谷歌的量子霸权将如何影响自动驾驶车辆

据称，谷歌研发人员在经过不懈努力后终于实现了所谓的“量子霸权”技术，最近的这条消息令人们兴奋不已，因为该技术受到了人们的热烈追捧。

尽管谷歌通过其研究及付出为“量子霸权”摇旗呐喊，但并非所有人都认同这一点。

当然，这并不是说谷歌采用了 54 量子比特（54-qubit）的 Sycamore 处理器这一事件的意义不显著。恰恰相反，事实上，该处理器在助力实现可行的量子运行方面迈进了一大步，但量子计算机当前的水平能否当得起“真正意义上的霸主地位”的头衔呢？许多人认为这还有待商榷，毕竟该技术水平尚不成熟，“霸权”一词的使用方面也存在极大的争议。

首先，让我们先了解下量子计算机的构成及其令人惊叹之处，然后再探讨“霸权”这一用词的使用是否恰当。

此外，我们还应该仔细考量：量子计算机如何影响真实自动驾驶车辆出现的影响，这才是有意义的事情。

解析量子计算

如今，我们传统计算机所采用的硬件架构与计算机领域诞生以来所采用的架构基本一致。

硬件的速度确实变得更快了、体积更小了、成本也更便宜了。尽管如此，其基本设计原则和操作方法没什么改变。

通常情况下，若提到经典计算（classical computing），您可能会听到有人将这类硬件设备称为图灵机（turing machine），（这是以阿兰·图灵的名字来命名的，他是一位数学和计算学领域的先驱），或者您会向朋友和日常生活中的陌生人嘟囔，将这类硬件称为冯纽曼架构（von Neumann architecture），（以物理学家和数学家约翰·冯纽曼的名字来命名）。

如今，你已经大致了解这类基础性知识，现在是时候介绍爱因斯坦了。

在物理学中，有个研究领域被称为“量子力学”（quantum mechanics）。当从原子级和亚原子级来看待宇宙及物质时，似乎还有许多难以用普通物理（ordinary physics）理论来解释清楚的神秘未解之谜。然而，量子力学领域的相关知识可提供引人入胜的理论，可被用于解释粒子及亚粒子级所发生的异常行为，这一点毋庸置疑。

举个例子，当各粒子彼此间的距离较远时，各粒子间似乎存在一定的关联性，然而，目前尚找不到明显理论依据来解释离散的各离子相互间存在关联性的原因。基本上，这就是人们所熟知的量子纠缠（quantum entanglement）。

爱因斯坦处于量子力学公式（quantum mechanics formulation）研究的全盛期，爱因斯坦更讥讽这类量子纠缠为“鬼魅般的超距作用”（spooky action at a distance），这一论断让他声名显著，同时也开始对如何全面解释这一奇特的想象而烦恼。

因此，你可以引用爱因斯坦的话，量子纠缠的确像鬼魅一般。

总之，事情在于，不论你相信还是不信这类竞争理论（competing theories），似乎这类现象本身依然存在。因此，我们可以探索其原理。

至于计算机方面，有人认为，您或许能够构建比特与字节（bits and bytes）、存储器元件（memory components）、利用量子学方法，从而有可能大幅提升计算机的存储能力。

相较于传统计算机，由于其采用了不同的方式，该方式被取名为量子计算，由一台特殊的计算机构成，该设备采用了量子学的知识，其基本信息单位是量子比特，计算对象是量子比特序列。量子比特与传统的比特有点类似，但会像用了类固醇（steroids）一般加速旋转，从本质上讲，量子计算机的计算速度更快，比当今传统计算机的计算速度快太多。

目前，一台量子计算机的建造成本极其高昂，其体积也相对较大，需要采用大量的制冷设备。当前，只是实现几个零散的量子比特，因此，目前的水平仍远未发挥出该类设备的全部潜力。

当然，您也不能因量子计算机体积太过于庞大且极为笨重而否定它，在真空电子管时代，也有人这么说过传统的计算机并预言未来的计算机将始终占据整间房间。然而，现如今的智能手机可以轻松放入衣物的口袋内，而手机的计算能力也远强于早前的巨型机（mainframes）。

