商业中的量子计算和区块链指南（一）

原文：zh.annas-archive.org/md5/fe0c2b1b6dea032e7c6950de21934dd5

译者：飞龙

协议：CC BY-NC-SA 4.0

序言

该书提供了对未来的一瞥，即不同行业如何从新一波计算中受益。该书带领读者踏上旅程，首先描述了今天计算机的局限性，并提出了量子计算呈现的可能解决方案，以超越这些限制。

这本书是为谁准备的

本书适用于希望了解工业场景中量子计算潜在应用的专业人士。那些不想深入研究技术本身，而是对技术的“作用”感兴趣的读者会发现这是一本有趣的读物。

本书还旨在解决全球各地的创新者对今天的加密算法与量子计算之间潜在冲突路径的担忧或好奇。本书呈现了量子计算、加密术和机器学习领域的各行业专家的观点。

读者将获得关于量子计算潜力的实际、现实和现场视角。这本书不适合那些希望了解量子计算背后数学或物理的入门读者，而是那些希望从更商业化的角度看待这个主题的读者。

本书涵盖了什么

第一章：量子计算和区块链简介

这是本书的第一章，我在这里涉及了量子计算和区块链基础的技术概念。本章还简要介绍了过去一个世纪量子物理领域的历史，以及这是如何导致量子计算的演变的。

第二章：量子计算 - 关键讨论点

本章详细讨论了量子计算的术语和关键概念。本章的目的是为读者提供本书其余部分将会出现的术语的概览。

第三章：数据经济

我们生活在一个数据时代。在过去的 30 年里，互联网和社交媒体的蓬勃发展帮助创造了大量数据。这反过来又推动了依赖这些数据的人工智能等技术的发展。我们将研究人工智能、区块链、物联网和量子计算等数据技术在我们日常生活中可能发挥的作用。

第四章：对金融服务的影响

金融服务业是一个数据密集型行业。大多数金融机构在投资组合管理和风险管理方面的决策都严重依赖于模拟。本章涵盖了量子计算在金融服务业中的潜在应用。

第五章：采访富士通公司的高级研究员戴夫·斯内林博士

与富士通公司人工智能项目总监和数字退火器的主要幕后推动者之一戴夫·斯内林的采访。戴夫生动地展示了他已经在进行的数字退火器应用，以及他对量子计算的潜在未来的看法。

第六章：对医疗保健和医药行业的影响

本章将量子计算在医疗保健和制药领域的应用带入生活。药物发现是量子计算可能产生重大影响的关键领域之一。我在本章中还讨论了制药行业中区块链的应用。

第七章：与阿姆里塔维什瓦维迪亚佩特姆大学人工智能研究主管 B. Rajathilagam 博士的访谈

与 B. Rajathilagam 博士的访谈为我们展示了量子计算和区块链在新兴市场的用例。BRT 提供了她对印度村庄基层挑战的第一手知识。

第八章：治理的影响

选举在很大程度上正在成为人工智能和数据科学技术专家的试验场。这可能是一个新的未来，选举结果可以通过量子计算等技术准确建模。本章探讨了未来选举中技术的可能性。

第九章：Rigetti 和 QxBranch 高级数据科学家 Max Henderson 的访谈

Max 和他在 QxBranch 的团队使用量子计算对 2016 年美国选举进行了建模，并在预测中取得了高度精度。这次访谈涵盖了 Max 在此过程中的经验、观察和经验教训。

第十章：智能城市和环境的影响

我们生活在一个受气候变化影响并处于气候紧急状态的世界。本章探讨了我们如何利用技术创建智能城市的方法，这不仅可以让我们的生活更美好，还可以帮助我们更可持续地生活。

第十一章：与牛津大学量子计算研究员 Max McArdle 的访谈

量子计算机面临的最大挑战之一是我们在纠正错误方面的有限能力。在本章中，我与在牛津大学研究 NISQ 的 Sam McArdle 讨论了这些挑战。Sam 解释了为什么量子计算机中的错误纠正是如此困难的任务。他还涉及了在化学等领域使用 NISQ 的可能性。

第十二章：化学的影响

量子计算是基于描述亚原子粒子行为的量子力学原理的。这正是为什么化学是量子计算的非常合适的应用领域。在本章中，我讨论了量子计算如何用于模拟化学反应中分子之间的相互作用。

第十三章：物流的影响

物流问题一直是经典计算机难以解决的挑战。在本章中，我讨论了量子计算如何帮助解决物流中的一些现实问题。我还讨论了像空中客车公司这样的公司为改善飞行气动性所做的工作。在区块链方面，我解释了技术在供应链中的使用以及它对供应链的效率增加。

第十四章：与 IBM 合伙人 Dinesh Nagarajan 的访谈

Dinesh 是一位网络安全专家，也是 IBM 的合伙人。在本章中，我们讨论了技术创新如何帮助世界各地的人们丰富自己的生活以及由此带来的网络安全风险。我们还讨论了公司和国家如何从加密的角度更加灵活地面对计算新时代带来的威胁。

第十五章：量子安全的区块链

在这一章中，我们谈论了房间里的大象。在后量子时代，区块链是否受到威胁？我们更进一步探讨了因量子计算而使互联网数据传输面临风险的问题。我们还看了一些量子就绪的各种加密技术，以及它们如何帮助我们保护数据。

第十六章：国家和网络战

如果一个国家配备了一种可以用来控制世界上大多数加密数据的技术，那么它会做些什么？我们离这个现实有多近？这是我们应该准备好的可能性吗？这些是我在关于国家和他们努力主导数据技术世界的章节中要解决的问题。许多国家已经拨款数十亿美元用于像人工智能、区块链和量子计算这样的技术，他们希望主导这一领域。

第十七章：结论 - 蓝天白云

一个总结本书要点的结束章节。我讨论了采访中的学习成果以及我对我所采访专家意见的看法。我最后谈到了围绕量子计算的炒作以及这如何影响生态系统的发展方向。我注意到了世界各地顶尖国家在这一领域获得主导地位的努力。最后，我提出了对这一令人惊奇的技术 - 量子计算的可能性的看法。

下载彩色图片

我们还提供了一份 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。您可以在这里下载：static.packt-cdn.com/downloads/9781838647766_ColorImages.pdf

使用的约定

粗体：表示一个新术语、重要单词或者您在屏幕上看到的文字，例如在菜单或对话框中，也会在文本中以此方式出现。例如：“20 年前，教我有关数据库管理系统（DBMSes）和面向对象编程的教授，现在正在领导人工智能和量子机器学习研究的 B. Rajathilagam 博士。”

警告或重要说明会以这种方式显示。

第一章：引言：量子计算与区块链

那是最好的时代，那是最坏的时代，

那是智慧的时代，那是愚蠢的时代，

那是信念的时代，那是怀疑的时代，

那是光明的季节，那是黑暗的季节，

那是希望之春，那是绝望之冬。

我相信查尔斯·狄更斯没有预见到量子计算或区块链。然而，他在 160 年前的话仍适用于我们所见到的这两项技术的起起伏伏。量子计算已存在了大部分世纪。相比之下，区块链首次亮相是在 2008 年。

与近年来席卷我们的区块链浪潮不同，量子原理已存在数十年。量子物理学是一个备受争议的领域，也是量子计算的基础。然而，量子计算领域近来势头迅猛。

尽管这两项技术的年龄存在差异，它们都有着有趣的历史。例如，大多数了解区块链的人都同意该框架是稳健的。然而，这项技术仍然远未完善，这对量子计算也是如此。

过去十年中量子计算背后的势头主要是由于算法和基础设施的进步。然而，在我看来，这也是因为我们生活在数据时代，一些量子计算机的用例变得更加清晰和相关。在本章中，我将涵盖这两项曾经备受争议的技术的历史。它们作为变革性技术在现代社会中的地位是难以争议的。

本书内容

本书的目的是探讨量子计算与区块链之间的重叠。这两项技术基本上都是基于密码学的。因此，它们之间存在可能的冲突。然而，当我们看到这些技术的实际应用时，它们彼此非常互补。

在本章中，我们将讨论对量子计算和区块链至关重要的技术概念。我们将深入探讨量子计算及其历史，然后涉及一些对本书主题相关的区块链的关键概念。

我想在本书中建立的一个关键主题之一是技术只是达到目的的手段。虽然理解技术并为其可能性感到兴奋很重要，但技术只有在能够改变人们的生活时才是特殊的。

社交媒体上有很多炒作，称量子计算将杀死区块链。在一个数据时代，这两种技术都有存在的意义。量子计算可以大大提高我们的问题解决能力。在一个社交媒体时代，我们需要我们的技术来应对大数据量，并理解我们分析的变量之间的相互关系。当量子计算走向主流时，应该能够解决这些领域。

另一方面，描述区块链应用的简单方法是去中心化数据完整性。每笔交易的不可变记录由网络维护和管理。这是区块链在过去的数据存储机制之上的基本优势。

通过行业特定的章节和与量子计算、人工智能和机器学习思想领袖的访谈，我将尝试建立这两种技术的业务相关性。通过这样做，我将确立这两种技术在我们生活的数据中心世界中的垂直协同效应。

在下一节中，我将了解量子计算的历史。在这个过程中，我还将触及这项技术的几个关键概念。

量子计算简介

我们正处于一个数据时代，有许多技术与彼此共享共生关系。在所有令人兴奋的技术范式中，量子计算有潜力以规模带来颠覆。量子物理的原则，这是量子计算的基石，已经存在了一个多世纪。

了解量子物理学的演变很有趣，因为涉及到个性以及他们相互矛盾的哲学观。然而，这一领域的历史也让我们了解到这些概念的违反直觉性质，这挑战了甚至最聪明的头脑。本章重点讲述量子计算的故事，并涉及了这项技术的一些基本原理。

量子力学的历史

在投资者和学术界教授之间的交谈中，投资者经常会想：“哇，这太棒了，但是怎么样？”，而学术界教授则在想：“投资者明白了吗？”探索量子计算对我来说就是这样一种经历，其中的书呆子想深入探讨这门学科的物理学、数学和技术方面。然而，我内心中的投资者一直在问：“这有什么价值？这对世界有什么意义？对企业有什么好处？”

由于这种拉锯战，我提出了量子原理的简化解释，奠定了量子力学的基础。为了更好地理解量子计算，我们首先需要研究与（量子）比特流相关的量子信息处理的基础知识，以及它们如何处理数据并相互作用。因此，让我们从量子物理学的原则作为量子信息处理的基础开始。

量子物理学提供了解释原子、电子、光子和正电子等粒子行为的基本原理。微观粒子被定义为肉眼不可见的微小物质。

在描述量子力学历史的过程中，我将涉及几个基本概念。对这些概念的发现和理解的演变有助于塑造更现代的量子计算思维。这些概念与量子计算的相关性将在本章展开时变得清晰。然而，在这个阶段，重点是这个复杂领域如何持续困扰了近 100 年的伟大思想家们。

量子力学处理最小尺度的自然；探索原子和亚原子粒子之间的相互作用。在 19 世纪的很大一部分和 20 世纪初期，科学家们试图解决粒子、物质、光和颜色的令人困惑的行为。电子围绕原子核旋转，当它吸收光子（光的粒子）时，它跳到一个不同的能级。紫外线能够提供足够的能量来击出电子，由于负电子的移除产生正电荷。来源：www.nobelprize.org/prizes/physics/1905/lenard/facts/

科学家观察到，电子吸收光子通常限于特定频率。吸收特定类型光子的电子产生与加热气体相关的颜色。这种行为在 1913 年由丹麦科学家尼尔斯·玻尔解释。在这一领域的进一步研究导致了量子力学基本原理的出现。来源：www.nobelprize.org/prizes/physics/1922/bohr/biographical/

玻尔假设电子只能在某些轨道上旋转，并且它们吸收的颜色取决于它们旋转轨道之间的差异。因为这一发现，他在 1922 年获得了诺贝尔奖。更重要的是，这有助于巩固一个观念，即电子和原子的行为与人眼可见的物体（宏观物体）不同。与定义宏观物体行为的经典物理学不同，量子力学涉及基于概率规则而不是精确机械定律的瞬时跃迁。

这奠定了进一步研究以关注亚原子粒子如电子的行为和相互作用的基础。随着研究发现经典物理学和量子物理学之间的更多差异，广泛认可量子原理可以用来定义自然的特异性（例如：黑洞）。两位伟大的思想家，阿尔伯特·爱因斯坦和史蒂芬·霍金通过对相对论和量子引力的研究做出了贡献。现在让我们来看看阿尔伯特·爱因斯坦如何看待量子物理学及其概念。来源: www.nobelprize.org/prizes/physics/1921/einstein/facts/

爱因斯坦的量子困扰

我们可能需要回到历史中一些年代才能理解爱因斯坦如何卷入量子力学的世界。对于一般人来说，空间只是无尽的虚空，然而当与时间结合时，空间变成了一个四维的难题，被证明是 19 世纪和 20 世纪最伟大思想家的巨大挑战。爱因斯坦不认同量子力学的某些原则，并且他对此持有批评态度。

量子力学的关键原则之一是Copenhagen Interpretation。它解释了粒子状态是如何受到观察的影响；观察者从而影响了粒子的状态。爱因斯坦对尼尔斯·玻尔所假设的量子力学的不确定性方面并不认同。

1927 年，爱因斯坦在布鲁塞尔的索尔维会议上开始与玻尔进行辩论。他相信客观现实是独立于观察存在的。根据量子理论的原则，实验者选择的方法影响了某些参数是否具有明确定义的值，或是模糊的。爱因斯坦无法接受当没有人看时月亮不在那里并且认为量子理论的原则是不完整的。来源: cp3.irmp.ucl.ac.be/~maltoni/PHY1222/mermin_moon.pdf

这种不确定性特性的一个有趣方面是，作为婴儿，我们更容易欣赏这些原则。这在婴儿经常喜爱的躲猫猫游戏中得到了体现。他们相信观察者只在他们观察到他们时存在，并且不展示被称为对象永恒性的认知能力。然而，随着我们长大，我们会基于对象永恒性的假设来行动。

尼尔斯·玻尔认为，在观察不存在时，将现实赋予宇宙是没有意义的。在测量之间的间隔中，量子系统存在于所有可能属性的模糊混合中 - 通常被称为叠加态。描述粒子所取状态的数学函数被称为波函数，在观察点处会崩溃到一个状态。

这两位科学家（爱因斯坦和玻尔）之间的哲学斗争在 1935 年的时候因纠缠特性的出现而加剧。它意味着两个纠缠粒子的状态取决于彼此（或存在相关性），而与它们彼此间的距离有多远无关。爱因斯坦（嘲笑地）称之为鬼魅的远程作用。

作为对玻尔发现的回应，由阿尔伯特·爱因斯坦、鲍里斯·波多尔斯基和内森·罗森于 1935/36 年撰写的臭名昭著的 EPR（爱因斯坦，波多尔斯基，罗森）论文诞生了。这篇论文的目的是论证量子力学未能提供物理现实的完整描述。波多尔斯基负责将其翻译成英文，而爱因斯坦对翻译感到不满。除此之外，波多尔斯基还向《纽约时报》泄露了 EPR 论文的预先报告，爱因斯坦对此非常不满，他再也没有和波多尔斯基说过话。来源：www.aps.org/publications/apsnews/200511/history.cfm

EPR 悖论确定了纠缠特性的两种可能解释。一个粒子的状态影响另一个粒子的状态，可能是由于两个粒子之间共享的内嵌属性，就像基因一样。另一种解释是，两个粒子可以彼此进行即时通信，关于它们的状态。第二种解释被认为是不可能的，因为这违反了狭义相对论的理论（如果粒子以超过光速的即时通信）和地域性原则。

地域性原则指出，物体只受其周围的即时环境的影响。

狭义相对论理论指出，物理定律对于所有非加速观察者都是相同的，爱因斯坦表明，在真空中的光速不管观察者以何种速度移动都是相同的。

如果纠缠存在，并且粒子能够在远距离上影响彼此的状态，那么局域性理论也被认为被违反了。因此，EPR 论文挑战了粒子能够即时传递状态并且在很远距离上传递的假设。

因此，EPR 得出结论，两个纠缠粒子中嵌入了隐藏变量，这些变量使它们在被观察时选择相关状态的信息。阿尔伯特·爱因斯坦继续挑战量子力学的原理。

“量子力学确实是威严的。但内心告诉我，它还不是真正的东西。这个理论说了很多，但并没有真正让我们更接近’老大’的秘密。至少我相信，他不会掷骰子。”

—阿尔伯特·爱因斯坦

爱因斯坦和玻尔甚至在有仲裁员在场时也无法达成一致。这个仲裁员以约翰·惠勒的形式出现。1939 年，玻尔和惠勒开始在普林斯顿大学工作，并保持了良好的工作关系。惠勒是一个和蔼可亲的人，能说德语。爱因斯坦——普林斯顿的流亡教授——成为惠勒的邻居，这就有了这些伟大思想碰撞的可能性。惠勒认为玻尔的互补观点——两个粒子可以被纠缠——是有道理的。他也同意爱因斯坦对理论的挑战，当我们观察粒子时，我们无可避免地改变它们。尽管多次尝试，约翰·惠勒未能提出一种能说服玻尔和爱因斯坦的理论。

贝尔不等式

在爱因斯坦和玻尔之后，约翰·贝尔于 20 世纪下半叶进入了量子领域。他于 1928 年出生在贝尔法斯特，并在多年研究量子力学理论后，最终选择在 1963 年在斯坦福大学休假时踏上了这条道路。他将纠缠解释为被分离的同卵双胞胎的行为。如果在一生中它们被带到一起，它们会有一些惊人的共同点。他在一项关于双胞胎研究所的研究中发现了这一点。这让人们认为也许电子的行为就像它们有基因一样。至少，这帮助一个外行人理解了量子粒子的纠缠意味着什么。

