谷歌宣布Willow芯片取得突破才涨 5%, 结果中国垃圾概念股疯了

谷歌宣布Willow芯片取得突破才涨 5%, 结果中国垃圾概念股疯了
2024年12月11日 15:06 国际投行研究报告

点击蓝字,关注我们

谷歌宣布Willow芯片在量子计算领域取得突破才涨 5%, 结果中国垃圾概念股疯了

短期内不太可能对谷歌的业务产生重大影响,量子计算机仍处于发展的早期阶段

谷歌(Google)表示,该公司开发了一种新型芯片,朝着科技行业长期以来的梦想——开发出具有商业意义的量子计算——迈进了一步。受此消息推动,Alphabet股价在该消息宣布后的第二天上涨。

谷歌在周一发布的一篇博客文章中表示,这款名为Willow的芯片在解决长期困扰量子计算工作的纠错问题上取得了重大进展。谷歌还表示,这款芯片在不到5分钟的时间内完成了一项现有超级计算机需要“近乎永恒”的时间才能完成的计算。

量子计算有望在从发现新药到安全和加密等广泛领域得到应用。量子计算仍处于新兴领域,主要利用量子力学的特性来解决传统计算机无法解决的问题。

即使是最强大的传统计算机也使用二进制数字,即比特,它们可以是1或0。量子计算机则使用量子比特,它以量子态表示和存储信息,量子态是0和1的复杂混合。

在谷歌的核心搜索业务正受到人工智能带来的挑战之际,这一量子计算领域的突破提醒人们,谷歌仍然是尖端创新领域的一支重要力量。这一消息在科技界引发了热议,马斯克(Elon Musk)在Alphabet首席执行官桑达·皮采(Sundar Pichai)宣布这一量子计算进展的X平台帖子下回复称“哇”。

人工智能是当下最受关注的技术,但十年之后呢?一些专家说,下一个改变游戏规则的技术将是量子计算。《华尔街日报》记者走访了IBM量子计算实验室,以了解这场竞赛的前沿动态。

不过,这在短期内不太可能对谷歌的业务产生重大影响。量子计算机仍处于发展的早期阶段,距离大规模商业化还有好些年。尽管谷歌在纠错挑战方面取得的进展意义重大,但行业高管表示,还有其他工程挑战也阻碍着量子系统实现商业可行性。

RW Baird分析师Colin Sebastian周二在一份研究报告中称,谷歌的声明“让我们看到了未来”。他表示:“虽然距离主流量子计算还有好几年时间,但我们认为,谷歌昨日宣布的Willow是让量子计算在日常应用中发挥作用的漫长道路上的重要一步。”

Alphabet股价在周二午盘交易中上涨近5%。

谷歌称其已利用新芯片破解量子计算难题

谷歌周一宣布,其已利用新一代芯片克服了量子计算领域的一项关键挑战,仅用五分钟便解决了传统计算机所需时间比宇宙历史还要长的计算问题。

与微软和 IBM 等其他科技巨头一样,Alphabet 旗下的谷歌也在追逐量子计算,因为量子计算承诺的计算速度远超当今最快的系统。尽管该公司位于加利福尼亚州圣巴巴拉的量子实验室解决的数学问题没有商业应用,但谷歌希望量子计算机有朝一日能解决当今计算机无法解决的医学、电池化学和人工智能领域的问题。

周一公布的结果来自一款名为 Willow 的新芯片,它有 105 个“量子比特”,这是量子计算机的基石。量子比特速度快,但容易出错,因为它们可能会受到外太空事件中亚原子粒子等微小物体的干扰。

随着芯片上量子比特数量的增加,这些误差会逐渐累积,最终导致芯片性能不如传统计算机芯片。因此,自 20 世纪 90 年代以来,科学家一直致力于量子纠错。

谷歌在周一发表于《自然》杂志的一篇论文中表示,它已经找到了一种将 Willow 芯片的量子比特串联起来的方法,这样错误率就会随着量子比特数量的增加而下降。该公司还表示,它可以实时纠正错误,这是让其量子机器实用化的关键一步。

谷歌量子人工智能部门负责人哈特穆特·内文 (Hartmut Neven) 在接受采访时表示:“我们已经过了盈亏平衡点。”

2019 年,IBM 对谷歌的说法提出质疑,谷歌称其量子芯片解决了传统计算机需要 10,000 年才能解决的问题,称使用对传统系统的不同技术假设,该问题可以在两天半的时间内解决。

谷歌在周一的一篇博文中表示,其最新估算已考虑到部分担忧。谷歌表示,即使在最理想的条件下,传统计算机仍需 10 亿年才能获得与其最新芯片相同的结果。

谷歌量子人工智能首席架构师安东尼·梅格兰特 (Anthony Megrant) 在接受采访时表示,谷歌的一些竞争对手正在生产比谷歌拥有更多量子比特的芯片,但谷歌专注于制造最可靠的量子比特。

谷歌之前的芯片是在加州大学圣巴巴拉分校的共享工厂中制造的,但谷歌建造了自己的专用制造工厂来生产 Willow 芯片。梅格兰特表示,新工厂将加快谷歌制造未来芯片的速度,这些芯片将放在巨大的冰箱中冷却,称为低温恒温器,以进行实验。

“如果我们有一个好主意,我们希望团队中的某个人能够......尽快将其带入洁净室和其中一个低温恒温器中,这样我们就可以进行大量的学习循环,”梅格兰特说。

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部