火器做这个，量子退火器不会远在其后。但这些模拟量子设备将会介于两者之间。它们将在我们攻破 RSA 算法的门限计算机之前开始。这将带来一些重要的物理学发现。这主要是因为他们制造了一个量子设备，当它做它正在做的事情时，它正在回答一个更大的问题。

Arun: 有趣。所以，上次我们见面时，你给我画了一张图。我不确定你还记得吗？【下面是一张有些粗糙的图示：】

图 1：戴夫·斯内林绘制的草图，解释了计算范式的趋势

Dave: 是的，我记得。图上有一个点，数字解决方案和量子解决方案在那里交叉。一个是在可解性上交叉，然后是在价格上交叉。数字退火器最终将被商品化，这将逐步降低它们的价格，这将推动你的商业可行性曲线向右移动。

Arun: 你觉得这种趋势有什么好处？我记得你谈过这个问题。我们能简要讨论一下门限计算机和量子退火器的应用区别吗？

Dave: 门限计算机最大的一个问题是它非常简单。门限计算机在理论上将是图灵完备的。因此，任何你可以用图灵机描述的东西，你都可以放到量子门上。你可能可以将图灵机编码到一个量子门机器上，然后你就完成了。

图灵机是数学家艾伦·图灵在 1936 年构想出来的一种假想机器。尽管它很简单，但该机器可以模拟任何计算机算法，无论多么复杂。来源：www.cl.cam.ac.uk/projects/raspberrypi/tutorials/turing-machine/one.html。图灵完备的编程语言或计算设备等价于图灵机，它可以实现任何算法。

以下只是我的观点。在某些方面，我认为门限计算机分散了市场对基于量子的解决方案的发展，特别是在我谈到的模拟空间中。在那个模拟空间中，可能有一些更易达到的成果，我们可以通过构建特殊用途的机器来实现。

现在，一种特殊用途的机器是量子退火器。它们编码了一个直接的哈密顿算符，然后最小化能量，这样你就可以用这种方式编写你的问题。组合优化恰好适用于退火。从这个意义上讲，数字和量子退火器解决了一个非常具体的问题。

我们有一个在退火器上进行整数分解的算法。它无法扩展到 RSA 级别，但确实有效。如果有人真的要建立一个密切耦合的百万位数字退火器，你可能会接近。但我们不会建立一个密切耦合的退火器。我们将建立一个集群，并且集群使其难以用作破丨解丨器（RSA）。

阿伦：有这么多机会来解决未解决的问题，当您去行业销售退火器时，您的主要挑战是什么？

戴夫：当我们与客户交谈时，市场推广策略是非常明确地表明数字退火器只解决一种问题。我们面临的最大挑战是让人们远离他们听到的关于量子人工智能和量子机器学习的信息。

阿伦：有趣。所以，这是我经常听到的一点。就是我们似乎被门控机器分散了注意力。

但他们没有意识到的是，量子计算给了我们一种将自然模型化到计算机中的方法。我们不是将物理学转化为数学，然后将其弯曲成计算机科学操作，而是直接将物理模型化为机器。在翻译过程中（从物理到数学到计算机），我们失去了很多质量信息，但在量子世界中，这种信息的丢失是不会发生的。

戴夫：嗯，我完全同意，因为那就是我一直在谈论的这个模拟量子计算机。现在我们几乎需要在模拟周围加上引号，否则人们可能不会理解我称它们为模拟的上下文。量子退火器处于中间地带，因为它们是一种通用的模拟设备。但如果您可以建立一个模拟设备来匹配您的蛋白质（在医疗保健示例中），然后让它达到最终的低能态，您就拥有了一切。

阿伦：我们之前见面时提到的一些内容是，对于一些组合优化问题，物流可能是最大的市场。我亲眼见过几个复杂的金融服务问题。例如，我们在金融服务中有风险管理，这是相当数据密集的。我们在这个领域处理数百万个数据点。如果我们可以使用退火器解决风险管理挑战，为什么物流中的优化会更难呢？是数据的维度使物流更难吗？

戴夫：从实际角度来看，在物流中对其进行编码是受约束驱动的。而例如投资组合优化空间，则主要由目标函数驱动。通常，当您描述一个退火问题时，您有目标函数。那就是您试图优化的内容。因此，当您尝试优化投资组合平衡时，您试图最小化您的风险。然后，您对此施加两个约束，一个是最大回报，另一个是最小花费。

你也可以将其编码为双目标函数，即用于平衡风险和回报的风险参数。之后，你可以根据总预算进行限制。这是问题的一面。

在物流空间中，一切都关乎约束。在编码过程中的约束会爆炸性地增加问题的复杂性。这是因为你通常通过将二次方项作为问题解决方案的一部分来编码约束。你正在利用信息空间的一部分来给代码添加约束，因此这使得利用这个信息空间来编码目标函数也变得更具挑战性。此外，有时你在物流中的约束会导致高阶多项式而不是二次的情况。

阿伦：转到另一个话题，我在研究半导体行业。量子比特电路的选择远不止是用于经典计算机的基于硅的半导体模型。正在使用不同类型的材料，采用不同的模型。那么你认为这将如何影响行业？如果不同类型的量子比特电路出现在这个领域，会摧毁半导体垄断吗？

戴夫：周围涌现了很多关于约瑟芬结的奇特技术，这些技术经历了一轮又一轮的炒作，然后陷入了沉寂。就我记得，约瑟芬结在几十年前就已经存在了。然后它们就消失了，现在又在这个量子伞下重新出现。你还有高温超导体。它们可能在流行与不流行之间来回。

约瑟芬结是通过将一层薄的非超导材料夹在两层超导材料之间来制造的。这些设备以布莱恩·约瑟夫森命名，他在 1962 年预言说超导电子对可以直接从一个超导体“隧道”穿过非超导障碍物到另一个超导体。来源：www.scientificamerican.com/article/what-are-josephson-juncti/

阿伦：最后一个问题，戴夫。量子霸权，你认为有人接近吗？

戴夫：不，根据经典定义来说，他们并没有。量子霸权也有其他定义，这是说你在量子计算机上是否比在普通计算机上更快地解决问题？从这个意义上说，是的，很多人即将接近量子霸权。

事实是，在半毫秒内解决问题非常令人印象深刻。但如果在一台笔记本电脑上可以在 2 秒内解决问题，这是否真的会改变你的商业模式？不会。所以这是量子霸权吗？是，但又不是。

如果解决的是每月都需要解决的问题，而在常规集群上可能需要花费 6 小时，那么你需要数字退火器还是量子设备？这只是一个纯经济上的问题。它并不受时间窗口的驱动。因此，量子至尊是一个肯定会引起关注的热词，至少在商业层面讨论时是这样的。只要有人想要说他们用量子计算机做了以前没有人能做到的事情，他们就可以宣称量子至尊，你知道这只是一个营销旗帜。

这里（是我）有一点愤世嫉俗的情绪，这是你不能归因于富士通的。量子至尊周围的很多炒作都是为了确保这种研究的资金。公司和研究团队利用这一点来吸引关注并获得研究资金。我特别希望在我们之前讨论过的模拟领域看到一些至尊存在。

我希望看到一些有意义的突破的其他领域是量子通信、量子传感（例如：重力传感）和量子成像。这些都是量子计算的令人敬畏的用例，利用了纠缠。例如，重力传感器非常敏感于重力。你可以感觉到有人在墙后走动，并且可以在量子设备上看到他们的重力特征。英国量子研究组织目前正在这个领域做大量工作 [1]。

阿伦：我大部分时间都在与从业者交流，不久将与英国研究组织进行交流。他们大多是学术界的人士。这本书主要关注这些技术的实际影响；然而，捕捉到研究世界的发展方向也是很好的。

戴维：完全正确。就我个人而言，我现在并没有关注研究领域。我忙于扮演从业者的角色，并解决工业问题。

阿伦：谢谢你，戴维，我占用了你很多时间。非常感谢你的见解。

戴维：非常感谢。我期待着看到成书的完成。

结论

我与戴维·斯奈林的对话非常有启发性，其中有几个要点。最主要的要点是数字退火器如何在未来几年内为量子计算机和退火器打开大门。从技术能力和商业可行性的角度来看，这种过渡都很有趣。

我想强调的另一个关键点是戴维对技术的意义的关注。基于门的计算机，那又怎样？量子至尊，那又怎样？等等等等。这对技术人员来说是一个重要的教训：非常重要的是要确定要解决的问题，然后将技术资源部署到解决方案中去。我经常发现技术人员创造出寻找问题的解决方案，这绝不是创新的好处所在。

很明显，戴夫对量子计算机的可能性充满热情。我们在本章讨论了几个行业中的使用案例。然而，戴维也警告我们不要过度兴奋于量子霸权周围的炒作。

我个人受到戴夫简化叙述的能力的启发。对于一个拥有多年实验室经验、长期技术背景的人来说，他的讲故事能力令人惊叹。最后但绝不是最不重要的，我真诚地感动于他在分享对这个行业的看法和想法时是多么脚踏实地和开放。

参考资料

uknqt.epsrc.ac.uk/about/uknqt-hubs/

第六章：对医疗保健和制药的影响

我出生在印度最南端约 75 英里的一个村庄。我的父母在社会上地位相对较高，我们在成长过程中并没有面临任何经济挑战。因此，我在成长过程中个人并没有为了优质医疗保健而苦苦挣扎。然而，我见证了对于不幸的人来说提供的医疗基础设施或缺乏基础设施的情况。因此，当涉及医疗保健创新时，我感到一种目标感。

多年来，由于疫苗、诊断、药物和手术程序的进步，在医疗保健领域取得了几项突破。很难忽视这些成就。来源：www.medpagetoday.com/infectiousdisease/publichealth/17594

在医疗保健和制药行业内进行创新和改进的好处将会对全球许多人的福祉产生重大影响。我们将讨论该行业创新的背景，并涵盖以下几个领域，量子计算可能会带来重大改进：

药物发现
最后一公里药物分配
癌症诊断

最后一公里 这个术语是指配送网络的最终目的地。在这种情况下，它将指的是将高质量医疗保健带到新兴市场的农村人口的能力。

这些示例并不是可以从量子计算中受益的医疗保健用例的详尽清单。但是，它们应该展示了该技术的潜在好处。

创新的集会

了解医疗保健和制药价值链中的痛点至关重要，以发现像人工智能（AI）、区块链和量子计算等新兴技术的机会。在过去几年中，人工智能已经以前所未有的规模进行试验和应用，以解决其中一些问题。IBM 对他们基于 Watson 的医疗保健能力表现得相当积极。

然而，在使医疗保健在全球范围内变得无缝、成本有效和包容性方面，还有很多工作要做。即使在像美国和英国这样的发达经济体中，医疗保健也是消费者（患者）希望看到重大转变的服务之一。

有几种创新趋势，如使用像巴比伦这样的应用进行远程咨询，或者使用 IBM Watson 进行临床决策支持，或者使用人工智能进行药物发现应用。IBM Watson 尝试创建Robo Doctor，但由于其方法缺乏重点而面临重大挑战。

由于可穿戴设备、物联网（IoT）和物联网数据分析的融合，现在可以即时做出多个健康决策。这些工具还帮助保险公司确定客户支付的保费。

在另一方面，制药供应链正在呼唤更多创新。供应链效率低下，不透明，并且由于缺乏治理和控制而充斥着伪劣产品。

这并不意味着我们在医疗保健领域没有取得重大进展。艾滋病患者的预期寿命现在已接近正常预期寿命。印度成功根除了小儿麻痹症。再生医学致力于再生、修复或替换受损细胞的方法。它可以帮助患有骨关节炎的人，这是一个不断增长的问题，预计将有 30%的成年人在 11 年内患有这种疾病。这些进展的清单还在继续，但在医疗保健和医学领域仍有很多成就需要实现。来源：www.weforum.org/agenda/2019/05/healthcare-technology-precision-medicine-breakthroughs/

在我的风险投资基金绿岸资本，我们遇到了有潜力在巨大规模上产生影响的医疗保健企业。技术可以将医疗保健带到亚洲和非洲等新兴市场的“最后一英里”。它可以帮助制药公司比以往更轻松地建模试验结果，并缩短药物上市时间。技术可以比以往更快地、更准确地识别基因疾病，如癌症。

每次我看到一份陈述一个开创性医疗保健机会的演示文稿的资金申请，我都充满希望。这就是医疗保健的特殊之处。我们在我的基金不断努力完善我们的投资理论。我们一致认为，健康和财富是我们不能忽视的两个行业。我相信，对医疗保健的创新和投资可能产生最大的社会影响。在接下来的章节中，我们将看到医疗保健为技术提供的机遇。

AI 医生

一切始于 2011 年 2 月，当 IBM 的沃森参加了一个名为 Jeopardy 的电视节目，与该节目的顶尖选手本·詹宁斯和布拉德·拉特竞争。直到那个时候，计算机能做的最多就是回答那些有非常明确和事实性答案的问题。计算机在处理涉及解释和回答过程中的细微差别的问题方面一直表现不佳。

Jeopardy 节目看到 IBM 沃森从不同来源整合信息，并从中解释一个答案。在此之前，被开发用于执行类人交互的程序被认为是聪明的算法。然而，随着 IBM 沃森的出现，这一过程发生了变化。沃森被喂食了数百万本书籍、百科全书、小说和其他任何可用的参考文本。

每次提出问题时，沃森都会识别一系列可能的答案以及每个答案的一组证据。证据的质量是通过自然语言处理进行评估的。根据证据的质量和相关性，答案被分级。有几种算法同时执行相同的练习。随着更多的算法对一个答案进行排名，该答案的置信水平会增加。因此，沃森呈现问题的答案。

几年前，当我在普华永道工作时，我们正在评估 IBM 沃森以提供对监管和法律问题的答案。理念是将数百万条法律和监管文本输入 IBM 沃森中。在对沃森进行一段时间的培训后，IBM 将其称为“沃森上学”，就可以投入商业使用。

我有幸并肩负责参与普华永道对 IBM 沃森进行评估的委员会。当时我们面临的最大挑战之一是让 IBM 沃森理解法律和监管语言。理念是，这种理解应该允许与用户进行自然语言对话。

随着时间的推移，沃森将通过提问的方式由法律和监管专家进行培训。当沃森回答问题时，培训者会对答案进行反馈。经过数次重复这一过程后，沃森应该会随着时间的推移学习并提供更准确的答案。

这正是 IBM 对医疗保健的愿景。医疗记录数据，研究，临床试验信息，医学书籍和其他参考资料都被输入到 IBM 中。在咨询时，医生将与患者进行面谈，医疗评估将由 IBM 沃森协助进行。

当患者提供有关其健康状况的信息时，顾问会使用 IBM 沃森参考庞大的信息库。IBM 沃森会利用其拥有的广泛知识库查找与患者诊断相关的信息。然后，顾问可以参考该信息对患者进行评估并提供健康建议。

IBM 对沃森的愿景是将其用作为癌症患者提供治疗的人工智能医生。然而，多年来，该系统的性能并没有达到预期。IBM 有超过 13,000 个医疗保健客户尝试该解决方案。尽管如此，沃森的准确性仍然不及预期，导致医院客户的流失。这也导致 2018 年认知技术收入下降了 6%。来源：seekingalpha.com/article/4212897-watson-failing-deliver-ibm

IBM Watson 的低准确率的主要原因是缺乏高质量的专业数据。IBM 在医疗保健领域追求了一个非常广泛的用例。因此，为 Watson 引擎获取的数据是广泛且浅薄的。然而，要想提高人工智能的准确性，数据需要是精细且深入的。在应用领域需要高质量的数据来使其成为人工智能的可行模型。

工作所选择的两个医疗保健领域是肿瘤学和基因组学。这两个领域对人工智能来说都很复杂，而且医学术语构成了一个主要障碍。2018 年，IBM Watson 的领导层由于所有这些挑战引起的负面公关而发生了变化。沃森的健康主管黛博拉·迪桑佐辞职，并由当时担任认知解决方案和 IBM 研究高级副总裁的约翰·凯利接替。

使用人工智能在医疗保健领域也有成功案例。根据高地肿瘤学团队的一家诊所的评论，沃森在客户的预筛选过程中取得了 78%的更好表现。然而，由于其固有能力来对自然进行建模，量子机器学习可以更好地帮助医疗保健领域。

2019 年 7 月，埃森哲成功获得了第二项用于量子计算的美国专利。该专利是针对他们的“量子计算机学习模块”，该模块可以训练人工智能模型在任务的适用性上选择经典的或量子的计算模块。来源：patents.justia.com/patent/10095981

埃森哲在使用量子启用的方法进行分子比较方面取得了重大突破。他们与称为 Biogen 和 1-Qbit 的公司合作，创建了增加诊断和药物发现过程效率的量子计算模型。

医疗保健的最后一英里

最近，我采访了我 2003 年毕业的阿姆里塔大学的人工智能/量子研究负责人。她向我解释了在医疗保健中使用机器学习的应用案例，更重要的是在新兴市场的背景下。我们还讨论了量子机器学习如何帮助提高能力到一个全新的水平。

阿姆里塔大学位于印度南部科伊甘拜尔市以外的一个叫埃蒂马代的村庄，距离城市有 20 公里。埃蒂马代是该大学的工程学院所在地。20 年前教授我数据库管理系统（DBMS）和面向对象编程的 B.拉贾蒂拉甘博士，现在正在领导人工智能和量子机器学习研究。

她的其中一个主要标准是研究工作的成果。在我们的交谈中，她一直在强调通过她的研究工作在社会中产生影响的重要性。因此，我们花了一些时间讨论她的博士和硕士学生试图解决的问题。

安德玛大学已经采纳了 101 个主要由部落人口居住的村庄。这些村庄大多没有医院，最近的医院至少有 20 公里远。在印度这些地区提供最后一公里的医疗一直是一个挑战。

提供最后一公里的医疗涉及以下步骤：

持续监测健康状况
数据云托管
识别个体及其数据
对数据进行诊断
提供即时的解决方案

这个过程可以重复进行。技术如何帮助这些步骤呢？

健康状况的监测可以是自动或手动的。可以有医生定期造访这些村庄，并进行基本测试，并通过电子方式获取结果。这个过程也可以通过使用物联网的诊断设备进行自动化。

使用无人机摄像头也可以自动捕捉健康状况。可以使用深度学习图像识别算法来识别贫血、抑郁和脱水等问题的症状。量子机器学习可以增强这种能力，可以为不同的健康状况提供诊断结果以不同程度的信心。

量子图像处理 (QIP) 丰富了现有图像处理技术的能力。使用经典信息处理技术需要大量的计算资源。当使用 QIP 时，存储* N 比特信息发生在 log(2N) 量子比特中。听起来有希望的两种图像处理方法是量子傅里叶变换 （QFT）和* 量子小波变换** （** QVT **）。使用量子比特来存储图像信息的附加优势是可以利用叠加等属性。

每个村庄的中央办公室可以放置一些基本的诊断设备。村民可以进入办公室，使用国家身份证（Aadhaar）进行身份识别并使用设备。设备会将详细信息发送到云托管服务器，并附有村民的标识符。

一旦数据上传，机器学习算法将协助远程的医生进行诊断并开处方。药物将按照处方分发到这些村庄。利用量子退火过程可以使这个分发过程变得更加高效。

假设在这 101 个村庄中，大约有 50 个村庄每个有大约 5 个疾病。这就是需要治疗的 2,500 种不同的健康状况。假设每种状况平均需要 2 种药物来治疗。按照这些假设，需要分发 5,000 种药物（2500 * 2）。

每天源和分发这么多药物的物流工作并非易事。并非所有这些药物都可以从同一供应商采购。在计算向这些村庄分发药物的最佳方式时，需要考虑道路状况、天气情况和疾病的严重程度。

记得我们在第二章、量子计算-关键讨论点中讨论过的旅行推销员问题吗？这是量子计算的一个极好的模型使用案例，也是解决涉及多个相关变量的物流问题的一种方式。在这种情况下，由于缺乏基础设施所造成的摩擦是一个重要的需要建模的变量。

要解决这个问题，可以使用绝热量子退火器。道路状况、天气条件和疾病的严重程度都可以被建模到绝热量子退火器中。从退火器的最低能级解决方案中得出分发药物的最优解。

退火器的能量空间将由所有真实世界问题组成。一个村庄的疾病增加和其相邻村庄受到影响之间的相关性是另一个需要建模的重要因素。当所有这些变量被编码进入时，我们将会看到一个有着高峰和低谷的能量空间。

然后我们使用量子隧道穿越能量景观。在这个过程中，我们识别出低谷而无需攀登高峰。最终，最优解由系统的最低能量级给出。

同样，也可以通过雇佣一组低技能劳动力来手动完成所有这些分发工作。在印度，劳动力成本低，特别适用。然而，要想在印度其他地方和全球范围内复制这种可扩展的模型，必须集结几种新兴技术的力量。

在加纳，医疗用品最近通过无人机 100%准确地分发。在目前阶段，将这一模式扩展到大规模商业环境下使其无法持续。然而，随着无人机技术的普及化，医疗保健的最后一英里交付将成为其中一个主要的使用案例，而驱动这些无人机的智能可能由量子计算机提供支持。

我们需要集成一整套技术才能实现这一切。

物联网用于数据采集
区块链用于数据完整性和患者身份管理
机器学习（经典和基于量子的）用于诊断
量子退火器模拟药物分发
无人机执行药物分发

许多这些领域在阿姆里塔进行研究。他们正与医疗设备供应商合作建立基础设施。他们的研究人员正在研究软件算法，这些算法将帮助解决从诊断到无人机智能等多种使用案例的问题。

我无法感谢我的教授，让我一窥这些技术融合所能带来的可能性。在西方，我们经常生活在一个泡沫中，没有考虑到可以在规模上解决这样基本的问题。然而，当我们设法做到时，我们看到全球范围内发生跨越式的时刻。当这些村庄的医疗保健变得可能通过技术实现时，这可能成为其他地区效仿的案例研究。

癌症诊断和治疗

在前一节中，我们简要涉及了量子机器学习在疾病诊断和治疗中的应用。让我们花一点时间来理解量子计算可以产生深远影响的一些领域。

人类曾经为治愈疾病而战斗，随着医疗保健和药物领域的进步，几个世纪以来已经克服了许多疾病。但仍有一种疾病我们尚未掌握，那就是癌症。数十亿美元正在投资于肿瘤学领域；识别和治疗癌症。还有一些旨在开发某些类型癌症疫苗的倡议。

但是，识别和治疗癌症的过程并不容易。世界上大约有 200 种癌症类型。

癌细胞存在于我们大多数人的身体中，但只有当这些细胞迅速增长并支配身体中的健康细胞时，它们才会成为问题。这可能达到一个程度，使得正常细胞无法在人体中发挥功能。导致细胞变为“癌性”的原因尚未完全理解。

癌症的几个潜在原因。如果健康的人体持续暴露于致癌物质，这可能会触发癌细胞。其他原因包括接触辐射、吸烟和缺乏运动。当这些外部因素之一触发细胞的癌性行为时，主体开始出现症状。

触发因素的多样性、不同类型的癌症以及它们作为症状表现的方式使得及时诊断更加困难。癌细胞聚集在肿瘤形成。肿瘤的大小、肿瘤的状态（恶性或非恶性）以及转移状态确定了应提供的治疗方式。

转移表明癌症从身体的一部分扩散到另一部分。癌细胞发生的部位以及癌细胞扩散的速度是治疗中需要考虑的因素。

印度博帕尔技术学院发表的一篇研究论文指出了一种利用 Shor 算法识别癌症治疗的方法。该方法建议将 Shor 算法递归地应用于数据集，以识别癌症类型。数据集包括肿瘤大小、转移状态和结节状态（恶性或非恶性）。

Shor 的算法用于解析数据并识别癌症的阶段。然后进行凝聚式聚类以逻辑分组结果。这个使用量子算法的过程已被证明比经典方法识别和分类癌症要快得多。经典方法需要数小时才能得到结果，而这种方法已被证明在几秒钟内即可获得结果。来源：www.omicsonline.org/open-access/quantum-computing-based-technique-for-cancer-disease-detection-system-jcsb.1000095.pdf

前述方法使用 Shor 的算法来对癌症类型进行分类和识别。然而，治疗的患者需求是多样化且复杂的，可能从手术到化疗不等。这更多地是一个优化问题，将取决于患者是否会从特定类型的治疗中受益。

量子退火可以解决优化问题。诊断涉及的因素、患者的属性以及受癌细胞影响的身体部位将需要在能量空间中建模。当前的过程涉及浏览数百个变量以确定一个杀死癌细胞而不影响健康细胞的最佳计划。

系统的最低能量状态将确定癌细胞的治疗计划。使用量子计算还可以提供所有选项及其适用性的整体视图，以及它们所关联的置信度程度。

药物发现

药物发现是发现、测试和推向市场新药物的过程。将一种新药物推向市场的成本约为 26 亿美元。这个过程需要数年时间，经历数个临床试验阶段，然后进行监管审批。

由于这个过程，超过 90%的候选药物在上市过程中失败。不同因素如疾病类型、生物标志物和行业影响着药物发现过程的成功。一些领域的成功率较低。基于几项研究，肿瘤学的成功率约为 5%。来源：www.ncbi.nlm.nih.gov/pubmed/29394327

有几个尝试使用机器学习来预测临床试验的结果，以减少将药物推向市场所需的时间。其中一种尝试专注于模拟健康细胞和癌细胞对不同水平的糖和氧气含量的行为。

健康细胞和癌细胞行为的差异可以通过它们的脂质、酶和蛋白质的数据来展示。这些数据对颠覆药物发现过程非常有用。这个领域长期以来一直采用试错的方法，需要更加科学化的方法。

几家初创公司致力于改善制药行业的这一过程。它们使用了经典计算和基于量子计算的机器学习的混合方法。Benevolent AI 是一家总部位于伦敦的初创公司，从多个临床试验和患者记录中获取数据，并模拟它们之间的关系。

自然语言处理技术用于为进行药物发现过程的科学家提供见解。该算法使用了跨多种研究疾病、疾病症状、涉及的蛋白质以及提出的药物的数据维度。

利用这些智能，企业可以缩短药物发现周期，并比传统方法更快地将药物推向市场，从而为制药行业节省数十亿美元。

另一个量子机器学习可以应用的关键领域是蛋白质建模领域。人体由数十亿个细胞组成，蛋白质是这些细胞的重要组成部分。了解蛋白质的结构和折叠机制对于理解细胞行为至关重要。

蛋白质折叠是由诺贝尔奖获得者安芬森（Anfinsen CB）首次揭示的，已有 50 多年的历史。我们在理解蛋白质在我们机体功能中的重要性方面取得了极大的进展。我们已经确定蛋白质折叠与阿尔茨海默病、糖尿病和帕金森病有关。

蛋白质由氨基酸组成，当这些组成部分结合在一起时，它们可以呈现不同的形态。异常的蛋白质折叠可能导致多种疾病。此外，随着年龄的增长，身体难以阻止错误折叠的蛋白质的产生。这解释了为什么随着年龄增长，我们对疾病的免疫力会降低。

有几种尝试对蛋白质行为建模。然而，这是一个具有挑战性的过程，因为它取决于氨基酸的极性以及它们与细胞中的水环境的相互作用。建模蛋白质行为对我们理解疾病至关重要。

传统计算机并未能够很成功地做到这一点。旧金山的 XLabs 等公司正在利用量子计算来解决这一基本问题。

Biogen 已与 1-Qbit 和 Accenture 合作，寻找治疗多发性硬化、阿尔茨海默病和帕金森病的潜在解决方案。一旦确定了工业解决方案，患有这些病症的患者将受益最多。

艾森图公司被授予了两项量子计算专利，他们已经开始创建试点项目，以解决规模化药物发现问题。其中一项专利（专利号 10095981）侧重于使用多状态量子优化引擎的解决方案。该引擎根据要解决的任务调用不同的量子设备。引擎调用的设备可能是退火器、模拟器或门基量子计算机。

艾森图公司被授予的另一项量子计算专利（专利号 10275721）是针对一个机器学习模块的，该模块具有根据任务性质将任务路由到经典设备或量子设备的能力。

多状态量子优化引擎被用于开发基于量子的分子比较的突破性解决方案。预计这一解决方案将极大加速药物发现的过程。查看以下来源以了解更多信息：

我们已经讨论了机器学习在医疗保健领域的应用和好处，以及使用量子计算可以实现的规模。在接下来的一节中，我们将看一些区块链可以解决的问题。再一次，我们将看到这两种技术的商业应用几乎没有冲突点。

医疗保健中的区块链

通过简单的谷歌搜索，你可以找到区块链在医疗保健中的应用的世界各地信息。然而，许多这些区块链应用似乎并不真正需要区块链。这些应用大多可以使用传统的数据库管理系统执行。在已经存在多个痛点的困难价值链中，区块链会带来额外的开销和可扩展性挑战。

话虽如此，在医疗保健领域有一些区域，区块链技术在目前形式下可以提供帮助。如果解决了一些技术限制，它将更有用。区块链潜力的一个关键领域是健康保险。我在金融服务章节中没有详细讨论保险，但我是那些认为区块链将比银行业更有助于转型的人之一。

保险

我们中许多人在保险单上提出索赔时都经历了一段艰难的时期。如果保险公司找到他们条款和条件中的漏洞不支付客户的索赔，这对客户是残酷的。在我生命的大部分时间里，我尽量避免购买保险，因为我确实相信这更多的是一个麻烦事。然而，当我有了一个家庭，我必须确保我为他们所有人购买了健康保险。

那并没有让我的保险体验变得更好。几年前，我妻子生病了，我打电话给我的医疗保险公司。我们在签约时提交了她的健康详情，而这次疾病与她以往的任何状况都没有关系。我们甚至有我们的顾问的意见，他们并不是相关状况。然而，保险公司拒绝支付索赔，因为他们认为这个状况不是新的。

那时我们的重点是让她接受治疗，所以我们只是经历了这个过程，没有保险覆盖。如果这个过程给我们造成了更大的损失，或者如果这发生在财力较弱的人身上，那将有人命堪忧。对整个家庭来说都是一个痛苦的经历。

从那时起，我遭受了保险公司或与他们打包其他服务的中间商的恶行。出于所有这些令人大开眼界的经历，我相信智能合同将不得不被使用。我可以看到几种技术的应用汇聚，使健康保险发挥作用。

我改变了我的医疗保险提供商，希望找到更好的服务。我现在使用 Vitality，他们更注重技术。他们已经成功创建了一个生态系统，向他们提供有关他们客户的信息。例如，我的 Fitbit 和我妻子的 Apple Watch 都连接到了 Vitality App。我的月度保费是由这些智能设备发送给 Vitality 的数据决定的。如果我度过了一个很活跃的月份，我的保险费就会更低，反之亦然。

这是一个相当不错的开始，保险公司提供透明的框架来收取保费。他们在保险索赔过程中可以进一步保护客户，构建一个无缝的流程和体验。这个过程可能看起来像这样：

在签署保险时，我向我的保险公司提供了我的健康详情。
他们与我的医生核实这些信息。
智能合同用于保险的两个方面：
- 计算保费的框架。
- 释放索赔的一套清晰规则。
保险公司使用智能设备收集有关客户的数据，并定期将其发送回给他们。
保险公司可以使用这些数据来定价保费。
如果智能设备在任何时候识别出必须释放保险索赔的情景，它应该无缝地发生。
例如，如果我的可穿戴设备的数据表明我生病了，并且这并未被登记为已知病症，那么就需要一个自动释放索赔的过程。
索赔流程可以由保险公司触发（而不是客户追求保险公司）。
触发器可能需要客户批准索赔的释放，并承认可穿戴设备在适当时候引起警示是正确的。

保险公司不应该在索赔过程中需要任何手动干预。这可能为保险公司创造主观性。通过物联网的数据实时采集，他们可以更主动地与他们的客户互动。因此，他们可以实时响应索赔场景，即使没有客户追逐他们。

不仅仅是客户会通过健康保险的适当数字化受益。保险公司可以利用他们从这些物联网设备捕获的健康数据进行多方面的洞察。这些数据可以通过机器学习模型来预测客户可能会面临的未来健康问题。这可以帮助他们警告客户可能出现的未来状况。

对于保险公司来说，更有用的是他们利用这些健康数据，为客户未来的保险费用定价。如果客户的可穿戴设备指示出活动减少、睡眠减少、工作时间加班、水消耗减少和心跳不规则等情况，这可能表明客户患病风险较高。

假设通过可穿戴设备捕获的数据表明客户患心脏病的风险增加了。保险公司可以就此与客户联系，并主动确保客户了解他们的健康状况。如果客户忽视了这一警告，那么保险公司可以表示他们将提高他们的保费。

同样地，假设一个客户提出了治疗疾病的索赔。如果保险公司捕获了治疗后的健康数据，可能会显示客户的健康正在逐步恢复。在这种情况下，数据可以用来降低客户的保费，从而奖励良好的习惯和行为。

在所有这些场景中，智能可以用来优化客户将要支付的保费金额。在这些场景中，区块链的好处是以合同结构化保费金额和索赔款项的释放，如果智能成立的话。

另一个新兴的用例是面部识别技术的使用。商汤是世界上规模最大的人工智能初创公司，从一项研究发展成为一家四年内市值达到 45 亿美元的公司。他们在保险业中有着有趣的面部识别技术的应用。如果客户提出了索赔，他们将经历一个面试过程。

AI 引擎在面试过程中扫描客户的面部，并根据面部表情提供诚信评分。该诚信评分用于决定索赔是否真实。从那里开始的一个改进是创建一个智能合约，如果诚信评分超过阈值，则会触发索赔支付。

区块链的一个关键应用是不可变的追溯性。全球范围内，由于缺乏追溯性和供应链握手机制，假药已成为一个蓬勃发展的产业。现在让我们看看如何利用区块链来解决这个问题。

制药供应链

我们讨论了量子机器学习如何帮助药物发现过程，并减少制药行业的成本和上市时间。然而，该行业今天依赖的供应链需要进行重大改革。这在一些新兴经济体尤其如此，其中假药每年给制药行业造成数十亿美元的损失。

一份关于假药的 PwC 报告将其称为每年赚取超过 1500 亿英镑的最有利可图的非法市场。更令人担忧的数字是因消费这些假药而“数百万”人丧生。在发达市场，大约有 1%的药物是假冒的，但在非洲等市场，这个数字高达 70%。

由于数字经济的发展，近年来假冒商品在全球范围内广泛传播。根据世界卫生组织（WHO）的数据，约有 50%在网上销售的药品是假药。与假药的斗争已经广泛展开，但只取得了零星的成果。

尽管像制药安全协会、美国食品和药物管理局以及世界卫生组织这样的组织已经做出了努力，但仍有很多工作要做。制药公司很难投资于打击假药，因为它们已经负担了较高的药物发现和监管成本。因此，保持药品市场的清洁并不在它们的优先事项之列。

结果，我们仍然有一个蓬勃发展的药品伪造市场。在销售药品的 50,000 多个在线网站中，95%的网站没有获得监管批准和行业标准。因此，假药市场已被大公司和组织归类为一个无法承受的弱点。然而，每年有超过 450,000 人死于对疟疾的无效和假药。任何一种每年夺走这么多人性命的因素都需要有组织地进行处理。PwC 报告中的以下图表突出了假药的利润情况：

图 1：关于假药市场的统计数据。来源：www.strategyand.pwc.com/report/counterfeit-pharmaceuticals

该问题的解决方案是，几家机构和制药行业提出了大规模序列化和跟踪药品在其供应链中的方案。大规模序列化涉及在药品包装上使用条形码。药品及其对应的代码在制造点中央注册。然后，在供应链的几个步骤中扫描条形码以确保它们看到的是同一种药品。

然而，挑战在于许多这些系统已被伪造者攻破。因此，条形码和大规模序列化工作只解决了部分伪造尝试。需要更难破解和更安全的更好解决方案来解决这个行业，与假药进行有组织的斗争。

正如本章前面提到的，我在印度南部的一个村庄长大。我一生中的大部分时间都见证了破碎的医疗保健的负面影响。印度可以说是全球假药的中心。以下是关于印度及其在假药市场中的角色值得知道的一些统计数据：

以消费量计算，印度制药行业是世界第三大制药行业
然而，全球 35%的假药来自印度
印度向世界 200 多个国家出口药品

无需多言，为了世界和印度的利益，印度的药品供应链需要进行严肃的改革。

在第十四章，与 IBM 合伙人 Dinesh Nagarajan 的访谈中，当我们讨论区块链的应用时，我们发现供应链是其关键的行业应用之一。区块链可以成为食品、药品和商品等行业的出色跟踪机制。我看到世界各地有几家初创企业正在利用区块链框架的跟踪功能。

一家名为 Chronicled 的初创公司，总部位于美国，为医疗保健设立了一个名为 MediLedger 的区块链联盟。区块链将用于注册并跟踪药品在供应链中的每一步。账本的一个关键原则是只有制造商可以创建并附加药品的标识符。如果药品的标识符在其供应链的任何其他地方被篡改，它将被区块链标记为伪造品。

至少在美国，药品供应链安全法案（DSCSA）正在强制要求制药公司拥有可互操作的系统，并可以通过供应链跟踪药品。使用区块链可以确保这种互操作性直接从系统中获得，而不必通过昂贵的系统和流程集成工作来开发。

在这个领域使用区块链的优势如下：

联盟必须遵守的规则可以事先商定并编码到区块链中。
没有单一实体可以更改供应链详细信息。
区块链允许条目，不允许删除。因此，每次录入分类账都会被审计和跟踪。
控制的分散性，以及前述特征，使得篡改变得困难。

MediLedger 财团使用零知识证明（ZKPs）来强制执行治理和控制，而不需要各个节点（公司）彼此分享详细数据。ZKP 是一个简单的框架，允许区块链上的某人提供适当水平的信息以证明他们满足某个条件。

例如，如果我向银行申请贷款，银行将需要访问我的信用评分。使用 ZKP，银行可能只需要知道我的信用评分范围，就可以决定我的贷款请求。在 ZKP 模型中，有一个证明者（我）和一个验证者（银行）。我应该能够说服银行，我向他们提供的信息是完整和真实的。但是，不应向银行分享更多信息。

我们生活在一个每产生一点数据都被谷歌、Facebook 或亚马逊等科技巨头用来为我们提供更好服务的世界中。他们还将数据转售给第三方并赚钱。在这种情况下，ZKP 可以作为确保用户控制其被这些服务提供商使用的数据的一种卓越方式。

回到我们的医疗保健示例，像 MediLedger 这样的系统可以提供适当水平的信息透明度，以阻止伪造企图。同时，在运输敏感药物的地方，信息不会过于容易地对所有方面可用。区块链在药品供应链中还处于早期阶段，但在大多数供应链用例中，这项技术看起来很有前景。

现在让我们转向区块链的下一个用例，即记录保管。重要的是要以安全可靠的方式存储病人记录。确保病人拥有自己的数据可能同样重要。让我们在下一节详细讨论这个问题。

医疗保健数据交换

在医疗保健领域，最大的挑战之一是可用性（或者说缺乏）高质量的数据。在医疗价值链的许多环节中，访问患者健康信息可以帮助做出更好的决策。现实世界的健康数据有助于提高研究质量、健康咨询和药物发现。

有办法为所有研究创建模拟数据。然而，它经常不能作为真实患者健康数据的良好替代。在过去，我一直愿意提供我的健康数据供研究使用。每次进行健康审查过程时，我都会被问及是否允许使用我的数据，我会回答“是”。

然而，最近我开始对数据隐私和安全影响有些谨慎。当涉及与医疗保健组织分享我的数据时，还有另一个关键原因需要谨慎。我坚定地相信自我主权身份。因此，我认为当我的数据被某处使用时，它需要以某种形式归属于我。

目前没有将隐私、安全和自我主权身份这三个方面结合起来的系统。如果有一种机制可以匿名分享我的医疗数据，用于研究或健康咨询目的，我可能更愿意这样做。

除了安全可靠之外，我希望能够追踪我的数据在哪里使用以及第三方使用我的数据赚了多少钱。需要有一种预先同意的机制，这样我才能从分享我的数据中获益。

Ponemon 研究所对 503 名受访者进行的一项调查发现，约有 86%的受访者看到了由于患者身份错误识别而导致的医疗问题。80%的受访者认为，通过生物识别技术积极确认患者可以改善医院的现金流。来源：promos.hcpro.com/pdf/2016-national-report-misidentification-report.pdf

有一些公司试图利用区块链解决数据共享、版权和知识产权市场的问题。随着医疗保健数据共享，情况变得更加有趣和具有挑战性。像 HealthVerity 和 Doc.ai 这样的公司利用区块链作为医疗保健数据的市场。

通过这个市场，个人可以允许他们的数据被用于特定的研究。随着这项研究通过医学突破产生回报；该计划的收益分配给数据提供者。研究使用的数据存放在临时空间中，直到研究完成，然后被删除。

尽管区块链目前由这些初创公司发起，但计划是将生态系统发展成为类似以太坊的生态系统。这将有助于真正去中心化个人数据的所有权和管理。在这种模式中，任何想要出售自己数据的人都可以将其放在市场上。想要数据的第三方可以对其进行竞标并利用它。区块链网络可以验证交易并将其记录在链上。参与验证的节点可以得到奖励。

随着这个去中心化数据共享治理过程的扩展，医疗健康市场可以成为主流。现在让我们看看智能合约如何使医学研究更加高效。

研究治理

在 第八章，对治理的影响 中，我们看到了区块链如何在全球范围内被用于政府的有效运作。原则上，区块链框架可以用于任何在启动过程之前达成合同条款的情境。随着过程的进行，每次满足合同条款时，一系列行动就会被触发。

在区块链上跟踪这些合同义务时，每一步进展都可以被数字时间戳化。可以根据这些合同义务启动并执行服务级别协议。然而，使用区块链进行智能治理的最重要的方面是可以消除合同决策中的人为偏见。