然而，1964 年，贝尔随后提出了贝尔不等式。通过一系列关于电子和正电子对的实验以及概率理论，贝尔证明了 EPR 的结论是错误的。假设粒子必须具有嵌入它们的属性来解释纠缠的观点似乎并不是正确的方法。贝尔的不等式得到了几个随后实验的支持。贝尔不等式的概率解释通过贝尔不等式的维恩图表非常简单。有一个更简单的可能的家庭实验可以使用偏振镜来解释量子力学的神秘性质。

你可以在这里观看实验的 YouTube 视频，www.youtube.com/watch?v=zcqZHYo7ONs&t=887s，这确实有点违反直觉。

视频显示如下：

• 透过偏振镜看白色背景。看起来是灰色的，表明有很多光被阻止通过透过镜。

• 再添加另一个偏振镜 B，你会观察到更少的光透过它——通过背景变得更暗来指示。

• 现在，通过在 A 和 B 之上添加另一个偏振镜 C，你会期望白色背景看起来更暗。但令人惊讶的是，它比只有 A 和 B 时看起来更亮。

实验的结果可能可以通过一种可能性来解释。如果光子通过一个滤波器时其性质发生变化怎么办？这可能意味着经过变化的光子与后续滤波器的相互作用也是不同的。

我将在本章后面通过量子缝实验解释光粒子（光子）的另一种奇怪行为。目前，对于亚原子粒子的行为，最清楚的解释是通过量子力学原理来解释的。如果要提供任何新的替代方案，它必须比现有原理更具说服力。

量子计算机——一个花哨的想法

在提出自然中粒子行为的理论的同时，有一些人开始思考使用经典计算机模拟这些行为的影响。 1965 年，诺贝尔物理学奖联合颁发给 Sin-Itiro Tomonaga，Julian Schwinger 和 Richard P. Feynman，以表彰他们在量子电动力学方面的基础工作，对基本粒子物理学产生了深远的影响。直到 1980 年代，理查德·费曼才首次讨论了“经典计算机能否模拟任何物理系统”的想法。人们认为他通过题为“用计算机模拟物理”的讲座奠定了量子计算的基础。

1985 年，英国物理学家大卫·德特奇强调了艾伦·图灵的理论上的通用计算机无法推广到量子力学的事实。您可能会问图灵的计算机是什么。

1936 年，艾伦·图灵提出了一种简化版的计算机，称为图灵机。它有一条带有几个方块的磁带，每个方块中都编码为“0”和“1”。他的想法是，机器会在磁带上方运行，一次查看一个方块。机器有一个代码手册，上面有一套规则，根据规则，这些方块中的每一个的状态（“0”和“1”）将被设置。在过程结束时，这些方块的状态将提供机器解决的问题的答案。许多人认为这为我们今天使用的计算机奠定了基础。

然而，David Deutsche 指出，图灵的理论是基于经典物理学（0 和 1），而基于量子物理学的计算机将比经典计算机更强大。

当贝尔实验室的彼得·肖尔发明了量子计算机上因式分解大数的算法时，理查德·费曼的想法开始受到关注。使用这个算法，量子计算机甚至可以破解最近的密码技术。

1996 年，这被 Grover 的搜索算法所取代。在经典计算机中，当在 N 个项目的列表中搜索项目时，平均需要 N/2 次检查才能找到项目。然而，使用 Grover 算法，检查的次数可以降低到√N 次。在数据库搜索中，这为搜索性能提供了二次改进。这被认为是量子计算领域的一个重要里程碑。

Déjà vu

Grover 的算法以及随后在这一领域的工作自此加速了人们对量子计算的兴奋和炒作。更近些时候，科技巨头 IBM、Google、Intel、Microsoft 以及其他一些公司都加大了在量子计算领域的工作力度。在 2019 年的消费电子展上，IBM 展示了他们的实力，推出了一套供科学家和企业使用的量子计算集成系统。IBM 还拥有一个基于云的量子计算基础设施，程序员可以使用它。更多关于科技巨头的动态将在第十六章“国家和网络战争”中揭示。

当我第一次看到 IBM 在 2019 年消费电子展上展示的量子计算机复制品的图片时，我立刻想到了Déjà vu。上一代见证了经典计算革命的兴起，对社会的各个方面产生了深远的影响。我们站在另一场革命的边缘；我们将有幸亲眼目睹量子计算的演变。

量子的怪异性

在我们探索量子计算之前，了解量子力学描述的粒子行为将是有益的。下面，我描述了一个实验，帮助我们理解量子理论的反直觉性质。

一个可怕的实验

著名的量子狭缝实验描述了光子/粒子的行为以及它们如何相互作用和相互影响。正如我们将看到的，这对试图描述它们行为的物理学家构成了挑战。

在 19 世纪，英国科学家托马斯·杨提出了一个理论，即光粒子是以波的方式传播，而不是以粒子的方式。他进行了一个简单的实验，他在金属片上切了两个狭缝，并将其放置在光源和屏幕之间作为挡光器。他知道，如果光粒子的传播方式与粒子相同，那么通过狭缝的粒子将击中屏幕。那些被金属挡住的粒子将从表面弹开，不会到达屏幕。实际上，如果光是由粒子组成的，那么屏幕看起来应该像是涂在模板上的喷雾。图 1显示了实验和狭缝的形成。

然而，他假设（在实验之前）光是由波形成的，当波通过狭缝时，它们会相互干涉并在屏幕上形成图案。图案将根据通过狭缝的波的相互作用来定义。

当波相互干涉时（称为构造干涉），屏幕上会显示出明亮的斑点，而峰值与槽（称为破坏性干涉）相互干涉时，它们会形成暗斑。因此，图案将在中心显示出狭缝形状，然后是越来越暗的狭缝形状向左和向右。杨氏成功地证明了光是以波的形式传播的。

图 1：杨氏双缝实验

爱因斯坦的光子 - 现在更奇怪了

阿尔伯特·爱因斯坦再次在量子力学领域产生了很大的影响。他提出光是由光子组成的 - 一种像粒子一样行为的离散光量子。因此，实验被重复进行，这一次，光子一个接一个地通过狭缝，图案仍然出现。只有在以下情况下才会发生这种情况：

• 光子以波形传播。

• 所有这些波形的可能路径相互干涉，尽管只有其中一条路径会发生。

这支持了这样一个理论，即在观察结果之前，所有的现实都存在，并且亚原子粒子可以处于叠加态。当探测器被放置来观察通过狭缝的光子时，图案消失了。观察粒子的行为将现实折叠为一个。

我们已经讨论了量子力学的三个原则：叠加、纠缠和干涉。这些原则对量子计算机内部管理粒子的方式至关重要。

图 2：量子计算时间轴

量子计算的历史和关键里程碑都反映在图 2中。关键的收获是这一领域所做出的贡献，这些贡献使得这项技术最终有望在规模上产生影响。

在量子计算机内部

量子计算机的基本单元是被称为量子比特（qubits，发音为cue-bit）。在经典计算世界中，比特有 0 和 1 两种状态。量子比特存在于这两种状态中，同时也存在于这两种状态的线性组合中，称为叠加态。

叠加态可以比我们今天通常使用的确定性和概率算法更快地解决一些问题。一个关键的技术区别在于，虽然概率必须是正数（或零），但叠加态中的权重可以是正数、负数，甚至是复数。

纠缠是理解量子计算机的基本原理之一。如果两个粒子显示出纠缠，那么当其中一个粒子行为随机时，它会通知观察者，如果对另一个粒子进行类似的观察，它将如何行动。

只有当两个观察者比较笔记时，这种性质才能被检测到。纠缠的性质赋予了量子计算机额外的处理能力，并使它们比经典计算机运行得更快。

与经典计算机使用的传统晶体管相比，量子计算机具有相似之处和不同之处。量子计算机的研究正在向前发展，以找到新形式的量子比特和算法。例如，自 2017 年以来，使用光子的光量子计算机在研究领域取得了重大进展。使用光子的光量子比特的光量子计算机在室温下运行。

量子计算机应该满足以下要求：

• 量子比特需要被放入叠加态。

• 量子比特应该能够相互作用。

• 量子比特应该能够存储数据并允许读取数据。

量子计算机还表现出一些特征（通常）：

• 倾向于在低温下运行，并且对环境/噪声非常敏感。

• 倾向于有较短的寿命 - 原因如下所述。

我们将量子比特状态编码到亚原子粒子中；在半导体量子计算机的情况下，是电子。有几种方法可以创建量子比特，每种方法都有优缺点。最常见和稳定的量子比特类型是使用超导环创建的。超导体与普通导体不同，因为电流通过导体时没有能量损耗（无电阻）。超导体电路在接近绝对零度的温度下运行（即 0 开尔文，或 -273 摄氏度），以维持其电子的状态。

另一种使用基于晶体管的经典电路的量子比特架构被称为 SQUIDs。SQUID 代表超导量子干涉装置。它们用于跟踪和测量微弱信号。这些信号只需要产生比移动指南针所需能量弱 1000 亿倍的变化。它们由约瑟夫森结制成。SQUIDs 的一个主要应用领域是用于人脑成像的磁场测量。来源：whatis.techtarget.com/definition/superconducting-quantum- interference-device

超导量子比特（以 SQUIDs 形式存在）的电荷载体是称为库珀对的电子对。在这种架构中，基于晶体管的经典电路使用电压来管理电子行为。此外，量子电路由波函数定义。SQUIDs 被称为人工原子，为了改变这些原子的状态，需要使用激光。正如本章前面描述的那样，基于量子力学原理，只有具有特定频率的光才能改变亚原子粒子的状态。因此，用于改变量子比特状态的激光必须调谐到量子比特的过渡频率。

超导量子比特可以由一个简单电路构成，其中包括一个电容器、一个电感和一个微波源，以将量子比特置于叠加态。然而，这种简单设计有几个改进之处，用一个约瑟夫森结取代普通电感是一个重大升级。约瑟夫森结是非线性电感器，允许从非等间距能级中选择两个最低能级。这两个能级构成了量子信息处理中的一个量子比特。这是量子比特电路设计中的一个重要标准——选择两个最低能级。没有约瑟夫森结，能级是等间距的，这对于量子比特是不切实际的。来源：web.physics.ucsb.edu/~martinisgroup/classnotes/finland/LesHouchesJunctionPhysics.pdf

就像古典计算机中的门概念一样，量子计算机也有门。然而，量子门是可逆的。一个常见的量子门是作用于单个量子比特并将其基态转变为叠加态的哈达玛（H）门。

量子比特类型和属性

基于这些属性的量子比特电路有几种变体。在设计这些电路时需要考虑的关键属性包括：

• 脉冲时间：这是将量子比特置于叠加态所需的时间。脉冲时间越短，效果越好。

• 退相干时间: 这是从不想要的噪音中解耦量子比特所需的时间。退相干时间越短，越好。较长的退相干时间会导致信息的更大损失。

• 每门门的错误: 由于门用于在量子比特的状态之间创建转换，如果有错误门，错误就会传播到最初正确的量子比特上。因此，每门门的错误需要定期测量。

• 退相时间: 这是量子比特状态可以持续的时间。离子量子比特是最适合保持相干时间的，因为它们可以保持状态长达数分钟。

• 对环境的敏感性：虽然半导体量子比特在非常低的温度下运行，但电路构建中所涉及的粒子对环境的敏感性很重要。如果电路对环境敏感，存储在量子比特中的信息就很容易受损。

图 3: 量子比特电路

IBM 最近推出了一台 50 比特的机器，还提供了一个云托管的量子基础设施供程序员编码。量子组装语言也有了几个进展，它将作为这些机器和开发者编写的代码之间的接口。图 3 展示了不同类型的量子比特电路。

我们已经涵盖了量子计算的基础知识，让我们继续看看这本书关注的其他技术：区块链。

区块链和密码学

不同于量子计算，区块链的历史相对较短。如果量子计算是新兴技术中的摩·法拉赫，区块链就是尤塞恩·博尔特。几个区块链属性源于密码学，了解一些术语是很重要的，才能享受本章剩下的部分。

了解区块链如何依赖密码学很重要。这将帮助我们在后续章节中了解区块链和量子计算可能在未来发生碰撞。以下是对区块链和密码学一些关键术语的详细且简化的描述：

哈希

哈希是一个过程，其中一组数据输入到一个函数中以获得固定长度的字符串作为输出 - 称为哈希值。我们每天都在使用它们。当您使用密码创建一个电子邮件 ID 时，密码会经过一个哈希函数，创建一个唯一的字符串，并且这个字符串存储在电子邮件提供商的数据库中。当您再次尝试登录时，输入的密码会通过哈希算法，然后得到的字符串与存储在电子邮件提供商数据库中的字符串进行匹配。如果匹配成功，您就可以访问您的电子邮件。

图 4: 比特币交易过程的示意图。来源：https://bitcoin.org/bitcoin.pdf

比特币哈希

比特币系统使用一种称为 Hashcash 的函数。Hashcash 工作证明算法是由亚当·巴克于 1997 年发明的。比特币哈希使用了两个额外参数 - 一个随机数（nonce）和一个计数器。随机数只是在输入哈希函数之前添加到数据集合中的随机数。因此，所创建的哈希是先前哈希、新交易和一个随机数的组合。比特币系统要求哈希值以特定数量的 0 开始；随着 0 的数量增加，识别正确的哈希值的挑战呈指数增长。Hashcash 函数的计数器参数记录增量，直到达到正确的哈希值。

挖掘比特币

比特币网络中的节点努力寻找具有正确数量的 0 的哈希值。他们使用不同的随机数生成哈希，直到找到正确的哈希。这项工作需要大量的计算能力，当找到正确的哈希值时，达到这一目标的节点将因识别正确的随机数而获得比特币奖励。

确定通过哈希函数得到在困难级别内的特定哈希值所需的随机数称为挖矿。随着 0 的数量增加，难度级别也会增加。随着时间的推移，挖掘比特币变得更加困难，因为需要更多的计算能力来确定随机数。永远只会有 2100 万个比特币被生产，编写本书时，已经挖掘了约 1750 万个比特币。挖掘一个区块的奖励是 12.50 比特币，每天约挖掘 144 个区块。在下一次挖矿奖励减半到 6.25 比特币之前，还有约 6.5 万个区块需要被挖掘。

一个区块

区块只是一组共同验证的交易。如果一堆交易没能及时进入一个区块，它们就会被移到下一个区块中。挖掘一个区块可获得的比特币数量一开始是 50，然后随着挖掘每 21,000 个区块而减半。

工作证明

工作证明一词是由马库斯·雅各布森和阿里·尤尔斯在 1999 年发表的一篇文章中创造的。工作证明被用于比特币系统，以确保通过强大的计算能力验证交易。通过这种方法建立的一连串区块，要想黑客通过这些区块需要同样庞大的计算能力。

同样，在工作证明系统中，节点的处理能力决定了节点对网络的控制。例如，在比特币网络中，一个 CPU 相当于一票，可以在决策时行使。

交易

新的交易被广播到所有节点进行验证。交易被收集到区块中，节点正忙寻找自己区块的工作证明。当一个节点找到工作证明时，它将将区块广播到所有节点，只有当其中的所有交易都有效时，节点才接受该区块。区块的接受导致网络开始处理新的区块。

黑客攻击一个区块意味着需要识别一个新的随机数，解决的不仅是一个矿工的工作，还包括所有后续矿工的工作。此外，在存在多个区块链时，以创建这些链所需的计算能力为准，最长的区块链将被网络接受。

这些概念中的一些是理解区块链网络运作方式的基本概念，现在你应该能够更有信心地接触区块链这一话题了。说到这里，我们现在将讨论区块链的另一个关键概念：实用性代币和安全性代币。最近，理解安全性代币和实用性代币之间的区别已经成为全球区块链社区的难题。

实用性代币与安全性代币

随着基于区块链的解决方案开始筹集资金，它们被广泛分类为两种——实用性代币或安全性代币。实用性代币就像是应用程序所需的积分或数字优惠券。它们大致用于在公司盈利时分配利润（或股利）。

另一方面，安全性代币的价值来自于底层资产。例如，房地产基金可以被代币化，代币可以进行交易。代币的价值来源于房地产基金的价值。同样，筹集资金的公司可以发行代币，投资者将获得公司的股份。这实际上是拥有公司的股权，被归类为安全性代币。

尽管我已经描述了实用性代币和安全性代币是互斥的概念，但它们通常并非如此。例如，在以太坊（Ethereum 的代币）的情况下，它更多地是一种实用性代币而不是安全性代币，因为代币在应用程序生态系统中被广泛使用，大部分的价值来自以太的需求。SEC 已经制定了一种简单的方法来将代币确定为安全性代币，因为安全性代币属于其监管范围之内。这被称为豪伊测试。

豪伊测试得名于 1946 年的最高法院判决：SEC 诉 W.J.豪伊公司。豪伊公司向那些入住该公司拥有的酒店的游客提供生产、收获和营销橙子的服务合同。这些合同被卖给了这些游客。法院被询问土地购买和服务合同是否构成投资合同。法院同意了，并且豪伊测试就此产生。

根据豪伊测试，如果：

1. 这是一笔金钱投资

2. 有一种从投资中获利的预期

3. 投资的资金投入是在一个共同的企业中

4. 任何利润都来自于发起者或第三方的努力

让我们以 2014 年以太坊众售为例。有资金投入（尽管是以比特币形式）- 至少有一些人投资，希望代币的价值在一段时间内增加，他们可以从中获利。通过以太坊的众售，资本被投资者集中在一个计划中，这被 SEC 视为共同企业。以太的价值增长预计将通过 Vitalik 及其团队的工作实现。因此，以太应该是一种安全性令牌，根据豪威测试。

以 2014 年以太坊众售为例，很容易将其归类为安全令牌。然而，以太坊现在是一个庞大的应用社区的氧气。因此，我们可以说以太是一个代币的例子，它最初像安全性一样筹集了资金，但由于公司和技术的演变方式，如今更像是一个实用工具。由于其所拥有的社区，以太坊是去中心化的，不再仅仅依赖于公司的初始创始人。

