量子電腦將造就再一次「工業革命」
蒸氣機的出現徹底改變了人類的工業生產模式，將大量依賴人力的工作轉化為機械操作，使生產效率大幅提升。然而，隨著機械逐步取代粗重勞動，人的勞力也因此產生了質變，不再以體力為主，而是更側重於人類手眼協調與精細操作的能力。到了電腦時代，科技再度帶來顛覆性的變革，人類得以擺脫繁瑣的重複性工作，專注於更高層次的思考與創造。而今日，人工智能的快速發展更是預示著另一場深遠的變動。雖然它將對人類社會造成何種具體影響仍是未知之數，但可以確定的是，這將是一場地動山搖般的革命。儘管如此，人工智能的發展仍面臨一項根本性的限制—運算能力。科學界對此亦已有所展望，量子電腦的出現或許能突破這一瓶頸，為人工智能的未來打開一扇全新的大門。
傳統電腦如何運算？
在我們進入量子世界之前，先簡單回顧一下我們每天都在使用的傳統電腦，看看它們是怎麼運作的。
傳統電腦的運作核心，可以用一個非常簡單的概念來概括，那就是「二進制」。電腦運算的基本原理從圖靈時代到今天並無變化，就是利用「有」和「無」來進行操作。利用一種名為「邏輯閘」的電路工具，將兩個「有、無」的數據相互干擾，按邏輯閘的指定功用，給出不同的結果。而這些電腦工程師將這些閘與數學手法互相配合，令這些閘變成一個運算工具，就是我們今天看見的電腦運算。
我們現時在遊戲中看到的怪物，在電腦空間中都是一堆「0」和「1」的組合。越複雜的物體，也就需要越多的數位來表示。假如一隻怪物的資料有 2 MB，即代表有 2 × 1024 × 1024 × 8 = 16777216個數位。用人手將兩個 16777216 數位的二進制數字加起來，考慮進位的麻煩和不停重覆，怎樣想對人類來說都是不可能的任務。但使用電腦的話，也就是一瞬間就能完成的工作。
傳統電腦在人工智能中遇到瓶頸
初期的電腦龐大無比，一台機器往往需要佔據整個貨櫃大小的空間，然而時至今日，我們手中小小一部智能電話，其運算能力已遠超當年，甚至達到數十億倍的提升。這一切有賴於半導體工業的飛躍發展，尤其是作為邏輯閘核心元件的電晶體，如今已被製造至僅有3納米的尺寸，實現了前所未有的高密度與高效能。然而，人工智能的運算需求卻同時呈現幾何級數的增長。以「強化學習」來訓練一個人工智能模型為例，電腦有如一頭野獸在迷宮中盲目亂闖，透過每一次的撞牆與成功的嘗試，逐步建立起對環境的理解與行動策略。其行為邏輯簡單，所需的運算量卻極為龐大，即使是專為簡易運算而設計的GPU也難以應對。這樣的算力需求不僅帶來高昂的能耗，數以萬計的 GPU 也產生大量熱能與污染，成為限制人工智能進一步發展的一大難題。
量子電腦是甚麼，先要對量子物理有一個理解
量子物理是研究極微觀粒子的理論，它最大的特點是「不確定性」。與傳統物理不同，我們無法準確預測粒子的行為，只能透過機率來描述。即使像愛因斯坦這樣殿堂級的科學家，起初也無法接受這樣的隨機性，他曾說：「上帝不會擲骰子。」但物理現象如核衰變，正說明了隨機在自然界的存在。
傳統物理認為，只要知道物體的位置和動量，就能準確預測它的未來。但在量子世界中，粒子的位置和動量不能同時確定，它們只能以機率存在。甚至連粒子的狀態也可能是「0」和「1」的疊加，直到被觀測時才會確定。
這種機率與疊加的特性，讓量子運算變得強大。理論上，它可以同時處理多種輸入。但這不是說量子電腦一次輸出所有答案，而是它能同時處理所有可能性的振幅，並透過干涉讓正確答案的機率被放大。這就是所謂的「並行處理振幅」──真正讓量子電腦在某些計算上展現幾何級增長優勢的關鍵。
量子電腦的算力對人類有何貢獻？
藥物開發和材料科學領域對計算能力的需求是巨大的且不斷增長。在藥物開發中，從篩選數十億種化合物到模擬複雜的分子相互作用和預測關鍵的藥物特性（如 ADMET ），都需要大量的運算資源。同樣地，在材料科學中，從執行第一原理電子結構計算到模擬原子運動和預測各種條件下的材料性能，都需要強大的計算能力。傳統電腦在處理這些複雜的量子力學系統和大規模模擬時面臨著根本性的限制。量子運算的出現為克服這些限制和推動這些科學領域的創新提供了土壤。量子電腦透過直接處理量子效應和利用量子演算法來提供超越傳統電腦的潛在優勢，有望徹底改變藥物開發和材料科學的研究和開發，造福人類。
量子電腦 x 人工智能：未來智慧的加速器
隨着人工智能模型越來越龐大，訓練它們所需的運算資源也越高。傳統電腦在處理這些龐大矩陣與參數時，正逐漸遇上瓶頸。但量子電腦的出現，為 AI 帶來了新的可能。它擅長處理高維空間的複雜計算，在某些類型的運算中，甚至可以實現指數級的加速。這意味著，原本需要幾週才能完成的模型訓練，未來可能只需幾小時。
從更基礎的運算方來看，量子電腦本身就是建立在機率和疊加原理之上，這讓它在模擬和生成複雜的機率分布時展現天然優勢。例如在圖像生成、語言建構或自然現象模擬上，有望與生成式 AI 模型結合，發展出被稱為「量子生成對抗網路（Quantum GAN）」的新型系統，模擬能力將遠超目前技術。
而在這一切背後，更大的潛力藏在效率之中。今天的 AI 模型，不但需要超級電腦支持，更消耗大量能源。未來若量子運算技術成熟，它將能以更少的硬體與更低的耗能，完成更複雜的任務。甚至如同電腦進化成口袋中的手機一樣，每個人都可以有一個微型數據中心，為自己的人工智能提供運算基礎。