长期以来，医疗研究一直是一个运营效率低下的机器。医疗研究中的一些低效率包括：

研究目标和成功标准通常事先没有达成一致。
缺乏在整个研究过程中的里程碑设计。
研究人员受到人类偏见的影响，并且可能会在试验进行中更改标准。
负面结果通常不会被发布。
跨医疗系统的互操作性难以实现，因此，数据采集和集成可能是一个挑战。
研究步骤的审计轨迹通常缺失，因此很难从历史信息中识别出所学到的教训。
对于大多数涉及的主要利益相关者来说，研究的实时视图不可用。

随着所有这些痛点，医疗研究真的在呼唤一个解决方案来实现运营效率。在考虑以下步骤时，区块链可以帮助解决这个问题：

所有一项研究的关键利益相关者都被注册为区块链上的一个节点。
研究条款、结果和结果的成功标准事先已经达成一致。
所有中间里程碑都已经了解，并已达成指示性时间表。
已经达成关于研究活动的成功和失败的发布政策。
从多个系统获取/共享数据的任何要求已经确定，可能可以作为 Oracle 导入到区块链中。

将所有这些内容达成一致并加入区块链的好处是巨大的。之前提到的每一个摩擦点都可以得到解决，过程可以在几乎实时的基础上得到无缝管理和监控。然而，将医疗数据加载到区块链上并非没有挑战。

医疗数据比大多数其他信息更敏感，并且对于任何发现的违规行为都有严重的监管影响。因此，数据可能必须以一种综合且相关的方式共享。但使用数据的第三方不应该能够识别出拥有数据的患者。另一个挑战更具政治性质。

制药企业一直以来对变革抱有抵制态度。在美国，从纸质记录转向电子记录需要颁布主要监管法案（HITECH 法案）。因此，要看到他们如何在规模上采用区块链作为技术范式。与其他技术不同，对于区块链来说，生态系统中的大多数关键利益相关者必须参与其中才有意义。

因此，如果相当比例的制药行业不愿采用区块链，其他参与者利用这项技术产生任何影响将变得越来越困难。

结论

我在医疗保健章节中可能讲述了更多故事，因为我个人可以将许多医疗保健情景联系起来。在世界各地，这个领域存在着几个痛点。发达国家致力于提高现有流程的效率，如患者识别、记录保存、数据共享和隐私。而新兴经济体则需要解决更基本的问题。

新兴经济体在为其居民提供基本医疗保健方面存在着“最后一英里”问题。能够大规模及时、有效地提供医疗保健可能是当今人类面临的最大问题。在非洲、亚洲和拉丁美洲等地区，有数百万人无法获得基本医疗保健。

在致力于带来创新想法改变医疗保健的同时，关注发达市场和新兴世界至关重要。挑战的规模之大已经足够，单纯使用个别技术并提供零散解决方案已经远远不够。

能够用更精确的诊断和治疗方案治疗癌症等疾病是医疗保健能力的重大飞跃。蛋白质行为的建模可以帮助我们开发能够解决老年痴呆症等退行性神经疾病的药物。量子计算能够为药物研发流程带来效率，将试验期从 10 余年缩短至几年，有效节省数十亿美元。

需要使用能够处理数据价值链中所有接触点的技术。需要使用物联网和数据捕获医疗设备从患者处接收健康数据。这些信息必须被安全地妥善存储在系统中。然后利用这些数据创造智能洞见是非常重要的。基于这种智能，医疗诊断和治疗决策将需要使用机器学习。整个过程可以通过区块链跟踪，同时提供透明度和隐私的正确级别。仍然需要在链上和链下设计中进行协议级改进，以克服使用区块链的监管挑战。然而，随着技术的成熟以及许多架构解决方案的演变，数据监管不应再成为医疗保健的绊脚石。

在撰写这本书的过程中，我与全球各地的医疗专家进行了交谈。其中对我影响最大的一次讨论是我与我的导师 B. Rajathilagam 博士的访谈。也许，我对此有更多共鸣，因为我在那些村庄及周边度过了四年的时间。也许，这更令人鼓舞，因为它是一个医疗应用。但最重要的是，也许，那是我们可以帮助拯救生命并每天看到实际结果的地方。

医疗创新将继续激励我，我希望我们能看到越来越多能够改变人们生活的令人激动的技术。

第七章：AVVP 人工智能研究主任B. Rajathilagam 博士的采访

我在Amrita Vishwa Vidyapeetham（AVVP）获得了工程学士学位。我在 2003 年毕业，并搬到孟买开始我的第一份软件顾问工作。如果有人问我是否有一段我想要重温的生活时光，那毫无疑问就是我在这个了不起的机构度过的时光。多年来，我毕业后，AVVP 只变得更好，我为现在的学生感到嫉妒！

AVVP 成为印度前十名机构的原因很大程度上是由于教学教职员的素质。当我在我的基金 Green Shores Capital 见到我的初创企业时，我经常告诉他们创始人需要成为故事讲述者。最好的讲故事者通常比其他人成长更快，因为他们可以将自己的愿景描绘得如此出色，以至于人们感到受启发，想成为初创企业旅程的一部分。老师也是如此。不同之处在于老师比初创企业的创始人更加无私，后者经常梦想着赚取数十亿美元。

我生命中最好的故事讲述者是我的妈妈。她是一位了不起的老师，多亏了她，我才成为今天的我。第二好的毫无疑问是 BRT 博士，她在我们的大学生活中给了我们三年的授课。当我见到她时，我开玩笑地告诉她我不记得她教给我们的面向对象编程系统（OOPS）概念了；但我永远也忘不了她给我们提供的电梯例子，让那些概念生动起来。

在过去的几年里，我一直与 BRT 保持着联系，参与了各种倡议。她已经在大学内领导人工智能和机器学习研究一段时间了。大学内的研究最好的一面是它专注于解决在印度本地确定的社会问题。

我们一直在讨论大学的研究生如何能够得到全球的支持。我们还评估了与大学内的研究工作分享协同效应的初创企业。因此，我对大学研究团队试图解决的现实问题有很好的理解。

因此，我知道如果我能采访 BRT，我将为这本书获得一些宝贵的见解。她立即同意帮助我。在本章中，BRT 栩栩如生地展现了新兴技术（如人工智能、量子计算和区块链）可以解决的社会挑战。采访脚本如下：

阿伦： 女士（这是我在整个谈话中称呼她的方式），感谢您抽出时间。很高兴有机会采访您，为这本书做采访。您能否简单介绍一下您的职业生涯，您在大学中的当前角色，以及您如何参与量子计算领域？

BRT：我的量子计算机之旅始于我的特征工程研究。我发现我们在特征工程方面已经达到了饱和点，无法捕捉信号、图像、视频等方面的细微细节。我认为有许多领域是传统算法无法捕捉的。我们已经到达了性能不符合我们期望的瓶颈。因此，在我的研究过程中，我正在寻找能够克服这些局限性的算法。我发现量子计算原理固有地具有解决这些限制的特性和能力。

量子力学的一个基本概念是群论。群论定义了量子力学中的原子粒子的特性。它提供了数学表示和抽象，可以帮助你解决你正在尝试解决的现实世界问题。我们正在处理的一些多维问题可以用群论表示。

我开始研究使用量子力学原理的算法。利用群论技术，我们为信号开发了特征滤波器（G-lets），这些滤波器也可以用于多维信号。在数学抽象中有一种自然流动，可以捕捉量子力学。因此，它在量子计算机上的运行比在经典计算机上更无缝。然后，我们制作了一个用于信号处理的量子算法，以捕捉特征。随后，我们还制作了一个经典版本，尽管它无法与量子版本相比。

对我来说令人兴奋的部分是，即使是为经典计算机量身定制的简化版本算法，也超越了许多现有的传统特征算法。例如，假设你正在持续听一个人讲话，然后偶尔听到鸟的信号——信号频率不断变化。假设你必须捕捉信号从人声转变为鸟声的时刻。使用现有的经典算法有时可能会非常困难。

在量子计算机中，你应该能够并行进行这些操作。这是量子计算机的一个重要能力，对我来说非常令人兴奋。这种能力随后将我们引入到机器学习领域。机器学习需要大量的特征和数据来理解潜在的模式。因此，如果你能处理如此多的数据并观察模式，量子计算机就成为一个更好的选择。因此，这就是我开始研究量子机器学习的方式，尽管我仍然也在进行经典机器学习的研究。

我正在研究为量子计算机开发模拟器的公司。我们在 NASA 的 Quantum Artificial Intelligence Laboratory（QuAIL）中有 D-Wave 的量子计算设置。我密切关注这些公司，我注意到在过去的 5 年中，对量子计算机的兴趣激增了。

当然，也会遇到障碍。要克服的关键障碍之一是硬件。如何在室温下维持这种原子粒子设置？这是一个真正的挑战，特别是当我们希望量子计算机在商业上扩展时。然而，退火技术的到来比我们最初预期的要早。现在，使用退火进行优化变得更加成功，这将对该领域产生很大推动作用。这是因为退火方法从头开始使用量子原理进行了深思熟虑。

尽管像 IBM 等大公司专注于通用门，但我认为它在商业上可行还需要大约 20 年左右的时间。

阿伦：那么，你认为模拟器会首先起飞吗？

BRT：绝对是的。编写量子算法对于初学者来说并不容易。他们将从模拟器开始，因为他们将能够理解环境。

阿伦：这正是我从富士通首席科学家那里得到的信息。他提到，随着退火的领先，优化解决方案将成为这个领域的低 hanging fruit。基于门的解决方案可能需要更长的时间。

BRT：是的，这将需要时间，因为半导体行业仍在努力解决如何使其在可控环境温度下正常运行的问题。我们还需要解决错误率。这是行业正在解决的两个主要障碍。研究人员正在非常努力地致力于纠错目标。

阿伦：我曾经与一位正在研究用于量子纠错的 Noisy Intermediate Scale Quantum（NISQ）技术的研究人员交谈过。他强调，这是一个必须改善基础设施以降低错误率的关键领域。所以，告诉我们你目前在研究中做的有趣工作吧。

BRT：作为研究工作的一部分，我们进行模拟和实际数据分析。在模拟器中，我们能够模拟我们选择的场景和参数。因此，算法的复杂性是由我设计和决定的。由于问题的复杂性是由我设计的，我可以选择扩展它。在我看来有挑战的地方（采用传统方法），我可以选择在量子模拟器中进行。我们正在研究的一个用例是交通事故检测。

目前，在印度我们没有任何监视交通的基础设施，除了一些复杂信号、高速公路上和一些重要十字路口上安装了一些摄像头。在世界其他地方，除了道路基础设施，他们还建立了数字基础设施。这样的数字基础设施在印度根本不存在。阻止我们的是创建这个基础设施的成本。例如，我们目前拥有的摄像头在夜间或恶劣天气下将毫无用处。如果你必须设置一个雷达来克服技术限制，那么每公里的实施成本将达到 30 万印度卢比（约 3.2 万英镑）。成本更低的雷达存在噪音信号的挑战。

Arun: 所以，这是不可持续的。

BRT: 这根本不是一个可持续的解决方案。他们正在德里的一个困难路口试验 3D 雷达，但它的工作距离影响了解决方案的可行性。现在让我们看看其他现有的技术——传感器、网络物理系统、物联网设备——你会把它们放在路上的哪里呢？再次强调，它们的工作范围是一个挑战。实际上，有一个机会让那些能够克服当前限制的系统的人来解决这个问题。

Arun: 那么，考虑到这个问题的解决方案，我们是否可以在汽车、公共汽车和摩托车上安装物联网设备呢？可以在这些车辆上安装物联网设备，实时跟踪。这将是一个更容易的方法，可以随时了解整个交通系统的状态。如果有一个中央交通管理系统，这些物联网设备连接到，我们可以首先实时捕获交通数据来管理交通。而且，我们还可以进行预测分析，比如说，每天有 2,000 辆车在特定时间通过一个十字路口。我们可以相应地制定交通法规和管理资源。你觉得呢？

BRT: 这将解决这个大难题的一部分。然而，物联网设备的范围、车辆行驶的速度以及良好连接性的缺乏将限制解决方案的功效。有了 5G 技术，你将会有更好的解决方案。但是，就我们今天所见，快速连接、实时传输数据并对其采取行动存在着实际的困难。这并不是因为没有软件解决方案。

Arun: 如果硬件解决方案存在局限性，无人机可以帮忙吗？

BRT: 是的。无人机是潜在解决方案的另一个方面。你可以在此基础上添加其他解决方案，使其变得全面。你可以通过无人机获得全局视角。也许在高峰时段，你可以在交通系统的特定部分飞行无人机。所有这些都将连接到一个分层网络，你可以建立一个解决方案。你看，这完全是一个多维问题要解决。在印度繁忙城市之间协调这一点，在目前阶段仍然有很长的路要走。

Arun: 是的，这里也存在着一种相关/相互依赖问题。比如，有 10 个人驾驶进入一个交叉路口，他们之间都存在关联。所以，如果你想对这种交通的行为模型进行建模，我们需要模拟这 10 个人是如何相互影响的。

BRT: 看看对整个城市和特定道路的时空影响。比如说，一条道路被堵塞，人们将通过另一条路线驾驶，以避开这个拥堵点。这可能会导致另一条路也被堵塞。

所有周围地区开始变拥堵，那里就出现了瓶颈。为了分散交通，这不是关于解决系统中的单一点；你需要协调一致地努力，以便预防交通拥堵，如果发生，你需要尽快分散它们。

Arun: 那么我们在这项研究和解决方案方面进展到哪个阶段了？

BRT: 我们正在研究一个可以在更远范围内工作的雷达。有一些曾在雷达技术领域工作过的已经退休的印度空间研究组织（ISRO）科学家。我们还有一名曾与雷达技术合作过的印度空军退役中校。我们正在与他们合作，制定一个雷达解决方案。我们发现，次级雷达是这个问题的较好解决方案。雷达将部署在路边，就像你可以在车辆上安装它们一样。你可以称其为物联网设备，或者你可以纯粹称其为雷达。耦合技术（雷达和物联网）可以帮助我们改进网络形成本身。车辆内的技术仅解决了交通管理问题的一部分。

印度政府主要侧重于首先建设物理道路基础设施。只有在此之后才会进行网络的数字化和物联网化。因此，这取决于我们这样的组织为这些问题提出创新解决方案。

我们提出的一些解决方案最初可能不够理想。但我们可以与政府就存在的问题展开对话。如果我们能够建立一个量子解决方案，我们可以向政府展示该解决方案在小规模上的有效性，并展示给他们应该投资以扩展全国道路的网络基础设施。

Arun: 但我们需要量子解决方案吗？难道我们不能通过经典计算机来实现这个吗？

BRT: 我认为量子解决方案绝对可以帮助解决复杂性问题。首先是数据量和你必须考虑的相互关系。量子解决方案中的数据相关性和协方差将有更好的可视性。你将能够更好地可视化它。否则，你将不得不分析一个维度的因素，可能无法可视化和分析多维数据。

这正是量子机器学习可以胜任的工作，而这是经典计算机所无法做到的。

Arun：那么，你正在研究其他智能城市用例吗？

BRT：我们已经了解了非多项式（NP）问题。预计量子计算机将解决 NP 时间问题。我看到一个有趣的链接，一个公司在 GitHub 上放出了他们针对旅行推销员问题的代码，这是一个 NP 问题。如果我们能开始解决 NP 问题，那么我们将为以前无法考虑的一系列问题找到全新的解决方案，并且我们将通过量子计算的力量为这些问题得到新鲜的解决方案。

现在你拥有了量子计算的选择，解决 NP 问题的方法也就有了全新的途径。在今天的世界中，机器学习很大程度上只能由经典计算机来进行。当量子机器学习成为主流时，我们将在一个完全不同的层面上运作，解决非多项式类型的问题。

Arun：有意思。这让我想起了我正在进行的物流对话。你提到了旅行推销员的例子。在类似情况下，使用现有技术来获得全球最佳航线是我们面临的问题。目前，尚未使用任何无缝方法来解决这个问题。因此，物流将是一个巨大的领域，适用于退火优化。

BRT：是的，物流是一个可以从量子技术中受益匪浅的大型行业。由于一些关键的物流问题是基于优化的，我们可以使用量子退火来识别这一行业的解决方案。

回到智能城市用例，我想最后再谈谈地理空间数据。卫星数据可以帮助城市的基础设施项目。例如，当你想建造一座公寓时，你可能想了解它对其他地方的阴影影响，可见性对其他地方的影响等等。

我们可以模拟城市中的洪水情况; 我们可以模拟防火逃生路线和 CCTV 摄像头的位置，以确保最大的覆盖面。当我们使用地理空间数据为智能城市寻找答案时，我们可以发现许多这样的方面。

这些问题中，许多也是基于优化的，可以使用量子解退器来解决。

Arum：我们（在绿岸资本）已经投资了一家名为 GYANA 的公司，他们已经在你提到的一些地理空间数据用例上进行了工作。在智能城市场景中，它确实是一个强大的工具。你还想对使用量子和经典机器学习技术的智能城市解决方案做出其他观点吗？

BRT：好吧，我们现在可以转向医疗保健了。你提到了优化问题。我们为什么要在数值计算中进行优化？数值计算的精度对我们得到的结果有很大影响。在机器学习和深度学习技术中，我们依靠优化技术来改善我们的计算。这种计算的精度在量子计算机中可以更好地处理。例如，Python 是一种编程语言，它本身并不限制我要计算的数字的大小和小数位数，但我正在运行它的经典计算机受到硬件固有限制，所以我在这方面受到限制。

我们可以使用量子计算机实现的精确计算取决于量子位的数量。现在，让我们以医疗保健和制药为例。镰刀细胞贫血疾病在印度部落人口中流行。患有这种疾病的人患有扭曲的红细胞。这可能是一种遗传病，也可能是由环境引起的一种病症。如果你看看这些患者，他们大部分时间都在疼痛中。作为治疗的一部分，这些患者服用止痛药。

这些患者接受的药物剂量以毫克为单位。要按规模提供这种治疗，我们将需要为每个患者制定治疗计划，并知道在特定时间点需要开多少剂量的处方。这个过程与分发药物的物流结合在一起，会变得非常复杂非常快。

在印度，部落健康由初级卫生保健中心或超级专科医院管理。印度有多少个初级卫生保健中心？我们 69% 的人口生活在农村。许多村庄没有初级卫生保健中心，在许多这些初级卫生保健中心中，医生通常不可用（有时，他们根本不会出现！）。

先不说重症监护室、伤亡、紧急情况和其他极端情况。甚至日常健康，一种止痛药，对印度村民来说通常也不是可以获得的东西。这就是目前的情况。

机器学习支持对药物剂量进行非常细致的诊断和建议。借助历史数据，医学专家可以做出更准确的诊断。由机器学习驱动的数字远程医疗解决方案可以在医疗领域引起一场革命，不仅在诊断方面，而且在向农村人口有效分发药物方面也是如此。

我们正在与一些居住在距离我们大学校园 15 公里半径范围内的部落人民合作。他们最近的政府医院距离他们有 35 公里远。即使是交通也是一个主要挑战：他们只有一辆每天出现一次的公交车。只有一次！

一个村庄有 450 人，另一个村庄有 150 人。早上 7:00 有一辆公共汽车。这是他们唯一可用的交通工具。如果有紧急情况，他们必须拨打紧急服务电话。这在印度是非常常见的事情。嗯，在这种情况下，机器学习驱动的数字解决方案可以因治疗精度和药物分配的精度而产生很大的区别。在现有的超级专科医院中，我们可以集成数字解决方案进行远程咨询。

甚至治疗周围的物流也可以管理。每个村庄都建立超级专科医院基础设施是不可能的。医生不会亲自去村庄。我们需要一个数字化的全球性解决方案。

阿伦：你如何收集关于谁需要定期服药的情报？如果一个村庄有 600 人，其中 10 人患有疾病，首先需要找到一种解决方案来确定药物的需求。需要有一个物流解决方案建议经销商可以定期采取的最佳路线。您如何在地面上收集这一切的情报？是否有任何物联网设备？

BRT：是的，物联网设备可以用于收集信息。可穿戴设备可以用作社区套件。有一些公司会到村庄采集数据使用这些套件。但数据收集没有一个单一的解决方案。研究人员和行业有很多机会为社区诊断数据收集构建解决方案。我们需要具有非侵入性传感器并准确的物联网设备。

我们正在研究使用血流提供诊断数据点的超声波传感器。印度传统的Nadi（脉搏诊断）治疗已经使用这项技术数个世纪。

Nadi Pariksha 是古老的阿育吠陀技术，可以准确诊断身体的身体、心理和情绪不平衡。这是一门非侵入性科学，有助于找到疾病的根本原因，而不只是症状。

还有一项研究是他们拍摄眼睛和眼中的血管的照片。通过这样做，他们确定您体内有问题的部位。研究人员也在这个主题上发表了文章。我的观点是，我们可能需要超越传感器来扩展这一可行模型。你需要更好的医疗设备来捕捉足够的数据。

我们在校园内有一个小诊所。校园内有一个小型实验室测试设置。我们正在收集数据，看看在这个阶段我们能为一些到校园工作的部落人口做些什么。我们的一个博士生正在研究这个问题。

幸运的是，这里没有资金问题，因为政府愿意为部落福利投入大量资金。这并不是纯粹的商业解决方案，因此私营部门对此没有太多兴趣。否则，我们早就找到解决方案了。

Arun：在这种情况下，量子设备如何提供帮助？有什么实际应用吗？

BRT：目前仍然是早期阶段，但当量子计算机成为主流时，我们应该能够扩展一些创新的解决方案。在实际操作中，我们可以考虑小型量子设备，这些设备可以帮助更好地处理数据。在5G的帮助下，我们可以打造由量子位电路驱动的物联网设备。

在医疗方面，我们也有阿姆里塔的超级专科医院，这是印度第五大医院。我们在这家医院引入了最先进的技术，它可能是印度最好的医院之一。你可以在这家医院获得国外的任何治疗。最近，他们成功地为一名未出生的婴儿进行了肾脏手术。

然而，我们知道，通过创新的解决方案，我们可以做得更多。例如，考虑在重症监护病房中患有心脏病的患者。他们的病情通常不会突然恶化。通常会有一些微小的信号，可能只有细心的人类眼睛才能注意到。

但如今机器学习并不容易捕捉到这些信号。这些信号非常微弱，而且由于需要审核的大量患者数据，通常也会被人类忽视。这是量子技术可以提供帮助的地方。

医疗保健解决方案需要能够模仿自然。从这个意义上说，量子计算机在医疗保健方面应该比经典计算机更有效。借助人工智能和机器学习，我们可以整合所有捕获的数据并取得进展。所以，这就是医疗保健。

Arun：听起来不错；我们谈谈网络安全吧？我认为这是量子计算和区块链技术都有所重叠的一个重要领域。

BRT：是的，我想在这个背景下讨论区块链。区块链和量子计算的共同点是它们都涉及加密技术。但我担心，一旦量子计算成为主流，可能是区块链的末日。区块链在其当前形态下，可能在量子世界中不再具有相关性。区块链社区需要迅速适应，才能保持相关性。

我听说量子抗性账本可能会改变现状，但我不是区块链专家。所以，我也不确定。

在网络安全方面，目前量子密码学是无法破解的。原因在于，如果有人监听信息，他们会干扰整个设置。赛里斯在这一领域处于领先地位，他们最近通过量子纠缠成功演示了卫星通信。他们成功地通过这种量子原理将信息传输了数千英里。

回到纠缠，我认为我们仍然有几个使用量子特性的用例和机会尚未真正探索。使用量子密码学进行信息的安全传输不需要像基于门的量子计算需要的那么多基础设施。因此，它们（量子密码学和信息安全）将比基于门的解决方案更快成为主流。

想象一下我们讨论过的最后两个用例 - 医疗数据和密码学。在金融和医疗保健领域，我们面临的挑战之一是数据安全。如果我们能将量子密码学和医疗数据结合起来，并提供作为服务，这可能对行业产生革命性的影响。

赛里斯在量子密码学领域已经远远领先其他国家，而印度则做得不够。

Arun：这很好地引出了我对你的另一个问题。在英国，我们有一个名为 Innovate UK 的政府支持的项目。我了解到他们在量子计算的研发工作上投资了超过 4 亿英镑。此外，加拿大也投资了类似数额的资金，但赛里斯在这个领域的投入可能是最多的。他们为量子计算研究分配了数十亿美元的研发资金。

以这种速度，鉴于对量子计算的研发投入很少，印度不会落后吗？由于对加密货币的禁令，我们已经在区块链和该领域的创新上落后了。在政府的支持如此缺乏的情况下，我们如何追赶呢？

BRT：印度政府的大部分资金承诺都用于由印度理工学院（IITs）主导的研究。总理纳伦德拉·莫迪在一般情况下表现得相当不错。他引入了一个叫做卓越学院的东西，那将包括像比尔拉理工学院和科学学院（BITS Pilani）和 Manipal 大学这样的其他顶尖教育机构。

这也将有助于我们更好地与全球大学合作，并招募外国教师。然而，从资金的角度来看，大部分资金都被分配给了印度理工学院（IITs），而其他机构只能获得分配预算的一小部分。由于缺乏量子计算的生态系统，我认为我们无法与赛里斯竞争。甚至像英国这样的国家可能也会与他们竞争，因为例如赛里斯为研发分配的资金比英国多 10 倍。

各国需要记住，像量子计算这样的技术的研发和成功，就像我们在冷战时期看到的国防和军事技术的成功一样。如果赛里斯率先达到量子霸权，我会感到惊讶如果他们与印度或美国分享技术。他们会利用它来保持在信息战中的领先地位。

Arun：这是一个对比印度和赛里斯的好练习。像往常一样，赛里斯领先几年。让我们谈谈半导体行业以及它将如何受到量子计算机的影响。

BRT：半导体设备是一个有趣的领域。如果你看看量子比特电路，我们使用硅芯片和氢原子来制造它们。麻省理工学院最近在《自然》杂志上发表了一篇文章，称氢原子可以在室温下用于制造量子比特。我密切关注这项研究。我有一些材料科学的同事。其中一个正在研究氢燃料电池。

我们在量子计算中用于叠加的自旋——这个特征在量子计算和材料科学中是共同的。

材料科学家已经拥有了可以捕获离子的设备。这是半导体行业可以借鉴的材料数据科学行业建立更好设备的地方。如果你想想，量子计算机将粒子物理作为基本元素，而我们有很多不同类型的粒子。我们还没有真正尝试过所有这些粒子来构建量子比特电路。它们都具有不同的特性，因此根据适用性，我们可能会有相当多的量子比特构造选项。

对粒子行为的更深入理解可能会打乱量子比特发展行业。就像我们在几家半导体公司中看到的那样，在量子计算机（硬件）中可能不会出现垄断。

我想再提一点，即量子计算研究只有在多学科专家共同努力时才能取得成功。计算机科学家、物理学家和材料科学家都需要共同创造这个领域的有意义创新。这只有在像麻省理工学院这样的社区中才会发生，我们需要全球范围内产业的意识和能力。目前，我只看到印度的很少几个机构在这个领域工作。印度空间研究组织正在研究这个问题，但甚至在那里也只是从卫星通信的角度。

这就是为什么对量子计算和围绕它的创新拥有更全面的生态系统是如此关键的原因。

Arun：那里有很多重要的观点。半导体行业变得不那么垄断的想法很有趣。我认为当这种情况发生时，这可能是一个令人耳目一新的发展。夫人，我没有其他问题了。非常感谢您的时间和见解。

BRT：感谢你联系我，我很高兴我们能够实现这一点。

结论

即使在大学听了将近 20 年的 BRT 后，她在采访中也给我带来了一些行业见解，启发了我。她对技术的热情非常明显，尤其是如果你有幸听到这次采访的录音的话。在没有那个的情况下，我会快速列出这次采访章节的主要收获。

我们谈到了量子机器学习如何改变农村地区的生活。BRT 在与印度村庄合作时发现了她所确定的机会。然而，如果以小规模执行，没有理由为什么这些技术不能在世界其他农村地区扩大规模。

她提到的关于医疗保健的例子让我特别感动。如果像她提到的那样使用一个由量子机器学习驱动的中央数字基础设施来实现解决方案，这个行业可以变得更加高效和有效。她还提及了几个其他医疗保健应用案例，比如使用机器学习进行诊断，以及量子计算机如何在这方面增加价值。

我已经将这次采访作为智能城市章节的灵感来源。在那一章中，讨论的一些观点已经被更详细地探讨了。BRT 提到的一个关键点是生态系统的重要性，以及技术优势如何帮助国家在信息竞争中领先。

最后，她对半导体行业的见解以及如何利用量子计算机来改变这个行业的想法令人感兴趣。在不同的量子比特电路解决方案出现时，世界可以拥有更多这方面的竞争。

我们还有另外两个采访章节将涉及错误校正和与网络安全相关的量子计算应用主题。

第八章：对治理的影响

治理指的是政府和公民社会如何达成决策以满足民众需求。它是利用宪法中定义的一套原则来运行政府的机制。政治涉及治理的艺术，但通常被认为超越了治理；它还是一个个人或组织建立和执行治理的手段。

本章讨论了近年来政府和政治如何利用新兴技术提供公共部门服务。

世界各国政府根据地方优先事项制定了多个任务。发展中国家政府关注司法效率、消除贫困、医疗保健和人民的基本需求。在发达地区，政府诚信、财务自由和商业自由都是重要方面。在拥有公共医疗保健和福利的州，失业和医疗保健福利是公民期望的重要方面。

尽管世界各国政府的优先事项有所不同，但一个方面在各国政府中普遍存在；与私营部门相比，它们在数字化和创新方面的步伐相对较慢。缺乏足够的激励是原因之一。对于金融服务或医疗保健行业的企业而言，采用创新有竞争上的理由。没有技术优势，它们往往会很快变得不重要。然而，由于缺乏竞争，政府没有这样的压力。

这并不是说政府没有推动其功能数字化的动力。在发达世界，随着互联网和移动设备的普及率日益提高，一些公共机构已经数字化。税务局、驾驶执照部门，更重要的是签证和移民服务都已经数字化。然而，在这方面还有更多工作可以做。

似乎有更多新兴技术被用于个人或政党竞选办公室。当个人和政党竞选组建政府时，对技术的需求似乎就消失了。参选组建政府的个人和政党利用社交媒体数据进行行为和预测分析。社交媒体上的趋势和模式被理解并用来利用选民的情感倾向，以赢得选民的支持。

因此，社交媒体已成为顶级政党和领导人推动其议程的工具。无论是 2016 年的美国选举，还是英国脱欧公投，或者 2014 年的印度选举，社交媒体都发挥了重要作用。利用社交媒体进行选举宣传的努力现在已经在应用人工智能（AI）方面有了新的发展。这项技术已被用于情感分析和理解会引发特定选民反应的敏感词语。

使用人工智能来理解选民的行为可以利用量子计算扩展到全新的水平。人工智能目前可以进行情绪分析，但当它用于对选民在选举中的行为进行建模时，它就显得力不从心了。为了对选举结果进行建模，必须对一个国家的不同地区之间的相关性进行建模是必不可少的。这将提供有关一个国家某一地区选民观点的变化如何影响该国其他地区选民的信息。

在本章中，我讨论了量子机器学习在选举建模中的应用。总部位于华盛顿特区的 QxBranch 公司，由首席执行官迈克尔·布雷特和首席数据科学家马克斯·亨德森领导，利用量子机器学习对 2016 年的美国选举进行了建模。

除了人工智能和量子机器学习的应用外，区块链在公共部门也有几个用例。我们还看到政府试点了区块链等新兴技术。瑞士、爱沙尼亚和迪拜一直在各个治理方面试验区块链。央行数字货币，区块链的重要金融服务用例，可以帮助为纳税人带来透明度并遏制腐败。本章将涉及区块链技术在这些情境中的用途。让我们首先来看看过去几年全球政治和社会组织在社交媒体上的使用情况。

政治中的社交媒体

随着社交媒体成为主流，组织开始依赖它来了解客户的情绪。查看 Twitter 数据以了解任何负面趋势或声誉问题的人工智能算法对于改变公众看法非常有用。使用这些工具的组织已经成功地通过其客户参与模型更加积极地管理了与他们客户的互动。

"良好的声誉需要多年时间来建立，但一瞬间就能毁掉。"

– 沃伦·巴菲特

意图积极与客户互动的组织将需要掌握社交媒体对其品牌的情绪。在快速变化的千禧一代和 Z 一代客户世界中，进行互动交流是至关重要的。

2016 年美国选举中看到了数据分析技术在竞选活动中的应用。它的使用程度存在争议，并在最高层级引起了争议。然而，人工智能和行为科学在与选民互动方面的应用后来被证明是有效的。 Twitter 和 Facebook 等渠道允许政客直接与选民互动。

"我喜欢它，因为我也可以表达我的观点，而我的观点对很多看着我的人来说非常重要。"

– 唐纳德·特朗普

在印度，纳伦德拉·莫迪总理在 2014 年选举以及此后的社交媒体宣传中非常成功。截至 2019 年第二季度，他在全球范围内拥有超过 4500 万的 Twitter 追随者。在拥有 6500 万追随者的唐纳德·特朗普之后，莫迪是在社交媒体上拉拢追随者方面最成功的人。

值得注意的是，在 2014 年至 2019 年担任总理期间，莫迪竟然从未与新闻媒体见过面。尽管如此，他在与追随者的对话渠道方面相当成功。他建立了作为竞选的一部分的营销能力，这帮助他的政党以绝对多数赢得了选举。这是自 1984 年以来任何印度政党首次以多数票赢得选举。

当政治家试图以自上而下的方式利用技术时，希望在政策制定中发表意见的市民也巧妙地利用了社交媒体。市民利用社交媒体为关键活动赢得支持。2019 年 4 月，数千名活动人士走上了伦敦街头，敦促英国政治家采取更多措施来遏制伦敦的气候变化。

2017 年，大约有 200 万人在钦奈的马里纳海滩聚集，抗议禁止他们传统的斗牛活动。政府最初禁止斗牛活动是因为受到动物福利组织的压力。然而，当地人争辩说，他们的斗牛形式并没有像世界其他地区那样伤害动物。斗牛活动被用作寻找社区中最强壮的公牛的手段，并且对该牛品种的繁衍至关重要。

这些抗议活动是通过社交媒体策划的。它们是和平的，大多由千禧一代和 Z 一代的公民领导。持续了一个星期，并导致印度政府撤销了禁令。抗议者还同意对斗牛活动进行监管以确保动物不受伤害。

社交媒体已经成为市民、活动家和游说者通过宣传来推动政治决策的主要工具。它还帮助政治家和政府利益相关者营造一种他们易于接近且离选民只有一步之遥的感觉。

由于这种行为的融合带来的对话为了解该国不同地区市民的优先事项提供了丰富的数据。政治家们可以利用这些数据进一步定制他们的信息给特定年龄、性别、社区、地区或这些因素的组合的受众。这已经为下一部分设定了背景，下一部分是关于人工智能如何帮助选举建模的。

选举建模

由于大数据的飞速增长，使用 AI 算法来对问题进行建模解决现在成为可能。预测分析公司一直在工作的关键领域之一是建模选举结果。

历史上，选举结果是用两种关键方法进行建模的。选民在选举之前被问及他们将投谁的票，这种方法被称为民意调查。另一种方法是在选民离开投票站时被问及他们投票给谁。这种方法被称为出口调查。出口调查通常比民意调查更准确地预测选举结果。

近年来，出口调查的准确性受到了挑战。在过去的三次印度选举和 2018 年最新的澳大利亚选举中，出口调查都不准确。

随着预测分析和统计建模变得更加流行，已经对一些经济指标及其与选举结果的相关性进行了建模。结果令人惊讶的是，关键的经济指标似乎对选举几乎没有影响。例如，美国的国内生产总值（GDP）只能解释二战后发生的选举中的 33%。在二战前这个数字降到了 23%。资料来源：fivethirtyeight.blogs.nytimes.com/2011/11/18/which-economic-indicators-best-predict-presidential-elections/

失业率并不能很好地预测选举结果。我期望一个国家的公民会投票给一个能降低失业率的政府，反之亦然。比如，在英国，2019 年失业率达到了 44 年来的最低水平。然而，2019 年对执政党保守党的选民情绪普遍是消极的——可能是由于他们对脱欧的处理方式。

在许多发达国家，失业率与选举结果之间的相关性很少明显。在新兴市场，失业一直是家庭的主要问题。例如，拉丁美洲的选举结果与失业之间的相关性是不可忽视的。

返到美国选举，它们中没有任何支持信息表明失业率是选举结果的良好指标。我们可能也需要考虑到这种分析是基于仅有 16 次美国选举的数据。这个样本空间可能太小，无法提供有意义的选举结果相关性。

社会福祉是我们可能要考虑的另一个维度，以帮助解释选举结果。事实上，对选举结果与社会福祉和幸福因素之间的相关性进行研究已经产生了积极的结果。

研究人员将所有这些因素汇总为所谓的“国民幸福”，作为执政政府的关键绩效指标，以便获得连任。2019 年 5 月，新西兰政府透露，在民粹主义政策时期，他们正在为他们的公民推出一项“幸福”预算。预计总理雅辛达·阿德恩将宣布一项涉及心理健康、儿童贫困和社会不平等等问题的预算。

新西兰的这一政权已经出台了禁止塑料和对抗气候变化的政策。然而，在这样做的过程中，雅辛达·阿德恩也因未将重点放在解决底线问题上而受到批评，尤其是在该国面临经济放缓的时候。

过去已经将经济和社会指标结合起来预测选举。在世界某些地区，在选举前几个月，还存在一个重要的模式，被称为“政治商业周期”。这是一种趋势，其中执政党开始在选举前几个月制定有利于选民的经济政策。

政治商业周期已被观察为新兴经济体的常见现象，在这些地方，选民对政党的这些明显的把戏不够警觉。在世界上更发达的地区，政治商业周期则更为微妙。

尽管存在这些可能影响选举结果的政治、经济和社会工具，但深科技新秀、政客武器库中最强大的技术之一是社交媒体。这个想法是利用社交媒体来建模选民行为，通过这些微妙的技巧引发某些有利行为。

另一个来自 2016 年美国选举的观察是，大多数预测模型未能预测最终结果。这些预测失败归因于它们无法对各州之间的相关性进行建模。这正是量子退火可以解决的限制。在下一节中，我们将详细介绍量子机器学习和量子退火技术是如何结合起来对美国选举进行建模的。

量子机器学习

怀俄明州华盛顿特区的量子计算公司 QxBranch 提出了一种量子机器学习方法来建模美国选举。他们利用了 2016 年美国选举来创建他们的机器学习模型。全连接图模型被确定为美国各州之间相关性的最佳拟合模型。以下示意图展示了图模型可能的样子。

在建模变量之间的相关性的连接图形模型中，一个关键挑战在于使用经典计算实现它们。这些模型很强大；然而，它们不能使用现有的计算基础设施生成。近期量子计算的发展已经解决了训练这些模型所需的计算能力需求。当涉及到相关变量时，图形网络现在是一个现实的选择。

图 1：图形网络示意图来源：https://medium.com/@neerajsharma_28983/intuitive-guide-to-probability-graphical-models-be81150da7a

现在让我们看看 BM，这是一种在选举建模中使用的深度学习技术。

Boltzmann 机器

量子机器学习领域的一个有趣研究领域是深度量子学习。这涉及研究量子设备和算法对经典深度学习模型（如图形模型和深度神经网络（DNNs））的影响。

在 1985 年，Geoffrey Hinton 和 Terry Sejnowski 发明了一种称为Boltzmann 机器（BM）的无监督深度学习模型。这样做，他们引发了几个称为深度模型的神经网络的发展。BM 基于玻尔兹曼分布，这是统计力学的一部分。

BM 的一个应用是模拟熵和温度等参数对量子状态的影响。Hinton 曾以核电厂的示意图作为理解 BM 的应用。BM 是一个强大的图形模型，可以归类为 DNN。

传统的神经网络模型没有它们的输入节点连接。BM 在根本上与此不同，输入是连接的。因为这些节点彼此连接，它们交换信息（例如我们选举示例中的相关性）并自动生成后续数据。因此，它们被称为生成式深度模型。图 2代表具有节点连接的 BM。

图 2：Boltzmann 机器中的隐藏和可见节点

灰色节点在图 2中代表隐藏节点，白色节点代表可见节点。可见节点是我们测量的变量，隐藏节点是我们不测量的变量。机器首先需要输入数据。一旦输入数据，节点就会学习它们的参数、数据中的模式以及这些变量之间的相关性，并形成一个高效的系统。因此，BM 被归类为无监督的深度学习模型。

尽管提供了一个强大的模型，但是 BM 可能很难训练。使用经典计算基础设施训练这些网络的成本可能是禁止性的，从而限制了它们在主流工业应用中的应用。然而，有了量子计算基础设施，训练这样的网络似乎更可行。

QxBranch 已经使用由 D-Wave 系统生产的量子退火装置来实现选举建模的 BMs。这些设备可以比传统计算机更好地处理算法的计算需求。由于量子超定态和隧道效应特性，某些类型的能量景观在退火过程中可以更有效地使用量子计算来探索。因此，我们可以训练 BMs 来解决选举建模的复杂性。

在一个退火过程中，系统被置于基态，然后绝热演化过程开始。如果过程足够缓慢，系统应该在最终状态提供最佳结果，这也将是一个基态。然而，存在一定概率系统可能不会最终处于基态。因此，通过使用 BMs 对相关性进行建模和量子退火来识别低能态，可以实现类似选举建模的优化问题的解决方案。

以下部分描述了 QxBranch 在 2016 年美国选举中使用 D-Wave 量子退火机器进行的实验。

QxBranch 选举模型

在 BM 中模拟美国总统选举时，一个美国州被表示为二进制单位。在模拟中赢得最多选举票的总统候选人被分类为选举的获胜者。

投票结果的状态被映射到候选人身上。例如，民主党将被定义为 1，共和党将被定义为 0。模型中每个州都被分配了不同的权重。州的权重根据它们对全国投票的影响来确定。

建模一阶矩项需要确定一个州投票给候选人的概率。用于对此进行建模的数据来自 FiveThirtyEight。该数据涉及各州的时间平均民意调查结果。因此，如果认为民主党候选人赢得纽约的可能性为 70％，那么代表纽约的变量的一阶矩将是 0.7。