最近，我参加了一个圆桌讨论，讨论了将代币分类为实用性或安全性的挑战。我会把它描述为一个进度条; 进度条的一端是安全令牌，另一端是实用令牌。取决于代币如何获得其价值以及社区如何使用它，它将更接近进度条的一端或另一端。安全与实用性不应被视为代币的二进制状态。

我们已经讨论了量子计算机的背景，并触及了一些有趣的区块链概念。这些基本思想的想法是在未来章节中在各行业中的真实应用之前使用它们作为基础模块。加密元素对这两种技术都是基本的。这是否意味着量子计算使区块链过时了？我们将在未来的章节中讨论这个问题。

结论

Bohr（玻尔）、Einstein（爱因斯坦）、Alan Turing（艾伦·图灵）等人近一个世纪以来的旅程已经导致了量子计算机的发明。这个领域的炒作和头条新闻每天都在增加。然而，大规模工业对这项技术的采用还需数年（甚至数十年）时间。在本章中，我想带领读者走一趟旅程，并介绍量子计算中的关键人物、原理、事件和技术组件。

重要的是要理解为什么量子比特与今天的计算世界主要依赖的比特不同。本章提供了我们将在未来章节中涉及的量子方法和现实世界的应用。将在随后的章节中讨论使用光子的光量子计算机的应用。

我们简要介绍了区块链和加密的使用。这也是至关重要的，这样我们就可以看到这两种技术之间的技术重叠。区块链社区将这种重叠视为机会而不是主要障碍至关重要。我坚信这两种技术都将继续存在，并且肯定会通过在各个行业之间相互补充而丰富我们的生活。

量子计算机在包括医疗保健、物流、金融和一般的网络安全等各行业都有几个实际应用。我们将在本书中详细介绍这些内容。

参考文献

1. www.coinmama.com/guide/history-of-ethereum

2. medium.com/@aakash_13214/the-scalability-trilemma-in-blockchain-75fb57f646df

3. www.apriorit.com/dev-blog/578-blockchain-attack-vectors

4. www.investopedia.com/articles/personal-finance/050515/how-swift-system-works.asp

5. medium.com/altcoin-magazine/how-to-tell-if-cryptocurrencies-are-securities-using-the-howey-test-da18cffc0791

6. blog.advids.co/20-blockchain-use-case-examples-in-various-industries/

第二章：量子计算 - 主要讨论点

在最近的一个活动中，有人问了我一个问题，关于量子计算机可以解决哪些经典计算机无法解决的问题。观众也很想了解为什么量子计算机能够做到历史上经典计算机难以处理的事情。量子计算机可能潜在地模拟自然及其中蕴含的复杂性。经典计算机尚未达到这种程度，因为比特存在于两种状态中。量子系统存在于叠加态的能力使它们能够处理指数问题。为了理解量子计算机如何实际上在多个行业中取得创新突破，理解量子物理学的基本原理至关重要，这些原理构成了量子计算的基础。

这些量子物理学原理中的许多已经演变了一个世纪，并且有着特殊的怪异之处，因为它们经常与处理宏观物体的行为和物理相悖。我尝试捕捉量子计算的核心原理（就我们今天所理解的）来解释量子物理学所涉及的亚原子元素的行为。详细了解它们的最佳方法是学习这些概念的物理和数学基础。然而，本书的目的是探讨量子计算的实际应用。因此，我提供了真实的例子，并且依赖了很少的数学和物理来解释这些概念。本章的其余部分将讨论这些概念，从叠加开始。

叠加

叠加是将量子计算机与经典计算机区分开的属性之一。量子计算机的量子比特可以存在于 0 和 1 的状态以及这些状态的线性组合中。量子计算机可以实现一种特殊的叠加，允许同时具有指数级更多的逻辑状态。这有助于解决诸如分解大数之类的问题，这通常对经典计算机很难解决。在密码学需要的排列组合数量建模方面，经典计算机的能力有限。

应用量子计算机在密码学中的一个示例涉及 RSA 加密。RSA 加密涉及两个大素数相乘得到一个更大的数。以下示例应该能体现出这些挑战。

一个指数挑战

关于国际象棋棋盘和大米的故事生动展现了处理指数难题的挑战。当国际象棋游戏呈现给一个苏丹时，他向游戏的发明者提供了他心满意足的任何奖励。发明者提议，第一个方格得到一粒大米，第二个得到两粒，第三个得到四粒，依此类推。每个方格，米粒的数量都会加倍。苏丹没有意识到他所面对的是什么，并同意支付这些米粒。

几天后，发明家回来和苏丹核对。苏丹的顾问意识到需要大量的米来支付给发明家。棋盘上的第 64 个方格将需要 2⁶³粒米，即 9,223,372,036,854,775,808 粒米。

图 1：棋盘和米粒

五枚硬币难题

线性回归是用于从自变量 a 和 b 到因变量x的值的统计建模技术之一。一个函数f(x)表示x、a和b之间的关系。

大多数现实世界中的问题通常不像从几个自变量到因变量的简单。通常，自变量 a 和 b 是相关的。假设 a 和 b 相互作用，并且它们的相互作用影响了结果变量x。需要考虑 a 和 b 的所有可能相互作用的组合来计算x。假设，不只是两个变量，x取决于更多的变量。这些变量之间的可能相互作用使传统计算机难以建模。

让我们考虑一个涉及五枚硬币的游戏。游戏的目标是在抛掷它们后获得最小或最大可能的得分。每枚硬币都有一个值，可以是正数或负数，并且可以是正面或反面，这也对应于正数或负数。游戏中的总得分是通过每枚硬币的状态（正面或反面）乘以硬币的值，然后将每枚硬币的得分相加得出的。

硬币标识	状态 (正面 = +1, 反面 = -1)	价值	状态*价值
coin1	1	4	4
coin2	-1	3	-3
coin3	1	3	3
coin4	1	5	5
coin5	-1	-1	1
		总计	10

表 1：详细描述了五枚硬币难题

如果我们想要在这种情况下获得最低可能的总分，我们将需要所有值为负的硬币为正面（+1），所有值为正的硬币为反面（-1）。

这将给我们带来总共-16，如表 2所示。使用同样的逻辑，如果我要得到最高的总分，我将需要所有值为正的硬币为正面，所有值为负的硬币为反面，总共+16。

硬币标识	状态 (正面 = +1, 反面 = -1)	价值	状态*价值
coin1	-1	4	-4
coin2	-1	3	-3
coin3	-1	3	-3
coin4	-1	5	-5
coin5	-1	1	-1
		总计	-16

表 2：在五枚硬币难题中得到最低可能分数

现在，让我们将另一个变量加入到混合中。我们称之为相关变量。硬币 1 和硬币 2 之间的相关性可以用 C(1,2)来表示。我们还必须考虑硬币作为成对出现，以及作为单个硬币。在这种情况下，我们将有更多的变量需要处理。

简单起见，如果我们只需找到前两个硬币的总计：

总计 = S1W1 + S2W2 + (C(1,2)S1S2)

但是，如果我们想要仅使用两枚硬币确定最低总计，我们将需要用两枚硬币的正面和反面状态进行试验，以获得总计的最小值。对于两枚硬币，将会有四种状态（正正，正反，反正，反反）。如果我们再加入另一枚硬币，状态的数量将增加到八种（正正正，正正反，正反正，反正正，正反反，反正反，反反正，反反反）。所要考虑的状态数量将是 2^N，其中N将是用于计算总计的硬币数量。正如我们在国际象棋的例子中看到的那样，这很快就会成为传统计算机难以解决的问题。在量子计算世界中，状态的信息可以更有效地使用超定态进行存储。量子比特可以同时处于正面和反面状态。

量子计算机处理这种量子表示，并确定硬币的状态以得到最低值。该过程涉及在超定态中启动系统，并调整状态以关闭超定态效应。随着相关变量同时输入系统，超定态将被关闭，并且为每个硬币选择经典状态（正面或反面）。

满足指数级计算能力的需求是量子计算带给问题解决世界的一个显著区别。在现实世界场景中，例如模拟癌细胞对放疗的行为，模拟股价行为对市场风险因素的影响，或者寻找从起点到目的地的最短最快飞行路线，量子计算可以提供多个具有不同置信度的答案。

正如我们在第十四章中讨论的，与 IBM 合伙人 Dinesh Nagarajan 的采访中所述，量子门充当操作符，帮助量子比特从一种状态过渡到另一种状态。一个量子门，在其基本形式中，是一个 2 x 2 的酉矩阵，是可逆的，保留范数和概率振幅。概率振幅是一个复数，它提供了量子系统的波函数与系统观测结果之间的关系。

简单来说，当量子比特处于基态 0 或 1 时，通过门可以将其置于叠加态或激发态。使用量子门与量子比特进行交互并提供结果的算法称为量子算法。当量子计算机在电路图中表示时，导线代表电子通过电路的流动，每个门代表电子运动模式的变化。因此，量子门被有效地用于推动系统产生结果。与经典计算算法不同，量子算法通常提供概率性结果。

要点：目前存在一些现实世界中尚未解决的问题，或者是通过近似方法解决的。一旦量子计算机变得主流，其中一些复杂问题可以更有效地和更精确地解决。

现在让我们转向下一个量子概念：纠缠。

纠缠 - 远程的神秘行为

爱因斯坦称量子纠缠性质为远程的神秘行为。如果一个系统中的两个粒子纠缠在一起，那么如果不考虑另一部分，就无法描述系统中的一个粒子。在量子计算机中，量子比特展示了这一特性。因此，观察一个量子比特的配置的概率将取决于观察其纠缠的另一半配置的概率。即使纠缠的一对比特被分开了很远，这种量子系统的特性仍然存在。这意味着，如果一个量子比特顺时针旋转，那么它的纠缠对可能会在数英里之外逆时针旋转。

最近，赛里斯的科学家们展示了长达 1200 公里的距离上的纠缠。来源：phys.org/news/2018-01-real-world-intercontinental-quantum-enabled-micius.html

这个实验是在卫星和地球之间进行的，其中使用纠缠粒子进行即时通信。在使纠缠发生在长距离上的挑战在于，粒子经过光纤网络传输时经常会丢失。然而，科学家们最近在世界上第一颗量子卫星“墨子”上使用激光束进行了通信，利用纠缠的光子在赛里斯的三个不同地面站之间进行通信。之前的量子通信尝试局限于几百公里；这主要是由于光纤中发生的数据通道损失。

量子纠缠（基于量子纠缠）除了长距离通信外，在密码学中也是一个重要的概念。量子传送是在两个被纠缠的量子比特之间传输信息的过程，这两个比特可能被分隔很远。与传统的安全数据传输方式相比，这种方法依赖于量子比特的纠缠而不是复杂的加密函数。量子传送可能很重要，因为它很快可能成为安全互联网或任何通信网络的基础元素。在下一节中，我们将讨论布洛赫球，它有助于可视化量子比特的状态。

布洛赫球

布洛赫球，以菲利克斯·布洛赫命名，是一个三维几何表示量子比特状态的球体表面上的点。它还帮助我们理解当量子比特经过门（操作）时其状态如何变化。由于它代表一个量子比特，因此不适用于演示纠缠属性，其中需要考虑多个量子比特之间的相互作用。本节出于必要性而使用数学，但这将是本书中唯一使用数学到这种程度的部分。

布洛赫球的极点代表比特的经典状态：和。

图 2：布洛赫球

由布洛赫球图示表示的量子比特状态，可以表示为：

方程式 1：计算机科学家的量子计算，N. Yanofsky 和 M. Mannucci，剑桥出版社，2008 年。

在这个表示中，对应于纬度，对应于量子比特的经度。布洛赫球中的任何点都可以用和的取值范围来表示，由和给出。

这意味着：

• 当，那代表经典比特的状态。

• 当，那代表另一个经典比特状态。这是因为φ代表经度，在极点处没有意义。

如果取 0 和之间的其他值，这将导致量子比特的叠加状态。因此，虽然从方程式导出的布洛赫球的极点代表了经典比特的状态，但量子比特的状态可以由球体中的任何点给出。

布洛赫球如何表示量子位的可能状态变化，特别是当它们被观察时？继续讨论 第十四章，与 IBM 合作伙伴 Dinesh Nagarajan 的采访，我们知道量子位的状态会在观察下坍缩到经典状态。角度 表示量子位的状态将坍缩到两种状态中的任意一种的概率。如果表示布洛赫球的箭头更接近球的北极，状态就会坍缩为 ，反之亦然。在下一节中，我们将看看量子计算历史上最有影响力的算法之一。

Shor’s algorithm

彼得·肖尔和他的工作可能对量子计算的演变产生了最大的影响。1994 年，他提出了一种用于识别素因数的多项式时间量子算法。理查德·费曼[1982, 1986]已经提出了量子计算比经典计算机更强大的想法。然而，肖尔是第一个揭示量子计算机实际应用的人。利用他的算法，可以演示识别大数的素因数，他激励了一代科学家致力于利用量子计算机进行算法加速。

因式分解长期以来一直是一个数学挑战。想想数字 35。它有两个素因数：5 和 7。同样，数字 142 有两个素因数：11 和 13。如果有一个大的奇数 N，需要确定其素因数，我们将需要将 N 除以所有小于 的素数来确定因数。这是一种蛮力方法，计算密集型。现代 RSA 加密依赖于素因数分解来加密所有数据。我们登录的密码、信用卡详细信息以及其他敏感信息都依赖于因式分解的计算困难来防止黑客入侵。

截至目前，RSA 2048 的数字已经达到 617 位十进制数字。虽然因式分解过程已经通过 RSA 位排序，但破解 RSA 2048 数字还需要几年的时间。肖尔的算法提供了一个理论模型来简化因式分解。

如果计算模幂函数的周期，则可以简化数的因式分解。让我们举一个例子来理解模运算和周期的概念。这将帮助我们了解因式分解算法。

a (mod b) 的结果是当 a 被 b 除时的余数。以下是一些示例：

12 (mod 5) = 2

21 (mod 7) = 0

18 (mod 7) = 4

下一步是理解周期的概念。假设 N 是我们需要找到因子的数字，而 x 是 N 的互质数。我们使用以下幂函数：

x^a Mod (N)

现在，让我们通过一个例子来了解因式分解算法。

假设 N = 91，x = 3（与 N 互质）。当两个数字互质时，它们的最大公约数（gcd）为 1，将上述幂函数应用于导出周期：

3⁰ Mod (91) = 1

3¹ Mod (91) = 3

3² Mod (91) = 9

3¹ Mod (91) = 27

3⁴ Mod (91) = 81

3⁵ Mod (91) = 61

3⁶ Mod (91) = 1

3⁷ Mod (91) = 3

如您所见，序列在增量为 a 的情况下重复出现，这就是周期，本例中为"6"。确定周期是一个在因数分解中难以解决的问题。但是，一旦完成了这一步，就可以使用以下方法得到因数：

在此示例中，r = 6，N = 91，x = 3，我们可以得到：

根据因式分解算法：

gcd(28,91) 或 gcd(26,91) 将是 91 的非平凡因子，其中 gcd 代表最大公约数。在这种情况下，gcd(26,91) = 13。一旦确定了这一点，另一个因子可以确定为 7。

这是因式分解算法的一个简单示例。Shor 提出，该因式分解算法的部分步骤在量子计算机上执行，而预处理和后处理在经典计算机上执行。以下是描述该算法的步骤：

第一步：在上述示例中，使用经典计算机选择 3 作为与 91 互质的数。

第二步：创建两个量子寄存器。寄存器 1 将存储 a 的增量，即 x^a Mod (N)。寄存器 2 将存储 x^a Mod (N) 的结果。

第三步：对寄存器 1 应用量子傅里叶变换，并在并行计算中计算周期 r = 6。

第四步：一旦确定了周期，使用经典计算机找到最大公约数，并得到 91 的非平凡因数。

Shor 的算法提供了一种通过量子计算进行模指数运算并确定周期的方法。序列 x^a Mod (N) 中的每个元素都对序列的周期幅度有所贡献。对于计算得到的除正确周期之外的所有周期，这些贡献的自旋方向都不同，因此彼此抵消。真正的周期，序列的贡献指向相同的方向，并以高概率选择为正确值。现在我们将看看 Grover 的算法，它提供了对非结构化数据的搜索性能的提高。

Grover 的算法

Lov Grover 在 1996 年发表了一篇描述 Grover 算法的论文。将 Grover 算法应用于非结构化搜索提供了二次速度提升。如果您想在数据库中找到一个项目，并且数据没有排序，使用量子计算机实现的 Grover 算法可以提供比经典计算机更好的性能。

当需要在数据库中的 N 个名称中识别一个名称时，如果名称已排序，则经典计算机可以执行二进制搜索以在对数时间内找到名称。如果名称未排序，则搜索将涉及扫描多达 N-1 个名称以找到正确的名称。

如果 S[a] 是我们试图从 N 个元素的数据库中找到的元素，则使用 Grover 算法可以帮助解决问题，尝试次数为 。通过使用 Hadamard 门准备量子比特，使所有数字处于统一的叠加状态。在这个阶段测量量子比特将显示所有结果同等可能：

图 3：实现统一振幅

以下方程表示所有字符串的统一大小：

现在，对 s[a]的振幅施加了一个 Oracle 门，将其翻转，而其他部分保持不变：

现在图表可以表示为：

图 4：翻转匹配的振幅字符串

现在所需元素 S[a] 的振幅已经翻转（为负）。因此，振幅的平均值 将会减小。这就是引入 Grover 扩散算子的地方，以绝对增加 S[a] 的振幅。

所有这个算子所做的就是翻转平均振幅。这导致 S[a] 的振幅增加到约为 的大小。振幅看起来如下图所示：

图 5：翻转平均振幅

重复应用 Oracle 门和 Grover 扩散门的过程直到振幅足够显著。还必须注意，S[a] 的振幅不要太大，以至于平均振幅变为负数，这将导致 S[a] 的振幅减小。当振幅几乎为一时，测量量子比特将提供正确的答案。可以证明，当重复约为 次时，此过程提供准确的结果。