最终，未来的量子计算机的体积将变得更小、功能也更为强大、成本较低，这类假设很合理。但前提是，若该目标能够得以实现，在真正实现该目标之前，恐怕还需要等上许多年，或许要数十年之久。

您可能会好奇，有什么功能是传统计算机无法实现但量子计算机却能够实现的？

为何要喋喋不休地谈论并在意这类与量子相关的知识点呢？

好吧，从理论上讲，量子计算机的计算速度要远远胜于传统计算机的。我们所谓的快速，指的是快到极致。

由于其计算速度较快，其中一项应用领域是加密技术，在数字化世界中，我们利用加密技术为存储于远程磁盘驱动内的文本信息及文件提供隐私保护。

大多数人都认为，在没有密钥的前提下，加密（文件）是不太可能被破解的。

当今，绝大多数的加密算法依赖于密钥，若要破解当代的加密技术，这需要数量巨大的计算能力，因此要耗费巨大计算量，花费高昂的代价。换言之，几乎无懈可击。

即便是采用计算速度最快的传统计算机，也需要耗费 1 万年来破解加密文件，从实践角度看，这意味着加密或许无法被破解，尽管从事实上讲，若您愿意等上一万年且该计算机能够始终持续地从事破解工作，等一万年后也是可以破解的。

若采用一台量子计算机，可能只需要耗费数月时间就能破解该加密文件，或许只需数天乃至数分钟，这主要取决于所采用的加密方式以及量子计算机的体积与功能。

这听起来非常骇人，这意味着若某人对加密文件感兴趣，只需要使用量子计算机调查该文件，并等待其计算完毕，就能在多日后使用被破解的加密文件，从而能够在决定破解文件后看到早前被隐瞒的秘密信息。

当然，凡事都有两面性，我们可以用传统的计算机功能更为强大的加密机制，还能利用量子计算机来打造更难以破解的加密方案。

量子计算是当前最热门的技术趋势领域之一，未来将获得更多的宣传介绍。

目前，对于量子计算机，业内还有大量的开放性问题，如：还有哪些类型的难题只能由量子计算机来解决，而其他的传统计算机却根本解决不了？这意味着除了计算速度外，还有哪些类型的难题是我们从未通过使用或考虑使用传统计算机来解决的，但却能够被量子计算机解决的？

此外，另一项争论话题在于：是否存在传统计算机能够解决，而量子计算机可能无法解决的难题？或者相较于传统计算机，量子计算机解决该类问题的实际表现更差劲？

这就引出了我们前文所提及量子霸权的话题了。

当您与各类了解计算机的人士共处一室时，他（她）们将分享不同的观点，在讨论量子计算机的运行及问题解决能力时，不可避免地会形成意见相左的两个阵营（量子计算机阵营和传统计算机阵营）。一个阵营宣称他们会有更好的方法，而另一组人则会驳斥其观点。

这与你们在选择支持自己喜爱的球队或偏爱的威士忌酒品牌时遭遇的情况类似。

量子计算机阵营的人士认为，未来某一天，或许有迹象表明，量子计算机将完胜传统计算机。当那一天到来时，量子计算机的“霸权”地位将得到彰显，因此，“量子霸权”这一口号令量子计算机声名狼藉（前面提到的霸权是贬义词）。

谷歌断言，其最近的研究成果已实现了量子霸权这一目标，其采用了实验型量子计算机执行任务，若采用传统计算机，该任务的完成时间需要 1 万年。然而，其他人却并不这样认为，其断定若改用传统计算机来执行该试验任务，耗时仅为 2-3 天。

对于坚定站在量子计算机阵营的人而言，他（她）们迫切需要高举“量子霸权”的大旗，这一点不难理解，但其所谓的“霸权”从词义上讲有些含糊不清，某些人则认为这个说法有些缺乏定义（poorly defined）（目前的争议点在于：应采用哪些指标进行衡量），还有一部分人声称，谷歌作出如此大胆的宣告似乎有些操之过急。

