後摩爾時代，全世界的科學家們都在尋找新的計算體系和架構來突破算力瓶頸。算力已然成為當前世界數字經濟的新引擎和戰略競爭的新焦點。這其中，量子和光被寄予了厚望，並且在經歷了數十年的實驗室研究和學術探討之後，終於開始成為一個商業命題。近期，風險資本開始流入圍繞量子計算和光晶片的公司。儘管量子和光的超越摩爾之路上處於初級階段，但投資者開始大膽下注。
在集微諮詢（JW insights）看來，即便目前量子計算機、光子晶片的規模尚十分有限，且還處於易出錯、不穩定的狀態，但在算力即將真正爆發的前夜，其商業價值正在不斷被證明中。量子與光可能帶來的改變IC產業的革命性力量，更值得提前下注。
資本湧入量子計算領域
Gartner一項分析指出，量子計算真正的潛力爆發可能還需要十年時間，但在這一領域已有足夠的進展證明早期投資是合理的——否則就有落後的風險。Gartner預測，到2023年，將有20%的企業或機構會為量子計算相關專案制定預算計劃，而當前這一比例僅為1%。Statista資料預測，到2026年，量子計算的全球市場規模將由2021年的4。72億美元上升至17。65億美元。
資本市場已經敏銳地嗅到了潛在的商機。波士頓諮詢（BCG）研究顯示，過去一年來，產業界對於量子計算機將解決傳統計算機無法解決的重大問題（亦被稱作“量子優越”）的信心飆升，2020年，在量子計算領域的投資增長了近兩倍。BCG預計，到2030年，量子計算的應用市場規模有望達到500多億美元。
從全球範圍來看，已經湧現了一批被資本青睞的量子計算創業公司。
10月1日，美國量子計算初創公司IonQ透過SPAC於紐交所上市，這筆交易融資6。35 億美元，IonQ成為第一家上市的全棧量子計算公司。而三星電子旗下的三星孵化基金（Samsung Catalyst Fund）與阿布扎比的Mubadala資本此前共同領投了IonQ公司5500萬美元的融資。
7月底，美國光量子計算創企PsiQuantum完成了4。5億美元的D輪融資。由美國投資管理公司貝萊德（BlackRock）領投，微軟M12風險投資基金等跟投。而在5月，PsiQuantum剛和晶圓廠Global Foundries宣佈合作推出Q1量子系統，且雙方正在生產量子計算機部件和晶片。PsiQuantum稱，本輪融資將主要用於建造世界上第一臺具有商業可行性的量子計算機。
中國資本也同樣開始關注這一領域。今年2月剛成立的圖靈量子團隊，三個月後即宣佈完成近億元人民幣天使輪融資，由聯想之星領投，中科神光、前海基金、源來資本、小苗朗程跟投。脫胎於上海交通大學整合量子資訊科技研究中心，圖靈量子的研究團隊同時在光量子資訊和光子晶片領域研究十餘年，融資將主要用於光量子計算晶片以及光量子計算機的研發。
在這一方向上開始佈局的國內還有本源量子、阿里達摩院量子實驗室團隊等；國外公司中除了創業團隊之外，包括Google、IBM、Intel、微軟、霍尼韋爾等科技巨頭很早都已經涉足該領域。
算力大爆炸時代，量子和光會是下一個命題嗎？
Open AI釋出的分析資料顯示，自2012年以來，AI訓練對算力的需求每3。43個月翻一番。這一增速明顯快於摩爾定律——作為過去幾十年來統治計算的一個基準法則，摩爾定律指出，微處理器晶片上的電晶體數每18-24個月翻一番。
全球算力發展已經進入新階段。這意味著，基於馮·諾依曼架構的電子計算機已無法滿足大資料時代對算力與功耗的要求。此外，隨著電晶體尺寸逼近物理尺寸極限，摩爾定律還將面臨散熱等無法克服的挑戰。
信通院最新發布的《中國算力發展白皮書》指出，當前，摩爾定律發展逐漸趨緩，以先進工藝升級為主導的經典計算體系演進模式遭遇“功耗牆”、“記憶體牆”瓶頸挑戰。為應對萬物智慧時代海量應用創新和重大技術革新對算力供給的百千倍遞加需求，深度挖掘計算器件、計算晶片、計算系統、計算理論等層面技術增長潛力，探索更多維度、更多要素的協同創新成為支撐算力進一步升級的重要舉措。
而提高算力的根本性對策在於提高運算速度和降低運算功耗，在這一點上，光和量子具有天然的物理優勢。
光學將能讓計算機晶片設計克服電子學的根本侷限，因為光子是當前速度最快的粒子，相較電子，具有更速度、更低功耗以及低延時等特點，且不易受到溫度、電磁場和噪聲變化的影響，光子晶片因而也被眾多海內外科學家視作最有可能替代電子晶片的未來基礎性核心技術，將是超越摩爾定律的重要技術基礎之一。量子計算則是利用量子力學的反直覺特性，可以大幅加速某些型別的計算。這讓量子計算機在原理上具有超快的平行計算能力，有望透過特定演算法在一些具有重大社會和經濟價值的問題方面（如機器學習，密碼破譯、大資料最佳化、材料設計、藥物分析等）相比經典計算機實現指數級別的加速。
產業化何時來臨？
那麼，當前的量子計算處於怎樣的發展階段？
耶魯大學應用物理教授Steven Girvin博士認為量子計算機還處於普通電腦1940年的階段，相當於“剛剛做出了真空管，或者剛剛發明電晶體的階段”。