对每个州的两位候选人的预计投票份额在选举前 6 个月内计算。这些预计投票份额被用于计算每个州的一阶矩项。这是模型中的简单部分。计算二阶项更困难。二阶项涉及对州之间的相关性进行建模。这可以解释为两个州在一次选举中最终得到相同投票结果的可能性。

在确定相关性时，发现投票给同一党派的州之间存在高度相关，反之亦然。在模型中，高相关性由高二阶矩表示，低相关性由低二阶矩表示。相关性受人口统计、地理位置以及在某些情况下经济因素的影响。

使用过去 11 次美国总统选举的数据来识别州之间的相关性。如果两个州一直投票给同一党派，相关性会更高；如果州在历史上投票给不同的党派，相关性会较低。

从以往总统选举的数据中得出的相关性中，给予了最近选举数据更高的权重。例如，过去五次选举中两个州之间的相关性将获得比之前选举中识别的相关性更高的权重。

由于量子计算基础设施的硬件限制，必须使用一些基本假设简化模型。D-Wave 2X 系统无法嵌入 50 个美国州模型和华盛顿特区。因此，华盛顿特区和马里兰州被省略，因为它们成为民主党获胜区的可能性接近 100%。一旦模型基本就位，就必须定期使用数据进行训练。

接下来的部分详细介绍了模型取得的成果，以及与用于预测和建模选举结果的现有方法相比的结果。

主要实验

本节描述了 QxBranch 使用 DWave 量子退火器进行的实验。还评估了训练算法的过程和取得的结果。

一旦确定了变量和数据需求，就开始使用选举数据对 BM 进行训练。使用 DWave 量子退火设备对 2016 年 6 月至 11 月的数据进行训练了多个完全连接的 BM。然而，由于限制，训练必须每两周进行一次，而不是每天进行一次。训练网络包括 150 次迭代，其中包括随机化系数。

在第一次训练后，每两周进行一次过程，重点关注一阶矩。他们进行了 25 次迭代，以使结果收敛到稳定的总和误差。训练的这个阶段几乎没有对一阶矩进行任何改变。

将每个量子比特的结果映射到一个状态。这是为了找出哪位候选人赢得了一个样本。候选人赢得的选举票数被添加到模型中。这样，每个样本都导致候选人赢得或输掉选举。

通过标识赢得的样本数量，确定了克林顿赢得的概率。然后将此数字除以总样本数量，得出克林顿获胜的概率。

需要时间加权算术平均数函数来获取选举结果的平均预测。

通过实验，观察到了一些众所周知的选民行为模式。倾向于民主党或共和党的州具有非常低的相关系数。伊利诺伊州和内布拉斯加州被确定为民主党和共和党候选人的坚定支持者。具有最高相关系数的州是激烈竞争的州。

现在让我们看一下 QxBranch 的工作与现有选举民意调查方法的比较。FiveThirtyEight 是一个提供选举民意调查结果的网站。他们从 2008 年开始做这项工作，并且在 2010 年成为《纽约时报杂志》的特许功能。比较 QxBranch 的方法和 FiveThirtyEight 的方法将有助于了解 QxBranch 算法的有效性。

就像 QxBranch 的模型，他们识别出了影响选举结果的州一样，FiveThirtyEight 的预测也有一个被称为“临界点概率”的度量标准。“临界点概率”被定义为“一个州提供决定性选票在选举人团中的概率”。在选举日，他们排名最高的 10 个州中，有 7 个州与 QxBranch 模型中排名前 10 个最相关的州相同。

总之，QxBranch 所使用的方法论包括对一阶项和二阶项进行建模。一阶项涉及识别一个国家的获胜者，而二阶项则识别了国家之间的相关性。尽管算法很复杂，只进行了少量简化，量子基础设施就能产生良好的结果。

该算法的真正考验将在 2020 年美国大选时进行。这个模型是否能帮助提前识别出胜者？在世界其他民主国家使用时，很值得看看这个模型需要如何调整。毫无疑问，科技将在未来几年内影响全球的民主进程。

现在让我们来看看区块链在全球公共部门活动中的运用情况。

区块链，治理和选举

治理是区块链的关键设计原则之一。这使得这项技术非常适合于政府和一些公共领域的用例。身份管理、电子治理、选举以及土地登记管理都已经试用了区块链。

了解区块链内部治理所使用的不同策略将会有益。一旦我们从治理角度了解了这个框架，我们就可以讨论它在世界各国的使用情况。

治理模型

这次讨论的重点是区块链在组织和国家治理中的应用。然而，了解区块链所使用的治理模型是至关重要的。这将帮助我们了解它如何作为国家治理模型的一种。

关键的区块链网络已经使用了几种治理策略作为其平台/协议的基本构建模块。众所周知的治理策略如下：

区块链上的治理
终身的仁慈独裁者
核心开发团队
开放治理

区块链上的治理

在这种模式中，治理规则被存储在链上的智能合约中。智能合约提供了区块链所需的治理和预定义了改变它们的程序。当需要修改区块链规则时，用户可以依赖内置方法。

终身仁慈独裁者

这种方法可能是管理区块链最简单的方法。在这种模式下，区块链的创造者是关于区块链的所有决定的最终权威。尽管它简单，这种模式导致高度集中的决策。在危机时期，这可以帮助快速行动；然而，集中化的决策也有其自身的风险，因为它可能导致滥用权力。

以太坊采用了"终身仁慈独裁者"的区块链治理模式。尽管用户和开发者对以太坊区块链的路线图提出他们的看法，Vitalik Buterin 是关于以太坊路线图的关键决定的最终权威。

核心开发团队

运行区块链协议业务的公司首先面临的挑战是在市场上赢得客户使用他们的区块链之前，建立一个开发者社区。在B2C（企业到消费者）和B2B（企业到企业）模式之后，区块链引入了D2D（开发者到开发者）模式。这凸显了开发者在商业模式中的重要性。发展贡献者社区已成为区块链业务与获取客户一样重要的一环。

由于这个快速变化的景观，让开发者成为区块链治理模式的一部分是公平的。最活跃的开发者子集决定应该包含在区块链中的功能。控制区块链的开发和发布路线图在核心开发团队手中。

这种策略已经在开源编程项目中使用，开发者对项目的推出有决定权。

开放治理

"终身仁慈独裁者"模式可能是最为集中式的治理形式。随着治理模式的发展，区块链采用了开放治理模式。在这里，为区块链做出决定的团队由区块链的用户自己选择。

Hyperledger 采用开放治理模式来决定他们的技术路线图。他们的技术指导委员会（TSC）由用户和开发者组成，在技术决策上具有最终权威。

每年，TSC 都是由 Hyperledger 社区内一群专注的用户和开发者选出的。这也使得活跃的开发者和用户对关键决策有话语权。区块链生态系统内的社区发展是如此重要，以至于参与治理已成为参与的一个关键动机。

这也有助于确保网络中的任何关键决策都是以大多数用户和开发人员为考虑对象的。由于区块链的治理主要掌握在由网络选择的小团队手中，这或许反映了世界各地民主结构的特点。这也可能是高度集中和去中心化治理理念之间的正确平衡。

现在我们已经审查了区块链内的治理模式，让我们看看区块链在治理中的应用。世界各国开始在其公共部门职能内进行区块链实验。领先的“政府区块链”倡议之一是智慧迪拜。

智慧迪拜

2017 年 1 月，迪拜启动了一项将所有政府交易数字化的倡议。这将由区块链技术提供支持，计划于 2020 年启动，并计划每年削减 1 亿次纸质交易。多亏了智慧迪拜，与政府和私营部门实体合作启动了 130 多个项目。

智慧迪拜的一些关键倡议包括迪拜数据倡议、迪拜区块链战略、幸福议程、迪拜人工智能路线图和迪拜无纸化战略。

2017 年 2 月，公共部门和私营部门启动了一项试点项目。与阿联酋国民银行、桑坦德银行和 Aramex 等主要金融服务提供商合作，使用 IBM 云和 Hyperledger 进行贸易金融和物流试点。

2017 年第二季度，迪拜移民和签证部门启动了数字护照的工作。该系统集成了生物识别验证和身份信任框架。它由一家总部位于英国的公司 Object Tech 与区块链技术合作推出。

另一个与政府和私营部门组织合作的倡议随之而来。 ConSensys 被任命为迪拜区块链倡议的城市顾问。 IBM 和 ConSensys 领导了区块链应用的建设，涵盖了警务、电力、人类发展和水务等公共部门办公室。

迪拜土地部推出了一项用于土地登记的区块链倡议。他们还将区块链扩展给租户，使他们能够在不提供任何文件的情况下完成数字支付。

2017 年底，迪拜宣布发行一种主权加密货币，名为 EmCash。这将在全国范围内的零售店使用。一家名为 Pundi X 的区块链公司已经创建了一个名为销售点（POS）的设备，该设备将接受 EmCash。计划在未来几年内创建超过 10 万个接受 EmCash 的商店。

智慧迪拜倡议致力于四个关键目标：

综合日常生活服务
城市资源的优化利用
预测风险并保护人民
丰富的生活和商业体验

他们计划在 2021 年实现这一目标，并且以他们设定的速度已经走在了实现这一目标的道路上。迪拜智慧城市倡议一直在通过使用或试验新兴技术为公共部门流程增加效率而创建常规头条。执行需要公共私营部门合作的倡议一直相当困难。然而，这并没有挫伤迪拜智慧城市倡议的士气。

公共部门和政府流程的数字化是所有希望提升数字化能力的重要国家值得关注的领域。它肯定更像是一场马拉松，而不是一场短跑，往往需要比私营部门项目更长的时间。然而，随着迪拜智慧城市倡议的成熟和形成，它们可以成为全球学习的案例。尽管我们对迪拜在这一领域的工作投来仰慕的目光，但还有另一个国家已经将区块链用例引入到了全球的公民中。现在让我们来看看爱沙尼亚以及它如何利用区块链带来电子治理。

e-Estonia

当讨论电子治理和数字化公共部门流程时，很难忽视爱沙尼亚。它是一个国家如何拥抱新兴技术，使公共部门服务变得即时、无缝且成本效益的例子。

爱沙尼亚于 1991 年 9 月脱离苏联独立，经过 57 年的时光。其中一个关键里程碑是在 2000 年，也就是新千年之际，数字签名被赋予了与手写签名相同的法律价值。因此，由短码支持的数字身份证成为可能。

这一突破导致了一系列公共部门数字化倡议的涌现。税务和海关局成为了国家首个提供电子服务的公共部门机构。他们允许个人和企业在线提交税务申报。这也成为了名为 e-Estonia 的数字化社会门户的基石，这个数字平台让世界上更发达的地区感到羞愧。

e-Estonia 得到了 X-Road 的支持，这是一个数字交换系统，组织可以安全地交换信息。银行、电信公司、土地登记处和税务服务都成为了这个平台的一部分，以和谐的方式运行。有关 X-Road 增长的统计数据令人鼓舞。作为 X-Road 和更广泛的数字化爱沙尼亚计划的一部分，关键指标如下：

超过 1000 个组织加入了这个平台，包括 99% 的国家服务。
全球有 52000 个组织间接参与了这个计划。
每年，系统处理 5 亿次查询，节省了 1400 年的工作时间。
超过 98% 的爱沙尼亚人拥有一张包含芯片的身份证，使个人能够在线访问服务。
每年有 5000 万数字签名，每年节省五个工作日。
走向数字化的经济影响价值相当于该国国内生产总值的 2%。
爱沙尼亚 98%的税务申报现在都是通过电子方式提交的，流程通常需要 3-5 分钟。
一键式纳税申报系统被誉为 e-Estonia 的主要好处之一。

2005 年，爱沙尼亚成为了全球首个在全国范围内提供在线投票选项的国家，并且在 2007 年的议会选举中也是首个这样做的国家。随着所有这些数字化倡议，他们是最早拥抱区块链技术的国家之一，这一点也不令人惊讶。

尽管进行了数字化努力，但 e-Estonia 倡议面临着挑战；其中一个挑战是大量公共部门数据容易受到网络攻击的威胁。通过所有数字化努力实现的效率，如果系统的安全性受到损害，这些效率将毫无用处。

作为对已识别的风险的减轻措施，区块链技术得到了试验，并帮助了该倡议的口号，“没有人——不是黑客，也不是系统管理员，甚至不是政府本身——能够操纵数据并逃脱惩罚。”开发区块链的爱沙尼亚密码学家发表了这一声明，以描述他们的意图，即所有生态系统利益相关者都将保持诚实。

2019 年 3 月，当国家去选举他们的下一届政府时，44%的选民使用了名为 i-voting 的数字投票平台。之前的选举有 31%的选民使用了该系统。

使用手机投票的人数从上次选举的 12%增加到了 30%。这帮助稳步提高了选举投票率，从 2005 年的 47%增加到了 2019 年的 64%。来源：e-estonia.com/solutions/e-governance/i-voting/

i-voting 系统使用区块链为该过程增加透明度。投票结束后立即公布选举结果。可以说，在一个人口很少的小国家中，实时选举结果可能并不具有操作上的挑战性。然而，这是其他国家的未来发展方向。

爱沙尼亚的土地登记和医疗系统也在使用区块链创建透明度。患者的病历存储在区块链中，医生可以在紧急情况下使用它们进行评估。患者也可以在线访问他们的数字化医疗史。如果患者想知道哪些医生访问了他们的档案，这也可以完全透明。

该系统每年提供了 50 万次医生查询和 30 万次患者查询。该系统产生的数据对于卫生部门的政策决策至关重要，以便可以据此合理分配资源。

e-爱沙尼亚及其平台（例如 i-Voting 和 X-Road）的成功已在全球范围内得到认可。X-Road 系统正在冰岛、芬兰、吉尔吉斯斯坦、阿塞拜疆、巴勒斯坦、越南、萨尔瓦多和阿根廷等国家推广。现在让我们看看爱沙尼亚是如何通过 e-居民身份使非爱沙尼亚人能够访问其公共部门服务的。

爱沙尼亚和 e-居民身份

2014 年 12 月，爱沙尼亚推出了一项 e-居民计划，允许非爱沙尼亚人访问其数字服务，包括公司注册、银行业务、支付和税务。该计划取得了巨大成功，吸引了来自世界各地的顶尖人才。

到目前为止，来自 150 个国家的超过 40,000 人已获得 e-居民身份。
已成立超过 6,000 家企业，通过税收贡献了约 1,000 万欧元（860 万英镑）。
该国目标是到 2025 年拥有 1,000 万名“e-爱沙尼亚人”，并在国家之间创建“电子服务”的“单一市场”。

“即使我们只有一百万多一点，但多亏了爱沙尼亚的能力，我们可以在短短十分钟内完成一千万次付款、一千万次请求和一千万次签约。即使是十倍大的国家也无法超越我们。但好消息是，加入我们这个独特的数字权力公民俱乐部是可能的。”

——爱沙尼亚总统 Kersti Kaljulaid

爱沙尼亚是利用区块链和人工智能等技术实现政府服务数字化转型的地方。因此，其他国家从他们的平台中汲取灵感。e-居民身份更进一步吸引了来自世界各地的人们在爱沙尼亚开展业务。

多亏了其数字化努力，爱沙尼亚的初创企业社区蓬勃发展。创办和经营企业的便利性对于早期阶段的企业至关重要。如果经营企业的操作痛点得到解决，企业可以专注于其核心价值主张。无论是电信、金融科技还是清洁技术，爱沙尼亚拥有欧洲最高密度的初创企业。以下是关于爱沙尼亚初创企业生态系统的一些有趣统计数据：

该国有超过 550 家初创企业，人口仅超过 100 万。
2018 年有超过 3,763 人受雇于初创企业。
这些初创企业筹集了 3.2 亿欧元（2.75 亿英镑）。

爱沙尼亚可能无法像非洲的 m-Pesa 成功或赛里斯的阿里巴巴和腾讯波浪那样取得飞跃性影响。然而，通过使用区块链和尖端数据智能技术，他们向世界展示了数字治理的可能性。

欧洲公共部门组织在使用区块链方面的应用并不止于爱沙尼亚。奥地利也通过他们的举措成为新闻头条。更多详情请参阅下一节。

维也纳代币

区块链技术的一个有趣方面是，一些领先的技术生态系统存在于硅谷以外。传统上，大多数新兴技术都起源于硅谷并有其大公司在那里。这得益于硅谷的资本流动和投资者的风险偏好。无论是经典计算公司、社交媒体、人工智能公司，甚至许多量子计算公司，它们都与硅谷有着紧密的联系。

然而，区块链并非完全是这种情况。该技术的初期繁荣集中在亚洲。欧洲在接受和采用该技术方面排名第二。包括加密谷在内的几个欧洲枢纽出现并让该地区取得了领先地位。家族办公室和机构投资者以一种过去只有硅谷才能夸耀的方式支持了该技术的崛起（以及炒作）。

维也纳一直是最近一些区块链行业发展的核心。其中一个关键倡议是对开放政府数据（OGD）进行公证化。这是为了方便地方政府员工使用食品券。维也纳还正在建立一个基于区块链的代币，以激励市民的良好行为。

对于这个系统，我的第一个想法是它与赛里斯社会信用系统的相似之处。赛里斯一直在试验基于人工智能的社会信用系统以加强良好的市民行为。然而，根据西方的说法，这是一个备受争议的计划，它忽视了消费者数据隐私。阿里巴巴等私营部门公司也参与提供所需数据使这个计划得以实施。该系统的一个例子是，市民可以根据他们是否按时支付信用款来获得交通等日常设施的使用权限。

然而，维也纳的“文化代币”计划是为市民的任何良好行为设立的奖励。市民可以使用代币来获取维也纳市的艺术和文化。奖励范围计划扩展到其他几项市民服务。

该计划正在帮助维也纳当局减少碳排放，通过奖励市民在市中心步行而不使用汽车。从长远来看，文化代币可以在几项其他关键倡议中使用，并过渡为维也纳代币。

现在让我们来看看联合国是如何在全球范围内利用区块链技术推进其倡议的。

联合国和难民

联合国一直处于利用区块链进行公共部门创新的最前沿。在过去几年中，联合国发起了几项倡议，取得了在追踪援助、遏制腐败和最重要的是确保价值链责任方面的切实利益。

联合国等组织在处理金融和政府组织时面临着许多运营挑战。这些组织中的许多都位于政权敌对且腐败水平高的地区。通过透明平台有效分发人道主义援助是一个具有挑战性的过程。

因此，受益者数据存在风险，如果财政援助无法追溯到最后一公里，可能成为财务管理和腐败的源头。为了解决这些挑战，联合国的世界粮食计划署（WFP）推出了一个名为 Building Blocks 的计划。支持 Building Blocks 核心论点的研究表明，直接将援助资金转移给受益人是最有效的，并且有利于当地经济。

然而，在慈善/援助行业中实现去中介化并完全透明地掌握资金流动并非易事。2018 年，联合国 WFP 分发了价值 16 亿美元的现金转账记录。他们需要一种技术平台来更有效、更高效地实现这一点。

Building Blocks 计划于 2017 年启动，就是为了做到这一点。2017 年，WFP 在巴基斯坦信德省开始了一个概念验证，使用区块链的功能对受益人交易进行认证和注册。该技术消除了中间商，并允许 WFP 与受益人之间进行安全快速的交易。到 2018 年，该平台已有超过 10 万名难民加入。他们可以用虹膜扫描证明身份并支付杂货费用。

Building Blocks 平台使用了 Ethereum 区块链的受许可版本。一年后，该平台在约旦的两个难民营推出。之前采用的食品券系统迅速被用于食品和杂货的虹膜扫描结账系统取代。随着难民信息与联合国难民署（联合国的难民机构）整合，生物特征认证用于记录每笔交易及其背后的受益人。

这在难民营中节省了 98% 的交易费用。Building Blocks 现在正准备升级。他们正在探索在约旦的难民营中使用手机货币。这也将迅速扩展，为经常在不同国家生活和工作的难民提供经济身份。由于难民的身份是在区块链上管理的，他们的交易被注册，对于想了解其财务背景的当局来说是很容易获取的。

在接受 Coindesk 的采访中，WFP（世界粮食计划署）的创新与变革主任 Robert Opp 评论了该计划的主要成就。

“Azraq 和 Zaatari 难民营的 106,000 名叙利亚难民都在基于区块链的系统上兑换他们的现金转账。到目前为止，价值超过 2,350 万美元的权利已通过 110 万次交易转移给难民。到 2019 年 3 月，Opp 预计将有额外的 40 万名难民通过区块链接受援助。”

这些国家需要帮助的家庭不必等待数周才能收到他们的现金。在过去，他们不得不依赖于中间组织中的腐败官员来收取资金。通常，资金的相当一部分是支付给分发现金的中介机构的，原因既是运营的，也是腐败的。然而，所有这些参与方都可以通过这项技术被去中心化。

在过去的两年里，我很高兴与三家不同的区块链初创公司讨论了这个用例。 Disberse、AidTech 和 Agriledger 都致力于为慈善事业和联合国主导的倡议带来责任。 Disberse 和 AidTech 使用区块链将慈善/援助交易的主要利益相关者引入他们的网络。交易实时跟踪，并提供即时报告和透明度。

另一方面，Agriledger 正在与联合国合作，为农民生产的食品提供端到端的可追溯性。他们正在与联合国在海地的原型上合作，并已在赛里斯和非洲启动了项目。另一家初创公司 Banqu，由非洲难民领导，也专注于为非洲妇女提供经济身份。

Agriledger 有很多工作要做，因为他们试图在联合国的帮助下提高食品供应链的效率。农民可以拥有他们的食品生产和物流，中间商可以提供他们的服务并分得一部分收入。这使得食品供应链更加透明，并允许农民在更多信息的支持下定价产品。购买食品的客户也可以清楚地追溯商品的来源。

结论

在 2018 年 11 月的新加坡金融科技节上，印度总理纳伦德拉·莫迪发表了主题演讲。他提到，初创公司使用诸如区块链之类的行话来增加他们在投资者中的估值。在过去的三十年里，我从未见过印度政治领导人关注创新趋势。这可能是印度初创企业生态系统成熟的迹象，但也是由于政府对技术的关注。

政府和治理已经是几个世纪的传统故事了。对于大多数国家来说，数字化政府机构和流程并不是首要任务。然而，在过去的 10 年中，情况发生了变化。随着爱沙尼亚、迪拜、格鲁吉亚、印度和新加坡等国家探索了几项数字化倡议，我们肯定会看到几个跨越式的时刻和可以在其他地方复制的案例研究。

选民行为从未像今天这样被深入理解或曝光。社交媒体和选民在选举期间产生的数据是一个至关重要的工具，有时可能会对他们产生负面影响。多亏了深度学习算法和量子计算，政治家可以模拟一个国家的选民行为，并相应地规划他们的竞选活动。这种智能也可以帮助他们决定政策决策，并希望实施更好的治理。

所有这些都指向一个受欢迎的趋势，即政府越来越意识到这些技术可以赋予他们信息上的竞争优势。如今的时代，国家不再使用核武器进行战争，而是通过数据和信息。装备自己的一种方法是将防务预算重新投入到开发尖端技术中。

通过更好地管理公民行为，追踪经济中的现金流动，并更好地了解选民的情绪，政府将拥有必要的工具来做出明智的政策决策。过去，大多数政策是通过那些没有今天所提供的数据管理能力的模型和框架制定的。

另一个关键点是，一些技术相当实惠和民主化，不仅是大型经济体才能够以有意义的方式使用它们。相反，像爱沙尼亚这样的小型经济体已经迅速采用了区块链和数据分析。

联合国等组织 embracing 区块链和人工智能等技术以产生规模化影响也非常重要。慈善/援助价值链由于地方当局和中间人的存在而效率低下且容易受到腐败影响，但这可以得到解决。随着这些技术被用来为难民提供经济身份，国家边界变得不再重要。治理可以真正实现全球化。

第九章：马克斯·亨德森，Rigetti 和 QxBranch 高级数据科学家的采访

在我开始写这本书之前，我觉得我对我将要关注的行业和用例有很好的把握。我对书的流程有一个清晰的愿景，以及我将要涵盖的真实世界问题。然而，通过我写书的过程中所做的研究，我意识到有些领域我应该触及，而我之前没有计划过的。与马克斯·亨德森的采访对我作为作者来说无疑是一种意外之喜，而这是我之前没有计划过的。我希望它能为你，读者，揭示量子计算的一个有趣应用。

我和马克斯在社交媒体上有一段时间的相识。我们互动过彼此的帖子，但从未采取下一个合乎逻辑的步骤，给彼此发一条私人消息并打个招呼。直到 2019 年初，我联系他，想和他谈谈他在 QxBranch 所做的事情。那时候，马克斯只在 QxBranch 工作，他在 Rigetti 的额外角色是后来才实现的。

我知道马克斯正在研究一个非常有趣的问题——对美国选举进行建模。他在 2016 年选举中做了一些工作，我在第八章，对治理的影响中进行了讨论。

我很想了解他是如何将这个问题确定为可以使用量子计算机来建模的问题的前因后果。我联系了他。

马克斯非常乐意交谈，我们初步讨论了他正在做的事情。他确认他正在从事量子机器学习，以确定选举建模的解决方案。他还澄清说，他是一个涉足业务发展的数据科学家。这意味着他从事的是简化围绕量子计算的叙述的业务。

那正是我在寻找的人。我告诉他我想在我的书中写一写他的工作。马克斯对这个想法很开放，我们结束了通话，并决定先想想再做决定。

几天后，我给马克斯写信，表达了我对如何在量子机器学习中捕捉他正在做的事情的想法。马克斯很喜欢，我们同意进行一次录音采访。

以下是采访内容。对我来说，其中一个关键的收获就是有效利用社交媒体。在我看来，社交媒体不能像面对面的对话那样将人们联系起来，但它可以帮助建立关系，从而达到互惠互利的结果。现在让我们开始采访吧：

阿伦：嗨，马克斯，谢谢你今天加入我。让我们开始介绍一下你自己。让我们谈谈你自己，你的背景，你的公司以及一切是如何发生的。

Max: 是的，基本上我的背景是物理学。我在费城的德雷塞尔大学获得了物理学博士学位。我当时正在做神经网络的生物物理模型，试图通过模拟解释我们的大脑在老化过程中可能会发生的变化。这自然使我对机器学习算法产生了浓厚的兴趣，因为它们是生物物理神经网络的良好抽象版本。它们使我们能够使用更简单的模型来捕捉一些我们的大脑所做的非常强大的事情。

同时，我曾在洛克希德·马丁公司实习。在 2011 年，他们购买了第一个商用量子设备。自 2011 年以来，我一直在研究量子硬件。最初，我们几乎完全关注优化类问题，随着时间的推移，量子机器学习变得更加有前途。

我继续在这些研究领域继续研究，并且现在我在 QxBranch 工作，这也是在类似的领域工作。我的工作的一个重要部分是帮助公司确定我们经营的不同业务线上的痛点。我们研究一些困难的计算问题，我的角色是为这些问题确定量子计算解决方案。提出用更全面和可扩展的视角来解决这些问题的新方法相当有趣。

Arun: 你提到了你在量子机器学习方面的专业知识。让我们花一些时间来谈谈机器学习的一些驱动因素，以及为什么它比以往任何时候都更加相关。在过去的十年左右，我们已经看到了数据的大爆炸。社交媒体导致了我们可以挖掘的数据量。这是人工智能（AI）利用并成为主流的好时机，这正是我们在各个行业中看到的情况。然而，从概念上看，AI 和机器学习已经存在了相当长的时间。那么，在过去的五到六年中发生了什么事情，使 AI 成为了真实存在？你对如何利用量子计算原理来实现“类固醇 AI”有何看法？

Max: 广义地说，你知道机器学习是在过去几十年里发展起来的一个领域。自从上个世纪 80 年代以来，出现了一些非常强大的工具。在那个时候，有一些非常强大的模型，但因为我们没有足够的数据，所以它们根本不实用。此外，我们的计算机也不够大，无法让它们运行。大数据时代和计算机价格低廉的时代使得机器学习从一个研究课题发展成为一个极其强大的工具。

现在地球上的每一家财富 500 强公司都在研究机器学习。我们可以考虑一种类似的扩展，即量子机器学习。即使我们拥有大量的数据点和比以前更强大的计算机，仍然存在一些计算上困难的问题，而传统计算机只是卡住了。特别是如果他们想要得到准确的解决方案时。

量子机器学习实际上是通过研究特定类型的机器学习问题开始的。像搜索非结构化列表，以及一些很棒的理论模型（主成分分析，聚类等），这些领域量子似乎比任何已知的经典算法都更快。但是，在处理这些算法时遇到了一大堆实际障碍，使得其中一些方法变得非常困难。

最近，一些通过量子算法实现的这些模型的加速效果已经被去量子化了。出现了新的经典量子启发式算法，它们的性能与这些量子算法相匹配。

在过去的五年里，几乎每种量子机器模型在能够在物理设备上运行方面都处于停滞状态，直到我们解决了一些基础科学问题，这些问题使得更大规模的、经过错误校正的设备成为可能。在过去的五年里，人们真正开始考虑以稍微不同于最初设想的方式使用量子计算机，并且它们更具实验性。

受到了相当多的研究关注的一个问题是使用诸如 D-Wave 所生产的绝热量子装置来建模玻尔兹曼分布，这是许多强大图形模型的核心。一些这样的问题在规模上无法有效地通过经典计算机估算。这是因为问题归结为试图从指数级别的状态中采样，随着问题变得越来越大，你就无法用经典计算机做到这一点。

绝热量子计算 (AQC) 是一种利用在绝热条件下运行的量子机械过程的计算模型。作为一种通用量子计算形式，AQC 运用了量子物理系统中表现出的叠加、隧道效应和纠缠的原理。

来源: oxfordre.com/physics/physics/view/10.1093/acrefore/9780190871994.001.0001/acrefore-9780190871994-e-32

对于某些建模任务，仿真量子退火器似乎表现得和真实的量子退火器一样好。

我们相信，通过将某些图形模型映射到这个自旋玻璃哈密顿量上，你可能会得到一个更好的表示，而且只需有限数量的测量就能训练这些非常强大的模型。我们已经用 D-Wave 设备来映射这些图形模型。还有一个完全不同的话题领域，直到 2016 年才真正存在，最近确实发生了爆炸性增长：这是一个我称之为量子特征提取算法的研究领域。

一些例子包括量子储存计算和量子电路学习。我们刚刚在 QxBranch 发表了一篇关于量子卷积神经网络的论文。基本上，这个想法是使用通用门控的量子电路，你可以将经典数据传递过去，并通过测量最终状态来提取数据。你可以把这理解为对原始数据进行某种非线性函数的解释。

这基本上就是最复杂的机器学习模型正在做的事情。它们试图使用经典转换来提取非线性数据。这个想法是看看我们是否可以使用各种类型、风味、初始化和编码方式的量子电路。然后用量子非线性来从经典数据中提取有用的特征，这可以在更广泛的机器学习环境中使用。所以这是量子机器学习世界中令人兴奋和非常新的研究方向，目前正在引起真正的关注。

例如，考虑一个算法来识别一个三维空间中的猫。我们首先需要从可用的数据中识别特征（颜色、形状），这些特征可以被算法用于识别猫。通过量子计算，可以从所有其他数据点中分离出有用的信息。一旦关键数据点被确定，然后可以使用经典计算机来识别它是一只猫。量子计算机甚至可以在嘈杂的环境中发现特征。

阿伦：有一个经常出现的话题，你也隐约提到过，就是可能存在一种混合模型，介于经典和量子计算之间，可能加速量子计算的主流应用. 我最近与富士通交谈过，他们有一个基于量子原理的数字退火器，但它实际上并不是一个量子基础设施。不过，它解决问题的能力似乎比经典计算机更好。你认为这种[混合模型]可能会成为趋势吗？

马克斯：这是一个非常好的问题。有一整个研究领域可以广泛称为量子启发应用。就像你说的那样，它们从量子力学中吸取了某种启示，但它们仍然完全是使用经典计算机实现的。有理由认为在那里有一个非常有前途的道路，因为我们可以使用那种基础设施部署真正的世界应用。

从某种意义上说，我们已经完善了经典计算。我们已经构建了非常大、非常快、非常并行的经典计算能力。我们相信，有一些捷径，可以通过这种方法以更大规模的连接性对真实量子计算机进行近似建模。也许有一些理由来考虑这种实现方式来解决某些类型的问题。所以是的，模拟器是一个很好的例子。Rigetti 和富士通有模拟数字模拟器，这表明行业内的人们清楚地理解了这个领域的发展方式。

我们刚刚通过与 Innovate UK 合作的项目建立了自己的大型量子模拟器。这是一个活跃的研究领域，可能是纯粹的经典计算世界与量子计算机的“真实交易”的一个很好的垫脚石。有很多有趣的量子启发解决方案，这并不仅意味着试图使用经典计算机模拟量子系统。

还有一些人尝试创新算法的例子。Ewin Tang 在量子计算社区中是一个相当有名的人物，因为她实际上发现了一种使用量子启发方法对推荐系统进行指数级改进的算法。她实际上在量子启发研究领域中对量子计算算法进行了去量子化，在这个领域中，人们深入挖掘量子算法的加速是否在“实现公平竞争”的前提下保持，允许经典计算机具有与量子算法相同的访问和查询属性。

量子化的一个例子是推荐算法，在其量子对应物之后开发出了经典算法，并且表现相似。例如，推荐算法帮助亚马逊根据用户的购买历史预测用户可能喜欢购买什么。

Ewin Tang 使用运行时间为多项式的经典算法解决了推荐问题。因此，经典算法的性能优于由 Kerenidis 和 Prakash 开发的量子算法。

目前有一些问题受益于量子加速，如果你对你可以从输入数据集中采样和查询的内容做出一些假设，可能会有一个具有类似加速的经典[算法]。也许有一些经典方法可以比以前认为可能使用经典算法获得的结果更好。

Ewin Tang 的著名论文真正展示了，思考量子解决方案时，你实际上可以提出新颖的经典方法。那篇论文特别是你在一个试图产生真正现实影响的领域中寻找的光芒四射的例子。

我们需要非常准确地理解一些论文中声称实现指数加速的假设。汤格基本上将其中一些假设放大到微观层面，当她做到这一点时，它打开了一个新的经典想法之门。如果你采取这种方法，整个"受量子启发"领域是一个非常有趣的领域，特别是在短期到中期内。

阿伦：确实，我认为这也许是未来的发展方向，马克斯。我认为会有一个时期，这种混合方法可能是经典和量子时代之间的桥梁。这也将帮助我们，因为这些"受量子启发的技术"的稳定性将比当前量子基础设施要好得多。

现在让我们来谈谈你。目前你关注的重点领域是什么？你正在解决哪些有趣的问题？

马克斯：正如我之前提到的，我们发表的一个有趣的论文，我是第一作者，称之为 quanvolutional 神经网络，这是我创造的词语。基本上将量子与卷积结合在一起，实质上类似于量子版本或扩展了经典卷积或神经网络。你提到了混合量子-经典系统可能是我们近期将看到最多进展的地方。我认为这绝对正确。因此，这确实是更好地理解量子如何明确地作为已经存在范式的组成部分之一的另一个步骤。

我们仍在早期探索和表征卷积神经网络，我对此非常兴奋。我们仍在积极研究和表征各种形式的玻尔兹曼机，用于自编码器和基于绝热设备（如 D-Wave 或模拟设备）的量子方法。因此，这是我们正在与许多研究人员合作开展的另一个研究领域。

阿伦：非常好，谢谢你。现在，让我们来谈谈我们已经讨论了一段时间的具体论文。告诉我们你是如何想到这个问题并决定解决它的。也请告诉我们这个过程。你应该经历了数据收集的过程，把数据输入到你建立的引擎中，然后对其建模，接着获取额外的数据并用那些数据测试模型，依此类推。请能不能为我们详细描述一下这个过程？这对读者来说将非常有趣。

马克斯：是的，完全正确。我第一次想到这个想法是在 2016 年总统竞选期间。在竞选实际结束之前，我在 QxBranch 工作，并考虑到美国各州或多或少都采用"胜者通吃"的方式分配选举票，可能带来的负面影响-不像许多其他国家那样进行更多比例性的分配。

例如，如果你在宾夕法尼亚州占据多数，你就会获得所有那些选举人票。这让我真正思考，“哦，这太有趣了，你几乎可以将其建模成一个量子位的二进制系统。”

一天结束时，当你进行测量时，每个状态都在做出一个二元选择，这就像我们测量量子系统时发生的情况一样。

人们基本上没有过多考虑状态之间的相关性。因此，如果你正在看新泽西州，你的结果应该与纽约州的结果非常相关，因为人口非常相似；两者都有相似的人口统计数据，并且位于国家的相似地区。你会假设纽约州和新泽西州的单次测量应该比纽约州和亚利桑那州更相关；那些是非常不同的地方，有着非常不同的人。

这个想法最终是出于这样一个事实，即选举与二进制系统很好地契合。此外，各州之间存在相关性的事实促使人们尝试将其放在量子计算机上。对于量子计算机来说，其优势确实在于它们是内在相关的系统。你无法影响系统的一部分而不影响其余部分。我已经在早期量子设备上进行了相当多的研究的一个机器学习算法叫做 Boltzmann 机器。它具有表达美国总统选举的确切类型问题的所有理想属性。

实际上，你需要一个模型，可以为每一个可能的结果分配一个概率。所以，如果你有 50 个状态，就有 2⁵⁰种可能的结果。如果你正在做一个真正的预测，每一个潜在的结果都不为零，即使其中一些结果的概率非常低。所以在一天结束时，最好的预测将有能力为所有可测量的结果创建准确的概率，然后将所有这些东西加在一起，给出一个真正的概率预测。

实际上，这在实践中非常困难的原因是因为有大量可能的结果，而且没有人愿意计算所有这些数字。人们通常做近似，或者他们会忽略状态之间的相关性，因为这样很容易对单个状态建模，然后只需将所有单个结果相加即可。我们有了这样的想法，也许我们可以将这个映射到一个量子系统上。当系统处于叠加状态时，理论上它同时处于所有可能的状态。通过进行有限数量的样本，我们可能会通过利用驱动该系统的基本物理学原理，得到对这个完整概率分布的非常好的近似。

简而言之，这就是我们为什么认为这是一个强大的建模方法的原因。这是一个非常难以经典方式进行的概率分布，但我们认为量子计算机有一些自然的适应性。将其放在 D-Wave 等量子计算机上对于这种建模工作是一个很容易的选择。在整个过程中，我们能够成功生成通过了你想要的所有检验的结果。

我们从 FiveThirtyEight 那里获得了数据，他们是做这种选举数学建模的领先机构。在整个过程结束时，我们预测的结果与 FiveThirtyEight 自己产生的一般趋势线相匹配。同时，我们的模型对特朗普的态度比 FiveThirtyEight 模型稍微乐观一些——这是一个有趣的结果。

我们并不是说量子方法更优越。但是，我们真的相信，获得对可能状态数量成指数增长的良好近似是一个困难的问题，而这些量子系统可能比经典计算机更自然、更本能地处理。我们正在考虑为 2020 年重新进行这项研究，并尝试此次进行实时操作。我们认为现在是量子计算机的早期阶段，但这对于可能适用于近期设备的问题类型来说是一个非常合适的选择。这个问题也足够小，以至于你现在实际上可以将整个美国选举适应到 D-Wave 上。

看看在下一个选举周期会发生什么将会很有趣。

Arun：我猜一年后我们就会知道了。马克斯，你提到了一个有趣的观点，人们往往很快就会选择变量，或者说忽略变量之间的相关性。这样做会让事情变得更简单，但可能不太准确。例如，在金融服务行业，当人们进行投资组合再平衡时，改变特定资产类别的权重会对同一投资组合内的其他配置产生影响。

相关性使整个建模和优化任务变得更加复杂。在金融服务中，我们遇到了主成分分析（PCA）。这简化了优化过程。你们的量子解决方案是否正在考虑这个问题？

Max：是的。投资组合再平衡实际上是我们研究使用量子计算进行金融应用的确切用例之一。我认为总会有人试图实施简化方法，试图摆脱处理相关性的计算负担。根据你所处理的实际系统，可能会有一些简化，可以让你做更多或更少的事情。你可以摆脱这些复杂性，但仍然能很好地代表问题。

然而，在某些其他问题中，往往涉及高度相关的系统，这些逼近可能效果不佳。这取决于每个问题的具体情况。这还取决于你的结果需要有多好。在极端情况下，如果你想准确模拟具有相关性的系统的相互作用，你就不能进行逼近并期望结果会很好。肯定有一些技术可以帮助克服问题，但这取决于情况和你需要的精确度。

阿伦：谢谢你。我有几个问题打包在一起。如果我让你用水晶球预测一下，几年后你和 QxBranch 会在什么地方？问题的后半部分是：在你的发展路线图上，最大的障碍是什么？解决了就会让你的生活变得更轻松的事情？

马克斯：是的，非常好。我想提一下量子计算堆栈，这样我们就有一个共同的参考点。量子计算堆栈描述了不同公司在新兴的量子计算生态系统中构建不同层级，以执行不同任务的情况。在堆栈的最底层是那些在实验室里努力构建新型量子计算机的公司或研究团体。而 QxBranch 则位于堆栈的对立面，在顶部。我们试图构建底部和中间部分之上的软件层。这将被量化分析人员、数据科学家或软件开发人员使用，以利用量子算法，而无需了解量子物理学。这些用户将非常类似于今天世界上的普通数据科学家；他们可能不了解晶体管的工作原理，但他们也没必要了解——即使他们的计算机使用了很多晶体管。这是 QxBranch 的发展方向：为不了解量子物理学的用户构建利用量子的软件。