要点：Shor 和 Grover 算法奠定了量子计算的基础，并确定了这些算法可以帮助解决的实际用例。

现在我们将转向量子退火，这是一种用于解决优化问题的技术。

量子退火

我们已经看到使用门操作实现的量子比特的叠加是如何解决实际问题的。还有其他方法可以得到优化的解决方案。量子退火是利用量子波动到达全局最小值的过程。量子隧道效应可以帮助在量子退火器中的状态之间进行转换。

在量子退火过程中，为了优化所需的信息被建模为一个物理系统。该过程涉及将一个涉及多个相关变量的优化问题编码为一个物理系统（由叠加态中的量子比特表示）。

问题的解决方案被表示为系统的最小能量状态，用来实现这一点的最简单功能称为哈密顿量。量子隧道效应驱动的量子退火可以解决物流问题，例如。

量子隧道

量子隧道是粒子穿越高能系统的量子特性。在经典物理学中，当电子遇到电场时，如果电场比电子的电场强，电子就会被排斥。使用量子退火解决的问题依赖于粒子的量子隧道性质。

图 6：电子接近电场

图 7：电子受电场排斥

图 8：电子波向电场移动

图 9：电子波穿隧通过电场

隧道效应是由弗里德里希·亨德在 1927 年观察到的性质。如果一颗以波的形式传播的电子遇到排斥它的电场，它仍然有概率穿过电场并出现在电场的另一侧（图 9）。在放射性衰变过程中，亚原子粒子表现出隧道效应，当粒子逃离不稳定的原子核时。

量子退火是依赖于粒子的隧道特性的过程。让我们看一个实际例子，量子退火可以被应用的地方。

旅行推销员

旅行推销员问题是量子隧道的一个广为人知的应用。假设有一个推销员在全国范围内销售货物。他穿越国家的最佳路径将取决于该国的城市数量。如果国家有三个城市（A，B 和 C），最佳路线可能是 A -> B -> C 或 A -> C -> B 或 B -> A -> C 或 B -> C -> A 或 C -> A -> B 或 C -> B -> A。可能的路线数量（6）取决于这里的城市数量（3）。可能的路径数量可以表示为城市数量的阶乘：

3！= 3 * 2 * 1 = 6

当城市数量翻倍至 6 个时，可能的路线数量将变为 6! = 720，这是一个急剧的增加。除了城市数量的增加，还可能会出现其他问题，比如某一时间点发生交通拥堵，或者有一条非常糟糕的道路。因此，最佳路线未必是最短的路线。我们首先需要建立系统来确定最佳解决方案。

让我们将系统准备在问题的许多可能解决方案的量子叠加态中。现在系统可以被看作是一个峰谷景观。峰值是高能态，是昂贵的。另一方面，山谷代表低能态。在我们在一个山谷和另一个之间过渡时，每个解决方案的概率会演化。能量更低的选项成为更可能的解决方案，直到最高概率的解决方案被确定为最佳解决方案。

在模拟退火中，热量被用来越过峰值并在山谷之间过渡。使用量子退火器，量子隧道效应使我们能够穿过高能量峰值而不是爬上它们，就像在模拟退火中一样。

量子退火是由外部磁场驱动的，起到了模拟退火中温度的作用：量子退火从高磁场（高温度）开始，并以低磁场（低温度）结束。

量子退火是将优化所需的信息输入到物理系统的过程。问题的解决方案将由系统的基态（最低能态）定义。用于此过程的函数称为哈密顿函数，它管理系统的能级信息。

我们可以使用哈密尔顿量来根据一系列约束条件管理系统的能级。在旅行推销员问题中，我们可以将更高的能级分配给更长的距离、糟糕的道路、交通堵塞和道路关闭。最佳路径将是能级最低的路径。考虑到这一点，我们如何确定能量最低的解决方案？

哈密尔顿函数，以及我们添加以增加能级的项，会在能量空间中创建峰和谷。我们需要找到谷，而不必爬上高峰能级。如上所述，这可以通过量子隧道实现。虽然这使我们能够从一个谷到另一个谷移动，但我们如何确定最低的谷？一种称为绝热量子计算的量子技术可以用于此目的。

术语绝热来自于热力学理论，意味着不改变热量的数量。在这个过程中，系统被初始化到基态，然后缓慢演化为更复杂的哈密顿量，其基态编码了解决方案。

每个哈密顿都通过向所有不正确的配置分配能量惩罚来编码变量的正确分配。景观中的峰值有更高的惩罚，而山谷有较低的惩罚。通常，最低能级的最佳解决方案具有 0 的特征值。 我们可以时间演化系统为:

H(s) = (1 − s) H[0] + sH[1]

当时间 s = 1 时，哈密顿量为 H(1) = H[s]，如果演变缓慢，系统将处于其基态。本征值和本征矢量被用于多种现实世界的算法中。它们被用于建模旋转体的物理学、振动系统的振动以及投资银行的风险建模。

本征值由 Hoffman 和 Kunze（1971）以下定义：

本征值是与线性方程组（也就是矩阵方程）相关的一组特殊标量，有时也称为特征根、特征值（Hoffman and Kunze 1971）、特征数或者潜在根（Marcus and Minc 1988, p. 144）。

参考：mathworld.wolfram.com/Eigenvalue.html

量子退火可以用于解决优化问题。然而，我们可能不需要等待量子计算机来使用量子退火和量子隧道原理来取得结果。富士通已经创建了一个“受量子启发的数字退相干器”来解决金融风险管理和金融投资组合再平衡中的具有挑战性的优化问题。

要点：量子退火可以用于优化多个行业中的问题。金融、物流、医疗保健和智能城市都是可以使用这种技术来优化复杂问题的领域。

尽管量子技术有着所有这些惊人的可能性，退相干是一个重大挑战。让我们接下来看一看。

量子退相干

我们在第一章，量子计算与区块链导论中讨论了量子狭缝实验，看到光子穿过狭缝时表现出波的特性（干涉自身），即使它们是逐个发送的。当粒子表现出自身干涉的特性时，即使它们是逐个发送的。当粒子表现出自身干涉的特性时，即使它们是逐个发送的。当一个粒子表现出波的特性，即干涉自身时，就被称为相干。退相干是系统中相干性的丧失或抑制。

当粒子的状态被观测时，解释其行为的波函数会坍缩。这个解缠现象的过程，使原本处于多重状态的粒子在被观测时坍缩为两个经典状态之一，被认为是量子和经典物理之间的桥梁。实验可能是关于处于超定态的电子，如果观察者正在测量自旋的 z 分量，实验将输出自旋 z 分量的确定值。x 分量仍可能保持在超定态。这符合玻尔的解释，即在观测时，量子世界的性质才会出现。

我们知道，宏观物体，比如人类，不表现出这种属性——只有在被观察时才采取某一状态。当然，当我们知道被观察时，我们都表现出高尚品质，有时相反，但这对于活着或死去等固有属性却不是这样！更严肃地说，量子世界中的事物如何在被观察之前处于多种状态？

厄温·薛定谔（Erwin Schrodinger）设计了一个思想实验来说明这个概念的反直觉性质和看似荒谬的性质：

一只猫、放射性物质和毒气被放置在一个箱子里。如果探测到放射性，盛放毒气的瓶子将被打破，猫会死。放射性物质足够小，以至于有时无法检测到放射性。因此，在任何时候，箱子外的人都无法确定猫是活着还是死了。因此，按照量子逻辑，可以认为猫既活着又死了！

薛定谔质疑在量子世界中这可能如何发生，而在宏观世界中显然不是这样。迄今为止，所有的量子实验都肯定了量子物体确实似乎能够存在于两种状态，直到被观测到。

量子纠错

量子纠错（QEC）是一个关键的过程，使量子系统的结果变得可靠。在量子计算的初期阶段，高效地纠正量子计算机，同时又不触发计算的失真，被认为是极其不直观的。量子系统中缺乏可靠的纠错是一个主要的障碍，因为量子算法使用的是干涉，而干涉是脆弱的。这种干涉使量子算法对系统的不精确性和系统与世界其他部分之间的耦合敏感。

一些常见错误的原因包括：

1. 系统初态的准备

2. 量子比特由于与环境的相互作用而发生失真

3. 门上的不准确

4. 测量过程中的缺陷

彼得·肖尔（Peter Shor）和安德鲁·斯蒂恩（Andrew Steane）开发了第一套量子纠错码。肖尔发现可以将 9 个量子比特组合在一起对一个量子比特进行纠错，而斯蒂恩则发现了一种由 7 个量子比特组成的纠错方法。

由于与环境的干涉而导致的量子信息丢失可以通过信息的分布来处理。如果信息分布在多个量子比特而不是一个量子比特上，信息将更加安全。在经典计算中，使用重复码进行纠错需要用三位来存储来自一位的信息的副本。因此，除非两份副本有错误，否则信息将完好无损。虽然这在经典计算中是一个简单的过程，但对于量子计算机来说，从一个量子比特复制信息到另一个量子比特更加复杂。

将重复码方法推广到量子计算机的方法是由 Shor 提出的。他提出的解决方案是在基态上使用重复码对量子位进行编码。

通过 Emanuel Knill 开发的后选择量子计算表明，通过错误检测而不是错误校正可以实现量子计算的规模化。量子计算机将具有错误检测电路，如果检测到错误（噪声）已经突破了阈值，则将算法的相关子程序重置并重新运行。这解决了高级别的错误容忍度，但具有高资源需求。

处理量子错误的另一种有用方法是使用称为稳定器的量子纠错码。对于量子系统的开发者来说，这些是相当有用的工具。稳定器代码规范有许多应用，包括准备电路、校正电路和容错逻辑门的设计。使用稳定器来定义量子纠错码有助于使用校正电路在编码数据上应用逻辑操作。由安德鲁·斯坦（Andrew Steane）开发的 7 量子位方法构建了一个使用七个物理量子位的逻辑量子位，具有校正单个 X 或 Z 错误的能力。

要点：量子计算中的错误校正是一个非平凡的练习。QEC 的复杂性以及解决它们的各种选项值得一本书来详细讨论。这是量子计算的一个关键方面，它已经帮助将量子计算从理论转变为实际可能性。

结论

为了理解本书中的访谈以及从中得出的关键推论，读者充分理解本章是必不可少的。出于同样的原因，我使用实际示例描述了量子计算的概念，并将其与经典计算等价物进行了比较。有一些量子计算的概念，如果不深入研究底层物理（如果不是数学的话），就很难理解。在这种情况下，本章对物理基础概念的简化将有助于理解组成量子系统的微观元素行为中的怪异之处。简化的版本可能会让量子科学家感到不舒服，但我坚信简化叙述对于任何技术走向主流都是至关重要的。

参考文献

1. www2.physics.ox.ac.uk/sites/default/files/ErrorCorrectionSteane06.pdf

2. journals.jps.jp/doi/full/10.7566/JPSJ.88.061009

3. arxiv.org/pdf/quant-ph/9508027.pdf

4. science.sciencemag.org/content/356/6343/1140

5. people.cs.umass.edu/~strubell/doc/quantum_tutorial.pdf

6. cs.uwaterloo.ca/~watrous/LectureNotes/CPSC519.Winter2006/05.pdf

7. grove-docs.readthedocs.io/en/latest/vqe.html

8. quantumexperience.ng.bluemix.net/qx/tutorial?sectionId=beginners-guide&page=004-The_Weird_and_Wonderful_World_of_the_Qubit~2F001-The_Weird_and_Wonderful_World_of_the_Qubit

9. medium.com/@jonathan_hui/qc-cracking-rsa-with-shors-algorithm-bc22cb7b7767

10. www.scottaaronson.com/blog/?p=208

11. quantumexperience.ng.bluemix.net/proxy/tutorial/full-user-guide/004-Quantum_Algorithms/070-Grover's_Algorithm.html

12. www.cs.cmu.edu/~odonnell/quantum15/lecture04.pdf

13. medium.com/@quantum_wa/quantum-annealing-cdb129e96601

第三章：数据经济

最近，我家的一个吊灯出了故障，电路有些奇怪的布线问题。连接到吊灯的灯泡开始闪烁，一两个小时后所有的灯泡都跟着几个危险的火花熔断了。我们不得不将其修理好，但同时也发生了其他事情。我五岁的孩子看到这一幕后说：“爸爸，这个吊灯失去了互联网连接，你看，甚至灯泡也不再发光了，我们可以检查一下互联网吗？”

我对这个评论感到惊讶，让我意识到了我们生活的世界。下一代人沉浸在一个无缝连接的世界中，或许无法想象它曾经是其他样子。这种连接性也带来了自己的挑战。连接性导致互动，而互动反过来产生数据 - 很多数据。然而，只有这些互动产生的数据能够被有效地获取、管理和分析，才有价值。在过去几年中，互联网作为数据网络导致了一次重大升级。多亏了区块链，我们现在拥有价值网络，通过连接可以进行点对点的价值交换。

点对点互动（无论是数据还是价值）的这种增长也带来了一些挑战和风险，包括网络安全、数据隐私和自主身份。多年来，我们看到一些公司丢失或错误管理了客户数据，因此受到了声誉和监管风险的影响。同样，我们也看到资本市场在创造包容性价值框架方面表现不佳，使得富人变得更加富有，而穷人变得更加贫穷。

人工智能、区块链和量子计算等新兴技术可以帮助管理新型数据经济。它们也可以帮助世界转向点对点价值交换网络。

本章将带你重温互联网的诞生，以及在互联网之上构建业务的科技公司的诞生。我将描述随后出现的社交媒体和大数据，这意味着我们需要方法来管理随之而来的数据爆炸。云计算和人工智能在如此庞大的数据量上的崛起是合乎逻辑的下一步。目前正在进行使用区块链来管理数据完整性，以及利用量子计算更好地利用数据。让我们从互联网开始吧。

互联网

互联网的崛起在互联网本身上有了充分的记录。然而，我觉得首先应该理解过去 50 年来技术转变的一些重要内容，以便了解我们今天所生活的丰富数据时代是如何到来的。互联网之前是由晶体管、电话、无线电和计算机等设备的发明和传播引起的。试图连接计算机以共享和广播信息并进行协作，这就是互联网的起源。一切始于 ARPANET。

ARPANET

1962 年，麻省理工学院的 J.C.R. 利克莱德写了一系列备忘录，描述了网络上可能发生的交互，并将其称为银河网络。另一个思维突破发生在麻省理工学院的伦纳德·克莱因洛克提出了使用数据包而不是电路进行通信的理论。这激发了劳伦斯·G·罗伯茨的工作，他制定了 ARPANET 计划，并于 1967 年发布了该计划。结果，1969 年，克莱因洛克的加州大学洛杉矶分校网络测量中心成为 ARPANET 上的第一个节点。斯坦福研究所（SRI）、加州大学圣巴巴拉分校和犹他大学随后加入了网络。主机之间的第一条消息发生在克莱因洛克的实验室和 SRI 之间。

随着越来越多的主机加入，ARPANET 迅速扩张。然而，直到 1971-72 年实施网络控制协议（NCP）后，ARPANET 用户才能开发应用程序。使用 NCP，用户可以远程访问计算机并发送文件。它充当了传输层，并定义了连接两台计算机的过程。更多阅读：www.internet-guide.co.uk/NetworkControlProgram.html

1972 年是一个重要的年份，第一个电子邮件程序推出了，用户可以阅读、转发和回复消息。在当今微型消息传递世界中，电子邮件主要用于正式通信。然而，在互联网的历史上，电子邮件是一个关键的步骤。

TCP/IP

ARPANET 为使用数据包交换在网络内进行通信铺平了道路。然而，当传输控制协议/互联网协议（TCP/IP）由鲍勃·卡恩开发时，通过不同技术连接到其他网络的互操作性发生了变化。后来称为 TCP/IP 的 TCP/IP 成为了我们今天使用的互联网的基石协议。TCP/IP 是互联网上数据交互发生的规范，以及数据应该如何被分成数据包，从源头传输到目的地并在目的地接收的规定。TCP 定义了如何在网络上（在本例中是互联网上）创建应用程序通道，而 IP 为数据包的目的地提供了标识符或地址。下图描述了使用 TCP/IP 的互联网架构：

图 1：TCP/IP 架构

网络层是数据在物理线、电缆或光纤中以数据包形式传输的地方。Internet 层使用我们称之为 IP 地址来标识主机，并找到距离目的地最近的路由器。传输层负责数据的端到端传输，不受底层网络的影响。它还负责处理错误处理、流量控制和拥塞控制，以避免大量数据通过相同的路由器发送。应用层涵盖了我们用于电子邮件、文件传输和网站等应用的协议。

TCP/IP 协议的开发和宣传是互联网发展阶段的一个重要阶段。几年的规划后，ARPANET 顺利从 NCP 转到 TCP/IP，这个转变出乎意料地顺利。

1989 年，一位名叫蒂姆·伯纳斯-李的英国科学家提出了万维网的概念。这意味着统一资源定位符（URL）可以成为保存信息的空间。这些 URL 可以相互链接，并通过互联网访问。到 1990 年，蒂姆还提出了超文本标记语言（HTML），这门语言是互联网的基石。

繁荣、萧条和繁荣

几家公司在上世纪 80 年代就应用了 TCP/IP 协议。然而，直到 20 世纪 90 年代，互联网的主流采用才开始。20 世纪 90 年代，几家基于互联网的企业开始成型，个人电脑开始变得普遍。随着这两项创新（互联网和个人电脑）在 90 年代中期的融合，互联网市场迅速增长。几家公司在两年时间内增长了约 500%。例如，AOL（美国在线）从 1992 年上市时的 7000 万美元增长到 2000 年初的 1500 多亿美元。

由于 90 年代末的非理性狂热，风险投资（VC）行业随意向初创企业大肆投资。这些 VC 用于评估投资机会的估值模型基本上是错误的，而且在许多情况下根本没有进行估值。许多没有健全商业模式的公司以疯狂的估值获得了资金，导致了泡沫和崩溃（如下所述）。这是历史重演的一个典型例子，因为点网泡沫在 2017/2018 年末的区块链/加密货币行业中重演，尽管规模较小。通过这场繁荣与萧条，关键事件的时间顺序如下：