此外，若您还关注过已被传统计算机或经典计算机解决的海量难题，那么就会发现，目前仍处于研发模式的量子计算机未必能解决这类难题。

当量子计算机的性能远不如当今日常生活中所使用的计算机时，这时候却宣称量子计算机全面领先且已处于霸主地位，这样是否公正、合理呢？

为量子计算机冠上“霸权”的头衔也颇有讥讽的意味，可能关注霸权的争议有失礼貌，有人也认为“量子霸权”这一称呼不得体。

确实，冠上“霸权”这一王冠头衔可能是推动量子计算机研发的一种手段。事实上，这类能唤起集体荣誉感（esprit de corps）的称呼可能会使创意的思维流淌，吸引公众的关注。但是，最终，我们希望将（量子）计算机视为一种工具，供我们进一步探索和进步的探寻工具。

我确信我在努力的修正该议题的两极化趋势发展，但最终会受到两大阵营的抵制，在最近的这些日子里，我已料到了这类结果。（伤心）

让我们将注意力放到真正的自动驾驶车辆上吧。此外，量子计算机的出现将会对自动驾驶车辆造成何种影响呢？

自动驾驶车辆的分级

当提到真正的自动驾驶车辆时，我需要进一步阐明其定义，这一点非常重要。

真正的自动驾驶车辆完全由车载人工智能技术来驱动车辆的操作，在执行驾驶任务期间，无需人类介入操作辅助。

这类无人驾驶车辆即 SAE 定义的 Level 4 和 Level 5 自动驾驶车辆，而需要人类驾驶员进行驾驶操作辅助的车辆通常属于 Level 2 或 Level 3 自动驾驶车辆。这类车辆需要驾驶员与车载半自动驾驶系统共同承担驾驶任务。此外，这类车辆通常内置了各类附加装置，即所谓的先进驾驶辅助系统（ADAS）。

目前，尚无一辆真正意义上的 Level 5 自动驾驶车辆，我们甚至不清楚未来能否造出这类车辆，也不知道还需要多久才能造出 Level 5 自动驾驶车辆。

与此同时，Level 4 自动驾驶车辆在某些非常“狭义的”、经过挑选的公路路段上开展路测活动，试图实现对应的自动驾驶驾驶水平，但该路测研究本身却引发了争议（某些人指出，在高速公路及侧道上开展自动驾驶路测时，在面对生死风险时，我们都是实验用的「豚鼠」）。

由于半自动驾驶车辆需要配置人类驾驶员，从量子学角度看，相较于传统车辆，这类自动驾驶车辆并无本质上的差异。

值得指出的是，尽管有些人一直在发布视频，显示在搭乘 Level 2 或 Level 3 自动驾驶车辆时，自己却在驾驶座入睡的。但看视频的人千万不要被误导了，切勿相信在搭乘半自动驾驶车辆时，用户能够将自己的注意力从驾驶任务中移开。

不论车辆的自动化程度是否能达到 Level 2 或 Level 3，只要在这类半自动驾驶车辆中，您（驾驶员）就是该类车辆驾驶操作的责任方。

自动驾驶车辆和量子计算机

对于 Level 4 和 Level 5 这类真正意义上的自动驾驶车辆而言，量子计算机的作用只是「搭把手」罢了。

首先，我们将「量子计算机能否在短期内将体积缩减得足够小」这一难题放一边，其售价能否变得足够便宜？其他方面能否进一步修正，以便能够以车载处理器的方式被整合到自动驾驶车辆中呢？

我觉得，就目前的情况看，不存在这类可能性。

短期内远不可能将实现车载量子计算机，不用对这类情况的发生抱有期望。

那么，量子计算机对自动驾驶车辆而言用处大吗？

当然没用！

不过，还请切记，自动驾驶车辆拥有空中下载（OTA）电子通信功能，可从云端向车辆下载系统升级包，实现车载 AI 系统的功能升级。与此同时，系统还能将自动驾驶车辆所采集的数据上传到云端。