我们希望继续与个别公司合作，找出他们最困难的问题所在。然后，我们希望开发量子算法和应用，使那些不需要知道算法原理但需要了解这种算法如何适用于他们使用案例的人能够轻松访问。这是 QxBranch 放置赌注的地方。我们是量子软件公司，在量子计算堆栈的顶层。我们将在几周内发布我们的软件平台的第一个版本，以实现这一点。

阿伦：很高兴听到这个消息，马克斯，祝你的软件发布顺利。那么，你们面临什么挑战？目前是什么在阻碍你们的增长或进展？

Max：回到量子计算技术栈，根据你在技术栈中的位置，你面临的挑战将会不同。对于技术栈底部的人来说，挑战确实是研究和科学挑战。要构建更好的量子硬件，你必须找出能够增加量子位的相干时间的技术，以便获得更低的错误率。你必须找出可以让你的量子位系统扩展的布局。对于硬件提供商来说，有一系列工程和物理问题需要解决。

对于软件提供商来说，存在着不同的挑战集合，其中一些挑战是如何弥合技术人员和学科专家之间的鸿沟。在像银行这样的组织中，将要从事量子计算的人们并不完全脱离量子计算的复杂性。他们不能完全对量子计算的工作原理一无所知。这是一个中间阶段，早期受益于量子计算的人们也将需要对量子计算的工作原理有更深入的了解。在帮助客户确保他们充分了解基本技术的过程中确实存在挑战，这样他们就能理解它可能对他们的业务产生什么影响。

另外，量子软件始终会受到硬件进展的限制。我们可以构建一些良好的软件工具，但如果最终没有硬件工具可以与该软件框架连接，那么解决特定行业问题的量子应用公司将在这方面面临困难。你知道，我们不是试图推动技术栈的那一部分。因此，我们最终依赖于硬件提供商制造出与业务应用相关性的良好量子硬件。所以，我认为这是技术栈顶层人员面临的挑战。

阿伦：因此，让我们期待整个技术栈的更好创新，这样一个团队不会被另一个团队所阻碍。在这一点上，Max，我想我们已经到了采访的尾声。我想再次感谢你的时间和精彩见解。

Max：不客气，阿伦。随时告诉我书的进展如何。

阿伦：绝对。

结论

与 Max 的讨论帮助我拓展了对量子计算应用的视野。直到我偶然发现 Max 的工作，我才了解到量子计算在金融服务、物流、医疗保健和其他传统数据丰富的行业中的应用。然而，在这一背景下，政治是一个新的行业，并且它非常需要数据。

马克斯与我们分享的另一个有趣观点是量子计算堆栈中的痛点。在这里需要注意的是，量子计算技术堆栈的各个层面都在创新，而堆栈的每一层（无论是硬件还是应用）都有其自身的挑战。堆栈中某一部分创新的减速会对整个堆栈中的创新产生深远影响。

与戴夫·斯内林的讨论非常相似，马克斯也认为量子计算的发展可能会有一个混合步骤。混合步骤可能涉及新古典计算方法。在第五章，与富士通公司院士戴夫·斯内林博士的访谈中，我们看到数字退火器如何成为经典和量子计算之间的桥梁。

但对我来说，本章最重要的收获是，领导民主政府形成依赖于尖端技术的人们。社交媒体数据是使所有对了解选民感兴趣的各方工作的关键组成部分。我希望当马克斯在 2020 年美国选举中使用他的应用程序时，我们将看到更多的突破性成果。

第十章：对智慧城市和环境的影响

技术使我们的生活变得更美好。然而，许多使我们受益的技术不幸地对环境造成了损害。我们能否在朝着更可持续的生活方式迈进的同时保持现代生活方式呢？本章重点介绍了量子计算和区块链在智慧城市和环境应用方面的应用，以及这些应用可能给我们带来的一些答案。

我们是地球上曾经走过的最聪明的物种。大自然赋予了人类不可思议的身体和心智能力。伴随着巨大的力量也伴随着责任。当我们开始利用技术和人力资源来改善我们的生活时，必须以可持续的方式进行。我们需要意识到我们与动植物王国的朋友共享这个世界。更重要的是，我们必须考虑我们想让我们的后代继承怎样的世界。

社会各个层面的创新都需要对我们生活的世界的长期健康保持一致。除了技术丰富外，智慧城市还可能意味着更加绿色的城市。在本章中，我将介绍技术如何用于交通管理、废物管理和气候建模等应用。

那么，我为什么关心呢？

26 年多前，我和一群朋友以及我的老师一起前往参加考试。我们去考试中心的交通工具是一辆牛车。在我印度泰米尔纳德邦的村庄里，这曾经是一个常见的景象。这个村庄叫梅拉加拉姆，位于泰米尔纳德邦和喀拉拉邦交界处，西高止山脉的山脚下，距离约 5 英里。

曾经有一个时期，我们可以去我们房子的天台看到被称为"主瀑布"的瀑布。这是印度南部顶级旅游景点之一，每年 6 月至 8 月期间定期被全球各地的人们参观。这是一个美丽的村庄，我仍然梦想着能够从"家"里，也就是从我的村庄工作。

我度过大部分时光的学校叫希尔顿中学。学校由一个颇具魅力的贝尔先生领导；一个我们都尊敬和喜爱的人。我们都对学校有很多回忆。它位于印度最南端两个邦的边界的山脚下仅一英里的地方。季风带来雨水，我们能够从教室的窗户看到我们称之为"旧瀑布"的瀑布。

学校有一个美丽的花园，甚至学校的食堂（我们称之为"mess"）也在花园的中心。我们每天早上乘坐学校巴士上学，途中会经过湖泊、绿色田野、瀑布、茂密的植被和小溪。仔细想想，对比起今天我孩子们在英国上学时的通勤，这更像是每天的郊游而不是通勤。

我们的家离学校有几英里远，周围也是绿色的社区。我们家对面有一个蚂蚁丘，离我们家的大门大约有一个板球球场的距离。我们家周围是稻田，稻米在那里被种植。我们的许多邻居养着牛、鸡和干草堆，我们会在那些田地里玩整天。

在每年 6 月和 7 月的季风季节以及 11 月，我们会在铅笔盒里收集一些小红色绒毛般的虫子。我在那个村庄住到 15 岁，然后搬到了炎热、潮湿、拥挤和污染的钦奈市上高中。

我几乎认为我的家乡的绿色山丘、美丽的风景和轻柔的小雨是理所当然的。钦奈对我的身体是一个冲击。我会骑车上学，当我回家时，我得洗掉额头上的黑烟灰。在夏季，路上的焦油会融化。我知道我离开了天堂去寻找一个更好的生活。这不应该是这样的。

这一章将智慧城市与环境联系在一起是有原因的。智慧城市不仅仅是为了让我们的城市充斥着追踪市民行为的设备。它们不仅仅是为了从这些设备中获取数据，并做出实时决策以优化城市的运作。它们还意味着确保城市不必失去其绿色才能变得聪明和复杂。

每当我想在社交媒体上分享有趣的内容时，我的首选都是环境意识、气候变化和塑料污染的内容。这些故事中有人带领着清理塑料污染海滩的行动，或者在辞去高薪工作后创造了数百英亩的森林土地。这些故事激励着我。

那么，新兴技术如何有助于创建智慧城市呢？最近，我开着特斯拉从伦敦希斯罗机场回到肯特的家。副驾驶座位上坐着一位在英特尔工作了几十年的朋友。我们讨论着特斯拉自动驾驶引擎背后的人工智能在印度道路上的部署方式。

交通管理是量子计算机的一个很好的应用案例。这些机器将需要得到来自物联网设备和电信提供商的地理空间数据的支持。在交通管理是一个重大挑战的新兴经济体中，已经试点使用人工智能来更好地解决问题。然而，这个问题远未得到解决。

随着世界专注于使我们的城市变得更好，确保我们在这个过程中不伤害环境至关重要。朝着智慧城市的努力也应该是保护环境的一部分。气候变化已经成为世界各地最高层次的讨论话题。自然纪录片谈到了极地冰雪融化及其对野生动植物和气候模式的影响。

关于气候变化是否仅仅是一个我们可能不得不经历的周期，或者是人为造成的问题，仍然存在争议。有人认为这仅仅是一个缺乏足够数据点支持的理论，有人认为在过去的 10-15 年里，人类已经造成了大部分的气候变化。

这是否是技术可以帮助评估的事情？像 PolArctic 这样的初创公司正在对北极冰的融化及引起其融化的变量进行建模。建立气候变化及其周围变量的综合模型是一项困难的任务。量子计算可能是模拟自然工作方式的最佳平台。过去的技术在这项任务上并不成功。将自然或物理建模到经典计算机中比在量子计算机中更困难。

当我们模拟气候变化时，我们进入了相互依赖变量的领域。在本章中，我将讨论通过智慧城市创新使我们的生活更美好，通过理解自然的创新使我们的世界更美好的努力。

智慧城市

全球范围内的智慧城市倡议涉及在城市各处使用数据捕获设备，为城市居民提供情境化和最优化的服务。到 2025 年，智慧城市市场预计将达到 7000 亿至 2.4 万亿美元。很难确定正确的数字，但这是发达国家和新兴经济体的巨大全球市场。

有几个智慧城市用例涉及区块链和量子机器学习。在本章中，我们将涉及以下一些领域：

停车
交通管理
城市规划
垃圾收集

智能停车

典型情况下，在智慧城市项目中，我们看到政府与私营部门密切合作以取得成果。例如，英国的一个计划旨在提高停车效率。该过程涉及实时获取车辆数据和停车位可用情况。虽然有几个应用程序可以保存停车数据，但将它们全部纳入中央存储库以提供智能服务的数据标准尚未制定。

因此，英国政府在 2019 年 5 月发布了一项关于标准化停车应用程序数据的公告。这些数据将包括停车数据的可用性、允许的时间和价格。这将通过一个综合平台向所有汽车司机提供。来源：www.gov.uk/government/news/uk-on-verge-of-revolution-to-make-parking-easier-and-help-british-high-streets

此类倡议面临的挑战在于，一个国家的人民正在与政府分享大量个人数据。集中保存此类数据令数据所有者感到担忧。这为黑客提供了机会，但也允许决策者访问某些类型的数据，这些数据可能被公民视为侵犯隐私。

区块链可以帮助降低这些数据的所有权。即使是许可的区块链，也可以由事先同意的一组实体充当公共信息的门户，比完全集中的设置要好。纯粹主义者可能不愿称许可账本为区块链，但在我看来，在完全走向欣赏纯粹分散的生态系统之前，中心化世界需要进行几次迭代升级。

有像委托权益证明（DPoS）这样的协议，可以由少数几个节点来验证交易。虽然它们没有权限更改交易细节，但它们可以在网络中签署和广播交易。在 DPoS 协议中，代表是由网络通过投票选择的。因此，如果有一个不诚实的代表节点，网络可以通过投票将其撤销。

这些协议可以作为过渡到分散的数据世界的桥梁。然而，我仍然相信即使在目标状态下也会存在一定程度的中央集权。回到我们的智能城市示例，结合良好的元数据管理，区块链的使用可能是数据隐私的未来。在英国有像 people.io 和 Nuggets.life 这样的公司专注于解决数据隐私的问题。

尽管像智能停车这样的技术在英国这样的国家可能会有重要价值，但在许多新兴市场，交通管理是一个重大问题。现在让我们看看技术如何帮助解决这个问题。

交通管理

一想到交通管理，我脑海中浮现的画面就是印度混乱的道路。管理和规范像印度这样的国家的道路是当今技术面临的最大挑战之一。15 年前我搬到英国时，我经历了取消和重新学习驾驶技能的过程。

现在，我在英国的道路上比在印度的道路上更自如。多才多艺的司机可以在这两个国家舒适地开车，但坐落在我大脑中的智能引擎却难以适应。人类大脑需要花费大量精力来适应在两个非常不同的环境之间的转换复杂性。在人工智能达到应对这种情况所需的复杂程度之前，可能还需要一段时间。

然而，并不是说不能通过在这些背景下部署尖端技术来实现效率。在我与印度阿姆里塔大学的研究主任的交谈中，她透露他们正在进行使用机器学习进行交通管理的研究。

在我与富士通的讨论中，他们透露他们的量子启发式数字退火器也解决了交通管理问题。他们在仓储分布场景中部署了他们的解决方案，并实现了 45%的效率，找到了最佳路线。

将地理空间数据与传感器和雷达数据相结合可以有效地管理交通。由于全球手机的普及，大部分地区都可以获取来自移动电话基站的地理空间数据。使用这些数据可以实现对拥挤的积极识别。历史数据中的模式也可以预测交通堵塞的概率。

使用这些数据更容易识别城市的某一部分的拥挤，但很难预测拥挤。雷达部署在新兴市场以识别交通拥堵，然而，由于硬件成本和在实时情况下捕获和传输大量数据的挑战，它们不可扩展。在印度，雷达传感器的成本可能高达£40,000，这使得广泛部署成为不可行的选择。

交通摄像头结合图像识别算法可以识别拥挤的十字路口。当结合无人机使用时，这对实时管理交通拥堵非常有用。然而，智慧城市必须向交通拥堵的预测建模和解决方案识别方向发展。

在印度钦奈进行的一项最近的实验中，城市繁忙地区设置了 64 台摄像头。一天内约有 90,000 名违规者被识别并处以罚款。识别到的违规行为包括逆行、禁止通行、闯红灯和三人骑行。这表明即使在实施此类控制的范围较小且有限的情况下，也可以获得效率。

地理空间数据可以识别交通流量。这些数据可以帮助模拟城镇的某一部分有多少人在什么时间驾车到达另一部分。可以捕捉到这些数据的模式。然而，更难建模的行为点是一个城市的某一部分交通增加、事故或路障如何影响城市其他部分的交通。这就是量子退火器可以使用的地方。

在量子退火过程中，用于优化的信息被输入到一个物理系统中。在量子退火器上建模交通管理问题与旅行推销员问题非常相似，如《第二章，量子计算 - 主要讨论点》中所讨论的那样。量子系统准备在问题的许多可能解的叠加态中。不同可能解的概率通过退火过程演化。

随着退火过程的进行，能量较低的选项成为问题的可能解决方案。通过系统的基态识别的解的概率最高。这个过程使用的哈密顿函数管理系统的能级信息。

在繁忙城市的交通管理中有两个需要考虑的方面。一是不断发生的交通拥堵，以及如何解决它们，二是预测交通拥堵的发生。实时数据采集可以使资源被分配到交通拥堵的地区。

能够预测交通拥堵可以使道路工程、事故管理和交通管理变得更有效率。随着自动驾驶车辆开始变得主流，管理交通的综合基础设施变得愈发重要。

城市规划

在世界许多地方，城市规划和治理由理事会和管理城市的公共部门组织完成。我们将要涉及的过程包括理解新建筑、天桥、公园和道路对市民生活的影响。

新建筑、公园和道路基础设施是快速发展的城市的重要补充。然而，它们也会影响城市的碳足迹、排水基础设施、雨水管理和交通管制。需要将地理空间数据与 3D 建模技术相结合，以优化城市空间的利用，造福市民。

废物收集

随着自动化接管世界，几家公司正在进行研究，以确定其对就业岗位的影响。根据普华永道公司最近的一份报告，英国的废物管理行业预计受自动化的影响最大。如下图所示，该行业超过 62%的工作岗位有可能被机器取代。

图 1：自动化导致就业岗位受到威胁的预测图表出处：www.pwc.co.uk/economic-services/ukeo/pwcukeo-section-4-automation-march-2017-v2.pdf

我会对关于废物管理行业的上述统计有不同的理解。高百分比向我们表明，只需少量的智能自动化即可在废物管理行业获得许多效率。本次讨论的具体关注点是废物收集流程。

废物收集的当前流程涉及卡车在城镇的每条街道上行驶，并从垃圾箱中收集垃圾。在英国，已经对带有传感器的垃圾箱进行了试点测试。这些传感器可以提供垃圾箱的装满程度信息，以便只需要收集更满的垃圾箱。垃圾箱上的传感器也可以在它们装满时发送警报。

在英国与拉格比自治市议会展开的试点项目中，使用太阳能智能垃圾箱，帮助将年收集垃圾数量从 51,000 减少到 1,509。随着这一过程成为主流，可能会有进一步的效率提升。例如，量子退火器可以通知垃圾收集卡车收集垃圾的最快路线。

从可持续性的角度来看，传感器可以向市政府提供垃圾最少的家庭信息。市政府可以制定智能税收制度，为垃圾最少的家庭提供退税。我们可以进一步确定垃圾最多的家庭，并对他们征收更多的税款。随着物联网变得日益普及，量子计算的应用可以帮助实现规模效应。

气候建模

除了一些气候变化怀疑论者外，大多数人都认识到气候变化是一个我们不能再忽视的重要现象。根据世界自然基金会（WWF）的数据，地球每年失去 1870 万英亩的森林，相当于每分钟失去 27 个足球场的面积。这是一个严重的问题，因为森林是碳汇，树木吸收和储存二氧化碳。

有一个假设认为气候变化或全球变暖是一个周期性事件。自上一个周期以来，冰河时代之后，全球温度在 1 万年的时间里上升了 3°C 到 8°C。当前的科学共识是，人类行为导致的碳排放是加速这一气候变化周期的一个重要因素。政府间气候变化专门委员会（IPCC）的研究已经确定，最近的气候变化与人类活动有 90% 的关联性。来源：www.ipcc.ch/

碳排放和温度上升在过去的 200 年也有记录，并且被发现密切相关。有很大可能性是这些排放物在温度上升中起着因果作用，因为二氧化碳（CO[2]）等温室气体被认为会在大气中吸热，导致全球温度上升。参考：www.nature.com/articles/srep21691

然而，情况并非尽是悲观。大自然有着奇特的方式，能够从灾难中复苏生命。最近有一篇关于乌克兰切尔诺贝利的文章给了我希望。三十年前发生的切尔诺贝利事故糟糕到现在“切尔诺贝利”一词已经成为灾难的代名词。1986 年，切尔诺贝利核反应堆突然释放了大量能量。随后数日，空气中弥漫着放射性物质。事故造成的死亡人数估计有数千人。

自灾难发生以来，当时是苏联地区的一片区域已经被遗弃了 2600 平方公里。然而，三十年后，切尔诺贝利的植物和动物生命都已经回归。一篇关于该地区复苏生态系统的最新文章描述了植物如何适应了放射性环境。Business Insider 的文章称，切尔诺贝利今天的植物和动物生命比 1986 年灾难之前都要好。来源：www.businessinsider.com/chernobyl-exclusion-zone-animal-refuge-2019-5?r=US&IR=T

这表明，如果我们付出系统性努力来恢复我们失去的森林，气候变化的影响是可以逆转的。恢复森林需要几十年的时间。因此，在此期间，我们迫切需要借助技术来应对气候变化。虽然长期的重新造林工作提供了一种有前途的缓解方案，但我们还需要能够应对当前世界各地正在经历的气候极端情况。一个双管齐下的方法是有效管理气候变化所必需的。

技术可以帮助促进气候变化建模的两个关键领域：

量子退火和机器学习可以帮助我们对世界各地的空间和时间气候条件进行预测建模，使我们能够预测并管理世界各地的极端天气事件。
量子计算可以帮助我们确定和量化气候变化最有影响力的驱动因素，进而为全球缓解方案提供信息。

第一个是一种战术性的练习，可以帮助我们预测、监测和管理全球范围内的极端天气模式。第二个是一种更具战略性和实验性的方法，我们在其中确定人类必须接受的关键生活方式变化，以长期应对气候变化。

了解气候变化需要数据涵盖多个变量 - 这些已知变量会影响一个地区的气候条件。它们是：

生物地理学
大气环流
海洋循环
地球的倾斜

生物地理学

生物地理学指的是植物和动物在地球上的分布。正如我们之前讨论的，拥有地、冰、植物和动物的最佳组合至关重要。当冰层过厚时，植物和动物会争夺土地，就像冰河时期一样。通过冰河时期的气候变化导致猛犸象和剑齿虎等物种灭绝。然而，我们更可能遇到的气候变化是冰的融化。这可能导致生活在极地地区的动物灭绝。

动物物种的灭绝影响了地球的植被模式，进而影响气候模式。曾经有过这样的情况，引入某些动物（如海狸）到生态系统中会改变自然景观和一个地区的气候模式。这种现象被称为“反馈循环”。海狸影响了河流和溪流的流动，从而影响了植被。随着植被模式的变化，会出现新物种的动物来进一步影响景观和生命的平衡。来源：www.nature.com/articles/nature10574

因此，了解一个地区、大陆甚至一个行星的生物地理对数千年来气候模式的影响至关重要。动物、植物、景观和气候模式的演化之间存在固有的相互依赖关系。这样的环境被称为“开放系统”；这些系统由于我们无法控制系统内的变量以及变量相互作用的倾向而变得极为复杂。这些特征使得传统计算机（以及气候科学家）极难模拟这些行为。

大气环流

地球大气中的空气运动始于赤道。赤道处的高温使空气上升。随着空气上升，变冷并导致冷凝，进而降雨。这是影响世界范围内天气和植被模式的重要现象。随着空气从高压区向低压区移动，它创造了世界上干湿不同的区域。

从赤道到赤道南北 30°的空气运动形成了沙漠。由于这部分空气的水分很少，这个地区的降雨量较少。这个区域被称为哈德利环流。如下图所示，每个区域都有特定的空气运动模式，并具有不同的名称。空气的运动形成了蒸发、冷凝和降水的循环，影响了全球的天气模式。

全球大气环流模型

图 2：全球大气环流示意图

海洋流

海洋流对全球天气模式有影响。海洋中的温度以三维模式流动，即东到西，北到南，以及表面到深处。热带海洋中的风从东向西吹。因此，陆地沿海地区的温度梯度从东到西。例如，太平洋西部比东部温暖 8°C。

然而，随着贸易风减弱，暖水由于重力作用向东移动。当这种暖湿的天气模式向东移动到南美洲沿海地区时，我们看到厄尔尼诺效应。

厄尔尼诺现象会导致南美西北部地区升温。由于海洋表面最温暖的部分产生了最多的蒸发，我们也会看到热带风暴向东移动。这影响了地球上的天气模式。厄尔尼诺现象每隔几年发生一次，科学家们无法准确预测它。

地球的倾斜

地球的倾斜会影响风的大气环流。由于倾斜，地表的空气会被偏转。偏转的空气在北半球初始轨迹的右侧流动，在南半球则相反。地球绕太阳的轨道上的革命形成了气候周期。

这些周期长达 10 万年。在这些周期中，地球的倾斜从 21.5°变化到 24.5°。由于倾斜影响了太阳的输入、海洋流和大气环流，它对气候周期产生了显著影响。

量子计算解决方案

正如前面描述的，由于存在多个相互依赖的变量，影响地球气候的意义重大，因此使用经典计算方法难以有意义地模拟气候模式。量子计算机应该能够处理模拟气候变化所需的数据。第一步需要明确确定气候变化是由人类行为引起的。

2019 年 1 月，埃克森美孚与 IBM 的量子计算能力合作进行环境建模。模拟自然现象最好由量子计算机完成，因为自然本质上是量子机械的。要在经典计算机上完成这项工作，需要将物理学转化为计算机科学，然后加载到计算机中。在量子计算机中，物理学以其本来的状态被编码。没有翻译，因此在这个过程中没有信息丢失。因此，使用量子计算机模拟其行为应该更加准确。

在我最近与一位物理学家的谈话中，他提到量子计算机应该是模拟物理学的好工具。除了量子计算机在计算能力上的提升外，它模仿自然的事实使得如果正确利用，能更好地模拟自然的行为。

南加州大学也正在利用量子计算机解决气候变化难题。随着量子机器学习和退火过程变得主流，我们将会有几种解决方案可以每天使用，以了解我们对环境造成的影响。我们将能够更好地预测天气条件，并更有效地管理极端情况。

结论

在智能城市和气候建模中应用量子机器学习和退火技术仍处于非常早期阶段。与金融服务和医疗保健应用相比，这些应用仍然远远落后。虽然新兴技术在智能城市应用可能会暂时等待，但我们必须对气候变化有一个牢固的理解。

气候变化的新兴影响也许是影响我们生活和未来世代生活的一些最重要的现象。政策制定者必须利用量子计算等技术来推动最高层次的决策制定。以气候变化为中心的自上而下的方法将帮助我们作为公民抵抗人类行为对我们星球的长期影响。

我们迄今为止已经涵盖了量子计算在医疗保健、金融服务和智能城市领域的应用。在接下来的章节中，我们将探讨量子计算在物流领域的应用，物流是使用经典计算机难以解决的一些最困难的问题。我们还将研究抗量子攻击的账本，这可以被区块链社区用来做好量子准备。

第十一章：牛津大学量子计算研究员山姆·麦卡德尔的采访

在本书的几个前章中，我已经触及了量子计算走向主流的障碍。量子计算的一个主要障碍是错误校正的挑战。在经典计算机中，比特有两种状态，“0”和“1”。因此，错误校正要容易得多。在量子计算机中，量子比特在计算过程中的任何时间点都可以处于叠加状态。因此，要在不中断计算的情况下观察和校正它们的值更加困难。

量子计算中的错误修正是一个迷人的领域，有几种技术正在被探索。因此，我想专门进行一次采访，因此一个章节，来讨论这个主题。我在布里斯托大学的一个量子计算活动上遇到了山姆·麦卡德尔。他在活动上做了一个关于他在牛津大学的研究的演讲。该研究集中在量子错误校正上。

山姆在活动上的演讲非常引人入胜，主要是因为他简化了叙述。他在演讲中仍然在必要时讲解技术内容，但清楚地表明观众对他的演讲很感兴趣，并提出了几个有趣的问题。这与我看待这项技术的方式一致。尽管量子计算的数学和物理内部复杂，但从使用案例的角度来看，始终有简化的空间。

因此，我联系了山姆，询问他是否愿意为这本书接受采访。我希望我们的采访重点放在错误校正和他在牛津大学的研究上。山姆很友好地同意了，在几次电子邮件互动之后，我们设法进行了一次录音采访。采访内容如下：

阿伦：我们现在正在录音。谢谢你抽出时间来，山姆。

最近，我和一家为医疗保健领域创建量子计算解决方案的公司的 CEO 进行了交谈。他告诉我一些我们都知道但没有准确表达的事情。

经典计算机将物理概念转化为计算机可理解的代码，并基于该代码复制物理过程。在将物理变成经典计算机上的物理之前，需要经历三个阶段。量子计算机则更自然地模拟物理过程，而不需要太多的转化。因此，在使用量子计算机模拟自然过程时，信息损失较少。这很有趣，因为我们在这里讨论量子计算机内的信息损失。让我们谈谈量子计算机中的错误校正以及与经典计算环境中的错误校正有何不同。

山姆：让我们首先讨论经典和量子计算机背景下的错误。在经典机器中，你必须考虑"位翻转"错误；从零到一的概率性位翻转。这些错误也存在于量子计算机中。然而，量子计算机还受到另一种类型的错误的影响，称为相位翻转错误，这些也需要被纠正。

这些错误可以通过纠错技术来解决。在经典纠错码中，我们可以复制我们的位并执行多数投票方案。因此，在经典计算机中，除了硬盘和其他需要长时间存储内存的设备外，你不需要太多的纠错性能。

这些也内置了一些冗余，这样可以阻止信息随时间的流逝而逐渐降解，但它们的故障级别很低。大约是 10¹⁵中的一部分。在今天的经典计算机中，我们更关注处理在编程过程中发生的错误。因此，在经典计算机中，我们并不真正担心纠错作为一种限制。

相比之下，量子计算机对环境的敏感性要高得多。因此，纠错要更加谨慎。如果在经典硬盘中大约是 10¹⁵的一个部分，那么在我们现在拥有的量子计算机中，它更接近于 10²或 10³的一个部分。

如果你要长时间运行计算，你需要纠正由于与环境的相互作用而产生的缺陷。有一些方法可以使用量子纠错码来实现这一点。从难度的角度来看，当我们使用经典的纠错码时，你可以直接审查你设备中的信息。人们谈论的最常见的一个是重复码。

如果你想要存储一个单个的位，它可以是"0"或者"1"，你可以简单地将它复制三次。如果发生错误，很不可能有两个位受到影响。一个错误是最有可能发生的事情，这种情况下当你查看你的三个复制位时，有两个仍然是相同的，而其中一个可能已经改变了。你可以采用多数投票的方式。你可以看出发生了什么错误并修正它们。在量子计算中则不同。

量子计算利用了两种主要的量子效应：叠加和纠缠。叠加是著名的薛定谔的猫效应 - 粒子能够同时处于两个位置，或者量子位（qubit）可以同时处于零或一的联合状态 - 只有在测量时才能揭示结果。纠缠可以宽泛地定义为两个粒子之间的比经典更强的相关性，因此不再有意义地将纠缠的两个系统视为单独的实体。这两种效应可以结合起来，使量子计算机比其经典对应物具有优势。

然而，量子信息是脆弱的，同样的效应会变得相当破坏性。在量子计算机中，由于你无法复制信息，也无法直接询问量子比特，因为那样会显示它们处于什么状态，并打断你的整个计算。你必须更聪明地去询问系统，尝试了解发生了什么错误，并找到纠正这些错误的方法。

我们的量子计算机必须位于某种环境中。计算机中的量子比特与环境相互作用。这表现为我们量子状态的降解，实质上迫使其退化到经典状态。尽管实验者尽力保护他们的量子计算机免受环境的影响（通过将它们保持在低温下、封装在真空中和/或受到磁场的保护），但错误率仍然比在经典计算机中找到的要大得多。因此，如果没有任何错误保护，系统的量子特性将很快消失。

我们可以使用纠错码为我们的量子系统提供一定程度的保护。粗略地说，这通过将量子比特的逻辑零和逻辑一状态编码到一个分布在许多量子比特上的高度纠缠的状态中来实现。我们可以对我们的量子比特进行设计巧妙的检查，这些检查不会告诉我们状态的确切内容，但至少可以告诉我们是否发生了某些错误，错误在哪里以及如何纠正它们。

Arun: 有趣。谢谢你。我们能否讨论一下今天我们对量子纠错所采用的几种方法？哪些是最常见和最流行的？

Sam: 用于纠错的主要方法基于代码。全球试图实验性地实现的大多数代码都可以用稳定器形式来描述。它实质上是一个很好地封装了代码行为方式的数学形式化。它提供了描述代码行为的良好方法，并使其更易于处理。

稳定器形式已经导致了一系列良好的代码，其中一些比其他代码更容易实验。一个广泛研究的代码被称为表面码，它与其他一些代码有些不同，因为它具有拓扑性质。

它取决于表面的拓扑结构。表面码的吸引人之处在于，你可以仅使用一个以最近邻相互作用方式排列的量子比特阵列来实现它。如果你尝试用固态量子比特、超导量子比特或硅来构建你的量子计算机，那是一个非常吸引人的架构，因为这是你的系统的自然相互作用方式。

表面码的另一个有用之处在于它具有非常高的码阈值。在这一点上你可以说：这是我系统的物理误差率。阈值表示：如果我能将误差率降到某个值以下，那么我就可以让我的代码更大。我可以不断降低计算机的整体误差率。然后纠错就会起作用。如果你高于该阈值，进行纠错就没有意义，因为这只会让一切变得更糟。

值得注意的是，在人们实际的硬件系统中实现的错误率，让人们对如果扩大这些系统并保持高质量感到有希望，这种代码可能会在实验中实现。某些研究小组在其硬件系统中实现的错误率，现在与我们对表面码阈值的估计相当。

如果这些系统在保持这些错误率的同时能够扩大，那么这可能是通往大规模量子计算机的一个有希望的途径。

阿伦：谢谢，这是关于表面码的一个有趣概述。我们也遇到了 NISQ 计算。从量子纠错的角度来看，这有什么重要性？使用 NISQ 的未来可能性有哪些？

萨姆：NISQ 代表噪声中间规模量子计算。在当前时代，我们拥有的是小型量子计算机。如果要进行纠错，就需要更大的量子计算机。在容错量子计算机中，通常会有数千个物理量子比特用于纠错。如果要实施表面码编码，可能需要一千个物理量子比特来编码一个纠错逻辑量子比特。

一个合理的问题是，为什么我们不在有噪音的量子比特上进行计算？如果你打算这样做，你运行的算法不能太长。如果运行时间太长，就会增加错误积累的机会，从而破坏你的计算结果。

采用 NISQ 时，不需要进行任何纠错；只需运行你的算法。这在化学模拟等用例中可能效果不错。

然而，在这种情况下，算法会使用更短的电路运行。当量子比特存在噪声时，相干时间就会很短。通常情况下，较短的电路运算时间较短，可以更快地得出结果，并且错误更少。

NISQ 采用了与量子纠错完全不同的方法。NISQ 通常涉及交换长电路，而不是一次次重复更小的电路。在每次重复后，你需要重新初始化系统。

如果你应用的量子电路很短，那么人们可能希望在错误积累之前就能实现电路。因此，计算涉及 100 个量子比特时，只需使用可用的 100 个有噪声的量子比特进行计算，而不是尝试将 100 个纠错量子比特编码为 100,000 个有噪声的量子比特。

显然，一个 100 量子比特的机器将比一个 100,000 量子比特的机器更容易建造，但为了使 NISQ 提案能够实现，算法必须与短电路配合工作。

NISQ 算法已经针对化学、机器学习、优化以及一系列其他问题进行了开发。然而，一个问题是很难证明 NISQ 算法会比我们目前使用的经典算法具有任何优势。

正在进行研究以证明电路可以做得足够小以减少噪声的影响。虽然已经提出了错误缓解技术，可以帮助实现这一目标，但在我们能够获得容忍噪声的短电路之前，还有很多工作要做。因此，在未来几年，随着世界各地的团队开发更大的 NISQ 机器（50 到 100 个物理量子比特）来测试这些算法，这个领域将非常有趣。

在 NISQ 中有一种混合方法，其中量子计算机执行了经典上困难的任务，而经典计算机则执行了它发现容易的任务——比如一个优化子程序。你通过这个过程迭代，这有助于你解决你正在处理的问题，无论是机器学习、优化还是化学问题。

有些错误缓解技术通过采集比自然情况下需要的更多数据，然后以巧妙的方式组合起来来工作，实际上进行一种平均化，从而可以消除一些噪声。这些技术非常有用。它们可能在从这些 NISQ 量子计算机中获取任何有用信息方面发挥关键作用。但从长远来看，它们也不能替代错误纠正。它们只能容忍少量的噪声。

阿伦：在概念上，这与云计算的演变非常相似——特别是亚马逊网络服务（AWS）。在 AWS 的初期阶段，对其基础设施的资源分配是基于低时间利用率进行的，然后几乎成为一个全新的商业模式。让我们继续讨论下一个议题。

有一个强有力的观点认为，量子计算可能至少还需 10 年时间才能成为主流。如果量子计算在未来 5 到 10 年内克服了一些主要障碍，即使在那时，我认为一些混合解决方案，如数字退火器，仍然可能是相关的。主流化量子计算所需的成本仍然很高。但是，希望在 15 到 20 年内，能够加速，使量子基础设施的成本效益更具吸引力。

你是否有任何特别关注的研究课题？你认为哪些领域将有助于加速量子计算领域的发展？

山姆：一方面，实验小组正试图实施这些纠错程序。这涉及到他们将要实施的例行程序的计算机建模，以模拟错误的类型以及克服这些错误的最佳方法。

当你引入这段代码时，你其实增加了计算的额外开销。有一些科学家致力于寻找在某种编码中实现给定算法的更加资源高效的方式。最近已经做了大量工作，已经减少了（纠错的）开销。其中一些计算是在化学领域进行的。

另一方面，有很多研究人员将研究更多的新型编码。他们不会只关注已经存在的编码，而是会研究人们之前没有深入研究的新型编码。他们希望这些编码可能在算法如何表达、纠错错误方面有一些优势，或者它是否更适合某种类型的硬件而不是其他类型的编码。

阿伦：这绝对是一个有趣的见解。我真希望所有的努力都能汇聚成有意义的东西。在工业场景中，这个领域取得一些成功会对量子计算应用有何影响？

山姆：虽然目前有希望 NISQ 算法可能在未来几年内带来量子计算机的实用应用，但目前尚未得到证明，这将需要在真实硬件系统上进行测试，因为它们变得可用。为了运行为化学、机器学习、优化或密码学开发的可证明快速算法，预计量子纠错将是必要的，因为所需的电路很长。

因此，量子纠错的新发展有望减少实现有用算法所需的资源。这包括空间资源（所需量子比特的数量，这决定了构建量子计算机的难度）和时间资源（算法运行所需的时间）。

这些指标的改善意味着有用的量子计算机将更早地面向工业应用。前者的改善意味着量子算法在较小的问题规模上可能与其经典对应物竞争，这再次意味着它们可能在更短的时间内找到应用。

因此，量子纠错技术的改进应被视为算法进步和硬件发展同样重要的一步，以实现工业上有用的量子计算机的目标。

Arun：好的。最后一个问题。量子计算机在几个工业场景中都能发挥作用。物流领域有巨大潜力，金融服务中的投资组合再平衡也很有意思。还有很多可能性。你能想到哪些使用案例，有什么特别激动人心的吗？

Sam：你提到的这些是好的应用，因为人们已经在解决机器学习问题、优化问题和金融问题方面进行了大量研究。我对使用量子计算机模拟物理系统很感兴趣。

量子计算机在制药行业中可能会很有意思，尝试弄清楚药物会起到什么作用。如果你给他们机会，让他们用电脑查看分子，并计算出它们与其他分子的相互作用方式。这对他们可能是很重要的。

同样，如果你是一个大型材料公司，你可以用催化剂做一些事情。研究催化剂与化学物质的反应以及加速反应过程是一个好的领域。致力于研发能够应对特定挑战的新材料的行业也可以考虑使用量子计算解决方案。例如，电动汽车的电池是一个例子，这里可以通过量子算法研究用于提高能源效率和快速充电的最佳材料。

一个关注重点是模拟一种存在于能够利用大气氮气产生肥料的细菌中的分子。这一过程在自然环境中以常压和温度发生。我们今天用于肥料生产的工业过程是能耗大的。已经有研究证实，纠错量子计算机是否能够辅助模拟这种分子，从而为这一过程提供新颖的见解。

如果你能够了解氮转化细菌的工作原理并复制其行为，那将是一个对世界非常有用的巨大节能。同样，有很多我们希望更好地了解，但目前还无法做到的化学材料。有了量子计算机，我们可能能够模拟这些系统，这将使我们对材料系统有全新的了解，最终甚至可能让我们设计具有我们想要特性的分子。

Arun：非常感谢你，Sam。在这个高兴的时刻，让我们结束采访。

结论

到目前为止，在我们的所有采访中，我们一直专注于量子计算的工业应用。我们已经涉及了金融服务、医疗保健、智能城市甚至政治方面的应用。Sam 的采访聚焦点不同，这是故意为之。我想要专注于量子计算进入主流的关键障碍之一——高误差率。

我们讨论了为什么量子计算机中的错误纠正比经典计算机更困难。量子比特的叠加性质使我们更难以捕捉它们的状态。当我们观察量子比特时，它们的状态会坍缩。量子计算机的这些属性使它们在解决复杂算法方面很有用，并使量子计算机上的信息更安全。然而，它们也使得错误纠正更加困难，因为我们无法轻松观察或复制信息。

在本章中，我们详细讨论了诸如使用较短电路和针对特定算法以及 NISQ 等技术。Sam 用简化的表达将这些复杂的概念栩栩如生地描述了出来。他描述了方法的纠错以及一些突破可能对量子计算产生的影响。当量子计算机内的错误纠正不再是如此大的障碍时，我们还讨论了可能的应用。例如，在计算机中建模氮固定可以在许多方面帮助世界。

一旦我们能够使用量子计算机模拟自然界中发生的氮固定过程，我们就能更好地了解在工业场景中复制它的可行性。这可以节省能源并减少碳排放。有许多类似的应用可能会对我们的生活和地球产生重大影响。

总的来说，在量子计算机内的纠错领域足够庞大，足以写一本专著。然而，我希望通过专家的意见提供一个概述，并展示纠错领域的机遇。

第十二章：对化学的影响

“量子霸权”一词是由加州理工学院的约翰·普雷斯基尔（John Preskill）于 2012 年创造的。科学家们预见到一种状态，在这种状态下，量子计算机将能够完成经典计算机无法完成的任务。尽管这是量子霸权的一个非常宽泛的定义。这或许是谷歌声称他们的柳树芯片（Sycamore chip）已实现量子霸权的原因。

柳树芯片（Sycamore）是一款 54 量子比特的处理器，能够生成随机数。用于执行此任务的算法在经典计算机上需要超过 10,000 年的时间，而在柳树芯片上只需 200 秒。IBM 对此声明提出了异议。他们计算出谷歌的柳树芯片的整个量子状态矢量可以存储在“顶点”——世界上最大的超级计算机，具有 250PB 的存储空间中。

科学家们审查了谷歌的工作，并透露出处理器具有高保真度和超快速门。但这就是量子霸权吗？

在我与量子研究人员的所有对话中，尤其是与富士通的戴夫·斯奈林（Dave Snelling）的对话中，他们强调我们需要谨慎对待围绕量子霸权的炒作。他们证实了我认为该行业显然处于起步阶段，并且任何过早的庆祝都可能适得其反的观点。

回到量子霸权的问题上，在我看来，这与计算速度关系不大。尽管量子霸权有一个通用的定义，但更多地涉及到以前从未尝试过的方式在计算机内对粒子物理进行建模的能力。它更多地涉及到解决我们甚至无法在经典计算机中准确建模的问题。此外，利用量子退火器，具有相关变量的组合优化问题将更容易解决。