結語：
儘管現時量子電腦仍受很多限制，例如穩定性欠佳，建基於機率的數學運算工具不足等等。量子電腦的應用仍然很遙遠，但隨著理論逐漸建立，資金慢慢投入到商業應用上，量子電腦的發展將會得到加速。相信不久後，就可以迎接量子電腦的普及化。將來的 AI 配合異次元級的量子電腦運算力，必會再一次重新定義人類生活和工作，為人類帶來再一次的「工業革命」。
Quantum Computers and Another Industrial Revolution
Author: 井 sir, Well Channel
The steam engine shifted heavy labour onto machines. Computers then took over repetitive calculation. Artificial intelligence now hints at another upheaval, but it still runs into a hard limit: computing power. Quantum computers may open that door.
How a classical computer works
Classical machines still rest on binary — presence and absence — combined through logic gates. A 2 MB monster in a game is 16,777,216 bits. Adding two such numbers by hand is impossible; a computer does it in an instant.
The bottleneck in AI
Phones now outrun warehouse-sized machines of the 1950s by billions of times, as transistors shrink to 3 nm. AI demand has grown even faster. Reinforcement learning is a beast wandering a maze, learning by collision. Even GPUs struggle; thousands of them consume energy and heat. That is a brake on further AI.
What is a quantum computer?
Quantum physics describes the very small with uncertainty. Position and momentum cannot both be known; a particle may be a superposition of 0 and 1 until measured. Quantum computing does not output every answer at once; it processes amplitudes in parallel and uses interference to raise the chance of the right one.
What the extra power is for
Drug discovery and materials science need to screen vast compound libraries and simulate quantum systems that classical machines cannot. Quantum algorithms offer a path past that wall.
Quantum computers × AI
As models grow, training is a matrix problem. Quantum devices handle high-dimensional spaces and, in some cases, exponential speed-ups. They are also naturally probabilistic, which may help generative models — even “quantum GANs”. If the hardware matures, similar work might need less energy, perhaps even a personal-scale machine.
Conclusion
Stability and algorithms are still weak. Commercial use is distant. But theory and capital are arriving. AI paired with that class of compute would redefine work again — another industrial revolution.