在当今世界,量子技术不再是遥不可及的理论物理概念。在不远的将来,它正成为一股颠覆性力量,有能力重新定义传统意义上的计算机、网络安全和数据分析。量子创新将推动从医疗保健、金融到物流和国家安全等各个领域的革命,它将带来新的能力,同时也带来前所未有的风险。
随着量子技术从实验室原型转向实际应用,公共和商业领域的领导者都需要开始为这个技术拐点做准备。那些提前行动的人不仅能够化解新出现的威胁,还能在快速变化的环境中利用先发优势。
**量子飞跃:改变我们对计算的认知**
量子计算的工作方式与传统计算根本不同。量子计算机使用量子比特(qubits),由于叠加态和量子纠缠,它们能够同时存在于多种状态。传统机器使用二进制比特处理数据,用0和1表示。量子系统能够以经典系统需要数年才能匹配的速度执行复杂计算。
许多高优先级领域将受到量子能力的影响:与机器学习和人工智能的融合、信息安全、生物技术和基因组学、药物发现、材料科学、实时分析、能源建模、金融交易建模和投资组合优化、物流、航天系统,以及不断发展的元宇宙和沉浸式技术。
这种计算能力激增的重要性对于依赖高吞吐量数据处理和实时分析的行业尤其显著。物理学家将这个时期称为"噪声中等规模量子"(NISQ)时代。然而,我们仍在初步阶段。今天的量子机器容易出错,规模有限,对环境干扰敏感。
**威胁面扩大:Q-Day的危险**
量子计算对信息安全和隐私构成重大风险,对私人企业和公共机构都构成严重威胁。与量子计算相关的最紧迫问题之一是即将到来的网络安全事件"Q-Day"。这是指量子计算机变得强大到足以击败常用公钥加密方案(如RSA、ECC和Diffie-Hellman)的假设时间。
尽管Q-Day可能还有几年时间,但具有长期价值的数据目前就面临危险,因为攻击者可能现在就捕获加密数据,等量子系统发展后再解密。这种威胁有时被称为"现在存储,以后解密"。
**取得的进展**
量子进展的步伐正在加快;主要参与者紧盯目标。试图突破量子计算可能性边界的企业数量持续增长。他们在硬件架构、软件集成和商业准备方面采取不同方法:
谷歌在2019年著名地展示了量子优势,该公司仍在致力于开发大规模纠错量子比特系统。IBM量子网络正在商业化量子硬件,公司发布了创建超过一千个量子比特计算机的路线图。微软开发的Azure Quantum平台结合了量子云服务并探索拓扑量子比特。
Quantum Computing Inc.(QCI)是开发用户友好、可部署光子量子系统的先驱。IonQ、Rigetti、D-Wave和Quantinuum(霍尼韦尔的分支)在困离子、超导和退火技术领域处于创新前沿。
通过合作努力,这些企业正在建立竞争性创新生态系统,缩小理论承诺与现实世界实际应用之间的差距。量子技术在投资和专利活动方面都出现了显著增长,这表明商业化可能比许多人预期的更早到来。
**后量子准备:必须满足的战略需求**
为量子计算主导的世界做准备不仅仅是跟上最新技术新闻。需要有意识的投资、政策协调和业务战略发展。
1. 实施后量子密码学(PQC):组织需要开始向抗量子算法过渡。美国国家标准与技术研究院(NIST)已经为其PQC标准化过程选择了几个入围者,预计实施时间表将在2030年前完成。
2. 利用量子加强而非简单颠覆:量子计算给网络安全带来问题,但也有提高韧性的潜力。可以使用量子密钥分发(QKD)和量子传感建立安全通信网络,这也可能显著增强对各种问题的检测能力。
3. 鼓励员工发展和公私合作:量子发展需要包括物理学、工程、人工智能、网络安全和软件专业人士的多学科团队。学术机构和企业高管之间的合作对于发展人才管道至关重要。
**数字化转型的决定性时刻**
在未来五年中,从潜力到影响的转变将至关重要。展望未来,我们可以预期量子计算将与人工智能、云基础设施、5G和边缘计算融合,这将极大地改变我们建模世界和做出决策的方式。
量子技术代表了21世纪最重要的进步之一。商业领袖、政策制定者和技术专家必须现在就行动起来塑造其轨迹——为其机遇和风险做准备。通过今天投资量子准备,组织可以为明天建立有韧性的竞争优势。
Q&A
Q1:量子计算与传统计算有什么区别?
A:量子计算使用量子比特(qubits),由于叠加态和量子纠缠能够同时存在于多种状态,而传统计算机使用二进制比特处理数据,用0和1表示。量子系统能够以经典系统需要数年才能匹配的速度执行复杂计算。
Q2:什么是Q-Day,为什么要担心它?
A:Q-Day是指量子计算机变得强大到足以击败常用公钥加密方案(如RSA、ECC和Diffie-Hellman)的假设时间。尽管可能还有几年,但攻击者现在就可能捕获加密数据,等量子系统发展后再解密,这被称为"现在存储,以后解密"威胁。
Q3:企业应该如何为量子时代做准备?
A:企业需要实施后量子密码学(PQC),向抗量子算法过渡;利用量子技术加强安全而非简单应对威胁;发展包括物理学、工程、人工智能等多学科专业人才队伍;与学术机构和政府部门合作建立人才管道。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。