这或许最适用于化学和医疗保健中的量子计算用例。我们长时间讨论了技术在医疗保健中的应用。在化学中，研究人员的目标之一是能够解决原子和分子的薛定谔方程（SE）。

用于描述原子和分子的 SE 波函数，可以用来模拟这些粒子的物理化学性质。在这个阶段，不详细讨论，要点是经典计算机精确计算分子系统一直是一项艰巨的任务。

在本章中，我们主要讨论化学中的量子计算应用。我们将涉及到关注这一领域的组织、使用的技术以及研究人员正在探索的算法。

化学领域中区块链的应用也很有趣，但相对于其他行业来说，应用相对有限。除了技术在化学供应链中的应用外，我们也开始看到其在风险管理中的潜在应用。在化学工业的紧急情况下，区块链可用于灾难恢复和业务连续性管理。我们也将在本章中讨论这一点。

让我们首先看看量子计算如何帮助我们计算目前用经典计算方法无法解决的化学过程。能够模拟这些过程将使我们能够解决长期存在的工业问题，我们将看到。让我们首先看看氮固定过程。

氮固定

化学品无处不在。从我们喝的水到构成我们身体的细胞，用于农业的肥料，植物光合作用的驱动因素 - 所有这些都是基于化学物质的。了解化学反应过程中化学物质的行为对于预测反应结果至关重要。

让我们以肥料为例。肥料被用于农业以增加作物产量。在早期，农民们使用天然肥料，如动物粪便来改善作物生产。1914 年首次使用了合成肥料，自那时起，这个行业已经发展得如此之快，以至于今天，它占全球能源消耗的 1.2%。

肥料主要分为三种营养素：氮、磷和钾。氮是所有营养素中最重要的。然而，氮以氨（NH[3]）的形式供给作物。将大气中的氮（N[2]）转化为氨（NH[3]）的过程称为氮固定。

对于植物来说，这一步骤非常重要，因为它们可以代谢氨，而氮大多是不活跃的。氮固定过程自然发生，由细菌通过酶如氮酶的催化而发生。这些细菌利用这些酶将氮（N[2]）转化为氨（NH[3]）。自然使其看起来非常简单；然而，在工业背景下，情况并不那么简单。

在工业环境中从氮制备氨的机制称为哈伯-博斯过程。这个过程需要大量能量，占世界 CO[2]排放量的 2-3%。这不仅是因为工业过程，也是由于农业部门对氮的需求。

氮在施用后在土壤中不能长时间停留。因此，必须重新向土壤施加氮。因此，氮肥的消耗和需求高于磷和钾肥料。肥料行业消耗的总能量中有 93%被氮肥占用。

这是一个迫切需要解决的问题。植物及其利用的细菌是如何在不费吹灰之力地将氮（N[2]）转化为氨（NH[3]）的？为什么我们采取了如此能源密集的方法来生产化肥？我们是否能够在工业环境中复制氮与氮酶等酶之间的反应？

这似乎是值得探索的解决方案，而且确实是全球几位量子计算研究人员的研究领域。这将帮助我们减少 2-3%的 CO[2]排放，并且让我们可以毫无负罪感地吃饭。因此，我们需要开发对自然的氮固定过程的理解。但是氮和细菌之间的反应很难理解，因为经典计算机无法对其进行建模。

特别重要的是深入了解氮酶的辅因子，称为 FeMoco，如何进行氮固定的过程。获取该反应细节的实验尚未成功。

化学反应必须考虑电子相关性。这是化学反应中化学物质中的原子和分子中的电子相互作用的地方。由于电子相关性影响量子系统内电子的运动，引入了一整个新的复杂度维度。这影响了化学反应的结果，并导致简化的粒子相互作用建模不足以胜任。因此，准确预测化学相互作用的结果是极其困难的。需要高度精确的电子结构模型来模拟这些粒子的行为。

尽管在经典计算机上有一些技术，如密度泛函理论（DFT），但它们仍然缺乏对化学反应建模所需的定量精度。因此，即使是只涉及一百个电子的化学反应对计算机来说也非常困难。因此，科学家正在寻求量子计算方法来解决这个问题。

目前，DFT 在获取多体（多电子）系统的薛定谔方程的近似解方面颇受欢迎。来源：newton.ex.ac.uk/research/qsystems/people/coomer/dft_intro.html

量子计算机可以模拟自然界中产生氨的化学反应，以便我们更好地理解并可能在工业场景中复制它。在这种情况下，科学家正在探索在量子计算机中执行氮酶和 FeMoco 之间相互作用模拟的方法。算法如 Trotter-Suzuki 分解和截断的泰勒级数用于模拟化学反应，精度各不相同。来源：www.pnas.org/content/114/29/7555

正在研究一种混合模型，该模型在化学反应的不同步骤中使用经典和量子计算机。通过在经典计算机中使用经过验证的 DFT 方法来执行化学反应中的分子结构优化。DFT 也可以用于验证量子计算机的输出并反馈到分子结构化过程中。这确实是为了计算电子之间相关能量而需要使用量子计算机。

探索量子计算的过程中，可以使用基于门的方法来实现量子算法，并计算相关电子的行为。科学家进行的一个实验标题为Elucidating reaction mechanisms on quantum computers，确定了三种不同的基于门的方法以及每种方法所需的资源：

实现量子算法的第一种方法涉及对旋转进行序列化操作。
在第二种方法中，影响自旋的哈密顿量是并行执行的。
第三种方法将旋转分别建模，并在需要时传送到量子电路中。

使用逻辑 T 门和 Clifford 电路的组合，以及用于容错的表面码，他们已经表明可以分析化学反应中电子的行为。

将这些选项结合起来时，串行操作可能需要一年的时间。然而，当第一种和第三种方法结合在一起时，模拟可以在几天内完成。但是，执行此操作的成本很高，并且需要增加 20 倍的量子位数量。如果我们嵌套执行门，那么成本将增加，因为量子位数量增加，这反过来会导致执行时间的降低。

所有这些的关键要点是这项技术有着巨大的潜力。与此同时，挑战仍然存在。正如我在与山姆·麦克阿德尔的访谈中强调的，容错性是一个重要的问题需要解决。我们需要拥有一个具有多个纠错量子位的逻辑量子位。

在目前阶段，将解决方案扩展到更大的分子的成本并不是非常可行的。但是所引用的实验显示，量子计算机可以用于通过氮固定过程识别能量状态。通过更多这样的实验，完成此操作所需的时间可能会减少到仅需几天。

另一个关键突破是在 2018 年 7 月取得的，研究人员展示了由离子的量子化能态构成的量子位电路可用于模拟简单分子。可以使用仅四个被捕获的离子计算氢（H[2]）等小分子的能量态。原则是阵列中的离子将准确表示正在研究的分子的电子之间的相互作用。

量子计算社区内有关离子阱量子比特优于超导量子比特的大量炒作。在化学方面，离子阱量子比特可能更容易计算分子间相互作用。但超导量子比特的优势在于它们更容易使用现有设备进行控制。结果，我们可能会发现量子设备采用“对人而言是马，对事而言是鹿”的方法，也就是为每项工作找到合适的工具。

在这两种量子比特的研究人员之间展开的健康竞争总是有益的。它有助于创新的速度和质量。一旦我们能在容错量子比特电路上完成几百个门，我们应该能够在几个小时内模拟固氮，而不是几天甚至几个月。

尽管存在这些挑战，这些实验和突破给我带来了希望，我们很快将解决规模化化学问题。化学在使世界更绿色、更清洁和总体更好方面的作用几乎无法被夸大。通过在实验室条件下模拟自然过程的能力，我们将不必重新发明化学过程。我们可以从自然行为中获得灵感，因此创造尽可能接近自然的化学过程。我们已经讨论了量子计算如何帮助我们更准确地模拟量子系统，特别是在固氮方面。另一个可能为世界增加巨大价值的关键化学用例是碳捕捉。让我们详细看看。

碳捕捉

我们生活在一个出现持续的全球各地天气异常的时期。目前，这些天气异常的影响相当局部化。在 2020 年，我们看到澳大利亚出现了大火，整个大陆的温度上升，加利福尼亚发生森林大火，亚洲和非洲出现前所未有的洪水——所有这些都是日常自然事件，都向我们表明我们正处于气候紧急状态。

世界各地的科学家已经达成共识，气候变化正在发生。过去三个世纪的工业革命，提高了我们向大气中排放二氧化碳（CO[2]）的速度。

全球人口激增至约 78 亿人增加了对食品的需求，因此也增加了对农业的需求。由于人口增加对农产品的压力，已导致农业用地的扩大，进而导致大规模的砍伐森林。

工业化和农业导致了 CO[2]排放到大气中。我们产生的 CO[2]和其他温室气体将地球包裹在一层毯子中，阻止了热量的逸出。森林可能是这个问题的解决办法，但砍伐森林正在减少森林对地球气候模式的影响。

树木从大气中吸收 CO[2]，从而减少保暖效应。树木还向大气中释放水。一棵大树每天可以向大气中释放约 1000 升的水。例如，亚马逊雨林大约有 6000 亿棵树，每天平均释放 200 亿公吨水（假设是晴天），起到空调的作用。

然而，在亚马逊雨林，森林砍伐规模庞大。我们每分钟失去 150 英亩的森林，每年失去 7800 万英亩的森林。我们已经失去了亚马逊雨林的 20%。亚马逊雨林对全球气候模式和降水的重要性不容小觑。因此，我们需要一个 B 计划来确保至少减少释放到大气中的 CO[2]。

碳捕集是将大气中的碳困住并隔离在储存单元中的过程。然而，捕集空气中的碳并不是一件容易的事情。我们如何知道捕集碳的最佳设备和化学物质是什么？这就是量子计算可以帮助我们解决的问题。

碳捕集可以分为预燃捕集、后燃捕集和氧燃烧。我们主要关注后燃捕集，在工业过程结束时，捕集、压缩和储存排放的 CO[2]烟气。

要大规模从空气中捕集 CO[2]，我们将需要配备能够高效完成工作的正确捕集技术设备和化学物质。目前，碳捕集和封存（CCS）方法使用液态胺/氨溶剂清洗排放的 CO[2]。这些溶剂本身产生的能源密集型，有效地使碳捕集过程自我失效。

下一代碳捕集方法主要集中在活性炭（ACs）、沸石和分子筛上。ACs 是一种具有高孔隙度和表面积的碳形式。它们已被证明在碳捕集方面效果更好，而且成本也比 CCS 方法低。

但我们尚不了解功能化 ACs 与 CO[2]之间的相互作用。美国化学学会发表的一篇研究论文描述了使用量子理论（非量子计算）分析此相互作用，可在www.claudiocazorla.com/JPCC-Ca-CO2.pdf查阅。

研究探讨了利用钙原子对 AC 材料进行表面掺杂，并研究了掺杂材料与 CO[2]之间的相互作用。他们使用了我们之前讨论过的 DFT 方法，就像在肥料案例中一样。他们还确定了掺钙碳材料具有高碳捕集能力。

在同一实验中，他们确定氮（N[2]）与掺钙碳材料的结合能力较差。实验分析了钙掺杂石墨烯的吸附能力，并证明了其有效性。实验还涵盖了材料表面积方面的过渡状态，以及材料表面积改变时碳捕集能力的差异。

总的来说，这项研究表明，如果我们能够大规模进行碳捕集，对地球将产生重大潜在影响。虽然我们有几种选项可以进行碳捕集，但我们将需要使用正确的技术来帮助确定一个最佳和可持续的解决方案。利用量子计算来理解反应将有助于确定选项及其与碳捕集的功效。

尽管做出了所有努力，但要理解碳捕集过程仍有大量工作要做。IBM 和 Exxon Mobil 已经共同使用量子计算进行了多项对环境有益的应用。预测环境建模、碳捕集和优化电网是该计划预期的三个关键结果。Exxon 是第一家与 IBM 在此类计划上合作的能源公司。

这就是我们对量子计算在化学中的应用的探讨结束了。您可能还记得我们在第六章 对医疗保健和制药业的影响 中也涉及了一些有趣的分子分析主题。因此，我在本章中提出了量子计算在化学中的一些潜在应用，这些应用我们之前尚未涉及。

化学和量子计算的一个有趣方面是能够利用噪声中间尺度量子（NISQ）设备。让我们看看为什么 NISQ 是化学应用的一个好选择。

NISQ 和化学

在我与 Sam McArdle 的采访中，我们讨论了 NISQ 作为充分利用“坏”量子比特的方法。在典型的带有纠错的逻辑量子比特中，您可以有少量量子比特进行计算，以及大量量子比特进行纠错。例如，使用表面码，您可以有一千个嘈杂的量子比特和一个无误差的量子比特。

虽然在 NISQ 中，我们使用噪声比特来进行计算。由于这些量子比特是嘈杂的，进行计算所需的时间必须很短。如果计算不够快，我们可能会得到容易出错的结果。通常，这种设置将涉及一个较短的电路和没有纠错量子比特。每次重复后系统都会重新初始化，以确保错误不会累积。

因此，我们需要使用一个可以适应较低相干时间的方法。相干时间只是指量子状态可以存活的时间跨度。传统上，一种叫做量子相位估计（QPE）的方法被用于模拟波函数的时间演化。使用 QPE 在化学反应上进行计算首先由 Aspuru-Guzik 和 Seth Lloyd 设想，但 QPE 需要一个有效的容错设备，因为它具有更高的相干时间。通过容错设备，QPE 能够计算化学哈密顿量的基态能量。

QPE 和高相干电路深度对化学而言可能是限制因素。

最近出现了另一种叫做变分量子本征求解器（VQE）的方法，用于辅助模拟分子相互作用，并取得了令人满意的结果。VQE 需要比 QPE 更短的相干时间，并且可以在具有低相干时间的嘈杂量子比特上使用。因此，VQE 可用于 NISQ 设备，以模拟化学反应的目的。（资料来源：pdfs.semanticscholar.org/00ee/5a3cc1d14da2ec3e0ab15674dfb29b1d233c.pdf 和 pubs.rsc.org/en/content/articlepdf/2019/cp/c9cp02546d）。

但是，为什么 NISQ 适合研究化学呢？我们需要理解这个上下文中的“噪音”来回答这个问题。在量子计算的环境中，“噪音”指的是量子比特（构成电路的粒子）与它们的环境的相互作用。在量子计算的其他应用中，比如随机数生成，这可能导致计算中的错误。

然而，在化学中，我们使用量子计算机来复制自然和物理，噪音代表了分子存在和相互作用的环境。当使用嘈杂的量子比特来模拟分子行为时，它告诉我们分子在自然界中将会如何行为。这是我们潜在可以利用的特性，而在这种情况下噪音成为了一个特征。

由此可见，量子计算的最大痛点之一成为化学模拟中的不可或缺的特性。哈佛大学的材料理论研究空间，名为 NarangLab，致力于利用 NISQ 来发现新的电子材料。

传统计算机实际上并没有很好地应对模拟电子材料。这可以通过使用量子计算机来更好地解决。电子材料也主要由有规律排列的原子组成。因此，我们不需要模拟所有原子来研究这些材料的行为。挑选几个典型的原子就足够了，只需要几个量子比特来模拟它们的相互作用。

尽管化学反应存在复杂性，但我相信这可能是一个比许多其他领域更快开始出现商业应用的领域。使用 VQE 进行化学模拟的 NISQ 应用肯定会改善这些解决方案的"上市时间"。

正如本章前面讨论的，其中一些解决方案，例如氮固定和碳捕获，对环境可能产生巨大影响。减少碳排放和生产化肥的能源足迹是具有长远影响的成就。正如我们在第六章中讨论的对医疗保健和制药业的影响，了解化学反应也可以帮助我们更好、更快地建模药物的功效。

现在让我们转向另一个关注的技术—区块链，以及它如何在化学中发挥作用。

化学中的区块链

到目前为止，我们已经看到区块链在不同行业中的应用，并在此过程中确定了一些区块链属性，可以在类似模式下在不同行业中发挥作用。例如，可以在供应链中使用区块链来减少文书工作，实现即时付款，并推动效率。这对制药行业和化工行业同样适用。

同样，区块链智能合同可以作为一种基于数据的方法，自动执行和履行生态系统参与者、供应商、供应商和供应链参与者之间的合同义务。这在物流和医疗保健中都是真实存在的，在化学行业也是一样的。因此，我不会回头看之前章节中讨论过的那两个例子，而是将重申这些化学用途。

然而，每个行业都有其独特之处，当讨论技术和创新如何帮助它们实现效率、增长或更好的收入机会时，最好触及一下。看看化学工业，我可以看到区块链在两个关键应用方面发挥作用：

促进产业生态系统
灾难恢复和灾后规划

让我们依次看看这些应用程序。

促进产业生态系统

我大学毕业后在孟买生活了大约一年，并在一家名为 Patni Computers 的技术咨询公司工作。我的基地是 Navi Mumbai，也是信实工业总部所在地。信实是印度最大的品牌之一，由传奇人物 Dhirubhai Ambani 创立。他的儿子 Mukesh 和 Anil 已接管了公司。

Mukesh 在推动品牌前进方面表现得非常出色，而他的兄弟 Anil - 在印度众所周知并被《福布斯》等媒体报道的沦落，表现则相对不那么出色。在我在 Navi 孟买的日子里，我可以看到信实正在建立他们自己的小生态系统。在这种情况下，生态系统代表供应商、供应商和其他供应链利益相关者。即使是他们在城市中的实体存在也展示了全生态系统范围内的参与，涵盖了供应商、供应商和其他利益相关者。信实化学品今天是信实帝国的一个重要组成部分，2019 年报告的收入达到 900 亿美元。

这种生态系统行为仍然存在，只是行业生态系统内的参与和数据共享是以数字形式发生的。与食品生态系统类似，化学行业也需要采取一种市场化的方法（不是市场模式）来与不同的利益相关者分享数据。

这种参与可以帮助建立围绕创新的更好标准，并帮助生态系统共同努力为某些特定目的创建特定化学品。回到我们的肥料例子，如果价值链核心的公司能与供应商合作，创建可能需要对其供应链进行定制调整的专有肥料配方，那将会使创新和差异化变得更加容易。

德国巴斯夫公司，全球最大的化学生产商，正在与区块链公司 Quantoz 合作。他们建立了一个平台，用于由物联网(IoT)驱动的支付，还有其他几个利益相关者也参与其中。在生态系统背景下使用区块链在化学行业仍处于早期阶段。然而，一旦有几个试点证明了效力，就有真正的机会进行扩展。

我们已经介绍了区块链如何帮助我们了解化学品的生产过程。对于化学厂的灾难恢复，有必要实现供应链的端到端可追溯性和透明度，这有助于化学品的制造、物流、存储和分配。现在让我们来看看区块链在化工厂灾难恢复中的应用。

灾害恢复

1984 年 12 月 2 日，印度博帕尔市发生了一场重大灾难，至今仍然困扰着当地社区。联合碳化物杀虫剂工厂释放了约 30 吨甲基异氰酸酯等有毒气体。这种气体与大气混合，影响了居住在附近城镇和村庄的约 60 万人。直到现在，死亡人数已达 1.5 万人，包括即时死亡和多年来的死亡。许多人失去了视力，邻近地区的人们也面临健康问题。

关于社区中死亡和疾病与事故之间联系的综合研究尚未进行。人权组织仍然声称有数吨化学品被埋在地下，印度政府已宣布该地点受到污染。化学工业，就像能源部门一样，在帮助世界解决了几个问题方面取得了巨大成就。但是，当事情出错时，事情会变得非常糟糕。

在这些情景下，灾难恢复变得非常重要。在进行灾难恢复时，了解化学品的影响至关重要。就博帕尔气体泄漏事故而言，让我们快速看看区块链如何帮助灾难恢复机制。

区块链上关于供应链、库存和原材料使用情况的数据可以在几乎实时的注册表中捕获。这将使我们能够评估生产的化学品量可能被释放到空气中的数量。根据跟踪到工厂的化学品数量以及危机后剩下的数量，我们将立即能够计算出问题的规模。

一旦评估了释放到环境中的化学品量，就可以制定关于所需药品的数量和质量的即时解决方案。由于区块链支持的注册表的不可变性，我们还将知道是什么导致了事故。特别是如果我们追踪了供应链和原材料、中间产品以及最终产品在制造过程中的流通，我们将知道事情出了什么问题。

将物联网传感器整合到流程中，可以在微观水平上跟踪温度和原材料供应速率，这将是有用的。随着所有这些数据的跟踪，它可以帮助灾后审计和保险流程。审计员可以根据数据做出关于供应链变更、运营流程变更和化学流程调整的决策，并相应地增加治理和控制以确保业务连续性。

所有通过过程捕获的数据都可以为未来的运营卓越定义最佳实践提供宝贵的参考。化工行业，就像能源部门一样，可以从这些数据驱动的倡议中受益良多。2018 年的一份埃森哲报告强调了使用区块链作为化工行业灾难恢复的黄金数据源。然而，这种用例尚未在规模上得到证明。

正如我们在前几章中所指出的，区块链应用在供应链管理、贸易融资和智慧城市领域正变得越来越受到关注。任何需要管理和保持生产、运输和分发商品完整性的价值链都是区块链的极好用例。然而，对于这项技术来说，现在还为时过早。这是一个 12 岁的技术，几乎肯定会经历它的寒冬。

结论

深度技术，如量子计算和区块链，可以在化工行业创新和运营方式上带来范式转变。量子计算在化学中的应用案例与医疗保健中的类似，主要是利用量子算法和设备模拟和计算化学反应。

对于量子计算化学应用来说，还有两个关键加速因素。一个是分子可以更自然地在量子位上使用不同的电路进行建模。我们看到困禁离子量子位比超导量子位电路更适合化学。另一个有趣的方面是利用 NISQ 设备进行化学研究的能力。NISQ 设备对化学来说可能是完美的，因为噪声可以用作模拟分子行为的特征。

在密码学的量子计算解决方案中，情况并非完全如此；因此，利用噪声量子位的能力，化学应用是特殊的。我们还提到了使用需要较低相干时间的 VQE 等技术。所有这些因素的综合作用下，化学解决方案有可能成为该行业中首批商业化的解决方案。

然而，化学行业对区块链的潜力还没有真正觉醒。当数据跟踪和共享发生在不可变记录上时，从风险管理和灾难恢复的角度来看，它可能带来的影响可以增加很多价值。我们还提到了为什么区块链生态系统在化学行业中可能相关，因为它们有助于更轻松地为特定化学品创建定制供应链。

在这个行业中有很多机会，对于那些能够开发解决方案以超越当前限制的人来说。要使这些解决方案成为主流，需要克服技术障碍。但关键的要点是，对于化学品行业来说，量子计算应用可能会超前于区块链应用。在随后的章节中，我们将探讨量子计算可能对密码学造成的风险。

第十三章：物流对物流的影响

几年前，我在牛津大学赛德商学院上一堂全球商业战略课。讲课的人曾经是沃尔沃在赛里斯的负责人。他接管沃尔沃赛里斯业务时，公司的销售额仅有几百万美元，但他将其发展成了一个价值数十亿美元的帝国。

他正在解释沃尔沃采取的策略，以在赛里斯市场保持其竞争优势。当我们讨论他们的赛里斯故事时，讨论也涉及到了印度。沃尔沃高管说：“印度至少比赛里斯落后十年。”

我真的无法接受那个评论。我问他为什么会这么说，当印度有 GDP 数据、人口、不断增长的中产阶级和更高水平的英语熟练度时。他提到这是因为印度国内破碎的供应链和物流基础设施。印度的每个邦都有不同的税收规则和法规，当一个公司在多个邦运营时，高效处理供应链是一项重大负担。

这不仅仅是印度面临的挑战。这是全球范围内的挑战，全球业务的物流往往是企业的负担。诺基亚之所以无法在 2007-2008 年迅速应对苹果的崛起，其中一个主要原因就是其供应链不够灵活。

尽管供应链是几个行业的关键问题，但道路、铁路和空运的有效利用也可能是一个重要因素。所有世界上攀升 GDP 梯队的主要经济体都必须保持一个健全的制造业。物流是一个国家制造业能力的基本要素。

在一个严重依赖分销的行业，物流效率即使提高了一小部分，也可能带来巨大的成本节约。当这些效率在一个国家范围内扩展时，可以导致 GDP 的增长。

在我与富士通的戴夫·斯内林讨论时，他提到物流可能是经典计算机最难解决的问题。这不仅是因为问题空间的复杂性，还因为需要解决的约束条件。据他说，这是一个量子计算机可能产生严重影响的行业。

除了物流之外，以安全、可靠的方式在网络中进行通信也是至关重要的。依赖于高效运输和货物交换的分销网络也依赖于信息的安全、可靠和快速交换。量子传送是一个重要的应用案例，它可以补充物流部门。这在军事物流中尤其如此，那里的信息交换经常需要与物流手段相辅相成。

转到区块链，贸易金融和供应链管理似乎是技术最有用的领域。世界各地有几个倡议致力于证明区块链在物流和贸易金融中的应用。

在本章中，我将涉及物流、交通和供应链管理中的挑战，以及量子计算和区块链如何可以用来解决行业中的一些瓶颈问题。

让我们从谈论良好基础设施和有效物流的基础中开始：有效的交通管理系统。

交通管理系统

物流和运输行业是维持工业化经济运转的基础。我们处于汽车被连接到网络的时代。网络服务器始终知道该网络上每辆车的位置。自动驾驶汽车距离成为主流还有几年时间，但连接的汽车肯定已经出现了。

其他交通方式也是如此。公共交通也逐渐开始数字化驱动。赛里斯最近宣布了一列从北京到张家口每小时行驶 350 公里的无人驾驶列车。

由于该领域的数字化，我们拥有了数据及其提供的智能的奢侈。这种智能可以用来使交通系统更加高效。一个简单的例子是特斯拉如何管理其汽车网络。特斯拉汽车本质上是轮子上的电脑。它们连接到一个服务器，该服务器知道该网络上每辆车的位置。

如果我是一名特斯拉司机，在行驶途中寻找一个超级充电站，我可以看着特斯拉汽车的仪表盘，它会告诉我最近的超级充电站。更重要的是，它还会告诉我充电站有多空闲。它之所以能做到这一点，是因为服务器知道每辆车的位置，如果有五辆车在一个有六个充电点的站点充电，它可以告诉我只有一个充电点是空闲的。

这是智能交通管理的简单实现。2018 年 11 月，大众汽车公司宣布他们正在研究量子计算解决方案来预测交通流量和运输需求。该解决方案将类似于航空交通管制系统。系统通过不断的交互知道车辆的位置，并能为连接到系统的车辆提供优化路线。

我们生活在一个碳排放量排名第二的世界，仅次于工业碳排放。这样的解决方案不仅会节省时间和成本，还将帮助我们大规模减少碳排放。然而，只有更多的汽车制造商联合起来，这些解决方案才能起到作用。

大众在他们的量子探索中并不孤单。丰田、宝马、福特和其他几家公司也在研究交通管理系统。在我与戴夫·斯内林的采访中，他提到了富士通的 Digital Annealer 如何已经帮助宝马改善他们的制造流程。

为了建立一个可用的交通管理系统，我们需要所有汽车制造商都配备传感器，这些传感器与服务器不断进行交互。我们还需要这些汽车制造商围绕这些数据交互建立标准。让我们看看为什么这很重要。

假设 A 驾驶一辆福特车，B 驾驶一辆丰田车。两者都在道路上，并开始向服务器发送数据并从服务器接收交通信息。现在，对于 A 来说，这些数据只能是关于道路上的福特汽车，对于 B 来说，这些数据只能是关于道路上的丰田汽车。除非道路上有 90% 的汽车是同一品牌，否则这可能不会太有帮助。参考链接：www.frontiersin.org/articles/10.3389/fict.2017.00029/full

让所有汽车制造商共同协商并就数据交换标准和握手机制达成一致是很重要的。一旦在我们的示例中实现了这一点，驾驶福特车的 A 将能够获得有关 B 的信息，反之亦然。这是因为福特和丰田现在已经同意交换信息，并且他们的握手机制是标准化的。

想象一下，在未来的 10 到 20 年里，所有汽车制造商之间都进行信息交换。我们将在每辆汽车上都拥有一个联网的交通管理系统。服务器每秒将收到来自道路上车辆的数百万个数据点。它们将需要具有实时处理数据并向汽车驾驶员返回有意义的交通见解和指令的能力。

使用联网汽车的解决方案是未来的发展方向。然而，可以利用当今的基础设施和数据源开发交通管理系统。另一种获取交通信息的选项是利用智能手机和手机基站的数据。汽车制造公司可以与电信服务提供商合作，获取有关道路上行驶人员的地理空间数据。尽管这可能不像来自联网汽车的数据那样准确，但基于从电信提供商获取的地理空间数据的交通管理系统今天已经是可能的。

这正是大众交通管理系统采用的方法。交通管理是一个组合优化问题，而 D-Wave 机器擅长解决这些问题。在大众的实验中，D-Wave 机器被用于识别在拥有 4,000-5,000 辆出租车的城市中进行交通管理的优化解决方案。

D-Wave 的量子处理单元（QPU）通过使用两个关键输入来解决量子无约束二进制优化（QUBO）问题。一个是以量子位状态的二进制变量向量。第二个输入是一个N x N矩阵，描述了这些量子位之间的关系。其目的是找到每辆出租车的最佳路线，以确保拥堵最小化。

对于每一辆出租车，我们知道其出发地、目的地和当前路线。然后，我们为每辆出租车确定一组备选路线。这些路线应该与出租车当前行驶的路线完全不同。因此，对于每一辆出租车A，“最终解决方案中总会有一条路线B是正确的。”每辆出租车每条路线的变量T[ab]在 QUBO 的最小值中为真。

所有出租车的这些数据都编码到 D-Wave 中，系统经历绝热退火过程。该过程确定提供最低拥堵路线的解决方案。与该过程相对应的系统低能态应该确定低拥堵路线以及在该场景中汽车可能采取的备选路线。

该系统可以通过将特定出租车的路线随机分配来进行有效性测试，这将导致为其他出租车重新分配新路线，以达到整个系统的低拥堵状态。在大众汽车的实验中，解决方案在设置系统后的 1-5 秒内就得到了。从现有的行业软件中也可以在 30 分钟内获得相同的结果。

2019 年，美国专利 US20190164418A1 授予了大众汽车的“用于预测和最大化交通流的系统和方法”。2019 年 11 月，大众汽车的系统安装在里斯本的公共汽车上，以确保它们的路线得到优化，并实现城市交通流畅。

这种量子计算解决方案可能尚未在解决这些问题上产生巨大差异，但它为更实时地解决更困难的问题打开了选项。在一个快速走向气候紧急状态的世界中，任何能够帮助节省能源、减少二氧化碳排放并降低人均碳足迹的解决方案都是朝着正确方向迈出的一步。现在让我们看看航空业如何受益于量子计算。

空客量子计算挑战

第一次商业客运航班于 1914 年 1 月 1 日从圣彼得堡飞往坦帕起飞。现在距离那次事件已经过去了一个多世纪，但航空业和航空公司的创新基本上已经停滞不前，甚至停滞不前。除了埃隆·马斯克、理查德·布兰森和杰夫·贝索斯等最近的倡议，这些倡议都集中在星际旅行上，我们几乎没有看到任何重大的航空旅行升级。

航空业大多是一种亏损的尝试，而且即使对于航空公司来说，制定正确的商业模式也已经够困难的了。在这个行业，任何研发计划都是凤毛麟角。

这种现状可能正在改变，因为空中客车正在为航空业的创新努力开拓先河。他们特别关注量子计算倡议。他们在威尔士的纽波特设立了一个量子计算应用中心。他们与威尔士政府合作设立了空中客车企业。该项目的重点是数字和低碳经济的技术研发。

空中客车的量子计算工作不仅侧重于通过更好的空中交通管理实现后勤优势。他们还在进行流体动力学、有限元模拟、空气动力学和飞行力学方面的工作。利用量子计算来建模飞行物理学可以带来几个好处。

例如，目前，对飞机机翼上空气流动进行建模可能需要 7 年时间。来源：quantumbusiness.org/quantum-computing-future-flight-aviation/

空中客车的创新目标是在几周内对每一颗与飞行机翼相互作用的空气分子进行建模。这可以帮助他们了解他们的飞行设计将如何影响燃油消耗，减少阻力，并使飞行更加可持续。他们的研究还涉及在飞行中使用先进材料以及它们对飞机效率的影响。

提高建模速度（从几年缩短到几周），无疑会加速未来更好飞机的设计和制造。空中客车显然已经意识到这项技术可能对其命运产生的影响，并投资于一家名为 QC Ware 的量子计算公司。

QC Ware 正在为化学建模、流体力学、蒙特卡洛模拟、机器学习和优化等各种用例构建量子计算能力。因此，它能够帮助空中客车应对他们的特定需求。

空中客车最近还发起了一项名为空中客车量子计算挑战赛（AQCC）的竞赛。这项竞赛是由空中客车首席技术官格拉齐娅·维塔迪尼在慕尼黑的 DLD 大会上宣布的。这对航空和量子计算行业都是一项令人振奋的发展。

AQCC 呼吁量子计算生态系统与空中客车合作解决该行业面临的一些难题。比赛的重点领域如下：

飞机爬升优化，可以帮助飞行实现低成本指数
通过计算流体动力学（CFD）进行飞机设计优化
量子神经网络解决偏微分方程
机翼箱体设计和重量优化以降低成本和环境影响
飞机货物优化，以减少燃料使用和成本

这是一种有趣的方法，通过众包解决行业主要挑战和机遇之一。空客公司也表示，解决方案的所有权将保留给向该竞赛提交这些解决方案的团队。

从空客的尝试中很明显，量子计算被视为一种可以解决经典计算机在可行时间内难以实现的问题的技术。

显然，这对航空业来说还处于早期阶段。但全球航空业亏损，需要创新来帮助其提高运营效率和降低成本。

空客防务业务线正在研究数据安全和量子抗性密码学。现在让我们来看看量子传输和量子计算生态系统中的数据传输。

量子网络

物流依赖于及时和安全的数据和信息传输。在军事场景中，战斗机的信息需要实时传输。在自动驾驶汽车网络中，汽车的位置需要传输，并且交通控制指令需要返回给汽车。另一个用例是在空中交通管制中，需要传输有关飞行位置和速度的信息以优化交通。在所有这些场景中，我们需要确保数据安全地在发送方和接收方之间传输。

我们生活在一个数据安全技术远远落后于需求的时代。例如，在过去的十年里，亚洲有超过十亿人加入了互联网。仅在印度，2015 年至 2019 年间有 3 亿人获得了移动互联网。但是，大多数这些人并不意识到连接到万维网并进行金融交易。

数据隐私和安全对社交媒体用户和大型品牌的客户变得越来越重要。由于其数据隐私政策，标签 #FacebookIsDead 已经流行了很长一段时间。许多人开始感觉到亚马逊、谷歌和 Facebook 等大型技术公司已经垄断了互联网的使用，并且对用户数据也有明显的垄断。

虽然数据隐私是需要解决的一个问题，但数据安全是另一个我们需要解决的重大挑战。世界正在通过物联网（IoT）设备变得日益连接。数据从未像现在这样在这些设备之间以及消费者和企业之间共享。自动驾驶汽车可能在未来几年成为常态，随着技术的不断进步，我们需要大力关注网络安全。

根据 Gartner 的预测，全球网络安全支出预计将在 2022 年达到 1330 亿美元。仅在 2019 年上半年，数据泄露暴露了 41 亿人的数据记录。如果我们计划在机器互联更加频繁时过上安全稳定的生活，我们需要做得更好。

随着世界充斥着数据，我们如何确保以安全的方式进行通信？我们能否拥有更安全、更私密的互联网？量子计算可以帮助吗？对于这些问题有一些答案。在量子网络中，信息被传输为量子信息，利用了一种称为纠缠的量子比特属性。

爱因斯坦将这一属性描述为“远程诡异作用”，我们在我们的第一章中进行了重点介绍。两个纠缠的粒子可以用相同的量子态来描述，因此，观察其中一个粒子的状态将影响另一粒子的状态。尽管听起来很“诡异”，但这些纠缠的粒子表现得像一个单一的量子物体，并且可以通过一个波函数来定义。

为了在粒子之间传输量子信息，它们需要被纠缠。因此，该过程从创建纠缠粒子并将其安全传输到远程位置开始。一旦成功完成这一步骤，我们就有了一个量子信息的传输通道。

当两个纠缠的粒子中的一个被分配了一个状态时，它会自动影响另一个粒子的状态，即使它们相隔数英里。当我们对其中一个粒子进行操作时，这个操作会立即反映在另一个粒子上。这个过程被称为量子隐形传态。

全球正在进行几个试点项目，旨在创建一个基于量子隐形传态原理的量子互联网。欧洲的倡议由欧洲的量子互联网联盟（QIA）发起，该联盟致力于创建一个量子网络。量子网络是指纠缠的量子粒子在网络节点之间传输。量子信息通过这些纠缠的量子粒子在这些节点之间传输。

赛里斯通过努力利用光子连接不同的传输系统取得了巨大进步。赛里斯科学技术大学已经成功将纠缠粒子分发到两个地球站，一个位于华南，另一个位于青藏高原。这项工作由潘建伟在 2017 年领导，他利用了卫星基础设施进行了实验。

由于涉及的成本，这种解决方案可能在日常应用中尚不可行。有一些实验利用无人机作为传输网络的一部分，使该过程更具商业可行性。

因此，理论上，一旦建立了两个纠缠粒子，量子信息就可以传输，而没有任何人能够侵入。但是，实施量子传输的一个关键挑战是利用纠缠粒子创建传输通道。目前，许多量子网络的状态在很多方面都反映了早期互联网的状态。然而，事情正在迅速发展，全球范围内的倡议正在推动研究向前发展。

欧洲的 QIA，由本·兰恩领导，正在致力于创建一个 100 公里长的传输通道，中间点设有一个 50 公里的站点。在通道的每一端，都会创建一个纠缠离子和一个光子。然后通过光纤将光子传输到中间的站点，同时保持与对应离子的纠缠。

下一步是测量这些光子，使它们不再与它们各自的离子纠缠在一起，并通过这样做使离子纠缠。这个过程称为纠缠交换。这样一来，就可以通过一组纠缠粒子网络将量子信息传输到遥远的地方。

尽管这些实验使用一种物质（在上述情况下使用的是钙）来创建离子和光子，但当量子网络扩展时，并不一定要采用这种情况。根据量子比特的用途，可以使用不同类型的材料来创建纠缠粒子。例如，可以使用钙离子和锶离子来创建 Ca+/Sr+晶体。锶离子用于容纳进行计算的量子比特，而钙离子用于保持锶离子的冷却。

如果我们必须存储量子比特，我们可能还需要在网络中创建量子存储器（基本上是存储数据）。不过，这将需要网络范围内达成的相互一致的标准。

由于量子网络实验大多是局部的，这个行业仍处于早期阶段。然而，一旦量子网络开始在不同地区变得更为普遍，就会出现制定标准的推动，就像我们在互联网演化过程中所见到的那样。这就是量子网络可以用来传输量子数据的方法。但是量子信息的传输有多安全呢？

数据安全

创建纠缠的量子粒子，如果其中一个传输到远程节点，该设置可以用于安全的量子信息交换。当一个量子比特的状态发生改变时，它会自动影响其纠缠对的状态。利用纠缠在量子网络中传输信息的这一过程被称为量子传输。

量子传输的一个关键方面是状态从一个量子位到另一个量子位从未被复制。这也是为什么量子计算机中的错误处理是如此具有挑战性的原因。无法复制量子粒子的状态的方面被称为不可克隆性，是量子力学的一个基本公理。参考：www.nature.com/news/quantum-teleportation-is-even-weirder-than-you-think-1.22321#ref-link-6

量子粒子的不可克隆性质使得量子密码学变得强大。当观察时，量子粒子的状态会受到干扰，因此在不引起警报的情况下理论上不可能窃听传输通道。因此，在纠缠粒子之间建立传输通道是量子传输的重要一步。

安全传输和使用量子信息的另一种方法称为量子密钥分发（QKD）。在这种方法中，量子密钥作为量子数据共享给发送方和接收方。如果密钥被拦截，它将干扰信息，可能需要重新发送。如果密钥没有被拦截，它可以用于编码通过经典数据传输方式共享的消息。Bb84是由查尔斯·贝内特和吉尔·巴萨德于 1984 年开发的一种 QKD 协议，它基于同一量子属性。

量子密钥分发依赖通信的两个关键方面。它需要：

量子理论是正确的
通信中使用的设备要可靠

直到大约 2010 年，量子密码学被认为是不可渗透的和完全可靠的。然而，在此后的 10 年里，科学家一直在努力证明产生光子的装置可能会被强光脉冲致盲。通过这种方法，检测器可以被黑客远程控制。这导致了设备独立密码学的研究。来源：www.sciencedaily.com/releases/2013/05/130528122435.htm

到目前为止，我们已经讨论了量子计算在运输和航空物理领域的用例。这些是量子技术可以帮助解决传统计算机难以应对的问题的领域。然而，量子网络的建立不仅仅是在军事情景中传输机密信息的安全可靠方式，也可能成为未来的互联网。

因此，我觉得不仅重要讨论使用高效物流网络安全传输货物，同样重要的是涉及网络中的数据传输。

我们已经讨论了量子计算在协助我们解决物流问题方面的作用，以及量子网络如何能够改变通讯和互联网。现在让我们来看看在世界各地物流和运输领域中如何探索区块链。我们会发现，在跟踪和运输世界各地货物的效率提高方面，量子计算和区块链技术具有高度互补的潜力。

物流中的区块链

全球的商业通常都建立在信任基础上。在历史上，在世界许多地区，企业通常没有大量的文件或合同协议。大多数交易都是基于信任关系进行的。然而，随着企业开始在全球范围内运营，必须有更多的流程和控制措施以保护所有相关方。

随着企业跨越国界发展，交易中涉及多个交易对手，完成文件工作通常会导致延误。官僚主义增加了交易的成本和时间。当一家跨国企业依赖跨越世界多个环节的供应链时，例如，它给其制造过程增加了低效。根据世界经济论坛的数据，减少供应链障碍可以提高世界 GDP 5%，全球贸易 15%。