量子计算机或许能在云端拥有一个受欢迎的高速计算插槽，为真正的自动驾驶车辆提供辅助。

这并非某些遥不可及的幻想，因为如今已经有了基于云端的量子计算机资源可供使用，研究人员及其他人员正在网上使用这类资源。

事实上，我也通过云端（平台）进行过量子计算编程，这确实很具有冲击性（blast），但也明确了一点：我们正设法弄清楚，究竟应采用何种专业的编程语言及何种专业的类数据库结构，以便与量子计算机相匹配。

有一点需要牢记，当今的量子计算机尚处于初级阶段，这意味着其错误率居高，目前正在探索应如何在量子比特环境下抗衡、规避或减少系统错误率，该难题始终是研究的重心所在。（这类问题通常被称为“量子噪声难题”）。

总体而言，云端量子计算机（最好不是一种模拟设备）或许能以无数种方式被应用于自动驾驶车辆，为其提供助力。

举个例子，自动驾驶车载系统将通过实施数据更新向 AI 系统传输信息，该系统将基于所采集的道路数据信息分析做出驾驶决策。凭借机器学习（ML）和深度学习（DL）技术，云端的 AI 系统的功能将得到强化。此外，该类 AI 系统还将基于模拟的道路数据开展测试，当该系统成熟后就会被配置到无人驾驶车辆中，被用作车载 AI 系统。

云端 ML/DL 所能实现的运算工作量相当庞大，相当于成堆成堆经典计算机的计算量，这意味着只需一小会儿，就能为车载 AI 系统创建新的升级包，但要“消化”如此巨量的传统计算机计算量，所付出的代价也极为高昂。

想象下量子计算机的应用画面。

或许您本可以在云端拥有一台量子计算机，并使用该设备参与到 AI 增强任务中。由于量子计算机拥有巨大的速度优势（可能吧），您可能会生成一款修订版的 AI，不久后将该 AI 系统配置到车队内的无人驾驶车辆中。

不妨这样想吧。

假设在某些公路事例中的边界情况或极端情况下中出现无人驾驶车辆，且这类情况是早前车队内任何一辆自动驾驶车辆所未经历过的情况，该数据或被传输至云端并被立即解析，然后创建升级包，再传输至无人驾驶车辆中。在完成升级后，可基于从车队中的其他自动驾驶车辆所学到的要点（elements），从而快速提升整个车队的自动驾驶水平。

我不建议将量子计算机用于某些全新的领域，我要强调的是，应尝试将量子计算机的速度优势运用到无人驾驶车辆的软件更新升级领域。

若操作得当，这意味着这类无人驾驶车辆的功能性会有所提升，乘客的搭乘体验也会更好，由于无人驾驶车辆是自动驾驶车辆的强化版，可以推断出，那些钟情于无人驾驶车辆的人对这类车辆的感官也会更好。

但请勿将此错误地解读为：量子计算机方案是“灵丹妙药”（panacea）。

或许有人会经不住诱惑，想凭借量子计算机的超高速度走捷径，推出一些准备不足、尚不足以应用的升级包推出来。若真如此的话，是相当不幸的一件事。

我希望自动驾驶技术制造商及那些云端技术（含量子计算机技术）的使用方能够稳住，能够能像使用日常传统计算机那般来使用量子计算机。

结论

云端量子计算机还有另一项使用示例：将量子计算机用于车流量的规划安排并承担交通管理的工作。

有人认为，当无人驾驶车辆在路面上占据主导地位后，这类车辆或将完美无缺，并通过车辆的相互协调，缓解交通拥堵的情况。

除了能够通过车间通信（V2V）、车辆与基础设施间通信（V2I）等实现车辆间的“沟通”外，自动驾驶车辆还能与“占据主导地位的（master）”交通管理系统实现交互，该系统正试图规划好路面上数以千计的车流。

由于交通管理系统的计算量极为庞大，甚至有些“超负荷”，而云端量子计算机的强大计算能力及计算速度或许能提供相应的辅助。

我知道你们中的某些人可能会好奇，云端量子计算机的计算速度是否足够快，从而成为自动驾驶车辆的“驾驶员”。

我不这么认为。