繁荣期

• 1995 年 8 月：网景公司开始交易，标志着互联网时代的开启

• 1996 年 4 月：雅虎上市，首日股价翻倍

• 1997 年 5 月：亚马逊上市，并在第一天股价上涨 30%

• 1998 年 1 月：NASDAQ 以 1574.10 点开盘，两年来涨幅达 50%

• 1998 年 9 月：Google 由拉里·佩奇和谢尔盖·布林创立

• 1998 年 9 月：eBay 上市，首日股价上涨 163%

• 2000 年 3 月：纳斯达克达到 5132.52 的峰值

经济大萧条

• 2000 年 3 月：达到峰值三天后，纳斯达克下跌了 4.5％

• 2000 年 4 月：纳斯达克在一周内跌幅达到 25％，泡沫破裂

• 2000 年 12 月：eBay 股价跌至 2.81 美元（首日收盘价为 47.35 美元）

• 2000 年 12 月：纳斯达克年末收于 2470.52 美元，较 3 月份的峰值下跌了 52％

• 2001 年 3 月：eToys 股票一文不值。该公司在三年内耗尽了 8 亿美元，并申请破产。

• 2001 年 4 月：TheGlobe.com 股价跌破 1 美元，并从纳斯达克摘牌

• 2001 年 11 月：亚马逊股价跌至 5.51 美元

复苏

• 2003 年第一季度：亚马逊报告了其首次年度利润为 3500 万美元

• 2004 年 8 月：谷歌上市，首日股价上涨 18％

随着互联网帝国在 21 世纪初的衰落，大多数公司在几周内失去了价值。许多公司破产，投资者失去了资本。然而，在痛苦的几年后，尘埃落定了。其他一些互联网/技术公司从互联网泡沫破裂中恢复过来。然而，这是一个缓慢的过程。微软的股价直到 2016 年 10 月才回到 1999 年 12 月的高点。互联网泡沫的破裂识别了定义计算机和互联网未来的公司。互联网泡沫的幸存者继续建立了我们今天所知的社交媒体的框架。

社交媒体

互联网革命之后是另一场技术范式——社交媒体。虽然互联网是连接人们和分享信息，但可利用的信息仍然有限（相对而言）。

社交媒体创造了互动，博客和微博客的机会，导致了数据爆炸。

图 2：社交媒体应用程序

随着社交媒体席卷全球，一些大型科技公司出现了一些关键发展。Facebook 早期看中了 Instagram 和 WhatsApp。虽然 Instagram 以 10 亿美元的价格被收购是一个抢手货，但以 190 亿美元收购 WhatsApp 引起了一些人的质疑。然而，这些应用程序所涵盖的市场规模足以证明这笔开支是合理的。此外，到 2014 年 WhatsApp 被收购时，Facebook 仅通过广告的收入就达到约 120 亿美元，用户基数达到 13 亿人。

尽管 Facebook 的收入模式取得了成功，但他们清楚地意识到他们必须全球扩展其用户群。他们的雄心壮志是让每个互联网用户成为他们的客户，在互联网普及率低的地方，他们甚至制定了提供互联网的策略。用户数据的竞争开始了，随着他们免费提供服务，他们的用户成了他们的商品。

让我们了解一下使用这些社交媒体应用程序创建的数据量和市场规模。这将帮助我们理解为什么这一章涵盖的新兴技术现在比以往任何时候都更加重要。这些数据将披露为什么大型科技公司着眼于扩大他们的客户群。

一些需要注意的数字是（截至 2019 年 1 月）：

• 42 亿人使用互联网

• 34 亿人积极使用社交媒体

• Facebook 和 WhatsApp 每天创建 600 亿条消息

• 2018 年发送了 450 亿条微信消息

• 晨高峰 1 分钟内微信消耗了 46TB 的数据流量

• 自 2003 年以来，Google 已经回答了 4500 亿个独特的查询

• 每分钟有 300 小时的视频上传到 YouTube

根据上述统计数据，您可以清楚地看到世界数据的庞大增长。其中，很大一部分增长是由全球用户广泛采用社交媒体所推动的。

“在文明的黎明和 2003 年之间，整个世界创造了 5 艾字节的信息。现在，这个数量每两天就是一样多。”

– 埃里克·施密特，Google 前首席执行官和董事长（2010 年）

这些数据多年来一直被科技巨头用于各种商业目的。这也导致了政府、监管机构甚至客户在数据隐私权上的反弹。Facebook 与剑桥分析公司分享了有关 8700 万人的数据的丑闻为该公司带来了很多声誉问题，并凸显了对更好的数据控制和法规的需求。标签**#FacebookIsDead**开始流行起来，许多千禧一代和 Z 一代用户因为 Facebook 对用户数据的处理而远离这家社交媒体巨头。很明显，数据法规、治理和控制是必不可少的。但在继续讨论这个问题之前，让我们先看看企业如何利用大数据技术管理这一大量数据的爆炸增长。

大数据

术语大数据是由 Roger Mougalas 在 2005 年创造的，这是在 Web 2.0 之后的一年。Web 2.0 用于指示传统商业智能工具由于它们需要处理的数据量而无效的数据时代。同一年，Yahoo 在 Google 的 MapReduce 上开发了 Hadoop，旨在对万维网进行索引。Hadoop 是一个能够处理结构化和非结构化数据的开源框架。

结构化数据是由明确定义的数据类型、数据规则和其会遵循的控制所确定的。结构化数据通常存储在数据库中，其中数据的确切参数是预定义的。Oracle、Microsoft SQL Server 和其他几个数据库管理系统非常专注于处理结构化数据。

非结构化数据没有相同级别的结构纪律，主要是因为它的生成方式。非结构化数据以各种形式存在，大部分是当今世界上存在的数据。它可能是从社交媒体、电子邮件、聊天、语音录音和视频中产生的数据。社交媒体需要高效地管理非结构化数据，并且出现了几种技术以应对这一机遇。

数据库的另一种分类是关系型和非关系型。关系型数据库如 MySQL、Microsoft SQL Server 和 Oracle 在表中以结构化格式存储数据。这些表可以通过关系相互链接。这些关系确保数据的完整性。

然而，这种模型的缺点是，将数据转换为关系模式需要大量时间。因此，在数据量庞大且处理通常预期在几分之一秒内完成时，这可能不是最佳选择。从关系数据库中提取数据通常使用结构化查询语言（SQL）。

非关系型数据库如 MongoDB、Neo4J 和 Cassandra 以 JSON 或 XML 格式存储数据。当数据一致性不太重要，可用性和查询响应时间更重要时，它们非常方便。这些数据库还允许更无缝地进行水平扩展。这在涉及大数据量时非常重要。

在深入了解大数据管理如何进行之前，首先了解结构化数据的数据来源、管理和分析将非常有用。

结构化数据处理

在传统环境中，数据遵循着明确定义的数据类型，从数据源、准备、管理到以适合报告和分析的格式传送的过程涉及一个称为ETL（提取、转换和加载）的过程。所有这些过程发生在组织中的系统称为数据仓库。我们将简要讨论以下每个过程：

提取

数据来源于组织内的各种形式，并存储在名为临时数据库的数据库表中。数据来源可以是平面文件、消息总线，或者高度规范化以快速写入事务的事务数据库。源到目标的映射是预定义的，以确保源数据以兼容的结构（数据类型）传送到临时区域。临时数据库中的表充当这些数据的着陆区。

转换

临时表中的数据经历预定义的转换。这些转换在系统中提前确定并编码。当数据被确定为与这些转换和系统中设定的规则（数据类型、逻辑条件）不兼容时，数据将被记录到错误处理队列中。

加载

转换后的数据然后加载到数据仓库中，到那个时候通常是高质量的。这个最终的数据库也可能是数据集市，通常是满足特定目的或组织部分的小型数据仓库。无论如何，数据在准备进行分析和报告之前需要经过几个步骤。

这个过程过去在传统的设置中有效。然而，可能无法找到一个地方来存储每天产生的 2.5 亿亿字节的数据（数据），这些数据不符合结构化数据库的语义限制。因此，需要通过大数据平台的方法转变。现在让我们看看非结构化数据管理是如何解决数据时代提出的一些挑战的。

非结构化数据处理

传统的数据库管理系统并不适用于处理与互联网经常相关的数据量和缺乏结构。大数据系统的关键组成部分包括：

数据源

大数据系统中的数据源可以是文本文件，来自社交媒体的消息，网页，电子邮件，音频文件和视频文件。随着物联网 (IoT) 的兴起，机器交互产生的数据也将成为大数据系统需要处理的来源之一。

数据存储/数据湖

来自这些来源的数据存储在分布式文件存储系统中，如Hadoop 分布式文件系统 (HDFS)。存储的分布式特性允许它处理大容量和大数据量。数据湖也可以处理结构化数据，但不需要数据处于结构中。

成功实施数据湖的企业在有机收入增长方面超过了竞争对手 9%（根据 Aberdeen 的研究）

来源：s3-ap-southeast-1.amazonaws.com/mktg-apac/Big+Data+Refresh+Q4+Campaign/Aberdeen+Research+-+Angling+for+Insights+in+Today's+Data+Lake.pdf

与传统的数据仓库不同，数据湖在读取时获得模式。

数据处理

在大数据基础设施中进行数据处理的方式可能有所不同，具体取决于输入系统的数据的性质：

• 批处理通常用于处理大型文件。这些批处理作业处理传入的文件，并将处理后的数据存储在另一个文件中。像 Hive、Pig 或 MapReduce 作业这样的工具可以处理这种类型的处理。

• 实时数据处理发生在一个系统中，数据来自社交媒体或物联网设备，数据以连续的数据流形式需要处理。这个数据流是实时捕获的，这可能也涉及使用消息缓冲区来处理实时数据量。

• 然后可以使用传统技术转换这些数据，并将其移动到分析数据库/数据仓库中。

• 或者，如果不喜欢传统流程，可以在数据文件之上构建一个低延迟的 NoSQL 层，用于分析和报告。

现在让我们来看看已经探索过的不同架构，以管理大数据。

大数据架构

有一些大数据架构既解决了处理大容量数据的问题，又满足了精确的分析需求。例如，Lambda 架构有一个热路径和一个冷路径。热路径处理来自诸如社交媒体之类的来源的大量数据，然而，对于读取操作，热路径提供了较低数据精度的快速访问。另一方面，冷路径涉及耗时的批处理，但处理数据以提供高度准确的分析功能。

热路径通常仅保存短时间的数据，之后，从冷路径处理的更高质量的数据替换此数据。Kappa 架构从 Lambda 架构汲取灵感，并通过使用流处理机制简化了它，仅使用一个路径而不是 Lambda 架构的两个路径。这消除了重复和确保数据收敛的复杂性。像 Apache Spark Streaming、Flink 和 Beam 这样的框架能够提供实时和批处理处理能力。

大数据系统使用的第三种架构是 Zeta 架构。它使用七个可插拔组件来增加资源利用率和效率。组件如下：

• 分布式文件系统

• 实时数据存储

• 可插拔的计算模型/执行引擎

• 部署/容器管理系统

• 解决方案架构

• 企业应用程序

• 动态和全局资源管理

这种架构的好处包括：

• 减少复杂性

• 避免数据重复

• 降低部署和维护成本

• 提高资源利用率

将解决方案分解为可重用组件，在开发和管理大数据平台的几个方面都能提高效率。

虽然架构很有趣，可以了解技术的成熟度，但结果可能更重要。例如，大数据系统允许更好地利用以社交媒体互动形式捕获的数据。处理大量数据的基础设施的成熟度已帮助多个行业提供精明的客户特定服务。我们使用社交媒体分析看到的一些常见用例包括：

• 品牌情感分析

  • 品牌可以使用社交媒体分析来了解有关其品牌或最新推出产品的情绪，并相应调整其产品。

• 客户细分和定向广告

  • 几个社交媒体平台提供了有关组织在营销方面获得最大效益的详细信息。企业可以根据这些信息微调其营销策略，并降低客户获取成本。

• 积极主动的客户服务

  • 客户不再需要经历繁琐的投诉流程。有几个例子显示，顾客在 Twitter 或 Facebook 上记录了他们的投诉，品牌立即做出了反应。

• 政治竞选活动

  • 即使在选举前，政治竞选活动也通过社交媒体洞察力得到积极主动的管理。西方国家可能更习惯这样的活动，但例如在印度，总理纳伦德拉·莫迪成功地利用巧妙的社交媒体策略吸引了他的追随者的注意。

  • 在政治竞选期间，有几个亚洲政治组织被指控发布假新闻，以误导选民。例如，在 2019 年印度选举前夕，WhatsApp 被用作传播关于印巴空战的假新闻的平台。2016 年的英国脱欧公投是另一个被指控进行选民操纵的例子。来源：www.bbc.com/news/world-asia-india-47797151

组织利用社交媒体数据持续与消费者进行互动的其他几种方式。例如，了解用户的情绪、积极主动地处理投诉，以及创建增加品牌知名度的活动，都可以在社交媒体上完成。

作为一名投资者，当我评估公司时，我考虑的一个关键维度是它们对通过社交媒体渠道提高品牌知名度、获得客户以及持续互动的认识和能力。了解有效利用社交媒体的优势已成为经营业务的基本要素。这不再是一个选择。社交媒体的崛起使公司从本地服务器转向基于云的基础设施。也许不存在因果关系，但社交媒体与云之间绝对存在相关性。

云计算

架构上催化了大数据革命的大数据框架也同时得到了云计算的演进支持。如果没有这些技术范式成为主流，就不可能捕获、存储和管理大量数据。一切始于 2002 年，当时亚马逊推出了其在线零售服务。他们不得不采购大量服务器来应对圣诞季节的高峰流量。在其他时候，他们的服务器利用率约为 10%，在那个时代这是很常见的情况。

亚马逊的团队发现了他们服务器的低利用模式，并认为他们可以创建一个模型来提高非高峰时段的利用率。与需要服务器资源的其他人分享他们的服务器基础设施可以为每个人增加效率。云基础设施的概念应运而生。

杰夫·贝佐斯和他的执行团队最终决定在非高峰时段充分利用未使用的服务器容量。一年之内，亚马逊的团队组建了一个提供计算机存储、处理能力和数据库的服务。这种商业模式改变了创新格局，因为服务器基础设施变得更加负担得起，适合初创公司使用。

亚马逊网络服务（AWS）于 2006 年上线，到 2018 年，它成为一个创收 260 亿美元的机器。谷歌、微软、IBM 等公司纷纷效仿；然而，亚马逊显然领先一步。截至 2018 年，80%的企业正在使用 AWS 运行应用程序或在其上进行实验（据 Statista）。自从云服务主流采用以来，创业成本已经大幅下降。

采购基础设施的需求基础也使得运营和扩展业务变得成本效益高。

图 3：2018 年全球公共云平台服务计划和当前使用情况。来源：https://www.statista.com/statistics/511467/worldwide-survey-public-coud-services-running-application/

随着云服务的成熟和扩展，出现了几种新的模式，即软件即服务（SaaS）、平台即服务（PaaS）和基础设施即服务（IaaS）。

SaaS 是一种模式，其中软件应用程序由供应商在服务器上虚拟管理，并通过互联网供用户访问。谷歌文档是这种模式的早期例子之一。今天，我们使用云托管的 SaaS 进行日常应用的多种简单任务，从文档管理到进行远程会议。由于这种模式，我们的笔记本电脑不再每隔一会儿就呼喊出软件更新。然而，我们也越来越依赖互联网，并在没有互联网的情况下感到失去功能。

PaaS 是一种模式，供应商不提供互联网上的应用程序，而是为开发人员提供一个创建应用程序的平台。例如，许多供应商以 PaaS 模式提供区块链，开发人员可以使用云管理的软件开发服务来创建区块链应用程序。IBM 也为量子计算提供了类似的服务，然而，这也可以归类为 IaaS 模式。

IaaS 是一种模式，其中计算机资源被提供为服务。这将包括服务器存储、计算和网络容量、灾难恢复等。这帮助大型组织通过转移到云端来减少其基础设施占地面积。数据中心迁移到云端，从而实现了计算资源的效率提升，同时也减少了它们的碳足迹。

随着这些在架构、软件和基础设施技术范式方面的进步，数据时代已经真正启动。我们已经找到了创建和管理大规模数据的方法。然而，我们并不擅长利用数据量来开发规模化的智能——挑战人类的智能。于是人工智能登场了。

人工智能

我把人工智能提及得好像是在社交媒体爆炸之后第一次真正开发出来的。这一点与事实大相径庭；人工智能的概念早已存在。像人类一样行为的机器人的概念早在 20 世纪初的科幻作品中就被提出。然而，直到 1950 年，当艾伦·图灵提出这个问题时，它才开始成为一个严肃的研究领域，

“机器能思考吗？”

人工智能的起源

当艾伦·图灵开始探索这个问题时，他不仅遇到了数学上的挑战，还遇到了神学上的反对意见。他反驳了上帝给人类赋予不朽灵魂，但未给其他动物或机器赋予的论点，因此没有动物或机器可以思考。

他明确指出，在试图使机器思考时，我们（社会和人类）并不是在违背上帝的意志。他认为这不是神学和科学首次采取看似矛盾的立场。

他指出，下面的圣经经文与哥白尼的理论不符。哥白尼曾提出太阳是宇宙的中心，地球和其他行星围绕它运转。

“他奠定了地球的根基，使其永不动摇”（诗篇 104:5）

艾伦·图灵也阐述了他对思考机器未来的看法。

“我相信，大约在五十年后，将有可能，利用存储容量约为 10⁹ 的计算机，使它们玩得和人一样好，以至于一个平均的询问者在问了五分钟的问题后，不会有超过 70% 的几率正确识别。原来的问题，“机器能思考吗？”我认为太无意义，不值得讨论。尽管如此，我相信，在本世纪末，使用的词语和一般受过教育的观点会发生如此大的变化，以至于人们将能够谈论机器思考，而不期望受到反驳。