在农业或食品业务的情况下，食品产品在到达超市货架之前经历了数个环节。这不仅导致运营成本和延误，而且对于新鲜食品来说，到达店铺时品质已经下降。在许多情况下，存在大量的食品浪费。

根据联合国粮食和农业组织（FAO）的数据，大约三分之一的食物被浪费或丢失，发达国家损失了 6800 亿美元，发展中国家损失了 3100 亿美元。食品供应链中存在太多的低效问题需要解决。

随着世界变暖，由于降水过多或干旱条件，我们将看到食物生产出现更多波动。这扰乱了全球的贸易路线 - 我们可以看到的一个例子是斯堪的纳维亚地区贸易平衡的转变。

2018 年，干旱和水资源短缺导致该地区作物产量下降。因此，一些斯堪的纳维亚国家如瑞典成为了玉米和小麦等作物的净进口国。在那之前，它们一直是该作物的净出口国。该国的小麦产量降至 25 年低点。瑞典的谷物作物总产量从 2017 年的 320 万吨下降了 43%。然而，欧洲国家对这些作物的需求一直很高。来源：www.ja.se/artikel/58675/swedish-cereal-production-on-lowest-level-since-1959.html

让我们快速审视这种贸易转变的挑战以及对物流的影响。由于这种突如其来的不平衡，瑞典不得不进口这些作物。作物收割的短缺约为 140 万吨。

那么，你如何突然为这么大规模的进口创建物流？如何确保物流高效灵活？

瑞典在为作物进口分配港口容量以及将作物进口整合到其分销渠道中的物流方面存在挑战。这是未来国家如果必须适应气候变化的变化所需的基础设施。然而，这只是谜题的一部分；即使基础设施是为了预期而建立的，供应链和物流也需要运营高效，以减少成本负担。

瑞典是一个消费者基数相对容易管理的小国。然而，想象一下如果这种情况发生在更大的国家会怎样。即使它们是工业化国家，它们也将难以应对由气候变化驱动的全球贸易格局变化。这可能会导致全球作物价格上涨而引发通货膨胀。去年，由于谷物作物产量下降，欧洲就出现了这种情况，虽然规模较小。

关键的要点是我们将需要开始极度高效地处理我们的物流。技术可以帮助我们实现这一目标。

区块链技术可能在物流和供应链管理方面最有用。该技术最初引起的热情来自金融服务领域，一些利益相关者将其视为价值存储工具。然而，缺乏明确的全球监管框架，这一目标难以实现和扩展。尽管该技术在金融服务领域正在经历“人工智能寒冬”的时刻，也许物流领域会出现更成熟的区块链应用。

跟踪货物

区块链技术提供了几乎实时跟踪货物的能力。在一个有多个参与者的价值链中，移动货物到下一步需要几次不同的握手时，这种能力可以提高流程的效率。该技术提供的握手机制可以降低供应链中所有参与方的运营成本。

IBM 和马士基（Maersk）于 2016 年 6 月联手打造了一个名为 TradeLens 的区块链平台。TradeLens 提供供应链透明度，并帮助物流行业解决由于数据孤立而产生的问题。如今，TradeLens 已经拥有超过一半的海运集装箱货物数据。

随着这个物流提供商网络跨越大陆扩大规模，TradeLens 可以成为全球贸易平台，并遵循公开标准。这将通过提供有关货物跨越边境运输的透明度，使全球航运行业更加高效。

安永（Accenture）为物流建立了一个区块链平台，可以作为供应链交易的不可变记录。提单（一份船上货物详细清单，在交货时起到收据的作用）可以被替代，网络可以成为贸易文件的唯一真相来源。透明度和高效完成文件工作也是关键的收获。还有其他参与物流透明度工作的公司，如 ShipChain、微软和甲骨文公司。

食品供应链

让我们简要讨论一下在供应链环境中需要区块链技术的原因。区块链可用于需要网络参与者授权交易的场景。这些参与者在网络上充当节点，存储交易的副本。

在供应链场景中，这个框架可能非常有用，因为涉及的利益相关者将在区块链上注册他们的交易。例如，在一个涉及农民、物流提供商、经纪人和超市的食品供应链中，每个人都将是一个节点。当农民把作物交给物流提供商时，就有一种握手机制授权了作物的交换。握手还可以包括检查作物质量的过程。

在适当的时候，这样的基础设施将为利益相关者打造一个丰富和透明的数据生态系统，以便做出数据驱动的决策。然而，在分布式数据库中，如果这些数据受到集中控制，可能就不那么有效了。话虽如此，公共区块链应用程序在技术上也存在一些限制，正如前几章所讨论的那样。

我见过一些供应链领域的公司使用许可的区块链。现在说哪种更好还为时尚早。不过，我们已经看到足够的证据表明公共区块链生态系统尚未赢得主流信任，因此许可的区块链可以成为一座桥梁。因此，让我们现在来看看食品供应链中的区块链应用。

食品供应链在物流中是一个特例，因为它涉及易腐食品。在这种情况下，库存管理更加敏感，因为商品的寿命有限。因此，我们需要一个能够在更细粒度水平上管理库存的基础设施。区块链技术可以帮助微观层面的库存管理。

像沃尔玛、联合利华和 Provenance 这样的公司正在使用区块链来管理食品供应链。在食品行业的情况下，区块链可以用于追踪涉及食品的交易历史，一直追溯到其来源。

当库存管理发生时，如果食品库存损坏，可以选择性地销毁。当知道食品项目的历史时，可以追踪到源头，以确保将来实施必要的控制以确保更好的质量。

食品供应链也很特殊，因为其中大多数涉及小农户，他们目前正受到物流提供商或价值链中的其他中间商的利润挤压。全球有超过 5.7 亿小农户，占据了世界 75%的农业土地。对于这些农民来说，理想的情况是利用技术追踪食品产品的所有权，并在路上对食品价格进行选择性透明。

在当今世界，农民通常没有数据来评估其作物的供需情况。这削弱了他们适当定价作物的能力，并使他们受制于供应链中的中间商。然而，通过区块链创造的透明度可以改变这种情况。定价数据可以提供给农民，以确保他们没有受到剥削。

所有权是食品供应链的另一个需要解决的方面。这可能被归类为蓝天思维，但在食品价值链中，本质上是农民将其商品卖给最终客户。未来的供应链应该在商业构建中尊重并反映这一点。物流提供商、库存提供商、食品质量审计员，甚至超市，只是为农民提供服务以有效地完成销售。

因此，如果我从乐购购买一箱橙子，我实际上是从肯尼亚的一个农民那里购买的。因此，我支付购买这些橙子的钱大部分应该到达农民的口袋里。预先协商的佣金可以分配给物流提供商以提供他们的服务，以及给超市提供货架空间。

这种模式与当前模式之间有两个基本区别。一是食品产品的所有权一直由农民持有，直到消费者从他们那里购买为止。二是食品的支付几乎是通过价值链实时进行的。利用区块链技术及其智能合约功能，这两种情况都是技术上可行的。

对于消费者的好处在于，一旦他们了解到食品产品的来源，他们就知道他们所获得的质量。记住，这就是农民在过去在农贸市场上销售农作物的方式；他们产品的声誉将是他们成功或失败的关键因素。

新的全球食品供应链不应该有所不同。信任和品牌对于在伦敦销售他们的橙子的肯尼亚农民和小镇市场上的独立本地卖家一样适用。

然而，这种模式将需要各国政府强制实施于食品供应链中。由于有数个中间商将会受到损失，这对于私营企业来说并不容易。一个公私合作伙伴关系可以在一段时间内实现这一模式。AgriLedger，一个基于区块链的公司，正在与世界银行和海地政府合作解决这个确切的问题。

所有权模式可能很难改变，因为前述的中间商会对此感到不满。因此，向新的所有权模式延伸将是一个缓慢的过渡。而且，让农民成为食品项目的所有者直到它到达顾客手中，更多的是一个商业模式、过程和运营问题，而不是技术问题。

但是，通过实施区块链解决方案，农民应该可以立即获得付款。在现有的食品供应链中，农民交付作物给中间商后几个月才能收到付款。通常情况下，他们无法承受延迟，并以极大的折扣从中间商处取现金。这是因为农民无法承受工作资本的耗尽。启用即时付款后，农民应该在交付作物后的几天内，如果不是几个小时内收到款项。这不仅对农民而且对我们所有人都会构成更健康的生态系统。

还有几家其他公司正在努力改善食品供应链，但它们是从消费者的角度来解决问题的。沃尔玛的区块链计划为消费者提供了有关其食品历史的信息，从来源到购物篮。这确实是一个进步，但食品供应链需要彻底改革和“从头开始”的思考，而不仅仅是为了消费者透明度。

可持续供应链

2019 年 12 月，我参加了由 Finextra 主办的伦敦可持续金融会议。当天的焦点之一是可持续供应链。尽管演讲只有短短 20 分钟，但它让我思考到了必须使供应链可持续化的必要性，以及这将对我们的环境产生的结果。

让我们以食品供应链为例。我们将需要查看几个关键标准，以确保其可持续性：

作物是否以可持续方式生产？这提出了更多细致的问题，比如：
- 在为种植作物获取农业用地时是否涉及任何森林砍伐？
- 作物是否使用可持续的灌溉技术生产？
- 生产作物时是否使用了化肥？
- 如果使用了化肥，生产它们的碳足迹是多少？
- 是否雇用儿童来生产作物？
种植作物是否以可持续方式运输？
- 作物是否使用可持续的方式包装？是否使用塑料？
- 将作物运送到超市的物流的碳足迹是多少？

食品供应链的一些可持续标准已经被有效地审计、报告和管理；然而，它们都记录在纸上。我们将需要一个供应链市场，收集关于所有这些方面的数据，并使用它们为超市中销售的每一种食品创建可持续性评分。

因此，当顾客查看苹果包装A和包装B时，他们将有能力不仅根据价格，而且根据供应链的质量对它们进行排名。区块链可以帮助填补创建这样一个零售客户受益的市场的许多空白。

这也可以用于消费品。联合利华一直在试验区块链，以提高其供应链的透明度和效率。他们正在关注目前相当手动和低效的美国供应链的应付账款。

来自 Provenance 的解决方案，另一家区块链公司，已经开始试验标记和追踪来自印度尼西亚的金枪鱼。他们进一步采取了一步措施，以捕捉和验证供应链利益相关者的可持续性声明。这项工作需要在其他食品以及食品供应链之外进行扩展。

所有这些信息随后可以通过二维码提供给消费者，扫描后将提供供应链的端到端视图和可持续性评分。

这些方法都已经在联合利华、沃尔玛和 Provenance 进行了试验，但是区块链技术的局限性也许是这些解决方案没有扩展的原因。随着区块链从冬眠中走出来，我们应该会看到更多大规模的实际应用。

运输

卡车业是区块链可以增加价值的一个例子。运输业内有超过 1400 亿美元被困在纠纷中。平均收到发票后 42 天才能支付款项。这都是由于卡车业务中涉及的文书工作的低效率造成的。

此外，全球约 90%的卡车公司拥有不到六辆卡车。这意味着货物和卡车的分配是另一个主要的开销，并且导致半满的卡车和运营成本泄漏。当卡车行业在区块链上管理时，大多数合同义务可以在智能合同上明确规定，并且一旦满足条件，支付就可以触发。

可以达成一种握手机制，以确定卡车行程的结束，当智能合约接收到时，它可以触发支付。这也将有助于解决这些小型卡车所有者的营运资金需求。Blockchain in Transport Alliance（BiTA）是一个倡议，其成员覆盖了全球 85%以上的卡车相关交易。

随着世界朝着同日交付模式发展，卡车行业变得极其高效是至关重要的。可以在卡车上使用物联网传感器来测量货物的体积，并充分利用卡车的容量。当运输的货物对温度敏感时，物联网也可以提供帮助。

在药品运输时，物联网传感器和区块链技术的结合可以跟踪温度。如果传感器检测到温度变化，区块链可以触发警报，或对由此温度变化引起的任何约定的惩罚性损害进行计费。这也将减少纠纷场景，因为所有数据都将由区块链网络上的不可变数据支持。

一组车辆的性能也可以在区块链上注册。有像 CarFax 这样的公司，充当中介持有这些数据。然而，当买家想要了解车辆性能信息的不可变记录时，他们应该被呈现出一组经过验证的数据，这将决定车辆的价格。

就像我们提到过的其他几个行业一样，根据摩根士丹利的说法，区块链在运输垂直领域有 5000 亿美元的机会。然而，挑战在于技术本身——物流和运输都可以产生大量数据。

如果我们使用物联网来支持物流监测和测量，这也将增加数据量。迄今为止，尚未出现大规模能够实时处理这种数据量的区块链有希望的实施。在吞吐量问题解决之前，这些用例可能仍然处于试点阶段。

车辆制造

区块链的另一个关键用例是充当车辆零部件的登记处。整个制造过程可以在区块链上注册，包括原材料的来源、供应商、采购和制造步骤。制造步骤可以通过使用物联网设备进行机器级数据跟踪来监控。根据 Gartner 的报告，到 2025 年，制造业可以通过使用区块链技术节省 1760 亿美元。

所有这些数据应该能够为车辆生产线提供追溯机制。一旦车辆零部件上路后，传感器就可以跟踪车辆零部件的质量。车辆的性能也可以使用物联网设备进行测量和管理，正如前面讨论的那样。因此，当报告有故障零部件时，区块链系统将立即知道如何以及从哪里获取它。

作为替换提供的新零件，可以使用标签进行握手机制，以确保替换零件来自正确的供应商。通过这样做，车辆的健康表从早期阶段开始建立，并贯穿其整个寿命。制造业产品召回的平均成本为 800 万美元。使用区块链对零部件的端到端可追溯性可以大大降低这一成本。

卡普吉尼的一项研究对使用区块链的 447 家制造企业进行了调查，发现其中超过 60% 的企业已经改变了与供应商的互动方式。尽管存在所有这些好处，但技术需要克服一些初始障碍才能实现主流采用。

对于需要技术和运营改革的投资回报率（ROI）尚不清楚，通常会成为大型组织的主要障碍。在组织内没有明确的 ROI 叙述的情况下识别赞助商可能具有挑战性。根据卡普吉尼报告，区块链与这些大型制造公司内的传统系统和流程的互操作性（或其缺乏）是采用的另一个关键挑战。

除了我们在区块链中看到的技术限制，组织挑战仍然存在。只有清除了这两个障碍，主流采用才能实现。

我们现在已经涵盖了量子计算和区块链在运输和物流中的使用案例。正如你所见，这两种技术有潜力引领我们走向一个更高效、透明、更安全和更紧密连接的世界。

结论

在本章中，我们已经涵盖了量子计算和区块链在物流中可能实现的使用案例。这是一个由于缺乏数字化而存在几个低效的行业。因此，技术在其中创造价值可能是一个空白领域。

在量子计算中，我们提到的主要用例是高效的交通管理系统。我们讨论了当联网汽车变得更普遍时，使用量子计算的情况。利用今天的基础设施，可以使用电信数据/地理空间数据来实现交通管理。

我们还提及了空中客车试图提高航空航天工业效率的努力。使用量子计算机比使用经典机器可以更准确地模拟飞行物理学。因此，飞机机翼周围的空气动力学可以被建模，通过优化飞行起降可以实现燃油效率。在气候变化严重影响的世界中，每一点碳排放的节约都能帮助我们。

转向区块链，我们看到了它如何在供应链管理和可追溯性中的应用。食品供应链的使用案例尤其有趣，因为它在许多方面对消费者和农民都有利。我们看到了迎合供应链两端的创新。

最后，我们还提及了区块链如何帮助运输、制造和卡车行业。

这两种技术的应用非常广泛，增值潜力也不可夸大。然而，在它们被广泛采纳之前，这两种技术都面临一些重大挑战。它们应该能够在商业环境中共存，因为使用情况相互补充。在下一章中，我们将探讨量子计算和 NISQ 如何在化学领域中应用。

第十四章：IBM 合伙人 Dinesh Nagarajan 的采访

上个世纪发生了两次世界大战和几场其他的侵略和报复战争。各国相互发动战争，以获取可以使他们更强大的资源。在二战期间，希特勒入侵高加索就是其中一个例子，他追求那里丰富的石油资源。温斯顿·丘吉尔在北非的战略推进是为了控制该地区的关键港口城市，以便他能够进入印度，当时印度还是英国的殖民地。

石油的获取是上世纪下半叶在中东发生的战争的一个根本原因。然而，地缘政治问题正慢慢从耗尽的资源（如石油或铁矿石）转向一种尽管消耗但仍在增长的资源——数据。到 2025 年，全球预计将拥有 175 个泽字节的数据，其中约有 90 泽字节来自物联网（IoT）。

1 泽字节 = 1 万亿字节

各国正在准备垄断数据矿，其中包括国防数据、金融数据、医疗数据和公民的个人数据。因此，重要的是要了解他们打算如何利用技术来获得数据霸权。在冷战期间，曾有一个时期，超级大国之间进行核弹头数量的军备竞赛。

今天，在诸如量子计算、区块链和人工智能等技术的专利数量上也能看到这一趋势。因此，当我们讨论这些技术时，重要的是要理解它们在国家希望主导的网络战中所起的作用。因此，当我为这本书寻找思想领袖进行采访时，我知道我需要找到这个领域的专家。IBM 的执行合伙人和全球能力领导者 Dinesh Nagarajan 显然就是其中之一。

Dinesh 和我在 2014 年在 PwC 公司共事，那时他专注于银行的网络安全提案，而我专注于首席数据官的咨询提案。他于 2016 年加入 IBM 公司，并且一直不断壮大。Dinesh 分享了他对网络风险的见解，以及技术和数据爆炸如何使我们容易受到攻击。他强调，仅仅依靠技术是无法帮助我们应对网络风险的，我们还需要确保社会各个层面都有对网络风险及其可用于保护自身的控制措施的认识。

Dinesh 的技术背景与他参与客户对抗网络风险的经历相结合，使他能够理解技术创新对数据安全和隐私的影响。他能够理解并掌握不同利益相关者在网络领域的技术能力。然而，他还能够将这种理解应用到网络战和网络风险管理的背景中。我和 Dinesh 都享受着这次采访的过程，我希望你也会觉得有用。

Arun: Dinesh，感谢你今天加入我。让我们从简短的介绍开始。给我们讲讲你在网络安全领域的职业生涯。你是如何进入 IBM 的？到目前为止你的旅程是怎样的？

Dinesh: Arun，感谢你邀请我。我是 Dinesh Nagarajan，在 IBM 的角色是合作伙伴和全球能力领导者。我全球领导 IBM 安全服务的数据和应用安全能力。我有超过 20 年的经验，在过去 15 年里，我主要在网络安全行业工作。在网络安全领域的职位上，我有幸与几家领先组织合作。我也有幸参与到硬币的两面。也就是说，我在技术方面和服务行业都有过工作。

我有机会在网络安全行业和咨询业中工作。我的工作主要是帮助英国和欧洲的大型金融公司进行网络安全转型项目。在过去一年左右，我的角色已经扩展，我的视野也随之扩大。我现在担任全球职位，关注全球网络安全转型。

我现在与北美、亚太地区和中东的客户合作。我在 IBM 工作了过去 3 年。因此，我经常旅行，与世界各地的公司会面，并帮助他们解决网络风险。这确实帮助我全面了解了网络安全世界。我可以看到客户如何处理这个领域，不仅仅是从技术的角度，还有从流程、意识甚至文化的角度。我发现这一方面非常有趣，因为网络安全既是技术问题，也是人的问题。

Arun: 这是一个很棒的观点，Dinesh。为了帮助澄清谈话的背景，让我们简要谈谈过去 20 年我们所见到的数据爆炸。点 com 繁荣帮助互联网业务模型和应用程序走向主流。我们看到许多社交媒体应用程序最初引领了数据爆炸，但现在我们看到的趋势是由物联网世界主导的。我们将会看到由自动驾驶汽车产生的每天产生的数据量达到几 TB。

数据的创建将以每年 60%的速度增长，到 2025 年将达到 175 ZB。其中约 70%将来自机器互联网。我不确定我们是否准备好从网络安全的角度管理这种数据爆炸。我们是否正在以这样的速度进行创新，以至于无法有效地管理创新的结果？这将如何影响网络安全？

Dinesh: 这是一个很好的问题。在典型情况下，随着创新解决方案和业务模型的出现，安全性总是滞后的。在某些情况下，对所有这些变化需要部署的安全机制有很好的认识。然而，在大多数情况下，缺乏理解和对网络安全重要性的认识。

过去的两三十年带来了大多数行业技术进步的一些令人着迷的增长。这是第五次工业革命。我认为变化的速度和速度是惊人的。在这个时期，大多数行业都经历了数字化，将以前的手工流程和服务转变为数字等价物。这通常伴随着数字化的数据交换和互动。

因此，今天的组织正在互联以前从未暴露在数据中心外的传统系统。这些系统可以是移动应用程序、Web 应用程序或社交媒体。组织想要为客户提供服务的方式发生了根本性的变化。现在客户消费服务的方式和需求发生了变化。他们要求更快地提供服务。客户希望在任何时候都能利用“全天候”服务，无时无刻，全天候，24/7。

客户还期望即时满足和即时反馈。这迫使组织非常灵活，并能够对这些要求做出响应。因此，今天对客户最重要的接口是数字化的。无论是金融服务、物流、医疗保健还是任何其他关键服务，我们开始更多地依赖和信任数字化手段，而不是传统的做事方式。

大多数这些交互通常发生在网络前端、移动应用或社交媒体上。下一波的互动不仅仅是在客户和这些界面之间，还包括机器之间的互动。有预测称，在未来 5 年内，物联网上将会有超过 500 亿台设备。关于数据方面的另一个有趣的预测是，即使是最小的组织在未来 3 年内产生的数据量也将是今天的 20 倍。这些数字令人震惊。

在所有这些之中，有一个关于转向云端的巨大推动。转向云端不应仅被视为技术转型。还涉及到业务转型。让我们以金融科技为例。金融科技正在推动传统银行适应新的业务模式和服务方式。由于数据托管在云基础架构上，并使用开放银行进行共享，我们看到了可以利用这些数据的第三方解决方案的新商机。通常情况下，银行可以自己创建这些解决方案。

转向云端也在改变典型的传统 IT 生态系统。以前，大多数关键应用程序和服务都托管在安全的数据中心中。现在它们部署在公共云上，并与第三方服务相互连接。因此，随着这些过渡和转变的进行，预测是未来 3 年内网络攻击将增加。不仅是网络攻击的数量，而且攻击的强度和复杂性也会增加。我们需要为此做好准备。

我们看到网络威胁行为者已经使整个网络攻击场景产业化。他们已经自动化和编排了入侵客户基础设施的方法。一旦他们入侵了基础设施，他们就能够迅速地进入目标系统。这是威胁行为者已经发展起来的复杂程度。但不幸的是，并非所有组织都能以相同的复杂程度来检测和应对网络攻击。

有很多工作正在进行以改进网络安全流程和系统。但还有很多工作要做。你一定听说过全球航运公司的勒索软件攻击，这是世界上最大的航运公司之一。有一天早上，公司的笔记本电脑上出现了红色和黑色字体的消息。员工被要求支付比特币以恢复其文件。重新启动笔记本电脑后，它们回到了那个屏幕。

攻击影响了整个网络，员工被要求关闭他们的笔记本电脑并断开网络连接。大约有 49,000 台笔记本电脑和 6,200 台服务器中的 3,500 台受到了影响。攻击造成了如此大的破坏，以至于即使是他们的 IT 团队当时也无能为力。它使整个公司停摆了大约 9 天，当 2,000 台笔记本电脑恢复正常运转时，他们又开始了业务。这是一家每 15 分钟就会有一艘船在世界各地的港口停靠的公司，大多数船只都能搭载 20,000 个集装箱。如果这样一家大公司都成为网络攻击的受害者，那么更小的组织如何应对就很难想象了。

现在，这就是网络犯罪分子如何对即使是最大的组织也造成接近金融毁灭的影响。因此，这不再仅仅是安装防病毒软件并假设你免受病毒攻击的情况；网络安全远比这更重要。我与之交谈的许多组织都明白，一次复杂的攻击可能会让他们瘫痪数天甚至数周，并围绕此计划。然而，有几个组织可能对这种威胁的危险持否定态度。

阿伦：我们仍在讨论这里的问题陈述。与我之前的其他面试不同，那里讨论的问题是众所周知的，但网络风险通常不为人所知。我们可以从各种不同的角度看待网络风险。其中一个是您已经提到的企业角度。另一个角度是从消费者的角度看。我们看到风险的增加不仅在发达国家，也在发展中国家。

例如，我们俩都知道 Reliance Jio 在过去 2 到 3 年里让印度约 2 亿人上了移动互联网。我在 2019 年 8 月去了印度。我和家人去了庙宇。当我走出庙宇时，有一位女士在卖花，她在她的小移动摊位上挂了一个 QR 码打印单，我们用它来支付。这位女士很可能并不了解网络安全。她知道钱会通过数字方式到达她的银行账户，但对威胁的概念一无所知。

QR 码是用于数字支付的快速响应码。

我们最近也听说印度库丹昆兰核电厂被国家黑客入侵。因此，从消费者方面看，该国的增长使其暴露于新的脆弱性。公共部门官员上网，对这些网络风险毫无头绪。因此，在新兴市场，特别是在新兴市场，存在巨大的意识问题。您对此有何看法？

迪尼什：我认为意识非常重要。意识是一回事，但监管机构也应介入其中。他们需要推行服务提供商应该能够提供的基本保障措施，以保护农村人口；可以在客户和服务提供商之间建立一种责任模型，迫使他们提供网络安全保障。我认为监管机构和跨越这些增长市场的政府在其中有一定的作用。当您在为消费者创造新的服务途径和交付业务价值的新方式时，您还需要提供必要的护栏。

没有这样的控制措施，这些服务和企业将无法蓬勃发展。没有为最终消费者提供保障机制，数字空间中的信任将很快蒸发。失去客户的信任可能会对整个行业造成重大危害。因此，消费者可能会停止从特定服务提供商购买东西，因为他们更容易受到网络威胁。消费者甚至可能停止使用他们的手机进行交易，如果他们对其互联网提供商完全失去信任。

这将影响那些数字化提供产品和服务的公司。整个数字经济和金融包容性故事最终可能变成一座纸牌屋。特别是在印度，政府一直在引领创新趋势。我不明白为什么他们不能做更多的事情来建立保护脆弱消费者的护栏。

阿伦：我们已经谈到了企业安全；我们讨论了零售消费者级别的安全角色，然后是如何由监管机构提供一些解决方案。我们已经设定了背景，所以我现在要转向这一挑战的潜在解决方案。

我们俩都是背景是工程师，所以让我们花几分钟时间谈谈技术。有哪些技术解决方案，除了技术之外，我们还可以采取哪些流程、政策和行为措施？

迪内什：我们都知道，技术并非灵丹妙药。目前没有任何单一技术可以依靠来解决这个问题。另一个需要考虑的关键点是技术变化非常快。10 年前，只要你拥有一个安全的用户名和密码，你就认为自己是安全的。现在情况已经大不相同，安全措施已经从那时候起发生了很大变化。安全已经从那时起，从关注基础设施、操作系统和应用程序的保护转变为从基础设施开始逐层上移。然而，现在的焦点是在数据上。

在新的世界里，组织甚至不再拥有自己的基础设施。如果你计划在云中托管你的数据或应用程序，你不拥有基础设施，也不拥有平台或操作系统。因此，你只需要专注于保护你的数据和你客户的数据。由于这种对数据保护的关注，更多的关注和投资正在转向数据保护。因此，数据加密的关注更加集中，且有各种不同方式进行数据加密。

有加密、代币化、数据掩码以及身份和访问管理的几个新领域。生物识别身份和访问管理是数据安全的关键方面。将你的安全控制直接放在数据所在的位置，而不是在基础设施或操作系统层面上，这被认为是至关重要的。通过这种方式，你基本上在保护数据在这些不同层之间移动时的安全。

控制用户访问数据的方式变得更强大且更具适应性。我们将需要构建认证和授权功能，使用清晰的数据安全模型来保护数据。

我们还有正在变得更加主流的“向左移动”安全实践，在开发周期的早期阶段将安全控制内置于应用程序中。因此，应用程序在设计上就是安全的。虽然这些措施主要是为了防止攻击或未经授权的数据访问，但你仍然可以预期有一小部分攻击会穿透这些控制。

如果发生数据泄露，不论原因是什么，你仍然需要快速检测、响应和缓解。迅速应对攻击并保持为客户提供服务的能力称为韧性。这已经发展成一个不仅仅是技术问题而且也是业务问题的领域。问题不仅仅是有多少数据泄露了，以及你如何在技术上修复它。还涉及到有多少客户受到了数据泄露的影响，他们是否仍然能够访问你的服务，以及你是否能够继续为这些客户提供服务。因此，在技术之外，业务韧性在我们生活的新世界中占据了中心舞台。

让我们回到那家有数万台台式机和其网络受到勒索软件影响的航运公司的例子。对马士基来说，韧性意味着即使在受到攻击的情况下，仍然有能力确保他们的船只准时到达目标港口并交付集装箱。幕后的技术团队将对攻击进行取证，修复系统中的漏洞，并尝试恢复他们的计算机、服务器和网络。然而，关键在于能够在所有这些数字支持缺失的情况下运作。

回到你的问题，在航运公司的例子中，技术可能已经阻止了攻击。但由于技术变化如此迅速，组织往往需要在面对这种攻击时求助于运营韧性。我觉得行业中还缺乏一种共享关于协同攻击情报的机制。

我认为这是在规模上防范网络攻击的有效方式，因为一旦有关于攻击者作案方式的情报，他们就不得不重新考虑。他们将不得不重新制定计划发动另一次攻击。在英国和欧洲的一些行业中，有关网络攻击情报的共享已经展开了一些倡议。但是随着风险不仅仅局限于这些发达地区，需要进行更多的情报共享。

阿伦：谢谢。现在让我们来谈谈房间里的大象问题。像量子[计算]这样的尖端技术以及它对数据安全的影响引起了很多炒作。由于区块链应用所使用的加密方法（RSA 和 ECC），它们可能会过时。一旦量子计算机成为主流，互联网可能会陷入严重困境。

我们是如何为这种威胁做好准备的，而这种威胁是否也是一个机会？我们是否也可以利用量子计算来保护自己和我们的数据？

Dinesh：这是另一个有趣的问题。人们对一些新兴技术的风险和机会有一般的意识，但还没有达到我理想中的程度。人们对了解来自新兴技术的非对称加密的风险很感兴趣。去年，我们在这个领域与一些客户合作过。大多数最感兴趣的组织都是金融服务行业的组织。我们也和一些汽车公司讨论了安全机制，因为一些新兴技术已经成为主流。

组织对此很感兴趣，因为技术变革的速度通常是每 7 到 8 年一次。每次他们不得不对他们的技术或基础架构堆栈进行更改时，变化周期大约持续 7 到 8 年。这个时间框架是令他们担忧的，因为他们认为在 7 到 8 年的时间里，一些新兴技术可能会成为现实。因此，即使他们找到了一种解决方案来帮助应对网络安全的准备工作，也可能来不及面对威胁。

因此，他们所有的系统，无论是金融市场的基础设施还是自动驾驶汽车系统，都会受到影响。许多这样的公司已经开始思考、规划，并且也与他们的董事会讨论这种风险。从 IBM 的角度来看，我们认为为了保护自己免受这些新技术范式的影响，您需要经历一个成熟的过程。您不能今天开始规划，明天就解决问题，因为这些技术仍在不断发展，当您认为自己已经找到解决方案时，也许它已经过时了。

对抗这些技术可能带来的网络风险的缓解将来自于加强意识和敏捷性。我们使用术语“加密敏捷性”来指代您如何轻松地从一种加密技术迁移到另一种加密技术。因此，您需要确保您的技术堆栈足够灵活，以采用不同的加密技术，从而帮助您抵御网络攻击。

从理论上讲，我们可以利用一些新兴技术支持的信息传输方式。理论上，我们可以使我们的信息免受外部攻击。然而，现在说这是否是一个可行的解决方案还为时过早，因为技术仍在不断发展。我认为，计划应对新兴技术威胁的公司将需要经历一个成熟的过程。

每个人都应该明白技术创新对他们意味着什么以及风险是什么。一旦了解了系统和基础架构面临的风险，他们将需要经历一个规划阶段。规划阶段将涉及如何改进加密领域。需要对他们的基础架构、应用程序和流程如何变得具有加密敏捷性进行详细评估。

一旦理解了这一点，那么就只是把堆栈转换为准备好迎接计算机领域新浪潮。在未来几年中，将越来越清楚你的加密领域中哪些部分是安全的，哪些不安全。在新时代，一个加密敏捷的架构应该帮助交换和更改那些被评估为脆弱的领域。

因此，我们 IBM 的角色是提高这种意识，规划并执行评估，并带领客户通过一个成熟度周期来未来保护他们的数据。

Arun：这是关于技术措施来对抗这一威胁的很多见解。在继续讨论网络风险的其他方面之前，你还想谈谈其他方面吗？

Dinesh：是的。随着基于物联网的应用程序变得越来越普遍，我特别关注数据安全问题。大量物联网设备面临网络风险，因为物联网制造商通常不解决安全问题。他们没有在设备中构建安全性。如果他们在设计阶段考虑了安全性，那么产品的输出将比今天更好。

我希望看到的其他关键进展之一是在 DevOps 中。组织在采用 DevOps 时需要考虑数据安全。当开发人员开始构建应用程序时，需要强制执行安全设计原则。他们考虑他们的应用程序在投入生产时将如何为用户提供服务。然而，他们经常没有考虑到他们的应用程序在投入生产时将有多安全。

如果我们想要全面解决数据安全问题，那么在大计划中，有些风险需要得到缓解。组织开始更好地理解安全风险，并试图缓解它们。为了做到这一点，一些组织已经尝试进行风险评估，更重要的是风险量化。网络安全中经常重复的挑战之一是风险量化。对于组织来说，量化它们的网络风险是相当困难的。

因此，今天有很少的组织能够有效地量化风险。在组织采用网络风险框架以推动更好的成熟度并因此量化这些风险时，它们就更加做好了准备。由于组织内的网络安全专家能够量化风险，他们能够使用公司董事会会理解的语言进行讨论。因此，他们能够在高层次进行讨论，这个影响是被充分理解的，因此能够得到很好地解决。

Arun：至少在金融服务业内，我了解到可以通过运营风险资本分配方法量化网络风险。然而，在其他行业内，我还没有看到那种程度的复杂风险管理技术。

现在让我们转移到另一个我希望你发表意见的有趣话题上。你提到你现在与世界各地的客户合作。在这个十年的开头，我们之间出现了伊朗和美国之间的地缘政治局势。尽管美国使用了传统的防御和军事机制，但伊朗基本上表示他们可能会诉诸网络攻击。从那时起，美国一直在加强其保护国家免受网络攻击的活动。还有报道称，美国的电网有可能受到攻击，他们正在寻找保护的方法。因此，这是一种新时代的战争技术 - 网络战争。那么，你对此有何看法？

迪尼什：这是一个不幸的发展，此类网络攻击已经在各行各业、全球范围内进行了一段时间。每当联合国制裁出台时，网络空间的人们都会预料到一波攻击，他们需要做好准备。我不认为这种趋势会改变。你可以称之为某种正在背后进行的网络军备竞赛，这对公众来说并不是很明显。这场竞赛基于谁拥有技术、数据和信息优势，以及谁将持续领先于新技术范式的到来。

这也是一种持续的“情报获取”，“信息收集”类型的练习。例如，如果你处于物联网领域，拥有优势的人将了解物联网生态系统中的漏洞和弱点，而这些信息并没有披露。他们会保留这些信息，以便在需要时加以利用。因此，拥有先进网络能力的国家不会突然变得活跃或计划发动攻击。在任何情况下，他们始终在幕后活跃。

他们不断进行研究和侦察，并找到有关目标的信息。这有点像我们在上个世纪所知道的间谍。只不过这在很大程度上是数字化的。每个人都在收集关于特定平台或国家安全漏洞或安全缺陷的情报。有趣的是，在某些情况下，一些国家会积极策划敌对领土的弱点。他们会故意引入一定类型的后门漏洞，以便在时机成熟时始终可以利用和使用。因此，他们一直在不断活跃，我认为这将是未来不幸的情况，也是我们应该能够应对的情况。

国家不仅希望攻击可能成为目标的关键国家基础设施，而且他们还可以发动一次攻击或侵犯私人公司。我们也可能需要通过不同的视角来看待这种风险。有多少这样的国家会有足够的胆量攻击另一个国家的关键基础设施，导致大量生命损失或大规模公共破坏？我不确定那会发生。

像攻击易受攻击的组织之类的零星破坏活动可能是它们通常的目标。我不相信有人会筹划大规模的攻击来破坏整个国家并让其陷入困境。

说了这些，未来可能会发生。大多数能够进行此类攻击的组织都在暗中运作，很难看到和追踪它们。我认为他们最担心的是被认定为是对敌对国家发动网络攻击的幕后人物。没有人愿意承担这样的责任。因此，我认为这是他们在完全黑暗和隐匿下运作的最主要因素之一。

阿伦：我认为我们只需要再提一个问题。有可能某个技术突破可以挑战整个世界，听起来就像是围绕着二战左右的发明原子弹的竞赛。对此有何评论？

迪尼什：没错——信息主导权的竞争已经开始。有几个利益相关者正在这个领域投资数十亿美元以取得领先地位。对于一些人来说，这项技术将带来的数据安全优势是最重要的。对于其他人来说，更好更快地处理信息的能力是关键。这些新兴技术有很多用例，不仅仅局限于破解传统的加密技术。

这是一个硬币的一面，但是一些主要国家对这项技术的投资是带着在网络战争中发挥主导作用的目标的。这项技术的突破可能导致新的全球权力平衡。

另一个需要考虑的方面是，当突破发生时，我们甚至不知道这些国家是否会公布它。尽管所有迹象都表明突破仍然有几年的时间，但它可能已经发生了。没有人真正知道明天的格局会如何改变。这是一个非常迷人的领域。我也觉得更多的组织可能会参与到这项技术的研发工作中来。我认为通过他们的创新努力来创建一个朝着共同利益前进的社区是很重要的。

阿伦：当我们谈论研发预算时，值得注意的是赛里斯在那方面走在了前面。他们已经向量子科学投资了数十亿美元。美国正在赶上。在过去的 10 年左右，约 70%的成功专利都来自赛里斯的量子领域，而排在第二位的是美国，仅占 12%。

迪尼什：是的，我们需要更广泛的国家和组织投资这项技术。就像 Linux 的开发方式一样。它是一个由社区驱动的努力，它已经使操作系统领域实现了民主化。类似地，我希望在围绕新兴技术的创新方面有更广泛的参与，这将使它们对主流用户更具可行性。我们可能很快就会有一个利用这些新兴技术的互联网。

如果我们作为一个社区创造了所有这些，而不是将成就集中在技术周围，那将减少整个世界的风险。来自全世界的分散的研发工作一定会有助于减少网络风险。希望我们不会因为他们新兴的技术和信息优势而最终产生一个超级大国。

阿伦：是的，让我们对此抱有希望。就让我们以这个注释结束采访吧。非常感谢你对网络安全和技术进步如何影响这一领域的见解。这是一次富有洞察力的对话。

迪尼什：感谢你邀请我参加这个活动，我非常享受。

结论

在过去几年中，有时我感到技术至上几乎是不公平的，因为它可能导致超级大国或组织的出现。特别是当涉及到量子计算时。然而，全世界正在研究量子计算的几个方面。因此，我真诚地希望我们将有几个超级大国，每个都在量子技术的一个方面处于领先地位。

在量子技术的某一方面如量子通信上占据优势可能是一个令人羡慕的位置。赛里斯在量子通信方面确实处于领先地位。他们的量子卫星实验使他们走在了前列。然而，在量子计算方面仍有许多待完成的任务。当量子粒子用于传输信息或建模问题时会遇到一些挑战。必须解决其中一些障碍才能通过量子技术突破实现完全的统治。

与迪尼什的对话为一个在迅速创新的世界里的网络安全领域提供了几个关键见解。尽管量子计算机带来了威胁，但通过增加对网络安全风险的成熟度，有办法减轻风险。通过进行这种成熟度之旅，组织能够系统地识别其景观中的弱点。

通过与网络安全专家的仔细规划，组织可以为自己做好密码敏捷的准备。随着量子计算机的日益临近，我们应该能够看到其能力的演进。与此同时，如果组织能更好地了解其加密的优势和劣势，他们应该能够通过升级到更好的加密方法来解决弱点。

迪尼什还简要提到，仍然有一些组织对威胁持否认态度，他们正在将自己和客户置于危险境地。即使组织已经确定并了解了威胁，他们的 7 到 8 年的变革周期可能是影响全面实施量子安全的主要障碍。

最后，Dinesh 提出的一个关键观点是关于企业的韧性。一如既往，重要的是so what's。我们可能把所有这些都看作技术问题。然而，当系统遭受攻击并丢失数据时，企业难以继续为客户提供服务。因此，对企业来说，达到一种操作上的韧性非常关键。说到底，重要的是客户。技术只是达到目的的手段。

第十五章：量子安全的区块链

本书的论文围绕探索两种技术展开：量子计算和区块链。我触及了这两种技术的关键概念和历史。有一些采访和专注于行业的章节，我在其中揭示了这些技术的实际应用。这是为了证明，尽管存在一些挑战，但这些技术具有基本的用例。

我们已经确定这两种技术会长久存在。它们可能会经历周期性的低谷，其相关性可能会受到质疑。然而，最具影响力的技术会在经历这样的挑战后重新浮出水面，一旦它们再次变得重要。由于限制或生态系统成熟度不足，技术可能会见到低谷。在区块链的情况下，我们触及了三难问题，突显了这项技术尚未扩展。例如，完全去中心化的账本经常难以展示当今支付基础设施能够轻松容纳的吞吐量。