Gartner公佈的2021年新興技術成熟度曲線顯示，值得關注的關鍵技術包括非同質化通證（NFT）、量子機器學習、生成式人工智慧（Generative AI）、同態加密和可組合應用程式和網路。其中量子機器學習目前仍處於剛起步階段。
新興技術成熟度曲線（Hype Cycle for Emerging Technologies， 2021），
資料來源：上海交通大學物理與天文學院
集微諮詢（JW insights）瞭解到，目前光與量子各自面臨著不同程度的產業化落地困境。
構建實用的光學計算機需要材料科學、光子學、電子學等領域的研究人員之間廣泛的跨學科努力和合作。此外，儘管研究表明光子處理器具有較高的單位面積計算能力和潛在的可伸縮性，但是全光學計算規模（光學人工神經元的數量）仍然很小。同時，由於存在固有地吸收光的計算元件，且電訊號和光訊號經常需要轉換，能量效率也同樣會受到限制。
量子計算的產業化應用同樣也面臨著工程和材料上的難題。目前量子計算方面主流的技術路徑有超導、半導、離子阱、光學以及量子拓撲這五個方向。而要實現通用量子計算機有三個前提——百萬量子位元的操縱能力、低環境要求、高整合度。
基於此，目前業界的一種技術路線是光量子計算機，或是通向大規模通用量子計算的最可行路徑。因為量子計算的實現，不能脫離現有大規模的半導體工藝，沿用成熟的CMOS半導體制程，光量子晶片可以實現大規模的生產和製備。而基於光量子晶片進行的快速試錯和迭代，為構建商用量子計算機提供了堅實的基礎。
憑藉全新的架構和大算力等特點，光量子晶片有望創造更多機會。集微諮詢（JW insights）認為，未來，隨著量子計算技術和光量子整合能力持續演進，混合光量子計算架構、光子計算、以及人工智慧光子處理器會展現出巨大潛能。
全球算力角逐賽中的中國機會
算力已成為各國核心競爭力體現，因為算力直接帶動數字產業化的發展——電子資訊製造業、電信業、軟體和數字技術服務業、網際網路行業等數字核心產業的發展與算力的發展息息相關。
當前，全球主要國家和地區紛紛加快戰略佈局力度。
美國2020年11月釋出《引領未來先進計算生態系統戰略計劃》，將先進計算生態系統作為國家戰略性資產，以確保美國在科學和工程方面的領導力、經濟競爭力和國家安全。
日本2019年啟動新一代國產超級計算機計劃，投入約1300億日元打造全球速度最快的超級計算機。
歐盟聚焦數字主權佈局超算和量子計算，於2018年即提出“歐洲高效能計算共同計劃”，2020年9月擬投資80億歐元支援以百億億次計算和量子計算為主的新一代超級計算技術和系統的研究和創新，維持並提升歐洲在超算和量子計算領域的領先水平。
算力水平方面，根據信通院的《中國算力白皮書》統計，美國、中國、歐洲、日本在全球算力規模中的份額分別為36%、31%、11%和 6%，其中全球基礎算力競爭以美國和中國為第一梯隊，且中美差距不斷縮小，美國在全球基礎算力排名第一，其份額達43%，中國以26%份額排名第二；智慧算力方面，中國、美國處於領先，算力全球佔比分別為 52%和19%；美國、日本、中國在超級計算綜合性能指標方面優勢明顯，總算力份額分別為 31%、23%、20%，中國在絕對數量方面處於領先。
不得不承認的是，美國、日本和歐洲資訊化起步早，相關企業發展歷史長，對國際市場的開拓也早於中國，國際市場的佔有率明顯高於中國，中國算力在國際市場的競爭力明顯弱於在國內市場的競爭力。例如，雖然阿里雲在全球雲市場佔有率排名第四，但其絕大多數業務集中在中國國內市場，與亞馬遜、微軟、谷歌等美國企業還有很大差距。
與此同時，全球算力競爭的加劇也在引發全球化產業鏈供應鏈格局的重塑與重構。儘管國內在算力相關裝置製造能力上不斷提高，但要徹底趕超美國等領先國家仍然面臨嚴峻的“卡脖子”問題。
不過在量子與光子計算領域，目前從全球來看，各國都尚未形成絕對優勢，現階段各國研發基本處於同一起跑線，集微諮詢（JW insights）認為，對於國內產業界或具備換道超車的重大戰略機遇。
據圖靈量子創始人、交大金賢敏教授等相關業內專家判斷，當前光量子晶片發展正處於類似當年大規模積體電路發展初期的關鍵節點。比如，圖靈量子團隊目前已掌握了自主智慧財產權的三維和超高速光子晶片核心技術與工藝，從設計、流片到封裝測試，再到系統整合和量子演算法，可實現光量子計算晶片的全鏈條研發。這個意義上，一旦光子晶片技術能夠獲得規模化商用，或有望解決我國晶片“卡脖子”的難題，擺脫受制於關鍵技術、關鍵裝置的困境。
後摩爾時代算力突破的探尋之路才剛剛開始，這需要經過一個漫長的技術積累的過程。在傳統電子晶片時代，國外巨頭們正是透過漫長的技術迭代，透過產業落地和應用的規模化，才誕生了一個又一個“偉大的科技公司”。同理，在未來的光與量子計算的領域，也必將經歷這樣一個過程。（校對/叨叨）