我相信进一步隐藏这些信念是毫无意义的。普遍认为科学家们从一个被充分确证的事实不可逆地推导到另一个被充分确证的事实，从不受到任何改进的猜测的影响，这种观点是完全错误的。只要明确表明了哪些是经过证实的事实，哪些是猜测，就不会造成任何损害。猜测非常重要，因为它们提出了有用的研究方向。

那个时代甚至尝试人工智能实验的实际挑战是巨大的。计算能力和数据存储能力（或缺乏）是最大的瓶颈。计算机不仅需要存储单词，还需要理解它们之间的关系，以进行有意义的交流。

有一些科学家和研究人员认为机器将具有人类的智能。他们提出了不同的“人工智能奇点”时间表。尽管人工智能技术有时被视为炒作，但研究界持续取得进展；20 世纪 80 年代，约翰·霍普菲尔德和大卫·鲁梅尔哈特引入了深度学习的概念，人工智能领域通过研究资金的激增得到了新的推动。

第一个实际的突破也许发生在 1996 年，当国际象棋大师加里·卡斯帕罗夫被 IBM 的深蓝击败时。深蓝是一个计算机程序，比赛结果受到了极大的宣传，并被认为是当时该领域的一大突破。与此同时，微软将由 Dragon Systems 开发的语音识别软件集成到其 Windows 操作系统中。

科学界已经意识到，人工智能不仅仅是一个奇迹般地表现得像人类的程序。它是一种使用大量高质量数据构建的算法的方法。这使得算法能够更好地理解机器所处的背景，并提供相关的输出答案。

模仿游戏

图灵的另一个贡献是图灵测试。这个测试被称为模仿游戏。游戏构造如下：

• 有三个房间，每个房间都通过计算机屏幕和键盘连接到其他房间。

• 第一个房间里坐着一个人类，第二个房间里坐着一台计算机，第三个房间里坐着一个“裁判”。

• 裁判的工作是根据他们的回答（通过五分钟的互动）来识别人类和机器。

• 图灵提出，如果裁判在识别人类或机器方面的准确率低于 50%，这意味着裁判有可能选择人类或计算机。这使得计算机成为了一个可以通过的模拟人类和智能的人工智能系统。

多年来，程序员们对这个实验进行了几次简化，将其用作他们解决方案智能程度的试金石。一些随后的研究者批评了图灵测试在识别真正智能系统方面的能力，而其他论文则为测试进行了辩护。不管怎样，艾伦·图灵对人工智能领域的贡献无疑是巨大的。他是一个有远见的人，为后代播下了利益的种子。

人工智能的化身

我经常发现人们在很多列出的更详细的 AI 分支中将 AI 互换使用。经常有人挑战将AI用来指代机器学习解决方案的做法。在我看来，这些 AI 的子群集侧重于利用数据做出更好的决策。在某些情况下，这种智能增强了人类，有时机器自己做出决策并从中学习。

AI 的算法细节，如神经网络、聚类和贝叶斯网络都作为 AI 的分支下的技术进行了涵盖：

图 4：AI 的分支

机器学习或许是最常见的形式，其中数据中识别模式并利用这些模式进行预测。模式识别过程涉及向算法提供大量数据，并开发解决方案来利用这些训练数据进行学习。机器从训练数据中学习后，就可以将学到的内容应用到新的数据集上。如果新的数据集呈现出与训练数据相似的模式，那么机器就会强调这些模式。因此，训练数据的广度和质量在学习过程中非常关键。让我通过我参与的一个例子来解释这个问题。

2014 年，我有幸成为 PwC 的 IBM Watson 评估委员会成员。我们正在评估使用 IBM Watson 解决监管问题的可行性。自 2008 年以来，英国和欧盟的金融监管机构提出了几项复杂的法规，要求银行了解大量的监管文本并确保合规。成千上万行复杂的监管文本，相互补充和冲突的监管规则，以及经常变化的法规，这一切都使得银行很难保持他们的监管义务。

我们正在评估的 IBM Watson 解决方案将所有监管文本（以法律语言书写）作为输入。我们还将提供那些监管文本的自然语言版本作为输入（如果有）。两位监管专家将与 IBM Watson 合作，在他们所称的“Watson 上学”过程中，AI 引擎将接受监管规定的培训。专家们会向 AI 提出关于某项监管规定的问题，当答案提供后，专家们会根据答案的质量点赞或点踩。这有助于 AI 引擎随着时间的推移学习并在大量监管文本上回答简单、普通的问题变得更加出色。

在这种情况下，问题非常明确 - 我们要求机器查看监管文本并提供相关答案。然而，有时候尽管有大量数据可用，分析师也不知道他们在数据中寻找什么。我们使用一种称为无监督学习的方法来识别数据中的问题和异常。利用这一点，我们开始理解影响异常的潜在变量的过程。

机器人技术是另一个在过去 10 年左右取得显著进展的领域。韩国等国家已经通过在制造业中每 10000 名员工部署约 700 台机器人将机器人技术提升到一个全新水平。以下图表上的数字代表 2016 年的数据。最新数据显示，韩国的数字已经增至每 10000 名员工 710 台机器人。

机器人技术被用于进行手术、进行对人类潜在有害的救援行动、银行客户服务、物流、建筑甚至农业。其中几项用途处于原型/试点阶段，但显示出了有希望的迹象。机器人在工业应用方面的应用开始变得清晰起来，特别是在有重复和机械任务的领域。

结果，低技能、高频率、乏味的工作将被机器取代。在资产管理行业，人工智能被用于做出投资组合管理决策，因为机器可以处理数百万个数据点，以做出比人类大脑更好的决策。

图 5：2016 年机器人工作者密度最高的国家

人工智能在当今世界的应用是无限的。每天都有新的途径和现实机会为人工智能开启。数据的可用性使人工智能的繁荣成为可能，但也在数据隐私、数据所有权和数据安全方面打开了一个全新的潘多拉魔盒。在消费者数据的集中垄断中，我们往往不清楚我们的数据是如何被使用、分享和货币化的。这就是区块链等技术可以发挥作用的地方。

区块链

正如我们之前简要提到的，区块链框架具有几个属性，使其能够解决一些数据所有权、安全性和隐私挑战。在今天主要是非量子技术的背景下，区块链比集中式数据管理系统提供了更好的数据安全性。同时，区块链也存在一些限制，如果不加以解决可能会影响其主流采用。《第一章：量子计算与区块链简介》讨论了区块链（比特币区块链）的历史和技术架构。

区块链具有几个特性使其能够在多个行业应用。然而，在我们专注于数据经济主题时，让我们看看区块链及其能力如何在恰到好处的时间加入了其中。

分权

随着区块链技术在多年里日益受欢迎，分权一直是全球数百万区块链信徒的魔力咒语。感谢我们在本书中早先讨论的可扩展性三难问题，分权通常似乎是实现商业规模的障碍。虽然区块链已经实现了可扩展性，但分权经常被牺牲，使其成为我们希望世界向之迈进的一个难以企及的乌托邦观念。

然而，分权确有其优点。多年来，我们已经习惯了客户端-服务器系统，大部分数据存储在服务器上。这种架构的挑战在于：

• 拥有大部分数据的服务器易受网络犯罪分子的攻击。黑客攻击集中系统以获取关键信息很容易。曾经发生过银行被黑客攻击并丢失数百万客户数据的多起事件。

• 如果集中实体停止存在，客户拥有的数据往往会丢失。如果 Facebook 申请破产并停止运营，全球 23 亿用户的整个数据集可能会丢失。

在分权系统中，已达成共识的数据版本存储在区块链上的所有节点上。因此，在区块链中关闭一个节点不会导致数据丢失。

虽然分权可防止数据丢失，但也确保数据所有权不被集中。对每个消费者来说，管理其数据、经济和社会身份越来越重要。由于客户端-服务器系统的缺点如前所述，身份管理机制在分权网络内被称为自主身份管理。

多亏了区块链框架，自主身份的概念开始看起来不像以前那样难以捉摸。在一个将数据视为新油、而注意力（在媒体和社交媒体中）被视为新黄金的时代，身份必须由每个个体拥有和管理。如果我在 Facebook 上有个人档案已有 10 年，我需要完全透明地了解 Facebook 如何使用我的数据并对其进行货币化。任何未经批准使用或出售客户数据的行为都将不再被容忍。

在深入研究有助于管理自主身份的分权可追溯性之前，让我们看看阻止对区块链系统本身进行网络攻击的功能。

不变性

在一个每个生成的区块都使用前一个区块的哈希的系统中，任何试图在区块链上创建虚假交易的人都需要穷举整个区块链。在区块链上就伪造交易达成共识的另一种逻辑方法是控制 51%的节点。这种情况发生在一个失去人气的区块链网络中。在这样的网络中，某人可以接管网络，以达到对网络的 51%控制。

区块链还有其他被攻击的方式，比如导致以太坊硬分叉并诞生以太坊经典的 DAO 攻击。然而，这些问题发生在框架逻辑基本上容易受到攻击的情况下。

如果这样的漏洞被遗忘一分钟，区块链作为一个不可变的网络。一旦创建了交易，要想入侵和更改就会变得非常困难。虽然不可变性无疑是一种可取的区块链属性，但它也在需要可追溯性的情况下使用。

可追溯性

在传统数据库管理系统中建立可追溯性和可审计性并不困难。然而，当可追溯性与区块链的其他特性结合在一起时，它变成了去中心化-不可变-可追溯性，这是特殊的。在数据密集型世界中，区块链的这一特性有多种应用，用于管理知识产权。它还允许你跟踪第三方如何使用你的数据，并在相关情况下，作为客户而得到报酬。

几周前，我和一位区块链架构师交谈，我们讨论了许多网站提供的用户旅程，我们必须输入用户名和密码才能使用他们的服务。他坚持认为，世界需要转向解决方案，其中客户的数字身份不是存储在应用程序级别，而是存储在协议级别。每次需要检查客户身份时，应用程序可以利用这个协议。

这意味着诸如 Facebook 和 Twitter 之类的应用程序不一定会成为个人数字身份的中心持有者。理想情况下，身份应该由一个去中心化的政府网络管理。然而，当网络由少数几个政府管理时，就被认为是集中化的，与区块链的对立面相反。然而，这里的重点不是去中心化程度。更重要的是，身份将必须在更基本的层面进行管理。

随着身份的管理，个人拥有的数据也将被管理。而且，用户的数据将被归因于他们，并且他们将被告知任何一家公司使用他们的数据赚取的金额。选择能够利用他们的数据赚钱的提供商是用户的决定。例如，个人可能会同意将他们的数据（在聚合水平上匿名）用于帮助银行做出放贷决策，但是他们可能不会同意一家大型华尔街银行将其用于向更多客户推销产品。

例如，用户可能会同意将其数据用于具有低碳足迹的公司，但是当一家矿业、石油或天然气公司希望使用其数据做出任何战略/商业决策时，他们希望这些公司将从决策中获得的收益中捐赠一部分给环保慈善机构。

创建一个允许数据创建、共享和变现的生态系统并不足以。建立围绕它的治理和控制是至关重要的，以便实现数据的谨慎使用。在一个国家之间很快将使用网络攻击来相互发动战争的世界中，这些控制将决定胜利者和失败者。各国可能会停止在核弹头上花费时间和金钱，并开始更多地花费时间和精力来保护其公民的数据，使用诸如区块链之类的技术。

随着我们逐步了解到对数据时代至关重要的技术，其中一种显著的技术是量子计算。对于这个领域来说，现在仍然是早期阶段，但其可能性是令人充满希望的。

量子计算

在使数据经济成为可能的一系列技术创新中，量子计算或许是最为重要的一环。我们已经涉及了量子计算的各个方面，使其成为一种革命性的技术范式。在实践层面上，量子帮助我们解决了一些以前无法解决的关键问题。这些实际问题中的许多都在本书中通过采访进行了讨论。有了量子计算，人工智能就像注射了类固醇一样发展迅速，区块链经历了一次新的整容（也许是经历了一场痛苦的手术），而大数据的管理和利用可能会经历一次重大的反思。

当量子特性如纠缠被用于在大距离传输信息时，网络安全将呈现出非常不同的形态。企业将能够做出实时数据驱动的决策，并且具有更高的信心度。实质上，多亏了新兴技术，我们应该能够充分利用我们所创造的数据。

结论

每隔几年，我们都会看到新的技术趋势出现。自互联网兴起以来，没有一项重大技术能够在不丰富数据经济的情况下蓬勃发展。无论是人工智能、大数据、云计算、区块链、物联网、5G 还是量子计算，它们都与数据经济互动并为其做出贡献。其中一些在应用层有更多的用例，一些在协议层有更多的用例，而一些在物理/基础设施层有更多的用例。尽管如此，它们都在规模上造成了颠覆性的影响。

互联网为这几年的数据创新奠定了基础。社交媒体在此基础上建立。一旦我们通过社交媒体创建了数据，就是利用新兴技术充分利用它的时候了。其中一些技术范式甚至在互联网和社交媒体出现之前就存在了。但是，丰富的、具有上下文的用户数据的可用性帮助创新者完善了他们利用和进一步发展这些技术的方法。

互联网提供的连接性为新经济模式的创建提供了可能。一个连接的用户群体，网络效应以及产生的参与度提供了丰富的数据。企业通过充分利用这些数据而免费提供其服务而蓬勃发展。使用区块链数字化创造了价值。

一个小型网络发展成了一个生态系统，并且数字经济得以创建。所有这些都是在过去 15 年以惊人的速度发生的。现在出现的问题是，量子计算是否能够丰富这股创新浪潮？

在接下来的几章中，我们将研究量子计算和区块链在几个行业中的潜在应用。

参考文献

1. sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/

2. jmc.stanford.edu/artificial-intelligence/what-is-ai/branches-of-ai.html

3. medium.com/@chethankumargn/artificial-intelligence-definition-types-examples-technologies-962ea75c7b9b

第四章：对金融服务的影响

金融服务行业在历史上一直不善于拥抱创新和尖端技术。 部分原因是银行、资产管理和保险公司将自己视为提供金融产品的业务。 他们认为技术是成本中心，不属于他们的核心业务。 然而，这种做法受到了业务景观中的两个关键变化的挑战。

2008 年的经济衰退导致金融服务公司与创新技术互动方式发生了几个关键转变。 经济衰退后，银行面临巨大的监管压力。 这意味着他们必须小心他们向客户提供的金融产品的创新程度。 银行必须向监管机构报告更多有关其产品和服务提供情况的细节。 结果，创新产品变得稀缺。 与后勤技术和流程相关的大量间接成本。 仅在英国，银行每年就要花费 50 亿英镑用于监管合规性。 随着监管压力的增加，风险管理流程和技术也激增。

金融科技公司的崛起是景观中的另一大变化，被称为金融科技公司。 金融科技公司是利用数字方法以更加以客户为中心的方式提供金融服务的创新型年轻公司。 它们年轻且没有传统技术的负担。 这帮助它们在很短的时间内创建新的商业模式、技术解决方案和运营模式。

当银行和金融服务公司在应对监管压力时，灵活的金融科技公司让它们措手不及。 在意识到之前，银行看到金融科技公司以快速增长和扩大其客户基础的方式挑战了它们的业务前景。 另一方面，监管流程增加了底线压力。 解决方案是将技术转化为金融服务公司的竞争优势。

过去 5 年来，金融服务公司以不同程度的成功拥抱了人工智能和区块链等新技术。 在本章中，我讨论了量子计算在金融服务中的潜在应用，并提及了一些适合这项技术的行业应用。

当银行正与金融科技力量搏斗时，他们希望有一个解决问题的灵丹妙药。区块链是在金融科技热潮兴起后引入的，银行因为多种原因而纷纷抓住了这项技术。其中一个原因是要树立他们能够拥抱创新并引领科技的形象。他们还认为区块链可以为他们带来跨越多个银行流程的巨大运营效率。银行正在试验区块链技术，从客户的入职，到实时交易结算时进行了解您的客户 (KYC) 检查。这最终将成为他们的竞争优势。

银行探索利用新兴技术应对金融科技挑战的方法，全球范围内出现了基于区块链的生态系统。这些生态系统有潜力挑战传统资本市场的根基。区块链生态系统的浪潮搭乘着分散化金融服务的原则。我们今天拥有的资本市场高度集中，去中心化，并且通常对最需要它们的人不可及。区块链将改变这一切，并提供大规模的金融包容性。至少，那是愿景。这给银行带来了另一个重大挑战。

在本章中，我触及了区块链试验的不同领域和应用，以及成功案例的领域。金融服务业是一种因全球范围内的业务模式和交互而本质复杂的行业。在几个银行职能中涉及的数据复杂性需要能够帮助充分利用数据的技术。因此，讨论量子计算对金融服务业可能产生的影响也是重要的。

量子计算应用

我在职业生涯的最后十年中，深度参与了风险管理和基金管理工作。当我从巴克莱资本的前台技术转入风险管理工作时，我注意到了两个关键机遇。

一、风险管理是一个数据饥饿的领域；二、与前台相比，技术尚未充分渗透到该领域（尤其是风险管理）。在过去的十年中，我见证了不同银行的风险技术成熟发展到今天的状态。

投资银行中的风险管理和报告涉及大量数据处理。该领域的角色是查看公司在市场上所持有的金融头寸，并评估这些头寸周围的风险。在 2008 年的经济衰退之后，银行被要求持有基于投资组合风险的储备资本。价值风险 (VaR) 方法用于计算公司在风险偏好确定的置信水平下可能遭受的最严重损失。

风险管理有几个子类别，如市场风险、信用风险、操作风险和行为风险。但是，我们将重点关注市场风险和信用风险的工作方式，主要是因为它们需要非常大量的数据和计算。这使它们成为量子计算解决方案的理想候选者。

市场风险

市场风险是模拟市场动态对公司交易头寸的影响的因素。银行可以在市场上交易的各种产品中持有头寸。每种产品都有一个定价机制。风险管理职能的作用是识别影响定价产品所涉及的变量的市场风险因素。