在量子计算的情况下，存在着诸如量子比特与其环境之间的相互作用导致的退相干等挑战。对于这两种技术来说，现在仍然是早期阶段，需要更多的工作来实现主流采用。然而，我们之前强调的是超越局限的能力。

这两种技术的“那又怎样？”是无法否认的。它们在不同行业都有用例，可能会创造跨越式的时刻。技术带来的跨越效应影响着目标市场数百万人的生活。从个人电脑、互联网和智能手机的发明，到应用程序如 PayPal、M-Pesa 和支付宝，都影响着发达国家和发展中国家数十亿人的生活。

我们还讨论了这两种技术之间的用例如何互补。量子计算主要关注于计算基础设施，还可以提供超出今天经典计算机的智能能力。另一方面，区块链是一个数据完整性层。

在一个主要依赖数据的世界里，我们需要一种能够提供智能和模拟能力的基础设施，可以利用数据的丰富性。然而，如果没有一个框架来确保这些机器存储和使用的数据具有高质量和完整性，那么所有的智能都将毫无用处。没有智能，高完整性数据也可能只是存储在计算机上而已。

因此，我们需要这两种技术都走向主流来解决未来的数据挑战。然而，有一个问题。这两种技术正处于冲突的轨道上。密码学是量子计算和区块链的一个重要组成部分。存在这样一种潜在的情况，即我们今天拥有的区块链解决方案一旦量子计算扩展并变得主流，就会过时。

因此，尽管这些技术有商业案例支持，但我们可能只会在未来看到两种技术中的一种变得重要。不过，我们可以克服这种情况。如果区块链能够克服另一个技术障碍，它仍然可能是相关的。本章将讨论技术之间的冲突并探讨解决这种情况的方案。

与时间赛跑

尽管互联网存在挑战，但它在很大程度上为我们服务良好。它是帮助世界各地经济繁荣的主要基石之一。全球访问互联网的成本已经大幅下降。例如，仅在印度，2015 年访问移动互联网的人数从约 2.42 亿增长到 2019 年底的 4.51 亿。来源：www.statista.com/statistics/558610/number-of-mobile-internet-user-in-india/

移动普及在过去已经在世界各地创造了飞跃时刻。移动互联网的普及又进了一步。例如，非洲通过 M-Pesa 得以看到移动支付像从未有过的规模。没有移动普及，这是不可能发生的。赛里斯又进了一步，因为移动互联网的普及导致了支付繁荣，阿里支付和微信支付贡献了赛里斯 40 万亿美元移动交易额的 90%以上。

另一方面，在印度，由于移动互联网的普及，推出了几种新的商业模式。有一些创新的应用程序允许农村地区的用户使用他们的地方语言通过语音界面进行日常交易。这些模式在新兴市场尤其是罕见。然而，这种增长是有代价的。互联网的爆炸式增长带来了对网络安全的风险。

近几年来，互联网已经渗透到世界许多地方，但是许多地方对数据隐私和数据安全的理解和意识仍然严重不足。因此，我们今天所看到的增长实际上可能为明天的网络战培育了肥沃的土壤。大多数存储在服务器上并由今天的安全机制锁定的互联网数据都容易受到网络攻击的威胁。

当我们将量子计算机引入到这个混合中时，这种威胁就成为了一个定时炸弹。量子计算机可能对存储在互联网上的数据造成灾难性影响。今天我们所知的互联网上的信息交换使用Rivest–Shamir–Adleman（RSA）算法和Elliptic-Curve Cryptography（ECC）。这些算法用于对在互联网上传输的信息进行编码和解码。这些算法是公钥加密技术，其中用于编码数据的加密密钥是公开的，而用于解码数据的加密密钥是私密的。

让我们简要介绍一下每种加密技术涉及的内容，并提及它们在量子世界中的漏洞。

RSA 算法

在需要将消息从 A 方发送到 B 方的情况下，A 方可以只是将消息写在一张纸上，并将其发送给 B 方。如果信息是机密的并且需要受到保护，A 方可以使用加密密钥来混淆消息。只要 A 方和 B 方事先交换了密钥，B 方就可以使用密钥来解密消息并阅读。使用相同的私钥加密和解密消息的方法称为对称密钥加密。

但是如果 A 方和 B 方没有事先交换解密消息的密钥呢？这是一种不对称密钥加密技术（如 RSA 算法）非常相关的场景。在 RSA 技术中，A 和 B 将各自拥有一对密钥，包括公钥和私钥。公钥在 A 和 B 之间进行交换。A 方将使用 B 的公钥加密其消息并将其发送到 B。发送给 B 方的这条加密消息只能使用 B 方的私钥解密。

这使得 RSA 能够在事先无法共享私钥的 A 和 B 之间使用。RSA 算法已经在电子邮件和虚拟专用网络（VPN）中使用，并且在许多浏览器中也可以看到。尽管在互联网上有几种用例，但 RSA 算法最近才受到关注。

RSA 算法最初是由 Ron Rivest、Adi Shamir 和 Leonard Adleman 于 1977 年开发的，甚至以他们的名字命名（Rivest，Shamir，Adleman）。然而，当时很难理解其在实际应用中的意义，因此被搁置了。到了 1997 年，随着互联网业务、电子邮件、社交媒体和微型消息变得普遍，RSA 算法突然变得相关起来。

RSA 算法基本上依赖于一个原则，即一个方向的操作相对容易计算，但反向操作极其耗费资源。这样计算的一个关键示例是质数分解。如果我取两个质数，997 和 667，我们可以很容易地得到 997*667 等于 674,969。然而，反向操作极其困难。如果我们被要求找出 674,969 的质数因子，由于涉及的计算困难和试错的数量，我们会在合理的时间范围内很难做到。

展现这种属性的算法被称为陷阱函数。识别这样的算法对于创建安全的公钥密码技术至关重要。

在上述例子中，如果你得到了两个因子之一和结果为 674,969，那么操作会变得更简单。在实际的 RSA 实现中，质数非常长。例如，RSA 1024 有 1,024 位，可能有长达 309 位的数字。

在公钥密码技术中，解决问题的难度在一个方向上与在另一个方向上解决问题的难度之间的差异是重要的。例如，对于 RSA，挑战在于随着质数因子的增加，计算一个端点上的乘积与识别另一个端点上的因子之间的困难度差异已经减小。由于移动互联网的爆炸，安全机制也不得不变得更加资源密集。

因此，RSA 被认为不是可扩展的解决方案，随着质因数变大，它变得更加资源密集。除此之外，诸如二次筛和通用数域筛这样的算法使得破解质数分解挑战相对容易了。我们需要其他替代方案来构建一个可扩展的安全解决方案。现在让我们看看其中之一，以 ECC 的形式。来源：www.comparitech.com/blog/information-security/rsa-encryption/

ECC

ECC 是一个最近开始受到关注的替代方案。它基于椭圆曲线上点的群的离散对数。椭圆曲线算法可以使用以下方程来解释：

Y² = X³ + aX +b

当我们使用上述方程映射椭圆曲线时，我们得到一个类似以下曲线变体的图表：

图 1：绘制的椭圆曲线

该曲线有一些特殊特征，其中之一是它的水平对称性。位于 x 轴下半部分的曲线可以描述为位于 x 轴上半部分的曲线的镜像。然而，还有另一个从陷阱函数的角度来看更为相关的属性。

该属性可以通过想象在带有该曲线的棋盘上玩的台球游戏来解释。如果我们在曲线上的两点之间射击球，它将必然在第三点上击中曲线。可以使用曲线的形状来可视化预测第三点。

然而，如果在从起点 A 开始的几次（n）射击之后，球到达点 B，对于一个新手而言，即使知道点 B 和球的起始点，也很难理解射击次数。因此，即使我们知道了 A 和 B，要从点 A 到点 B 也是容易的，如果我们知道 n 的话。然而，即使我们知道 A 和 B，要找到 n 也是困难的。这是椭圆曲线算法的一个独特特性，使得它成为一个良好的陷阱函数。

在实际表示 ECC 的情况下，总体思路是将消息分配为上述方程中 X 的值以找到 Y。这将给我们 (X,Y) 作为曲线上的点。因此，使用 ECC 的安全机制将需要一个曲线方程，曲线中的一个公共点以及一个素数。公共点可以在台球的例子中想象为被自己射击 n 次，其中 n 成为私钥。

根据欧洲研究人员最近发表的一篇论文，与 RSA 相比，ECC 提供了更好的安全性。该论文考虑了打破加密算法所需的能量，并将其与煮水所需的能量进行了比较。在 RSA 和 ECC 之间的比较中，要打破 228 位 RSA 算法，我们将需要相当于煮一勺水所需的能量。另一方面，要打破 228 位 ECC 密钥，我们将需要足够的能量来煮沸地球上的所有水。来源：eprint.iacr.org/2013/635.pdf

ECC 被视为 RSA 的更节能替代品，即使对于编码器来说也是如此。 CPU 和内存使用也更加优化。但是，RSA 更广泛地得到了采用。这主要是由于理解 ECC 所涉及的复杂性。 ECC 如果不够了解，可能会被错误地实施，这实际上可能成为安全漏洞。

ECC 的潜在应用很多。美国政府已经开始为内部通信部署这种安全机制。 Apple iMessage、WhatsApp Messenger 和 Tor 匿名网络使用 椭圆曲线数字签名算法 (ECDSA) 进行安全交互。在本书的背景下，椭圆曲线的更相关的用途可以在比特币和以太坊中找到。

现在，我们简要介绍了用于保护我们的数据的 RSA 和 ECC 技术，让我们来看看它们在量子计算机变得可行和主流时为什么会变得不安全。

量子计算意味着混乱吗？

那么，互联网安全作为今天的炸弹滴答作响的原因是什么？如果量子计算成为主流，会不会出现混乱，这种可能性有多大？这些都是困扰担心网络战的国家的问题。处理敏感客户数据的顶级银行和医疗保健公司的首席执行官也担心数据安全。

让我们快速看一下量子计算世界所处的位置以及为什么它可能对全球数据安全构成威胁。在 1994 年，彼得·肖尔提出了两种量子算法。一个可以分解大素数，另一个可以在素数阶有限域中计算离散对数。前者可能对 RSA 方法构成威胁，后者将处理椭圆曲线。

Shor 基本上表明，我们今天使用的几乎所有公钥加密技术都可以使用量子傅立叶攻击来破解。他使用量子傅立叶采样来找到数学对象的周期性。这反过来允许他解决因式分解问题。

过去 25 年来，量子计算机的威胁一直存在。因此，从理论上讲，量子计算算法确实可能对我们今天所了解的数据安全世界造成严重破坏。

然而，2015 年研究人员发现，需要 10 亿量子比特才能破解 RSA 2,048 位签名。这个数字（10 亿量子比特）在 2019 年修正为 2000 万。量子计算机中的噪声是一个必须在我们开始考虑其成为主流之前克服的难题。来源：cacm.acm.org/news/237303-how-quantum-computer-could-break-2048-bit-rsa-encryption-in-8-hours/fulltext

尽管如此，2012 年使用了一个 4 量子比特的量子计算机来分解 143，两年后类似大小的量子计算机能够分解 56153。因此，量子计算机的能力正以非常快的速度不断提升。2019 年 12 月，谷歌的 Craig Gidney 和皇家理工学院的 Martin Ekera 发表了一篇题为《如何使用 2000 万量子比特在 8 小时内分解 2,048 位 RSA 整数》的论文。

突然之间，破解 RSA 2,048 位数的问题变得容易了 5 倍。之前估计使用量子计算机解决该问题需要 10 亿量子比特。Gidney 和 Ekera 使用了一种称为模指数的数学技术，并证明这是执行因式分解的更有效方法。他们在研究论文中表明，当因式分解 2,048 位 RSA 整数时，他们构造的时空体积比以前的实现少了 100 倍。来源：arxiv.org/abs/1905.09749

谷歌的量子优势声明可能需要持保留态度。谷歌关于量子优势的论文于 2019 年被 NASA 泄露，随后谷歌发布了官方新闻稿。在发布会上，谷歌声称他们的 53 量子比特 Sycamore 芯片可以执行计算，而这对于最强大的经典计算机来说需要花费 10000 年才能完成。

IBM 对此作出了科学回应。他们计算出谷歌的 Sycamore 芯片的整个量子状态向量可以存储在 Summit 中——这是世界上最大的超级计算机，拥有 250PB 的存储空间。经典计算机必须借助磁盘存储才能接近基本量子计算机的能力，这一事实说明了这两种技术之间的差距。

IBM 还展示了经典超级计算机可以在大约 2.5 天内模拟 Sycamore 芯片，而不是谷歌声称的 10,000 年。谷歌所取得的资源效率确实很高，但也许量子计算机还没有像它们被吹捧的那样伟大。

微软的量子团队最近发表的另一篇文章声称，通过实施正确的算法技巧，可以更有效地破解 RSS 和 ECC。他们根据美国商务部的一个单位——国家标准与技术研究院（NIST）制定的 ECC 标准实施了他们的算法。来源：www.microsoft.com/en-us/research/wp-content/uploads/2017/09/1706.06752.pdf

该研究表明，他们的算法可以使用 2,330 个逻辑量子比特和 Toffoli 门来破解 NIST 标准曲线 P-256。同样，他们能够证明，Shor 的因式分解算法需要 6,146 个量子比特来破解 3,072 位 RSA 密钥。

Toffoli 门非常适合构建具有数千个量子比特和数十亿门的大规模可逆电路，因为它们在经典和量子环境中都能工作。这些门位于高级抽象算法和最终驱动量子计算机的低级汇编语言指令集之间。您可以在cloudblogs.microsoft.com/quantum/2018/05/02/the-quantum-computing-effect-on-public-key-encryption/找到更多信息。

在谷歌、IBM 和微软的努力下，量子计算机有很大可能在不久的将来变得更加实用。纠错能力可能变得更高效，我们将需要更少的量子比特进行计算。随着更好算法的出现，使得量子计算机更加真实，对基于 RSA 和 ECC 的安全性构成了真正的威胁。RSA 和 ECC 是互联网、政府和许多金融服务公司目前依赖的基本安全机制。

我希望能解决目前我们在互联网、银行账户、信用卡、政府机密数据和消息传递中使用的安全机制可能会因量子计算的出现而受到严重威胁的问题。黑客今天可能记录下消息，而在 10 年左右的时间里，当量子计算机可以解密消息时，读取它。对信用卡信息可能不构成重大风险，但政府和国防秘密对这类问题更为敏感。

威胁加剧的事实是，很多重要国家正在希望利用量子突破进行网络战争，并且不一定愿意透露他们在量子技术方面的进展。因此，他们可能领先于我们从 IBM、谷歌或微软等获得的基准信息。现在让我们看看可能成为主流的不同的量子安全密码学技术，以确保我们的数据具有量子抵御能力。

量子安全密码学

每个问题都是创新的机会。薛定谔的算法基于量子傅里叶取样来破解非对称密码算法。因此，希望能对量子安全的密码系统需要对量子傅立叶取样以及其他经典和量子攻击免疫。2016 年 4 月，NIST 启动了后量子密码学（PQC）标准化挑战。使命是寻找一种 PQC 技术，可能保护我们的数据免受量子计算的威胁。

在 2019 年 1 月，69 个被接受的应用中有 26 个被选为半决赛入选。NIST 的努力目标不仅仅是找到一种在纸上行得通的 PQC 技术。他们还希望确保该技术在移动和平板设备以及物联网网络中是实际可行的。在机器相互传输数据的世界中，用低资源消耗来保护它们是必要的。

让我们来看看已提交给美国国家标准与技术研究院（NIST）的不同类别的密码学技术。重要的是要确保这些技术不仅在理论上对量子计算免疫，而且在实践中规模可行。正如讨论的那样，这些协议必须能够处理薛定谔算法。接下来让我们看看基于格的加密和基于代码的加密技术。

基于格的密码学

基于格的密码学（LBC）可能是最受关注的 PQC 类型。格是一个无限延伸的点网格。由于计算机资源有限，无法表示一个格。因此，我们使用一种称为基的东西，它是一组点或向量，帮助表示一个格。

LBC 依赖于在多维格网中解决几何问题的难度。例如，要解决的几何问题可能是最短向量问题（SVP），在其中我们需要识别具有短向量的良好基。不幸的是，在具有数千维的格网中这并不容易。

解决的另一个常见 LBC 问题是最近向量问题（CVP），其中给定一个点 P，需要确定最近的点。出于几个原因，LBC 技术似乎是最受欢迎的 PQC 技术。

格网已经研究了 200 多年。因此，它们的数学属性被充分理解。那些在格网理解方面发挥关键作用的数学家们根本不知道量子计算机的存在。尽管如此，他们的工作提供了一些洞见，可以帮助 LBC。

格网（Lattices）提供了一种前所未有的灵活方法来开发密码协议。因此，它们是研究最多、最深的密码领域。在 NIST 收到的 PQC 标准化挑战的 82 个申请中，有 28 个是基于格网的。

与 RSA 加密不同，后者可以归类为最坏情况下的降低技术，LBC 具有平均情况下的降低。这意味着平均而言，LBC 技术是安全的，除非格网问题的每个实例都很容易解决。在 RSA 加密技术中，如果使用的数字具有某些数论属性，则很容易破解。因此，在密钥生成过程中，我们需要确保这种情况不会发生。

对于 LBC，我们只需要选择参数大小并生成密钥。除了更安全之外，它们还更节约资源。例如，基于 LBC 的技术（R-LWE）在 8 位物联网设备上的加密过程在 200 万个周期内完成。RSA 1024 加密需要多运行 2300 万个周期。来源：arxiv.org/pdf/1805.04880.pdf

这使得格网密码（LBC）在我们生活的物联网世界中非常相关。它也可以用于需要量子安全的资源高效加密技术的移动和平板设备。虽然 LBC 算法比 RSA 加密更快，但仍然比基于码的密码（CBC）慢。让我们来审视这一类后量子密码学。

基于码的密码学

CBC 依赖于解码通用线性分组码的难度。该代码可以属于 Goppa 码或准循环码等系列。麦克利斯算法是一种非对称加密方案，已证明使用量子傅里叶采样无法解决它。目前尚不知道任何多项式时间的量子算法来解码线性分组码。

McEliece 算法最初是在 40 年前开发的，但并没有像 RSA 或 ECC 那样流行。这主要是因为其密钥大小巨大（通常为 0.5 MB，而 RSA 为 0.1 MB，ECC 为 0.02 MB）。然而，现在由于需要使密码学具备量子防护能力，它已成为人们关注的焦点。

CBC 的优势在于，从计算效率的角度看，通常比 LBC 方法更具性能。然而，在选择适合平台或应用的正确加密技术时，重要的是考虑诸如密钥大小、资源消耗、计算效率、签名长度和安全性信心等因素。

这两种技术（CBC 和 LBC）各有优缺点。它们的应用将根据使用环境的具体情况而变化。例如，在 IoT 环境中，我们将需要更小的密钥和相对更好的资源效率，此时基于格的密码学可能是更好的解决方案。因此，需要采用“因地制宜”的方法（针对正确的工作选择正确的工具），而不是将一种技术视为在后量子世界保护我们数据安全的万能钥匙。

类似于 NIST 挑战，欧洲委员会资助了一个由 11 所大学和公司组成的研究联盟，资金为 390 万欧元。该倡议被称为 PQCrypto。其目标是在三年内识别 PQC 技术。在提交给 NIST 的 69 个方案中，有 22 个是由 PQCrypto 的成员设计或共同设计的。来源：pqcrypto.eu.org/nist.html

尽管有所有这些充满希望的努力，人们也意识到任何新的加密系统要经过 15 到 20 年才能为规模化工业应用做好准备。因此，科学界面临这一挑战，以确保我们的所有数据都得到保护。虽然在后量子时代的互联网上数据安全是一个更广泛的问题，但我们也对区块链应用有特定的安全关注。

区块链密码学

许多区块链使用公钥密码学。它们在本质上是非对称的，因为发送者和接收者各有一个公钥和一个私钥。如前所述，在非对称加密方案中，用接收者的公钥加密的消息可以用他们的私钥解密。如果没有私钥，解密消息将非常困难，因此创建了一个陷门加密机制。

区块链安全机制依赖于这一陷门数学函数的难解性。许多加密货币和区块链使用 ECC。这包括以太坊和比特币区块链，因为 256 位椭圆曲线密钥的安全性相当于 3072 位的 RSA 密钥。椭圆曲线的较小密钥更具资源效率，因为它们需要较少的存储。

我们在第一章，量子计算与区块链导论中详细讨论了区块链密码学的工作原理。因此，我只会简要提及这个主题来刷新您的记忆。陷阱函数，又称为单向函数（OWF），是区块链安全的基础。区块链的用户使用这些函数创建数字签名，可以通过正确的密钥轻松验证。

加密货币可以被视为一系列数字签名的链条。每个数字签名都有一个向后和一个向前的链接，即它签署了前一个区块的哈希和新区块的公钥。这可以被视为一种握手机制，因为一枚硬币的所有权是通过数字签名从一个人转移到另一个人。

例如，比特币网络上的交易历史记录以区块形式表示。每个区块可以容纳多个交易。要将区块添加到账本中，需要满足一种数学条件。整个网络不断计算以找到这种数学条件的解（根据 ECC），一旦满足条件，区块就被添加到网络中。

因此，当有人想要攻击区块链时，他们不仅需要攻击单个交易，而且需要攻击整个签名链。尝试使用暴力方法来攻击这些签名是不可行的，因为需要的资源太多。

已经尝试了各种方法来攻击区块链，有些甚至成功了。我们在第一章，量子计算与区块链导论中讨论了这个问题。一些主要类型的区块链攻击如下：

智能合约攻击
交易验证攻击
挖矿池攻击
网络攻击
钱包攻击

所有这些针对区块链的攻击类型都有详细记录。正在识别和理解更多类型的攻击。根据 GitHub 的数据，有超过 30 种不同类型的智能合约漏洞可以被区块链黑客利用。

Sybil 攻击和 Finney 攻击是交易验证攻击的类型。当整个网络被攻击者入侵时，就会发生 Sybil 攻击。在 Finney 攻击中，攻击者会挖掘一个区块，将硬币发送给愿意购买未确认交易以获得一些商品的人，然后再回到网络确认交易并拿回钱。

网络攻击包括标准的分布式拒绝服务（DDoS），其中服务器被多个请求击倒，耗尽其资源。钱包攻击涉及利用社交工程攻击受害者的钱包。区块链黑客已经发现了几种利用框架漏洞的方法。

然而，大多数不涉及解决加密的过程，接收者接收到的交易更为容易。这就是量子计算可能对依赖 ECC 等加密技术的区块链网络造成致命打击的地方。使用量子技术破解区块链中的 ECC 可能导致保护资产的密钥破解。因此，黑客有更高的动机来攻击区块链网络，因为它们数字化存储了经济价值。

有一些区块链，如 QRL (量子抗性账本) 和 IOTA，是使用 PQC 开发的。然而，大多数区块链应用仍然使用 ECC，这不是量子安全的。就像 NIST 为互联网识别量子安全的加密技术所做的努力一样，我们需要一个全行业的区块链升级来抵御量子威胁。

现在让我们来看一些可以使区块链在后量子世界更安全的技术。区块链正在使用或探索的一些技术如下：

扩展 Merkle 签名方案 (XMSS)
区块链后量子签名 (BPQS)
温特尼茨一次性签名 (W-OTA)，由 IOTA 使用

当我解释这三种方法时，可能会显而易见它们都是相互关联的技术，并且有很多共同点。然而，每种技术都有适合它们的特定应用。

后量子世界的安全性

随着要解决的问题的困难度增加，加密方案变得更加安全。在后量子世界中，ECC 方法因为我们之前看到的原因而变得容易解决。可用于使加密量子安全的替代方案之一是使用基于哈希的签名方案。让我们来看一下使用哈希函数的 XMSS。

扩展 Merkle 签名方案 (XMSS)

XMSS 是 QRL 探索的一种基于哈希的签名方案。XMSS 具有两个关键特点，使其成为后量子加密的良好候选者。它使用了哈希函数，并且遵循一次性签名 (OTS) 系统。它还基于 Merkle 签名方案。Merkle 签名方案是由 Relph Merkle 在 1970 年代开发的，是量子抗性的。由于 Merkle 签名方案依赖于安全哈希函数，它们可以被归类为 PQC。

Merkle 签名方案中的公钥只能用于签署有限数量的消息。在 OTS 方法论中，它通常只用于签署一条消息。因此，在遵循 OTS 使用 Merkle 签名方案的区块链上，每个签名都需要生成一对公钥和私钥。XMSS 中的公钥由伪随机函数 (PRF) 生成。

下面的 Merkle 树图应该能够将其工作原理呈现出来。在 Merkle 树中，通常会生成 n 个密钥对，其中 n 是 2 的幂。顶部节点通过对其子节点应用哈希函数的连接来压缩所有公钥。

在此方案中，当发送者发送签名时，它将包含签名、树叶节点的公钥、发送的叶节点的索引和身份验证路径。此细节将证明发送的密钥对是 Merkle 树的一部分。例如，在以下树形图中，如果我们要使用具有叶节点 pk[2] 的密钥对，则发送者将发布以下内容：

签名
叶节点（公钥）– pk[2]
已发布密钥对的索引– 2
一条哈希函数的身份验证路径– 在这种情况下是 h[3]、h[8] 和 h[13]

接收者将使用此信息然后计算从 pk[2] 到 h[14] 的路径。来源：pdfs.semanticscholar.org/f38c/562c21fa1a94871e5f577669f7c4b9520632.pdf

图 2：具有 2³ 个 OTS 密钥对的 Merkle 树

OTS 方案与哈希函数相结合使得区块链更加安全。即使黑客找到了私钥，他们也无法破解区块链，因为之前的交易无法伪造。这是因为之前的交易将使用不同的密钥对。

在 XMSS 中，私钥保存一个索引，每次生成签名时更新。实际上，它保存了有关下一个未使用的 OTS 密钥对的信息。在此方案中，签名保存了 OTS 密钥对的索引和 Merkle 树上的路径。通过保存树中节点的位置，验证者可以识别根节点。从根节点，验证者然后可以计算公钥。如果公钥匹配，则签名有效。

尽管使用 OTS 结合哈希函数使得 XMSS 更安全，但它也有其缺点。密钥很大，如果树增长，对于小型设备使用这种技术可能会消耗资源。来源：eprint.iacr.org/2018/658.pdf

现在让我们来看一下 BPQS 技术，这是作为 XMSS 的替代方案正在被探索的技术。

区块链后量子签名（BPQS）

BPQS 已经专门设计为在生成密钥和签名以及执行验证时具有资源效率。这些都是 XMSS 中的痛点。BPQS 是 XMSS 的一个变体，它使用一条身份验证路径而不是树。因此，可以将其可视化为一系列哈希函数而不是树。

BPQS 可以像 OTS 方案一样工作，但也可以轻松扩展到多个签名。尽管 OTS 方案被视为安全的，但区块链的应用通常需要使用密钥对进行多个签名。例如，如果一个慈善机构发布其用于接收资金的公钥，可能希望至少保留它与一个筹款活动一样长的时间。因此，尽管 BPQS 是 XMSS 的变种，但从理论上讲它可以支持少量时间签名。

然而，BPQS 被视为 XMSS 的子集，侧重于快速签名。它仍然使用类似 XMSS 的 OTS 方法（W-OTS）。因此，与其将其视为 XMSS 中的一个成熟的默克尔树，我们可以将其视为一个由 2 个叶子的默克尔树链。以下图表有助于可视化 XMSS 树链：

图 3：XMSS 树链的可视化。来源：eprint.iacr.org/2018/658.pdf

由于其性质，BPQS 方法可以用于坐落在区块链和物联网融合处的应用。现在让我们来看看 IOTA 正在使用的 W-OTS 方案。

温特纳兹一次签名（W-OTS）

我们讨论了 XMSS 使用的是 W-OTS 方案，这是 W-OTS 方案的一个变种。另一方面，BPQS 使用 W-OTS。W-OTS 正在被用于 IOTA 这一较为知名的区块链应用中。IOTA 是由 IOTA 基金会开发的分布式分类账技术，它使用 W-OTS 方法来实现抗量子攻击。

IOTA 将其相关或链接的交易捆绑在一起。捆绑哈希被归一化以创建一个私钥，并透露密钥的一部分。因此，一个密钥只能被使用一次来提取给定值。私钥经过几次操作，将其分解成几个片段，然后通过哈希函数进行处理。使用称为 kerl 哈希函数来创建签名。

另一方面，通过使用所发送的捆绑哈希和签名来验证交易的签名。签名是以相反顺序处理以获得私钥片段。然后，通过哈希函数对其进行处理以获得地址。来源：docs.iota.org/docs/getting-started/0.1/clients/signatures?q=QUantum&highlights=quantum

IOTA 声称他们的方法是抵御量子攻击的，创建签名和验证的复杂性可能反映出这一点。然而，对我来说，所有这些都突显了我们需要真正复杂的技术来应对量子威胁。

我们现在已经看到了区块链应用程序使用的三种不同类型的抗量子密码学。然而，这些是例外。typical 构建应用程序使用以太坊开发者框架的区块链开发人员实际上并不了解量子威胁。

这种情况需要改变。每个区块链开发者都需要理解量子计算机可能对他们为世界创造的价值网络产生的影响。与更多是信息网络的互联网不同，区块链可以用来持有资产和财富。如果它被黑客攻击，那么损失会更大。因此，对网络安全的理解是每个设计和开发区块链应用程序的人必须具备的基本要素。

这也表明，就像互联网一样，数据安全需要在后量子时代进行升级，我们需要区块链是抗量子的。对于像以太坊这样的生态系统来说尤其如此，它被用来在全球范围内构建区块链应用程序。

每个正在评估区块链套件以为其客户创建应用程序的组织都需要确保它们是抗量子的。所有这些努力将确保只有抗量子的区块链平台在工业目的上获得关注。这最初会造成一些流失，但快速适应的平台很快将成为修正过程的胜利者。

结论

不仅是区块链正在与量子计算产生冲突，几乎整个互联网都处于风险之中。量子计算不仅对区块链平台构成严重威胁，对使用 RSA 和 ECC 等技术的所有平台也是如此。然而，对于互联网和区块链行业都存在抗量子密码学的解决方案。采用这些技术将需要仔细考虑这些技术将被部署的应用程序和上下文。

我必须承认，这一章节相当技术性。但我已经尽可能简化了围绕密码学的叙述。我已经涵盖了关键的加密技术 RSA 和 ECC，以及它们在互联网和区块链解决方案中的应用。

然后我提及了他们为什么在量子计算机普及后会受到威胁。目前对于那时将会发生这一事件还存在很多炒作。有人说是 2027 年，有人争论可能是 2031 年。Google、IBM 和微软都对量子优势可能何时发生有自己的看法。据说 Google 也在为量子时代做准备，正在他们的 Chrome 浏览器中尝试 LBC。

我已经讨论了包括 LBC 和 CBC 在内的各种技术，它们可以为互联网提供抗量子保护。重要的是，不应轻视 NIST 挑战的结果，并且应该有一个自上而下的全球性倡议，以转向抗量子的互联网。

我们讨论了区块链在后量子世界中的脆弱性，以及为何区块链应用程序必须具备抗量子特性的必要性。目前，区块链行业正在经历寒冬。我认为该行业需要在重新出现并恢复相关性之前，向抗量子方向迈进。区块链平台可以利用如 XMSS 和 BPQS 等解决方案来提高安全性。

总之，尽管量子计算机的威胁，区块链行业可以并且应该采取解决方案以保持相关性。尽管两项技术可能存在冲突的可能性，但它们也有真正的共存机会。区块链行业需要适应后量子时代以保持相关。

在本章中，我们深入探讨了信息和价值网络如何需要适应后量子时代的细节。在下一章中，我们将探讨各国是如何定位自己以利用量子技术可能给他们带来的信息优势。

第十六章：国家与网络战

我们生活在一个数据可能比原子弹更强大的时代。数据被用来在世界上最大的经济体中赢得选举。各国正考虑部署网络战争以战术和战略上相互攻击。因此，对国家情报和国防机密的数据保护变得极为重要。

根据国际数据公司（IDC）发布的报告，到 2025 年我们创造的数据预计将达到 175 泽字节。1 泽字节等于十亿兆字节，或 10²¹字节。其中很大一部分数据预计将存储在云基础设施上。因此，我们需要确保整个基础设施都是网络安全的。

我们在第三章《数据经济》中看到，数据创造的增长导致了几种技术范式的出现。例如，人工智能经历了几个寒冬后终于变得相关和可行。在因特网成功的基础上，我们拥有了区块链，价值互联网。机器相互交互的兴起离不开互联网。

物联网范式可能是网络专家面临的最大挑战之一。到 2025 年，我们可能创造的 175 泽字节中，有 90 泽字节可以归因于机器之间的互动。在物联网中的网络安全复杂性仍处于萌芽阶段。

在本章中，我们将讨论各种技术范式如何为网络罪犯提供了利用的漏洞。我们将探讨量子技术在这一背景下既可能是威胁也可能是救世主。通过这样做，我们将了解世界超级大国如何依靠技术优势来确保他们主导网络战争。

让我们首先探讨过去十年的增长，借助移动互联网，如何为网络罪犯提供了利用的漏洞。

成长也可能危险

数据不会自己传输到云端。我们需要电信提供商充当数据产生点和存储点之间的管道。整个电信基础设施也必须受到网络犯罪的保护。由于电信基础设施，世界上的一些地区正在拥抱移动互联网。

例如，仅在印度，2015 年至 2019 年间，超过 2.75 亿人获得了移动互联网的接入。虽然互联网基础设施主要是在过去三十年中创建的，但电信行业以迅猛的速度演变成今天的样子。大多数地区的电信网络保护基础设施仍然欠缺。

非洲和亚洲互联网用户数量的爆炸式增长创造了前所未有的飞跃时刻。截至 2019 年第二季度，这两个大陆上有 28 亿人连接到了互联网。这将在金融服务、医疗保健、生活方式、电子商务、教育和生活的其他几个方面创造众多机会。

爱立信进行的研究表明，互联网速度翻倍可以使 GDP 增长 0.3%。然而，所有这些增长都是有代价的。这些农村地区大多缺乏对网络安全和网络犯罪世界中存在的社会工程技术的认识。

例如，在 2020 年初，曾有报道称朝鲜黑客成功侵入了印度库丹昆拉姆核电厂。这个电厂离我在印度的家乡不到 80 英里。这个国家的许多地区在过去 5 年内才获得了移动互联网接入，对网络安全的认识，如果不是不存在的话，也是很低的。

最近，亚马逊的首席执行官杰夫·贝索斯通过沙特阿拉伯王储的 WhatsApp 帐户被黑客攻击。因此，即使是世界上最了解网络的公民也不免受影响。如果网络犯罪分子能够成功地攻击世界上最富有的人之一，他将无法逃脱，而他正是运营着一家最大的技术公司之一的农民，则更加不可能。如果这个农民在追踪他的交易的区块链上，那么这个区块链也是脆弱的。

我们生活在一个地缘政治战争现在在网络上进行的世界。最近，当一名伊朗官员被美国无人机击毙时，预计报复将通过网络攻击进行。

除了移动互联网和物联网，这些都是黑客的潜在途径，边缘计算可能是另一个需要在网络安全框架方面得到良好支持的技术范式。在边缘计算世界中，我们在客户端有更多的数据和业务逻辑。在以移动互联网为主导的世界中，这可能意味着手机会更加智能，与云的交互会更加选择性。

因此，移动用户需要确保他们对他们在手机上下载和使用的应用程序非常了解。随着边缘计算变得比现在更加普遍，它可能会成为网络犯罪分子的乐园。想象一下如果物联网设备开始在边缘进行交互会怎样。设备网络中有大量的数据流动，而没有中央云基础设施。

这为网络安全世界带来了大量新问题。随着所有这些技术范式几乎每天都在发展，它为网络犯罪分子提供了新的控制机会。全球主要国家正在投资数十亿美元进行技术研发，以确保他们在战争游戏中保持领先地位。如今，技术突破可以导致数据优势，这比核技术的突破更好。

在提供了对当代和未来网络安全问题的简要概述之后，让我们集中讨论新兴市场的增长以及这可能是网络安全的一个主要盲点。

富饶的土地

为了理解全球范围内网络安全的关键性，重要的是要设定讨论的背景。过去的三十年无疑是数据创新世界的一个不可思议的时期。在这段时期中，也许我们创新了创造和交换数据和价值的方法，但也许没有足够创新来保护这些数据。

我们看到 ARPANET 的演变如何导致了互联网的崛起，见《第三章》，《数据经济》。互联网无疑为一系列基于数据驱动的互联网应用和商业模式奠定了基础。搜索引擎、社交媒体和消息应用变得司空见惯：

图 1：2014-2023 年全球移动应用收入。来源：Statista

我们还看到由苹果和谷歌主导的生态系统的兴起。手机成为了我们口袋里随身携带的个人电脑，取代了诸如音乐播放器和游戏机之类的设备。截至 2019 年，移动应用市场规模达到 4610 亿美元，预计到 2023 年将接近 1 万亿美元。前述图表显示了这一增长的程度。

直到 2010 年左右，大多数这些发展主要在世界发达经济体中才能明显察觉到。由于移动普及，也许是在过去的 10 年里，移动业务才真正触及到新兴世界的农村人口。

在非洲，M-Pesa 也许是首个在新兴世界范围内出现的模式，电信提供商和手机共同创建了一个可扩展的业务。当时我们并不知道移动电话在发达世界的不同生活领域中会产生多大的影响。

然而，M-Pesa 是全球数家组织的一个完美案例研究。这是随后在非洲、亚洲和拉丁美洲掀起的大规模包容浪潮的开端，由移动互联网驱动。在所有这些情况下，第一步都是移动渗透，其次是互联网渗透。

在非洲，M-Pesa 的飞跃时刻激发了赛里斯创新的浪潮。阿里巴巴和腾讯释放了利用该国突然增长的互联网渗透率的业务。阿里巴巴的支付业务 Alipay 在 2013 年取代了 PayPal 成为全球最大的移动支付平台。

在接下来的 5 年里，它将记录前所未有的增长。到 2019 年，支付宝的月活跃用户已经增长到 6.08 亿。2019 年，赛里斯的移动支付规模达到了 40 万亿美元，其中超过 90%是在支付宝或腾讯的微信平台上完成的。与美国黑色星期五和网络星期一的销售额达到 160 亿美元相比，2019 年阿里巴巴的“双 11”销售额达到了 380 亿美元。赛里斯由于移动互联网的普及而导致的增长，使得以前从未见过的消费主义得以实现。这激发了其他亚洲地区的增长措施。

在过去的 2 至 3 年里，我们看到了印度和东南亚的新趋势。在印度，增长得到了三个关键因素的催化。

亚洲最富有的人穆克什·安巴尼通过 Reliance Jio 在该国发起了一场移动互联网革命。在推出 Jio 的 3 年内，该国农村地区的 2 亿人获得了互联网接入。根据麦肯锡对数字印度的报告，到 2018 年，该国有 5.6 亿移动互联网用户。来源：www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insights/Digital%20India%20Technology%20to%20transform%20a%20connected%20nation/MGI-Digital-India-Report-April-2019.ashx

印度增长的第二个原因是围绕身份、数字银行和支付的政策和政府驱动的基础设施。该国数字经济在 2016 年 12 月的废钞努力中得到推动，当时政府禁止了某些面额的货币。这与名为“Aadhaar”的生物识别卡的推出同时发生。

有超过 11 亿印度人拥有 Aadhaar 卡。建立身份解决方案促成了前所未有的数字金融包容。这也与政府支持的支付基础设施“统一支付基础设施”（UPI）同时出现。以下图表突显了印度互联网用户的增长：

图 2：印度互联网用户，2015 年至 2023 年

印度增长的第三个，也许是最有趣的原因是，全球技术巨头将印度视为最后的前沿。例如，亚马逊和沃尔玛已经接管了印度的电子商务市场，以制衡赛里斯的阿里巴巴。然而，阿里巴巴通过 Paytm 拥有印度超过 50%的支付市场，而沃尔玛对 PhonePe 的收购在不到 2 年的时间里使其在支付市场上的份额增至 42%。

最近，我与我投资组合公司的首席执行官就印度的数据安全和隐私问题展开了一场辩论。他认为印度、东南亚和非洲等地区的人对数据隐私和安全非常在意。我则认为，在印度的庙外摆摊卖花的女人使用二维码和 Paytm 应用的时候，并不在乎或不考虑数据安全问题。她只在乎钱能否到达她的银行账户，同时认为支付技术是安全的，不会让她失望。

这些发展为何在网络安全讨论中具有相关性？全球范围内的移动互联网已经催生了使普通人比以往任何时候都更易受网络犯罪侵害的新商业模式。以前从未接触过技术设备的人已经转向了智能手机、移动互联网、支付钱包、二维码和移动交易，而且这都是在 5-10 年的时间内发生的。

随着全球快速增长的严重缺乏对网络风险的认识。互联网不再仅仅是一个信息网络。随着电子商务和支付应用程序的普及，互联网已经演变成了一个财富网络。因此，我们需要一个由技术支持的框架来保护那些在过去十年中接受了创新的人们。

我们已经讨论了围绕移动互联网上人为通信和交易的增长会如何产生新的网络安全风险。现在让我们来看看物联网是如何会制造漏洞的。

机器时代

我们已经讨论了不同的技术范式，这些技术范式可能会让世界向网络犯罪分子打开大门。然而，在未来 5 年里将产生的 70%以上的数据将来自于机器及其之间的通信。这可能会给数据安全带来重大挑战，因为物联网生态系统在理解网络安全风险方面还处于初级阶段。

人工智能和物联网的发展催生了机器人领域的新主题。以前由人类执行的单调工作现在由前所未有的智能驱动的机器来完成。当发布有关人类将如何很快地失去工作岗位给机器时，社交媒体往往变得生动起来。

机器无疑在未来的工作中具有真正的地位：当任务涉及到浏览数千页的文本时，技术确实能够让我们人类更轻松。在我在普华永道的日子里，我们正在探索利用人工智能来帮助我们审查成千上万页的法律和法规文本，并就关键战略问题提供见解。

亚马逊和阿里巴巴已在其仓库中部署机器人以提高物流效率。我们还从富士通的戴夫·斯内林那里了解到，他们的量子退火器正为宝马的机器人提供动力。因此，有些用例中，机器确实能够比人类表现得更好。然而，我经常反驳社交媒体对机器取代的夸大说法，因为我相信我们可以通过更加人性化来超越机器。

尽管有所有这些技术发展，我们与通用人工智能仍有相当距离。要使机器具有共情能力，并在诸如医疗保健或金融服务等领域慎重做出决策，这种场景仍需数年时间。这就是人类在未来工作中仍然会保持相关性的原因。

日常生活中机器的崛起增加了我们对它们的依赖。就在几天前，我遇到了一件人寿保险费的问题，因为我的苹果手表未能与手机同步。同步过程对我的保险提供商来说很重要，以便他们收到我健身计划的详细信息，并为当月确定我的保险费用。

这在制造经济中尺度上更加明显。在美国，每百名制造业工人中有 2 台机器人。韩国的比例最高，每百名制造业工人中有 7.1 台机器人。这一比例预计将在本十年内急剧上升。因此，机器是来留下的。以下来自 Statista 的图表显示了世界工业化经济中机器的增长：

图 3：机器人工人密度最高的国家

机器和物联网的崛起开辟了新的可能性。我能够追踪家中每个设备的用电量。每个设备都会以使用情况发出信号，然后被智能设备捕获。这台机器从这些信号的模式中学习，以便在我的洗衣机磨损或者洗碗机需要维修时提醒我。

如今，我们使用的打印机甚至可以自行订购墨水。我们依赖于我们的手机将正确的数据发送给正确的服务提供商，以确保我们的生活没有任何中断。我最近接触到一个 AI 应用程序，它可以让智能音箱为我填写超市购物篮并下单。自动驾驶汽车是另一个重要的用例，融合了物联网和人工智能。

数据时代已经到了一个程度，物联网基础设施在生活的方方面面产生数据。使用这项技术捕获的数据随后存储在云中。区块链可以为这种数据基础设施带来完整性，并有能力确保它与正确的利益相关者共享。人工智能可以利用这些数据并提供洞察，使我们所有人的生活更轻松。我们依赖所有这些技术来继续前行。但是，它们也有它们的阴暗面。

2019 年，Facebook 宣布他们关闭了他们的人工智能计划，因为机器已经发明了他们自己的语言来相互交流。我们可能正在进入一个迄今为止只在电影中知道和看到的领域。物联网网络以缺乏网络安全基础设施而臭名昭著。Bitcoin Gold (BTG) 区块链在 2019 年 1 月遭受了 51%的攻击。据报道，这次攻击导致了价值$70k 的双重支出在区块链上。

在过去 5 年中出现的另一个关键技术范式是边缘计算。计算机工程师会同意，架构像时装一样是循环的。在 1990 年代和 21 世纪初，我们有很多安装在个人电脑或笔记本电脑上的应用程序。它们使用客户端服务器交互，在那里有一个厚客户端（Pc 安装）与集中服务器通信。

在过去的 15 年中，随着云计算的出现，我们看到大多数这些厚客户端都消失了。我们的大多数应用程序都是基于云的，并且大部分数据和智能都存储在服务器上。Chrome 操作系统的崛起，以及 Dropbox 和 Google Drive 等存储解决方案，都是同一趋势的例证。我们开始更频繁地使用 Google Docs 而不是安装在我们的 PC 和 Mac 上的传统文字处理应用程序。

然而，这种工作模式假定了持续的互联网连接。当我在伦敦地铁上时，我发现我的音乐应用程序或 YouTube 停止播放非常不方便。这就是边缘计算的原因，其中一些数据和大量业务逻辑可以位于客户端。仅在必要时才进行云连接，从而使用户体验更加无缝。

当机器必须彼此发送微型消息而不必依赖云基础设施时，这可能是一个特别有用的功能。如果没有云基础设施，机器依赖于它们所属的网络的完整性。在这样的网络开始变得越来越普遍的世界中，我们可能会面临大规模的网络犯罪。

这的一个例子是自动驾驶汽车。边缘计算的一个关键用例被认为是自动驾驶汽车行业，预计每天将产生数 TB 的数据。然而，大部分这些数据不必实时发送到云端。这些数据大部分是车辆及其其他车辆网络需要的，以调节道路交通。

总部位于旧金山的初创公司 Renovo 正在研究边缘基础设施，使自动驾驶车辆可以在边缘之间相互交互。当汽车到达充电点时，它们可以连接到云基础设施并发送所需的数据。这样做使过程更加高效和用户友好，因为只有必要的数据实时发送到云端。

这是边缘计算实时捕获和使用数据的良好示例。然而，想象一下，由于网络中的漏洞，这个汽车网络被黑客攻击。黑客不仅可以利用这个网络内的数据，而且如果他们想的话，他们还可以在道路上制造混乱。这是另一个创新如何催生数据创造新方式的例子，但在如何保护这些数据方面几乎没有采取任何行动。

我们在前一章中讨论了互联网和使用基于 RSA 和 ECC 的加密的区块链行业在后量子世界面临被攻击的风险的事实。迄今为止，这一章中讨论的大部分创新都是如此。然而，许多这些技术和创新发展甚至没有考虑到一些基本的网络安全防御措施。

因此，解决这个问题的第一步是在全球范围内提高对网络犯罪的意识。金融包容性、医疗保健、数据访问和支付交易都可能是非洲农民想要互联网的原因。然而，他们需要知道，一旦连接到网络，他们的数据和金钱就会变得脆弱。就像零售投资者被告知使用产品的风险一样，互联网用户也必须了解这样做的风险。

主要发达和新兴经济体已经注意到了存在的这些漏洞。他们了解到，能够利用这些漏洞使他们在了解敌国公民的情绪方面具有重大优势。利用这些数据漏洞对另一个国家的公民的心态和行为进行微妙的改变被视为网络战争中的重要武器。

现在让我们来看看世界上一些最大的经济体如何陷入技术军备竞赛，以利用世界在无意中创造的数据。

网络战

新的十年刚刚开始，还没进入新年的步伐之前，随着美国发动了无人机袭击并杀死伊朗军事官员卡西姆·苏莱曼尼，地缘政治紧张局势升级了。伊朗被预计会进行报复，他们也确实这样做了。然而，军事报复预计只是他们行动计划的一小部分。华盛顿特区一直在为发动广泛的网络攻击以在国家内造成混乱做准备。

CNN 报道称，美国政府官员一直在与 Dragos、CrowdStrike 和 Cloudflare 等网络安全公司合作。创建了几种场景，旨在了解漏洞和潜在威胁的规模。其中一些场景包括对依赖电力的美国电网发起攻击，以及针对石油和天然气公司的攻击。

美国大选计划于今年举行，网络攻击可能对该国的未来产生严重影响。包括微软和 Cloudflare 在内的几家公司已提供网络安全服务给参与选举的关键利益相关者。然而，这种新趋势在最高层面所受到的关注量仅仅表明了网络攻击对一个如美国这样强大国家的损害有多大。因此，全球各国必须做好准备来应对这种新威胁。

由于技术创新，不缺少能够解决网络攻击问题的初创公司。2019 年，投资进入网络安全公司的数量创下了历史新高。以下图表显示了该领域风险投资的增长：

图 4：网络安全领域的风险投资。来源：news.crunchbase.com/news/almost-10b-invested-in-privacy-and-security-companies-in-2019/

2019 年，网络安全公司的风险投资达到了 100 亿美元，而 2010 年为 17 亿美元。2019 年全球网络安全市场规模为 1200 亿美元，预计到 2021 年将增长到 1430 亿美元。尽管网络安全是硬币的一面，但对于人工智能、区块链、量子计算和物联网等技术的投资为一个国家在经济和地缘政治竞争对手和对手之间赢得了竞争优势。

那些能够利用物联网更好地捕获数据、利用区块链和量子基础设施更安全地存储数据、利用安全网络安全地通信并利用分析做出智能决策的国家比其他国家具有优势。创新经济的一个标志是愿意分配给研发的 GDP 比例。

研发投资占国内生产总值的百分比越高，国家改善创新生态系统的承诺就越高。让我们快速审视各个主要国家的创新生态系统，并比较它们在接下来的创新图表上的表现。

美国

毫无疑问，美国一直是全球技术创新的总部。虽然研发投资占国内生产总值的比例可能不如一些斯堪的纳维亚国家高，但硅谷生态系统一直是技术创新和投资的中心。美国国内生产总值的巨大规模意味着比世界上几乎任何其他地方都有更多的资金流入技术领域。多年来，它已成为其他国家希望效仿的案例研究。

硅谷曾经处于互联网泡沫的前沿，幸存者支持了下一代企业家。2019 年，美国的风险投资达到了 1050 亿美元，分布在 4,633 宗交易中。尽管由于贸易战，来自赛里斯的资本流动下降，但 2019 年的风险投资金额仍高于 2018 年（1,030 亿美元）。

需要考虑对技术的投资，如人工智能、区块链和量子计算，以评估美国在这些深度技术领域的竞争力。让我们特别看看美国的量子计算生态系统，因为这对我们来说更相关。

大型科技巨头如谷歌、英特尔、IBM 和微软都投资了大量量子计算。例如，谷歌投资了 D-Wave，其量子计算机被量子计算社区广泛使用。同样，英特尔投资了 QuTech，并已开始与之合作十年，以开发容错量子计算机。

微软和 IBM 大多将他们的量子计算研究保持在内部。IBM 在这一领域非常活跃，并定期公布其进展。在 2020 年的 CES 上，它宣布将其 28 量子比特机器的量子体积从去年的 16 提升到了 2020 年的 32。

即使是美国的学术机构也在量子计算的研发中非常积极。滑铁卢大学于 2002 年在黑莓创始人迈克·拉扎里迪斯的资助下建立了量子计算研究所（IQC）。根据量子计算领域的出版物数量，马里兰大学是另一所在美国的学术机构，得分很高。

为了在量子技术方面取得领先地位，美国总统唐纳德·特朗普于 2019 年 8 月签署了《国家量子计划法》。这项法案为量子计算研究拨款 12 亿美元。考虑到这一切意图，你可能会认为美国必须领导量子计算行业的倡议，但事实并非如此，因为全球创新的天平现在正倾向于东方。赛里斯在量子通信方面具有巨大优势。

赛里斯领先全球

在技术世界中，赛里斯历来被认为是模仿者。然而，过去十年，赛里斯企业成为全球企业带来前所未有的资本，并且在技术创新方面表现出色。

图 5：技术创新的全国支出。来源：www.nature.com/articles/d41586-020-00084-7

赛里斯在过去十年的风险投资不断增加。 2018 年，赛里斯在 5356 笔交易中投资了 1070 亿美元，但由于贸易战的影响，这一数字在 2019 年下降至 3348 笔交易中的 490 亿美元。然而，这并没有真正阻止赛里斯在缩小与美国之间的研发投资差距方面取得进展。

上述图表显示了赛里斯在技术创新方面接近美国。但是，在量子计算方面，他们无疑是世界领导者。 2017 年，赛里斯在量子计算领域的专利申请数量是美国的两倍。 70%的量子技术专利被赛里斯大学授予。美国获得第二名，占专利的 12%。

赛里斯国丨家丨主丨席✕✕✕承诺在量子计算方面投资数十亿美元，以期实现该技术的全球主导地位。阿里巴巴 CEO 马云为多个技术分配了 150 亿美元，其中也包括量子计算。按照这个速度，到 2030 年，赛里斯将以投资和成果的基础，远远领先于世界其他地区。

现在让我们简要了解一下赛里斯在这一领域取得的成就。赛里斯大学在研究和发展工作方面做出了重大贡献。以下图表展示了赛里斯大学和公司在量子计算领域作出的贡献有多大：

图 6：以出版物数量为基础的量子计算中的领先学术机构和组织。来源：quid.com/feed/the-three-leading-academic-institutions-in-quantum-computing

赛里斯科学技术大学（USTC），在潘建伟的领导下，已在量子计算研究领域取得了快速进展。作为“量子之父”的潘建伟率先在量子通信领域开展了 USTC 的工作。 USTC 的量子通信网络利用卫星连接北京和上海等八个城市。

2016 年，潘领导赛里斯发射了世界上第一颗量子卫星“墨子”。利用该卫星，在北京和维也纳之间进行了使用量子加密的视频通话。显然，赛里斯在量子通信方面是领先者。然而，在量子计算领域，他们仍在赶超美国和欧洲。

现在让我们看看欧洲和英国在量子技术方面的努力。

欧洲和英国

随着赛里斯和美国争夺全球主导地位，在量子科学上投入数十亿美元，欧洲和英国正在稳步取得进展，相对而言研究力度较小。

UKRI（英国研究与创新）是英国量子计算研发和生态系统发展的先驱。UKRI 的国家量子技术计划（NQTP）在该技术上的总投资已超过 10 亿英镑。该计划将覆盖量子行业的以下方面：

专注于使用量子技术的产品和服务。
面向行业的研究活动资金。
为量子项目确保丰富的供应链。
风险投资和早期投资。

NQTP 计划在四个中心投资了 1.2 亿英镑，重点关注量子计算中的不同集群：

伯明翰大学领导的传感器和计量学将致力于量子传感器和测量技术。
由 QuantIC 中心创建的量子增强成像项目，由格拉斯哥大学、布里斯托尔大学、爱丁堡大学、牛津大学、赫瑞瓦特大学和斯特拉斯克莱德大学参与。
NQIT（国家量子信息技术）中心由牛津大学领导。它专注于应用，如药物发现、随机数生成和量子通信。
由约克大学领导的量子通信中心，布里斯托尔大学参与，专注于量子密钥分发（QKD）。由于他们的努力，我们可能能够通过量子技术在手机上进行银行交易。

随着英国推动量子研究与发展，欧洲也不愿落后。2018 年 10 月，欧洲委员会承诺向量子计算投资 10 亿欧元，称之为“量子技术旗舰项目”。欧洲研究理事会与布里斯托尔大学密切合作，利用量子计算解决现实生活中的挑战。

到 2021 年为止，旗舰项目的第一阶段拨款为 1.32 亿欧元。这笔资金将分配给四个领域的 20 个项目：

量子通信
量子模拟
量子计算
量子计量学和传感

来源：ec.europa.eu/digital-single-market/en/quantum-technologies

2021 年后技术的资金将是欧洲 Horizon 2020 计划的一部分。

除了这些生态系统建设工作之外，欧洲一直是量子计算创新的一个重要中心。例如，荷兰一直是量子技术的重要枢纽。甚至微软在该国建立了量子实验室。

到目前为止，我们已经审视了创新速度和数据创建速度在数字世界中带来的风险。我们已经看到国家正在投资数十亿美元，以利用可以使它们处于数据竞赛中的领先地位的技术。另一个值得讨论的是量子网络在这一背景下可能发挥的作用。

围绕量子网络的炒作

在讨论赛里斯对量子通信的关注的部分中，我们发现他们能够开拓出安全免受黑客攻击的量子加密通道。量子加密是一个很好的进步。然而，在量子网络上的信息流被誉为安全通信的圣杯。

想象一下一个没有人能窥探你信息的互联网。想象一下一个你可以自由进行通信和交易而不必担心数据安全的互联网。由于量子比特一旦被观察就会失去状态，这是可能的。因此，当有黑客攻击时，消息的发送者和接收者可以识别出来。这种技术范式对军事和国防通信的影响几乎是不可低估的。

量子网络可以被视为相距 50 到 100 公里的三个量子设备的网络。赛里斯在墨子号建造了第一颗量子卫星，欧洲正努力维持第二。荷兰的代尔夫特理工大学正在致力于创建可能成为未来互联网的量子网络。

量子纠缠可以用来创建量子网络。第一步是创建所谓的“纠缠节点”。这是通过一种过程实现的，即纠缠的质子在这些节点之间交换。一旦这些节点被纠缠，整个量子比特就可以在它们之间传输，而无需在网络中物理地发送量子比特。

这正是第一颗量子卫星墨子为了在多个地面站之间进行通信所做的事情。使用晶体和激光器创建了纠缠的光子对。这些纠缠的光子对被分离并传输到不同的地面站。因此，量子信息可以在这些站点之间传输，这些站点位于相距 1203 公里的德令哈和丽江市。

这被誉为比使用最佳光纤技术高效一万亿倍的成就。然而，墨子实验每秒传输了 600 万对纠缠粒子，其中只有一对到达地面。因此，仍然有很多工作要做。

尽管存在这些挑战，利用纠缠的属性是最安全的通信方式。奥地利的量子光学与量子信息研究所和荷兰代尔夫特理工大学已合作创建了一个量子网络的原型。

团队们利用激光操纵钙离子，创建了一个具有两个能量状态的叠加态量子比特。该离子还会发射一个以其极化态编码的量子比特的光子。由于这些量子比特相互纠缠，它们可以传输到相距较远的两个量子站，用于通信。

在实验过程中，团队测试了一种称为纠缠交换的过程。在这个过程中，两个节点会将一个纠缠光子传输到中间的站点。这些光子将在中间的站点上进行测量，导致它们失去与其离子的纠缠性。然而，这个过程使得两个离子彼此之间产生了纠缠。

团队现在正在考虑在荷兰的三个城市之间建立一个网络，以利用纠缠交换来传输量子信息。显然，量子网络还有很长的路要走才能成为主流。现在仍然处于早期阶段，很难说量子网络会不会成为互联网的未来。然而，世界各地的科学家们现在每天都在取得进展，显示出希望的迹象。

如果承诺成真，我们也许能够建立一个安全的互联网基础设施。我们还可以建立一个安全的机器互联网，比如无需依靠云基础设施就能独立存在的自动驾驶汽车。

结论

在过去 30 年里，人类变成了一个完全依赖互联网谋生的网络族。我能想象一天没有电、食物，甚至水。但没有互联网的一天感觉无法想象。我们生活在一个孩子们把关闭 Wi-Fi 当做惩罚的年代。一个坏了的灯泡被视为失去了互联网访问权限的灯泡。

我们与智能音箱对话，提醒我们播放我们喜欢的歌曲，从而留下我们的一部分信息在线。我们的健康数据存储在云基础设施上，希望能够降低我们的保险费，或者帮助我们赢得步数比赛。多亏了支付和汇款技术，我们可以随意向世界各地的朋友和家人发送资金。

在我们的大部分数据都存放在线的情况下，我们经常忘记的是它的安全性。作为个人，失去数据给黑客的控制的想法可能是可怕的。然而，想象一下一个国家将其数据丢失给黑客的情景。如果黑客能够控制公民的身份，国防信息，国家电网和核电站（列表可以无限延伸），那将是灾难。

不再需要复杂的机关枪、无人机或原子弹来伤害敌人的国家。规模化计划和组织的网络攻击甚至比零星的无人机攻击更能让一个国家屈服。在本章中，我讨论了为什么创新使我们都容易受到这些网络威胁的影响。

然而，通过广泛的意识提升努力和一些技术突破，我们可能能够将我们所有的数据转移到一个安全状态。第一个挑战是，谁会率先达到目标？第二个挑战是，量子技术能否达到预期效果？

现在说量子网络会成为互联网的未来还为时过早。我们在世界各地的科学实验中看到了零星的小规模成功。然而，为了在合理的时间范围内产生实质性影响，需要在涉及量子领域的多个方面取得更广泛的成就。

虽然有很多炒作，但在所有炒作之间，仍然存在着希望。让我们现在快速回顾一下前面章节提出的关键讨论点。

第十七章：结论 - 蓝天

人生就像一盒巧克力，你永远不知道会得到什么。

– 福雷斯特·冈普

考虑到福雷斯特·冈普的智慧之言，写这本书的机会确实是“就像一盒巧克力”。现在我已经进入这本书的最后一章，我可以说这是一次有意义、令人谦卑和令人惊叹的学习经历。

在《每日金融科技》（Daily Fintech）这个世界第二大阅读量的金融科技博客连续两年每周发布博文后，我知道我能写作。我原计划在 2020 年开始写作生涯。但写书的机会比我预期的提前了一年到来。我知道生活给了我一个曲棍球，而我正处于一个很好的位置，可以将其击出公园。

在过去几年中，我有许多朋友一直在研究人工智能、区块链和量子计算方面的书籍。当我看到量子技术书籍的作者时，我看到的是物理学家和计算机科学家。我绝对不是其中之一。我必须为这本书找到一个关注我专长的论点。

在我与硅谷企业家进行的最早的量子计算谈话之一中，她提到过，要完全掌握量子技术，一个人需要在物理、数学和计算机科学中都拥有博士学位。我知道这是一个轻松的评论，但其中也有一些真理。因此，当我在开发这本书的论点时，我知道我必须坚持我的优势。

我的优势来自我过去 5 到 6 年作为风投（VC）投资者的经历。多年来，作为一名 VC，我的经验教会了我两个关键的教训。第一个教训是技术只是达到目的的手段，重点是要专注于“为什么这样做？”第二个教训是，一个技术专家应该能够保持叙述简单。

在我开始我的风投职业之前，我曾在银行担任数据和技术专家。这经常涉及与董事总经理和高管层合作。许多这些成就卓著的人把技术视为灵丹妙药。他们觉得市面上一定有一种特殊的技术能够解决他们的商业模式和流程效率低下的问题。我不得不一再强调，技术只是达到目的的手段而已。

因此，作为一名 VC，我关注的重点之一是超越炒作。我必须专注于我正在评估的技术的商业应用和可行性。仅在 2019 年，我就有幸观察了超过 400 家科技初创公司。如果考虑过去五年，这个数字将超过 2,000 家。对于 VC 行业的大多数人来说，这都是相当典型的经历。

这种经历让我有了一种独特的位置，能够看到我所见证的关于量子技术的炒作之外。每当我听到这个领域的概念时，我首先要问的问题是，“它将解决什么问题？”我对这本书的方法正是如此。

我不想过多讨论量子计算背后的数学或物理，因为我没有能力去谈论那些。但我知道如何看穿技术的炒作，关注它所带来的东西，以及潜在的商业应用。

我作为一名风险投资人（VC）所发展的另一个关键特征是保持叙述简单。我经常看到有着扎实技术背景的企业家们努力摆脱他们的行话。科学领域的人们可能能够应付这样的语言和解释，但当一项技术正在走向主流时，简化围绕技术的叙述是必不可少的，只有简化了围绕技术的叙述，才能与更广泛的生态系统建立联系。这种联系只能通过简化围绕技术的叙事来实现。

技术的受益者，无论是企业还是消费者，都应该能够理解技术的应用。比如，作为银行的消费者，你只关心他们提供的抵押贷款利率、信用额度和存款利率。你不关心他们是用蒙特卡洛方法还是历史模拟来评估他们的信用风险。

这本书本质上是所有这些思维过程的结晶。要将像量子计算这样复杂的事情简化，实在是极其困难的。同时，从应用的角度探索量子计算也是一次愉快的经历。在本章中，我将汇集我在本书中尝试涵盖的量子技术的不同维度。

让我们先关注眼前的现实。量子计算到底有多么被炒作？每一项技术都经历起起伏伏，量子计算也不例外。让我们根据本书中的讨论内容来考虑我们目前所处的量子计算的状态。

究竟有没有炒作？

量子计算依赖的量子力学原理已经存在了一个多世纪。正如我们在本书的前几章中讨论过的那样，量子计算的概念是由理查德·费曼在 1980 年代提出的。从那时起，每当出现像肖尔（Shor）或格罗弗（Grover）算法这样的突破性算法时，炒作就会增加。

类似的，像赛里斯的量子卫星计划（墨子）这样的成功概念验证使乐观情绪飙升。这正是人类的生理反应，由于这些发明的新颖性而导致多巴胺水平增加。这也正是保持生态系统乐观并寻找新突破的动力，尽管面临重重困难。

回想一下我与戴夫·斯内林的采访，以及他为我画的图片：

$G:\My Drive\Books\Quantum Chain\Book\Chapters\Pics\GraphIllustration-Final-01.jpg$

图 1：戴夫·斯内林的草图，解释了量子退火的趋势

就像人工智能领域一样，自上世纪 30 年代以来，量子计算也经历了数次起伏。在我与富士通的 Dave Snelling 的讨论中，他提到量子计算机距离主流采用还有 15-20 年的时间。我们讨论了量子退火机的一些特定能力可能比基于门的量子计算机更快地实现。

因此，我们可能会在比 Dave 的时间表稍早一点的时候看到优化问题的解决方案。请参见前图以了解说明。像富士通这样的组织也正在努力通过数字量子退火机来弥合经典和量子计算机之间的差距。我们在本书中提到的许多应用已经在商业环境中实现，这些应用是通过数字量子退火机实现的。

然而，这项技术的一个一贯方面是几家公司试图利用的“量子霸权”。甚至像谷歌这样的公司也利用量子计算技术的倡议来做公关。甚至 Gartner 也不能免于加入这种炒作。他们的下一个图表展示了随时间变化的人工智能的预期：

图 2：2019 年 Gartner AI 炒作周期

前面的“炒作图表”显示了 Gartner 对量子计算所驱动的机器学习达到高潮炒作有多远的看法。我个人认为这个领域在接下来的十年内不会达到高峰。在这项技术成为主流之前，我们将在接下来的十到十五年中看到更多的高峰和低谷。

我为这本书采访过的 Dave Snelling 和其他许多人提出了对量子霸权的看法。例如，据 Dave 称，量子霸权不能仅仅关乎处理速度。它必须关乎量子计算机在合理时间内解决经典计算机无法解决的问题的能力。

谷歌声称能在几天内完成一项计算，而对经典计算机需要 1 万年的情况，这可能并不一定能满足科学界对此的要求。因此，当一家公司声称实现了量子霸权时，必须要对此持保留态度。

围绕量子计算的炒作的一个可取的结果是，它有助于引起人们对这项技术可能带来的风险的重视。在我与 IBM 的 Dinesh Nagarajan 讨论中，他强调了这项技术可能对互联网现有加密技术造成的风险。他还强调，在大型企业中，技术变革通常需要 7-8 年的时间。

因此，对技术的一些炒作可能有助于量子计算引起这些易受后量子世界影响的公司董事会的关注。随着技术的发展，这些组织可以做好准备，灵活应对威胁。

这并不是为了证明我们在今天数据驱动的世界中拥有一些酷技术的非理性狂热。考虑到技术的可能性，不免会感到兴奋。然而，了解我们在量子计算方面的现实并根据此设定现实期望是很重要的。现在让我们来看看我们在书中涵盖的技术的一些有趣用例。

有价值吗？

最近有关量子技术的优点的 Twitter 上的讨论，我被卷入其中。提出的问题是我是否从量子技术中看到了价值和实际应用。答案是肯定的，因为至少在过去一年里，我看到了一些量子计算初创公司开始商业化他们的解决方案。然而，我会谨慎行事，暂时不会对这些解决方案感到过度兴奋。

这些公司大多数都有解决方案，可以对我们生活的各个方面产生重大影响。但它们尚未在大规模的实际环境中证明自己。我在过去 12 个月中遇到的解决方案涵盖了各种领域，包括医疗保健、气候技术、金融服务，甚至石油和天然气。这些大多是经典计算机难以解决的问题。

尽管技术的成熟度令人担忧，但不能否认存在潜力。健康和财富一直是创新可以对地面产生巨大影响的两个关键领域。这在新兴市场尤其如此，在那里数十亿人没有良好的医疗保健或金融服务。让我们简要地触及我们在书中讨论的用例，无论是在涵盖采访的章节还是其他章节。

医疗保健

我们涉及了量子计算可以用于改善药物发现过程的用例。有两个方面。一个是技术可以缩短药物上市时间，因为它可以模拟药物可能有效或无效的情景。这个过程在使用经典计算机时效率不高。

此用例的第二个方面是药物与特定健康状况的匹配质量可以比使用经典计算机更有信心地评估。将这两个方面结合起来，我们可以开始看到更好的药物更快地投放市场。

量子计算还可以帮助诊断和治疗癌症等复杂健康问题。医生在为癌症患者开具正确治疗方案时需要考虑到几个变量。使用量子计算可以给我们一个考虑到不同变量之间相关性的解决方案。

如今，这个过程大多是手动的，医生在决定治疗方法之前会评估病情的严重程度、受影响的部位以及癌细胞对健康细胞的潜在影响。在看完健康问题之后，让我们简要触及一下财富使用案例。

金融服务

这是我职业生涯中大部分时间都在从事的行业。因此，我亲身经历了金融服务行业面临的数据挑战。回到富士通的数字模拟器，我们已经看到了受量子方法启发的实时应用。

例如，模拟器已经被证明比传统计算机在投资组合再平衡和风险管理等问题上要快得多。虽然即时进行投资组合再平衡的财务可行性仍然不清楚，但有这样的能力肯定会很有用。特别是在市场压力条件下，如果投资组合经理想要快速重组其投资组合并降低风险，即时进行这样的操作将是一个巨大的优势。

我曾在一个需要实时进行某些风险分析的监管环境中工作。大多数套期保值决策都依赖于隔夜计算的风险报告能力。能够在市场危机发生时即时或者在交易日内做出这些决定并对投资组合进行相应调整，将会给金融部门带来巨大的优势。

金融服务也是一个需要考虑许多相关变量以计算有效风险回报配置的领域。比如，理解经济衰退可能性的问题也存在相关变量。量子专家们也正在全球范围内致力于以高度自信对这些可能性建模。

在看过金融服务之后，让我们简要考虑一下量子计算对物流的影响。

物流

物流是一个对于经典计算机来说难以解决的问题最为棘手的领域。我们讨论了最短飞行路径问题和旅行推销员问题。这些都是可以使用数字和量子模拟器来解决的优化问题。

我们谈到了空客正在进行的与量子计算社区的实验。他们试图模拟飞机机翼与空气的相互作用。更好地了解飞行气动特性可以提高起飞和降落时的燃油效率。这对处于气候紧急状态的世界来说是一个巨大的胜利，当然也会为实现更高效率的公司带来更高的利润。

气候

这很好地引出了量子计算机与气候相关的用例。我们以化肥行业为例。基于氮的肥料是最广泛使用的，并且是农业行业需求最大的肥料。然而，目前的制造过程耗能且碳足迹较高。

具有讽刺意味的是，自然以一种更简单、更节能的方式处理氮固定。在实验室条件下无法模拟氮固定的能力使我们无法模仿这种更有效的制造过程。目前有几个正在进行的研究项目试图使用量子计算机模拟氮固定。这对人类来说将是一个巨大的胜利，因为我们迫切需要转向更可持续的工业流程。

我们还讨论了其他创新用例，如气候建模。如今，气候建模远未能模拟我们世界的巨大复杂性。有些人工智能初创公司正在努力解决这个问题。我们必须考虑许多相互关联的变量，从碳排放到海洋洋流。我们还必须考虑诸如融化冰川之类的反馈环路；这种现象导致全球冰覆盖减少。冰反射太阳的光线。因此，冰少意味着地球吸收更多的热量，从而融化更多的冰等等。如果我们希望有效地模拟我们变化中的气候，我们将需要更强大的技术来处理这种复杂性，最好是实时处理。

量子计算机可以考虑这些变量之间的相关性，并为我们提供更清晰的视角，以更高的信心度。我们还讨论了其他潜在的用例，比如使用量子计算机模拟碳捕获。现在让我们来谈谈量子计算机用于选举建模的用途。

从全球气候问题转移到政治气候问题，让我们简要考虑一下量子计算将如何影响我们的政治气候。

选举

在过去的五年里，全球民主进程发生了重大转变，社交媒体在政府选举中发挥了重要作用。这可能不像医疗保健、金融市场或气候变化那样成为重大问题，但主要经济体如美国、欧洲、印度或赛里斯的政策制定者有能力改变数十亿人的生活。

马克斯·亨德森很友好地提供了他在 QxBranch 工作中的见解，他一直在使用量子退火进行选举建模。我很愿意在今年晚些时候，随着 2020 年美国大选的展开，再与他进行跟进。

这应该让你对这项技术的潜力有所了解。是的，现在还处于早期阶段。是的，存在挑战。但是可能性非常令人难以置信，我很高兴人类将通过这样的突破性创新迈向更加光明的未来。现在让我们来看看未来的障碍，必须克服这些障碍才能真正实现这一创新。

艰难的前路

那个章节标题在某种意义上是一个线索。有时人们对量子技术的可能性持怀疑和愤世嫉俗的态度，因为我们需要克服一些重大障碍。我们不能只谈论那些带来各种酷炫应用的美好未来，而不承认其中涉及的“如果”和“但是”。

我们与山姆·麦卡德尔进行了专门讨论错误校正的采访，因为这是量子计算机成为主流的主要障碍。错误校正是因为存储信息的量子粒子与外部环境相互作用，因此随着时间的推移会失去它们持有的信息。

与传统计算机不同，量子计算机依赖于量子比特。存储在量子比特中的信息无法复制到其他量子比特以进行容错。这是量子粒子的限制和特性，使得这个领域既具有挑战性又令人兴奋。然而，如果找不到保持像携带信息的光子这样的量子粒子的方法，很难想象量子计算机会成为主流。

在今天的量子计算机中，每个无错逻辑量子比特可能会有一千个嘈杂的量子比特。这些机器需要高度冗余以处理错误。然而，为了更好地采用量子计算机，这种情况需要改变。在我们与山姆的讨论中，我们谈到了 NISQ 技术，其中这些嘈杂的量子比特可以用于某些商业应用的计算。

目前正在探索这一领域，比如化学研究，这里噪声可以成为一个特性而不是干扰。化学反应可以使用代表它们在现实中发生的嘈杂环境的噪声量子比特进行建模。

在我们梦想量子计算机能够发挥重要作用的世界之前，这些挑战必须得到解决。这本书的一个关键主题之一是量子计算机如何对大多数数据和数字价值交互依赖的现有加密造成威胁。让我们简要看一下。

相撞的道路

第一次了解到量子计算机可能通过我们今天使用的密码技术时，我感到非常震惊。那时，量子计算成为我看待的一个主要技术范式，具有与个人计算机或互联网一样的巨大潜力。

量子技术可能使互联网面临风险，这是一个挑战，但我认为，普通人对这种可能性的缺乏认识是一个更大的问题。我们生活在一个数据和货币交易变得无摩擦、无形、因此无意识的时代。

我们也正在进入机器时代，在 2030 年可能产生的 1.75 泽字节数据中，70%将来自机器。自动驾驶汽车、可穿戴设备和传输信息的家用电器都在创造大量高度敏感和个人信息。确实令人担忧的是，大多数这些机器一旦量子计算机能够扩展，它们就会面临被黑客攻击的风险。

另一方面，区块链是一个非常新的发明，在全世界引发了一系列应用。其中许多应用程序存储价值、数据，甚至存储法律约束性信息。如今，大多数区块链解决方案使用 RSA 或 ECC 算法来保护数据交互。其中一些甚至声称这些安全机制是它们的差异化。

然而，除非这些区块链应用程序转向量子安全的加密，否则它们很快就可能过时。我们讨论了可以归类为后量子密码学的格密码和码基密码学。即使量子技术不是主流，量子计算的潜在风险也将使用户远离这些解决方案。

当这与我们现在看到的区块链寒冬结合在一起时，这可能意味着整个生态系统需要反思。像 IOTA 和 QRL 这样的一些区块链或分布式账本技术平台声称它们是量子安全的。然而，它们代表了区块链社区的少数派；那些更好准备应对风险的人。

需要有跨监管机构、政府和大型企业的协调努力，使互联网上的关键应用程序具备量子安全性。国家标准与技术研究所（NIST）正在寻找能够保护互联网的后量子密码学技术。

在与 Dinesh Nagarajan 的讨论中，他提到组织必须是“密码敏捷”的这一点至关重要。点 com 繁荣带来了敏捷软件开发方法。量子时代将需要解决方案具备密码敏捷性。这意味着它们的基础设施、平台和应用层需要具备交换和更改它们使用的密码学的能力。这种能力将确保它们可以在短时间内升级密码学，并为任何潜在的网络风险做好准备。

我们讨论了组织在准备量子威胁方面面临的挑战。组织需要经历一个成熟周期，结果是加密敏捷性的状态。然而，大多数这些大型组织习惯于花费 7 到 8 年的时间来升级他们的技术平台。因此，如果在那段时间内出现了任何重大的量子计算突破，这些组织还没有准备好，这令人有些紧张。

本质上，不仅是区块链生态系统与量子技术发生冲突，互联网世界也处于这种冲突之中。因此，必须确定并部署可持续的数据和价值交换的网络解决方案是至关重要的。

我们还需要跨越大陆的领导和治理，以便在技术创新不断发展的情况下保持正确的方向，以及了解这如何可能给数据驱动的世界带来新的网络威胁。一旦在技术或平台内部检测到威胁，就需要确定控制措施，以确保它们对企业和消费者的使用是安全的。

我们正在进入一个时代，在这个时代里我们将没有几十年来保护我们的数据。如果我们要跟上量子计算的力量，我们必须在几年内，如果不是几个月内就能做到这一点。说到这一点，现在让我们来谈谈世界各国如何为量子计算做准备。

国家和生态系统

当你拥有一项技术优势，可以获取敌对国家的国防机密时，你会退缩吗？如果这项技术让你掌控互联网、医疗信息以及大额金融交易的信息，那么这是否会诱使你投资于这项技术？

这正是赛里斯投入数十亿美元用于人工智能和量子计算的原因。他们在量子通信领域显然是领导者，其"墨子号"计划。这已经激励了全球范围内的行动，美国、欧洲、英国、加拿大，甚至印度都纷纷加入到量子计算的浪潮中。他们每个人都为量子计算研究拨款约 10 亿美元。

政府参与其区域量子计算生态系统的发展是件好事。这将有助于确保最佳实践被普遍分享，并且在整个生态系统中遵循某些标准。例如，在英国，有四个由不同学术机构领导的量子计算中心。初创公司、企业和投资者与这些中心合作，以充分利用研究能力。

尽管有这些努力，但不能忽视其中一个国家在量子竞赛中领先的风险。即使在今天，我们也不确定这些国家中是否有任何一个真正解决了量子难题。如果其中一个国家已经成功实现了量子优势，他们可能会选择保持沉默。在当今时代拥有技术优势类似于在战后时代拥有核武器优势。

未来的地缘政治战争可能以更为微妙的方式展开，数据是石油，技术是武器。当你在网络上占据了对敌对国家的优势时，你可以破坏关键基础设施，如电网、交通网络、银行服务、医院以及所有依赖于互联网的系统。

这可能会引发大规模的破坏，导致资本市场停摆数日，并给受影响的国家造成数十亿美元的损失。

让我们希望各国在对手发现如何造成这种损害之前建立适当的防御和控制措施。

天空是蓝色的。

我在内心深处是一位乐观主义者，尽管我的风投工作要求我对技术初创公司进行现实的评估。我仍然必须做出乐观的预测，即它们将突破技术、运营和市场的障碍。通过这样做，他们将帮助为我的基金和我的投资者带来高额回报。

成为一名风险投资家最好的部分是，这份工作就像是窥视未来的一扇窗户。这是因为我们可以提前接触到各行业的创新公司。即使其中一小部分成功地打破了价值链和生态系统的规模，世界也可能在几年内变得不同。通过投资这样的创新，我们可以观察到这种过渡从萌芽状态到成熟状态的过程。

对于量子技术公司来说，我就有机会做到这一点。也许 2019 年是我们第一次有几家量子技术公司找上我们寻求资金支持的时候。它们是先行者，但也面临着穿透或创建市场解决方案的艰巨任务。我相信在 2020 年，这个领域将开始变得不同。

在 2020 年，许多这些先行者将更接近确定其产品和服务的市场适应性。其中一些甚至可能已经在商业环境中进行了试点和实际部署。我们将会迎来令人兴奋的几年，我们将看到兴奋、挫折、突破、障碍和疯狂的增长。

在量子计算所承诺的这段过山车般的旅程中，人性的一个属性将会持续存在——希望。一种希望，即我们都在为世界的美好未来而努力。一种希望，即尽管面临种种困难，我们将到达我们的目的地，并实现我们对自己、我们的组织、我们的国家、我们的世界以及人类自身的愿景。

posted @ 2024-05-01 15:33 绝不原创的飞龙阅读(19) 评论(0) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

龙哥盟

掠夺·扩张·投机·博弈

商业中的量子计算和区块链指南（全）

序言

这本书是为谁准备的

本书涵盖了什么

下载彩色图片

使用的约定

联系我们

评论

第一章：引言：量子计算与区块链

本书内容

量子计算简介

量子力学的历史

爱因斯坦的量子困扰

贝尔不等式

量子计算机——一个花哨的想法

Déjà vu

量子的怪异性

一个可怕的实验

爱因斯坦的光子 - 现在更奇怪了

在量子计算机内部

量子比特类型和属性

区块链和密码学

哈希

比特币哈希

挖掘比特币

一个区块

工作证明

交易

实用性代币与安全性代币

结论

参考文献

第二章：量子计算 - 主要讨论点

叠加

一个指数挑战

五枚硬币难题

纠缠 - 远程的神秘行为

布洛赫球

Shor's algorithm

Grover 的算法

量子退火

量子隧道

旅行推销员

量子退相干

量子纠错

结论

参考文献

第三章：数据经济

互联网

ARPANET

TCP/IP

繁荣、萧条和繁荣

社交媒体

大数据

结构化数据处理

非结构化数据处理

大数据架构

云计算

人工智能

人工智能的起源

模仿游戏

人工智能的化身

区块链

分权

不变性

可追溯性

量子计算

结论

参考文献

第四章：对金融服务的影响

量子计算应用

市场风险

信用风险

技术限制

受量子启发的数字退火

量子退火

动态投资组合选择

ATM 补货

区块链应用