让我们以金融债券为例。这是一种简单的债务产品，通过使用利率贴现未来现金流量来定价。现金流量通常以固定的形式支付利息，用于贴现现金流量的变量是利率。可以通过使用来自彭博公司等公司的利率数据来计算债券的价格。由于利率用于贴现现金流量，如果利率的值上升，债券价格就会下降，反之亦然。

当银行在债券中持有多头头寸（购买）时，如果利率上升，债券价格就会下跌。因此，债券头寸的市场风险是通过建模债券价格来计算的，当市场风险因素影响到所使用的利率时。这是一个简单的例子。

通常会使用几个变量来计算金融产品的价格。当有多个风险因素影响这些变量时，计算风险就变得计算密集。我们还发现其中一些变量彼此之间存在相关性；当一个变量改变时，会导致另一个变量改变。这些交互关系需要被建模以定价产品和头寸相关的风险。

如果一个头寸增加了投资组合的风险，风险管理人员会识别出来，并确保前台采取对冲头寸以降低投资组合的整体风险。所有这些数据都用于计算公司的 VaR 和资本要求。这个过程涉及大量的数据、复杂的计算和模拟以及尖端数据分析。

在一家一线银行中，每天都会将数百万个持仓输入风险引擎中。这些持仓根据市场数据每天重新定价，然后通过将风险因素应用于这些重新定价的持仓来计算风险。这些变量之间的相关性使得传统的模拟技术难以评估风险。因此，银行有时会选择近似价格，因此风险也是一个近似值。

在正常情况下，银行每天早上计算的近似值有效。然而，在危机情况下，当银行发现自己面临着一场市场灾难时，现有系统和流程明显不足。他们需要更快地定价他们的风险，更准确地采取必要的市场行动。了解市场压力情景中的风险有助于银行更有效地对冲现有头寸，或清算造成大额敞口的头寸。

银行使用的现有技术提供了一些途径来近似他们的风险。利用量子计算来模拟市场风险可以带来两个关键优势：

• 风险可以通过跨不同变量的相关性进行更准确的计算。

• 风险可以在几乎即时的情况下进行计算，以应对日内压力情景。

使用相关性建模更准确地衡量风险是很重要的。举个简单的例子，假设一家银行在英国航空公司拥有巨额头寸。银行通常会模拟英国脱欧对富时 100 指数和因此对英国航空公司的直接影响。然而，脱欧对全球经济前景有影响。在脱欧公投当天，石油价格和其他几种大宗商品价格下跌。石油价格下跌对航空公司是个好消息。因此，理解市场风险对股票头寸的直接影响很重要。但同时，理解市场波动和可能影响银行市场头寸的其他因素之间的相关性也是至关重要的。

我将在本章后面更详细地讨论银行面临的技术限制。这也应该帮助您了解量子计算技术如何确切地帮助进行市场风险计算。

市场风险并不是量子计算可以应用的唯一领域。信用风险可能是一个更加成熟和计算密集的领域，也可以从这项技术中受益。

信用风险

信用风险是指公司正在交易的交易对手可能不履行其对公司的义务而出现的风险。多个变量用于模拟公司或个人是否会违约。通常通过信用评级来捕捉这一点，并使用违约概率进行建模。随着对交易对手的不同信用信息的获取，信用评级会升级或下降。

信用评级有不同的级别，AAA 为最好，CCC 为最差。这些信用评级与机构交易更相关。信用分数在零售银行业务中更普遍。根据多个变量，交易对手（机构或零售）的信用评级可能上升或下降，并且这可能决定银行是否会赚钱或亏钱。以零售银行业务为例。债券评级参考：www.investopedia.com/terms/b/bondrating.asp

约翰和玛丽是一家银行的两个客户，具有不同的信用档案。他们都向银行申请抵押贷款。在抵押贷款申请过程中，银行检查他们的信用档案和信用评分。假设约翰有几条信用额度，如信用卡和个人贷款，他还曾经在 3 年前拖欠过一项义务。玛丽有一个更干净的信用档案，没有拖欠记录，而且有一套受控的良好管理的信用额度。他们都要求为一套价值 £200,000 的公寓申请抵押贷款。对于两个申请人，抵押贷款的其他方面都是相同的。

银行通常会按照较高的利率为约翰的抵押贷款定价，而玛丽会得到更好的交易。这正是机构空间中发生的事情。根据交易对手的信用评级来定价产品。当交易对手违约的可能性较高时，信用评级较低，产品的定价也较高。

然而，银行需要每天评估这些信息。如果交易对手的产品定价为 X，且交易对手的信用评级突然降低，银行的敞口已经增加。这需要反映在银行设置的资本中，这在信用 VaR（CVAR）和经济资本计算中体现出来。许多银行使用蒙特卡罗模拟来计算 CVAR 和经济资本。

与市场风险技术限制非常相似，信用风险算法也有可能被量子计算机解决的限制。在市场崩盘的情况下，更快的计算速度至关重要。准确的计算有助于更细致地评估风险。

假设银行 A 与银行 B 有一项活跃的交易。这可能意味着在某个时间点银行 A 期望从银行 B 获得结算。因此，需要定期计算银行 B 的信用风险。但是银行 B 可能在英国有很大的敞口，因为其大部分业务都在那里。如果英国退欧影响严重，银行 B 可能无法向银行 A 还款。在这种情况下，除了英国退欧，银行 B 还可能向其有巨大敞口的银行 C 还款。因此，了解资金网络并能够准确计算银行 B 的信用风险是重要的。

在探讨量子计算如何帮助这些领域之前，让我们首先更详细地了解技术和流程的限制。

技术限制

现在我们已经了解了建模产品价格、风险和 VaR 所涉及的数据处理挑战，请让我们更深入地了解现有技术在处理这些挑战方面的限制。我们在前几节中简要提到了这些限制。在深入探讨量子计算如何帮助之前，了解它们更详细是很重要的。

在一些实际场景中，某些风险管理流程需要在白天执行。这些被称为日内报告流程。当市场在白天发生崩盘或压力事件时，需要计算日内价值风险以确保银行能够应对压力情景。然而，一些处理引擎速度很慢，需要几个小时才能执行所谓的“重新计算”。

蒙特卡罗模拟能够提供预期收益的准确估计。然而，当时间尺度较短时，它们往往不够精确。它们需要大量的计算资源，当数据量增加时，这个问题会被放大。

另一个挑战是现有计算方法处理相关变量的能力有限。这与第二章，《量子计算 - 关键讨论点》中的讨论有关。我们提到了经典计算框架处理从多个变量X1，X2，X3，…Xn中建模相关变量Y的局限性。如果计算Y涉及捕捉X1，X2，Xn之间的相关性，这对于经典计算机来说会更加困难。这是量子计算可以发挥作用的两种情况。

随着量子计算算法的流行，有几家公司正在寻找弥合经典和量子计算之间差距的方法。受量子启发的技术在性能上提供了很大的飞跃。

这些解决方案中有一些已经可以在工业环境中使用，其中一个已经见诸天日的关键解决方案是富士通的量子启发退火算法。使用该算法，他们已经能够降低风险模型的延迟。现在让我们深入了解量子计算如何帮助风险管理。

受量子启发的数字退火

我们在第二章，《量子计算 - 关键讨论点》，讨论了绝热量子退火方法及其在解决组合概率问题中的应用。量子退火是一种处理经典计算机难以解决的现实世界问题的方法。富士通和日立等技术服务提供商正在研究使用经典计算机并借鉴量子计算原理的数字退火。这些数字退火解决方案已经在金融服务行业的实际场景中得到应用。

例如，富士通使用“伊辛”开发了数字退火器。伊辛模型是由 Wilhelm Lenz 于 1920 年提出的。该模型描述了可以存在于两种不同状态的大量原子如何相互作用。这些原子排列在多维晶格中，一个原子的状态影响相邻原子的状态。解决方案的云实施于 2018 年 5 月上线。他们称之为“富士通受量子启发的计算数字退火器云服务”。

在富士通的数字退火器中，磁铁内的原子被用来模拟退火器将要解决的问题。原子的状态代表变量的状态。可以准确计算与每个单独原子相关的能量和自旋相关性。原子之间的相互作用以及它们对彼此自旋的影响决定了问题的解决方案。使用低能量状态识别问题解决方案的能力类似于量子退火，在下一节中详细解释。

富士通与多伦多大学和总部位于加拿大温哥华的1QB 信息技术（1QBit）合作，为这种新架构共同创造了受量子启发的算法。

量子退火

这种设置类似于量子退火系统，其中粒子的状态代表问题中涉及的变量。在经典计算环境中使用伊辛模型帮助富士通在复杂计算中实现类似量子的效率。这种方法还可以扩展到资产管理中的投资组合再平衡和零售银行中的 ATM 补充。

图 1 描述了退火方法背后的原理，以识别在多个变量之间的正确适配：

图 1：退火方法与经典方法的对比。

数字退火器在室温下运行，不像量子计算机那样，因此可以保持更长时间的状态。

这也可以通过几种量子计算算法实现。量子近似优化算法（QAOA）可以在多项式时间内解决优化问题，而经典方法需要指数时间。

指数时间复杂度的算法增长速度比多项式时间复杂度的算法快得多。表达运行时间的变量在多项式时间中是底数，在指数时间中是指数。一个快速的例子可能是以下情况。如果n表示运行时间变量：

多项式：n²

指数：2^n

如果n为 1000，多项式方程提供 1000²，即 100 万，指数方程提供 2¹⁰⁰⁰，即 1.071509e+301（实际上非常巨大）。

因此，量子算法计算的速度远高于经典技术。量子退火还可用于处理旨在确定局部最小值的组合优化问题。

正如第二章，量子计算 - 关键讨论要点中所描述的，退火（数字退火和量子退火）是一种过程，在这个过程中，热涨落使系统能够在不同局部最小值之间跳跃。 在量子退火中，由于量子隧穿的性质，这些跳跃是可能的。 当能量壁垒很高时，量子隧穿允许更有效地探索能量景观。 使用量子比特实现基于量子退火的优化解决方案的过程如下：

1. 使用门（如哈密顿量）将输入数据建模为一组量子比特的状态。

2. 将量子比特置于叠加态。

3. 应用算法以得到保持正确答案的系统状态。

4. 使用量子干涉，增加测量正确状态的概率。

5. 测量量子比特以获得结果。

以下图片显示绝热演化与量子隧穿如何帮助识别低能量解状态：

图 2：绝热量子退火

量子退火为银行的风险建模流程提供了高效性。 然而，量子计算机仍处于萌芽阶段，失相使其在此阶段对企业使用不切实际。 正如在第二章，量子计算 - 关键讨论要点中所讨论的，失相导致量子计算机由于环境而丢失信息。

D-Wave Systems 和 IBM 已尝试使用他们的量子计算机解决一些金融服务建模挑战。 他们通过量子退火器运行了有限的金融数据实例，并发现与经典计算机性能相当。 富士通对数字退火器的测试在几秒钟内就提供了金融服务问题的答案。 过去，这些问题通常需要花费几小时甚至几天的时间。 其中一个例子是投资组合管理，我们将在下一节中讨论。

动态投资组合选择

在讨论量子计算对金融投资组合管理的影响之前，让我们试着理解问题陈述。 在资产管理行业，投资组合经理进行投资决策，并构建股票、债券、大宗商品和其他资产类别的投资组合。 动态投资组合选择是一个过程，其中投资组合在不同资产类别之间的配置反映了投资者的风险偏好。 要定期管理组合再平衡以确保分配得到管理。

一些投资者更喜欢风险较高的投资组合，以期获得更高的回报。 他们通常会更多地分配易变证券。 如果风险偏好较低，高级别、低波动性资产的分配会更多。 资产管理公司通常会有定期的风险/投资委员会，以确保投资者偏好与投资组合分配一致。

许多资产管理公司需要数天来完成此过程，通常每季度执行一次。然而，在市场压力和波动性高的时期，这是不够的。如果更经常地进行再平衡，投资组合可能会产生稳定的收益。

一个简单的例子是一个想象的投资组合，其中我们有 50%的股权（股票）和 50%的债务。假设由于，例如，许多科技首次公开发行（IPO）和市场参与者的非理性狂热，股票表现良好。在这种情况下，由于技术股票价格的市场波动，投资组合中股票的分配将增加。想要保持股票分配在 50%的投资组合经理可能需要卖出一些股票并重新平衡投资组合。这是一个足够简单的解决方案。

让我们在我们的想象投资组合中再添加一个资产类别。该投资组合现在有 40%的股权分配，40%的债务和 20%的大宗商品。假设由于中东地区的地缘政治紧张局势，石油价格（在投资组合中持有）上涨了。投资组合经理将不得不重新平衡分配。然而，石油市场的激增经常导致航空公司股票（也在我们的想象投资组合中持有）的下跌。因此，投资组合的一个集群的变动导致了另一个集群的变动。这被称为相关性。

在实际情况中，与三个这样的集群不同，资产类别之间存在更加细粒度的行业分配，并且它们之间存在相关性。对于模拟增加投资组合中一个集群的分配对另一个集群的影响进行建模是一项困难的任务。就像信用风险和市场风险问题一样，通过将一组相关变量建模到计算机中来找到最佳解决方案需要量子算法。

除了数学挑战之外，投资组合经理还需要考虑到实际世界中的摩擦，例如交易成本。一个投资组合通常需要大约 30 支股票才能实现最佳的分散化。如果交易成本高，定期再平衡这样的投资组合将会很昂贵。

再平衡之后，需要通过性能指标（例如夏普比率）来衡量投资组合的表现以获得最佳收益。夏普比率被定义为在单位波动性或总风险下获得的超过无风险利率的平均回报。来源：www.investopedia.com/terms/s/sharperatio.asp

有几种方法可以执行投资组合再平衡。 分层风险平价（HRP）方法是资产管理行业的最新发展。 HRP 是一种基于风险的投资组合优化算法。它使用机器学习技术来识别投资组合的基本分层相关结构。类似的资产组成的群体竞争资金，从而形成一个多样化的投资组合。

富士通开发的量子启发式数字模拟器用于从资产价格变动方差矩阵创建分层相关结构。对超过 500 支股票的相关性进行聚类可以立即进行，而在传统的资产管理设置中，这通常是季度性的。

富士通的数字模拟器（Digital Annealer）也证明了其在优化投资组合方面的能力，可使夏普比率提高60%。尽管频繁的投资组合再平衡会产生交易成本影响，但在高波动时期执行该任务至关重要。

所讨论的示例是数字模拟器（Digital Annealer），然而，使用量子模拟器也可以达到相同的优化水平。如前文所述，由于退相干的原因，量子计算机尚未达到主流能力。如果可以管理数据在噪声环境中的丢失，量子模拟器可以解决几个优化问题。

投资组合优化过程还使用一种称为主成分分析（PCA）的机器学习算法。这是什么意思呢？如前所述，投资组合优化涉及使用几个相关变量来建模理想的分配。然而，如果我们能够减少变量的数量并且它们之间没有相关性，那不是更容易吗？这正是 PCA 帮助我们实现的。

PCA 是一种使用称为特征提取的原理的技术。使用 PCA 进行优化，我们可以放弃投资组合中最不重要的变量。所使用的每个剩余变量都彼此独立，这意味着不需要显式建模相关性。更详细地描述 PCA 超出了本书的范围，但有兴趣的人可以在towardsdatascience.com/a-one-stop-shop-for-principal-component-analysis-5582fb7e0a9c阅读更多。

使用特征值和特征向量进行 PCA 的成本非常高。对于一个 N × N 矩阵，计算成本为 O(N²)。银行可能拥有数百万支股票，这意味着 N 可能达到数百万。然而，使用量子 PCA 算法已经证明，执行相同计算的成本为 O(Log N)²。这应该有助于 PCA 在金融服务业中成为主流，因为它极大地简化了投资组合优化。参考资料：S. Lloyd，M. Mohseni 和 P. Rebentrost，Quantum principal component analysis，Nature Physics 10，631（2014）。来源：www.nature.com/articles/nphys3029?platform=oscar&draft=journal

我们讨论了在资本市场业务中风险管理和投资组合管理中使用量子计算。目前，Natwest 银行正在测试量子启发数字退火器，用于管理他们的 ATM 网络。让我们在下一节中讨论这个问题。

ATM 补货

让我们看看量子计算可以帮助的零售银行业务场景。为 ATM 补充现金占 ATM 总运营成本的约 35-60%。在这个时代，高街银行受到无现金、无分行银行业务模式的挑战，有效运营对于领先于竞争对手至关重要。根据英国银行的数据，英国有 65,000 多台 ATM，每年提供超过 25 亿次取款。参考: www.statista.com/statistics/445117/cash-machines-in-the-united-kingdom-by-bank/

银行能够建模 ATM 中所保留的现金数量，并在网络内最小化现金流动是非常重要的。英国最大的 ATM 网络约有 6,000 台 ATM，在现实时间内经典计算机无法计算补货模型。

建模补货所需的计算成本是如此高昂，以至于使用经典计算机还没有实现问题的实时解决方案。

该模型需要制定一个优化的分配计划，考虑到某个地区现金需求的任何异常或突然增加。这具有类似于我们在第二章，量子计算 - 关键讨论要点中讨论的旅行推销员问题的几个特性。

这是另一个适合量子退火的组合优化问题。英国的一些银行已经在与富士通的谈判中（根据以下最近的公告）使用他们的数字退火器进行实时 ATM 补货建模。来源: www.fujitsu.com/global/digitalannealer/pdf/wp-da-financialsector-ww-en.pdf

Natwest 和 BBVA 等银行已经在探索使用量子计算来解决一些计算和数据密集型问题。值得关注的是，像日立和富士通这样的公司采取了开发使用经典计算基础设施的量子启发技术的方法。这可以帮助行业在算法、计算甚至哲学思维过程上的过渡。随着行业准备受到量子计算的颠覆，这一过渡过程是必要的。既然我们已经讨论了量子计算在金融服务中的应用，那么让我们也看看区块链及其用例。

区块链应用

最近与一位技术专家转型为 CEO 的人进行了一次对话，我问了这个问题：“为什么在你的应用中使用区块链？” 他说：“我不必这样做。我可以使用传统数据库并为每个客户提供一个版本。当其中一个客户创建交易时，我可以编写代码来识别它，并触发将副本写入所有其他数据库的操作。然后，我将构建一个机制，如果这些客户中的一个更改了记录，我会触发一个警报通知整个网络，并希望这一切都能以某种方式作为框架运行。或者，我可以让区块链为我完成一切。”

我喜欢这个答案。通常，其他人会继续为区块链技术及其相对于传统数据管理系统的优点辩护。这个回答应该让您对区块链作为数据登记或者如其著名的分类账的能力有一个简单的认识。就金融服务业而言，几乎没有什么地方是区块链尚未尝试过的。我将详细介绍技术取得良好进展的领域，然后继续触及未来可能利用区块链创建金融生态系统的领域。

反洗钱（AML）和了解您的客户（KYC）

金融服务业中的 AML（反洗钱）和 KYC（了解您的客户）流程在过去的 10 年中变得至关重要，特别是由于监管压力增加。随着缺乏治理和控制导致银行遭受监管机构处罚性损失，对合规职能的投资激增。2012 年，汇丰银行因洗钱问题被罚 19 亿美元，达成和解。他们被证明是毒品大亨和流氓国家的中转站。他们的网络被未经银行系统和流程验证的客户使用。来源：www.reuters.com/article/us-hsbc-probe/hsbc-to-pay-1-9-billion-u-s-fine-in-money-laundering-case-idUSBRE8BA05M20121211

正如第一章，量子计算和区块链导论中所描述的那样，区块链可以充当一个身份分类帐，并在全球范围内提供自主身份服务。这对社交媒体、邮件访问、银行、政府（选举）、税收规划、难民管理以及其他一些身份至关重要的领域都有影响。在本章上下文中，区块链目前作为一个 KYC 和 AML 工具正在引起关注。作为客户，当我去银行开立活期账户时，银行会要求我提交多份文件以确保我并非冒用身份。所有这些文件都经过验证并存储在银行的系统和文件中。现在，如果我想去另一家银行申请抵押贷款，我必须通过相同的 KYC 流程。有时，这些流程需要几周的时间，因为需要花费资源来验证客户身份。这将随着基于区块链的 KYC 和 AML 而改变。

由于区块链可以是一个生态系统中的不可变交易分类帐，印度的几家银行和公司合作进行了 KYC 和 AML 技术试验。在这个模型中，几家银行和金融服务公司加入了一个区块链网络。当他们验证客户身份时，他们使用密码学在网络上注册客户的详细信息。

“利用这项技术的一种方式是帮助建立一个生态系统。作为迈向这一目标的一步，我们与印孚瑟斯 Informal 成立了印度贸易连接”

–阿比杰特·辛格，ICICI 银行技术负责人。

当另一家公司需要客户的 KYC 详细信息时，这些客户信息可以在网络上共享。该公司将征得客户的许可并节省重复 KYC 流程几天的时间。

新加坡也一直在领导多个区块链用例的原型开发。新加坡的新加坡金融管理局（MAS），该国的监管机构，已经为创新营造了一个合作环境。汇丰银行、三菱东京日联银行和华侨银行已经试验了 KYC 区块链。

一些央行推动了一个倡议，正在研究数字国家身份平台和银行电子 KYC 和 AML 系统之间的整合。客户接入是我们讨论的区块链的一个有趣用例。但目前的行业在这方面做得相当不错，而且在规模上没有出现问题。如果有一个领域可以让区块链将大部分基于纸张的价值链数字化，那就是贸易融资。接下来的部分将详细阐述区块链在贸易融资中的应用。

贸易融资

2018 年 6 月，我计划推出我的 Rhetoriq 播客，第一个季度的重点是区块链和金融包容性。我们想重点关注的一个领域是贸易融资，主要是因为我们知道价值链尚未数字化。贸易融资涵盖了全球企业用于进行贸易和商业的产品。全球贸易价值链主要是纸质、实体，并未从数字化时代受益。贸易融资的另一个重要机会是，全球范围内的大多数贸易路线都涉及到几个利益相关者、交易对手和中介机构。

监管机构、代理商、物流提供商、银行家、出口商、进口商和海关官员都参与了全球贸易路线的运作。价值链中的大多数利益相关者都会检查、验证并将贸易传递到下一个阶段。整个过程的每一步都涉及对前一步骤的成功验证。

然而，大多数贸易价值链通常涉及一对一的互动和握手。双方之间的互动没有可见性。这导致贸易路线上的工作重复，而且贸易的状态常常缺乏透明度。

全球范围内的银行和金融服务公司为贸易和商业提供信用证和融资，使之繁荣发展。因此，他们有兴趣确保全球范围内的贸易价值链运作更加高效。几家公司和财团已经联合起来解决这个问题。

我的 Rhetoriq 播客的一位嘉宾是来自 Sweetbridge 的 David Henderson。他讨论了解决贸易融资关键问题的挑战，并强调了解决商业环境中的狭窄问题领域以使产品成功运作的必要性。

we.trade、Marco Polo 和 Batavia 是贸易融资领域值得关注的区块链参与者。we.trade 是一个由银行组成的财团，专注于欧洲范围内的中小企业（SMEs）贸易。该财团包括 KBC、Société Générale、德意志银行、汇丰银行、Natixis、荷兰合作银行、联合信贷、桑坦德银行和诺迪亚银行。

2019 年 3 月，Marco Polo 在其平台上进行了首笔实时贸易融资交易。该平台运行在 R3 的 Corda 区块链上，由 Commerzbank 和 LBBW 进行了两笔交易，交易对象分别是技术公司 Voith 和泵阀制造商 KSB。

Batavia 由 IBM 领导，三家银行参与了该网络。然而，在 2018 年第四季度，三家银行转移到了 we.trade 网络，并称其为 we.trade 和 Batavia 的合并。随着越来越多的跨账本协议走向主流，一些较小的区块链应该能够与更大的区块链并存。

贸易金融行业是区块链的低 hanging fruit，因为它不受传统系统的束缚。这与区块链联盟试图利用的其他银行业务不同。由于价值链为该技术提供了一个全新的机会，因此它更有可能成为区块链的成功案例而不是其他金融服务用例。

将区块链引入贸易金融将使其更加高效。几乎实时地追踪货物可以让贸易金融提供商得到充分的信息。它可以在世界上几个贸易走廊范围内大规模减少腐败。通过引入不可变的交易注册能力，它还可以为参与贸易的个人带来金融包容性。

大多数致力于这一用例的公司都是在有限和安全的环境中进行的。只有当这个领域向更大的社区和几个世界贸易路线开放时，才能实现真正的好处。随着区块链生态系统的发展，贸易账簿的好处也将增长。

我们已经讨论了国际贸易以及区块链在这个特定领域的作用。现在让我们看看区块链如何帮助国际汇款。

汇款

在银行业的语境中，汇款被定义为外国工人将钱汇回自己的祖国的过程。多年来，汇款市场一直稳步增长。2018 年，向中低收入国家汇出的总额达到创纪录的 5290 亿美元。这比 2017 年的汇款总额增加了 9.6%。

大多数发展中国家将汇款视为它们最大的外部资金来源。2017 年，印度以 690 亿美元的汇款额位居受益国排行榜首位。赛里斯在 2017 年的汇款额为 640 亿美元，而亚太地区在全球汇款流入量中占据 53%的份额。有关这一市场的更多详情可从世界银行的网站上获取。参考链接：www.worldbank.org/en/news/press-release/2019/04/08/record-high-remittances-sent-globally-in-2018

了解汇款对一些中低收入国家的国内生产总值（GDP）的影响至关重要。图 3突显了许多新兴经济体对汇款的依赖程度。其中一些国家有 30%或更多的 GDP 依赖于汇款流入。

图 3：最依赖汇款的国家

鉴于汇款市场的巨大规模以及世界上许多国家对这一现金来源的依赖，许多公司都将注意力转向了这一市场。像西联汇款和 MoneyGram 这样的传统汇款公司采用代理模式进入市场。西联汇款在全球 200 多个国家设有 50 万名代理人，而 MoneyGram 则拥有超过 35 万名代理人。

中间商使价值链变得低效和昂贵。汇款成本仍然很高，这为使用区块链的颠覆性公司创造了机会。图 4显示了 2016 年至 2018 年之间交易成本的趋势。像 TransferWise 这样以汇款为重点的公司已经使这个价值链更加高效和用户友好。然而，在这个市场上仍然存在着效率待提高的空间。

图 4：全球汇款平均成本，2016 年-2018 年

我们通过零售角度简要了解了汇款市场。在如今的国际汇款流程中，银行与对方国家的对应银行建立关系来向海外方支付款项。因此，当公司希望将资金从世界的一部分转移到另一部分时，就会存在效率低下的情况。

例如，让我们以公司 A 为例，他们想将资金从美国花旗银行账户转移到印度 IDBI 银行账户的供应商公司 B。花旗银行可能与 IDBI 银行没有直接关系，ICICI 可能是印度的对应银行。这意味着，资金在到达供应商的 IDBI 银行账户之前，必须通过 ICICI 进行路由。

这个过程有几个缺点：

• 对应银行收取佣金来促进支付

• 资金的每一次转移都会增加时间到整个过程中。

• 通常很难透明地知道资金在任何时间点的去向

由于这些低效，使用区块链将价值链去中介化，降低交易成本，并使资金转移的状态近乎实时透明非常有用。我们知道，比特币没有边界。因此，在使用区块链进行汇款时，涉及的两方将在他们的钱包之间进行点对点交易。

这个过程不需要中间人来促成交易。它只需要发送方和接收方在区块链上，并且每笔交易都会被记录在区块链上。在机构环境中跟踪交易是至关重要的，因为它可以帮助银行和其他参与交易的机构管理现金流。

2019 年初，瑞波扩大了其全球 200 多家银行的合作伙伴关系，以实现跨境交易。IBM 推出了一种名为 IBM World Wire 的跨境支付基础设施，使用了 Stellar 区块链。另一个值得关注的名字是摩根大通，他们宣布了利用其专有的 Quorum 区块链开发 JPM Coin 的工作。在区块链领域进行了多项机构实验中，我密切关注了 SWIFT 的试点。在区块链和汇款的背景下，这个试点意义重大，主要是因为 SWIFT 在跨境支付中起着重要作用。

SWIFT 实验

SWIFT 实验是创建基于许可的区块链的跨境支付消息基础设施的关键举措。SWIFT 是“全球银行间金融电讯协会”的缩写。SWIFT 的消息基础设施被银行用于快速准确地进行资金转移的通讯。

SWIFT 是金融机构之间国际资金转移的关键机制之一。SWIFT 网络上有超过 10,000 个成员机构，每天发送超过 2500 万条消息。在 2017 年至 2018 年期间，SWIFT 进行了区块链试点项目，以了解使用区块链作为其基础设施的可行性。

在对分布式账本技术（DLT）进行了近一年的可行性研究之后，得出以下结论：

• 跨境支付可以在基于 DLT 的基础设施上运行。

• DLT 可以执行即日内和实时流动性管理。

• 国际支付成本的约 34%是由于 correspondent bank 的被困流动性。DLT 可以在这里增加效率。

• 银行内部基础设施需要进一步使用 DLT 更加有效。

• SWIFT 试点项目中使用了 528 个通道。在现实世界中，需要定义超过 100,000 个通道，并且 DLT 应该能处理这些交易量。

• 银行的后勤部门依赖传统技术和操作，这些技术和操作还不能与 DLT 互操作。

SWIFT 实验的结果给银行业发出了严厉的警告，他们将区块链视为他们的救命稻草。它证明没有技术可以修复破碎的流程和缺乏标准的传统系统。

我们已经关注了解决机构之间跨境支付领域的努力。现在让我们看一下零售汇款领域的活动。

零售汇款

零售汇款市场规模为 5000 亿美元。然而，零售汇款的挑战在于，很少有公司拥有足够广泛的客户群来具有全球影响力。这就是为什么 Facebook 试验将基于加密货币的支付加入 WhatsApp 很令人兴奋的原因。WhatsApp 已经在其最大市场——印度（拥有 2 亿用户）进行了非加密货币的支付试点。

在一些非洲经济体中，区块链被用于加速金融包容倡议。金融包容是向历来无法获得金融服务的人提供贷款等金融服务的过程。有像 Wala Foundation、Humaniq 和 Sela Technology Solutions 这样的公司正在利用区块链在该地区提供金融包容。它们通常对客户进行 KYC 检查，并为他们提供区块链钱包。这有助于无银行账户的人找到一种进行数字资金保持和转移的方式。在这个过程中，他们还为自己创造了一个经济身份，因为所有他们的交易都记录在区块链上。

在新兴市场，区块链用于零售客户汇款比在发达世界更具有说服力。在发达世界，区块链可以用于节省交易成本。在非洲和拉丁美洲，汇款可以用作从不稳定经济中转移资金以维护价值创造的手段。

例如，津巴布韦或委内瑞拉的客户可能担心由于当地经济格局，其银行存款一天内会贬值 50%，他们可以立即将资金转移到比特币。这是委内瑞拉已知的趋势，他们采用中央银行支持的数字货币来避开制裁和全球股市的负面情绪。他们的举措效果存在争议，但它仍然是区块链的一种应用。现在让我们来看看全球各地的中央银行数字货币倡议。

中央银行支持的数字货币

中央银行支持的数字货币一直是全球关注的话题，特别是在 2017 年底和 2018 年整个期间。最初有关区块链的叙事是关于去中心化和消除中间人。然而，区块链社区开始意识到，在价值网络中中间人的目的是建立信任。有时中间人为实现这一目的获取一部分利益。在中央银行支持的数字货币的情况下，中间人可以帮助确立治理和秩序。

许多中央银行一直在玩数字货币的想法。新加坡金融管理局（MAS）通过其试点和原型一直在试水。尽管加密货币被禁，印度储备银行（RBI）也在探索这个想法。然而，最轰动的宣布是在 2018 年委内瑞拉推出他们的数字货币。

委内瑞拉总统尼古拉斯·马杜罗的视频在宣布他们将使用石油币作为数字货币时走红，这种货币由实物资产支持。石油币预售于 2018 年 3 月推出，在第一天就筹集了约 7.35 亿美元。石油币的关键方面如下：

• 雨果·查韦斯曾预见到"由原始材料支持的强势货币"。

• 2017 年 12 月宣布，Petro 将作为委内瑞拉玻利瓦尔的补充，并帮助应对美国的制裁。

• 政府将生产和控制 Petro 的供应。

• Petro 的价值将与委内瑞拉石油桶的价格挂钩，他们已承诺将 50 亿桶石油用于支持这种货币。

• 根据预售时的石油价格，1 亿 Petro 可以帮助筹集约 60 亿美元。这将帮助委内瑞拉偿还部分债务。

尽管拥有所有这些特性，Petro 仍未成功。Petro 有两个主要目标。一个是通过以国家石油财富将 Petro 的价值与玻利瓦尔（委内瑞拉货币）挂钩来遏制玻利瓦尔的贬值。另一个关键目标是绕过国际市场上的制裁。

Petro 未能实现这两个目标。导致这种情况有几个原因：

• 政府计划了多项举措来丰富 Petro 生态系统，允许挖矿，并以进一步储备支持。然而，这些举措都没有得到执行。

• 国际社会对委内瑞拉经济的情绪很低。因此，由该国资产支持的加密货币被视为一种风险选项。

• 2018 年，唐纳德·特朗普对 Petro 实施了制裁。

• 加密社区没有参与进来，因为他们认为 Petro 是一个非常集中的生态系统。

最后，Petro 被认为是强项的方面（由国家石油储备支持）反而对它不利。这对于未来的中央银行和监管机构来说是一个教训，计划推出数字货币。货币的价值取决于其所支持的资产。

然而，印度的数字货币故事略有不同。虽然它是解决委内瑞拉债务问题和规避制裁问题，但更多的是关于印度的问责制、透明度和效率。印度央行正在研究数字货币，因为印度印钞和管理纸币的不可持续成本。每年耗费 70 亿卢比（约 1 亿美元）用于印制和管理卢比。

这是将转向数字货币的动机之一。更大的动机是，国家已经建立了身份识别每位公民的基础设施，即 Aadhaar。如果卢比转为数字货币，持有 Aadhaar 卡的任何人都可以创建数字钱包并接入银行系统。这将实现大规模的金融包容，并成为世界获得灵感的飞跃时刻。

在 2019 年 5 月，MAS 与加拿大银行完成了数字货币概念验证。Accenture 和 JP 摩根参与了这项涉及加拿大元（CAD）与新加坡元（SGD）交换的实验。哈希时间锁定合约（HTLC）原则被用来确保全有或全无的保证。HTLC 使用智能合约同步构成交易的所有操作，以便它们要么全部发生，要么全部不发生。

此方法的几个要点如下：

• MAS 网络建立在 Quorum 区块链上，而加拿大银行网络建立在 Corda 上。

• 通过 Interledger 支付在两个区块链之间发送资金。

• HTLC 方法可以用于无信任网络的多方交易。然而，在通常由机构使用的权限区块链中，如果交易的一端失败，可能会有不同的模型来回滚交易的成功部分。

• 他们还探讨了涉及中介（对应银行）参与交易的模型。

显然，这个领域还处于初级阶段。然而，如果基础设施能够处理高交易量，其潜力是巨大的。这在赛里斯的数字货币倡议中可以清楚地看到。作为对 Facebook Libra 倡议的回应，一些赛里斯领导人敦促该国推出数字货币。与美国的贸易战加速了这种思考，因此，在撰写本章时，赛里斯的数字货币推出日期已定于 11 月 11 日。如果赛里斯成功推出其数字货币，许多亚洲经济体将会效仿。

即使在赛里斯的数字货币中，由于技术限制，他们也仅在有限的范围内使用了区块链。仍然有很多工作要做，以确保技术能够扩展。必须对此进行全球建模、理解并达成共识的监管框架以及破碎或未完成交易的异常处理。区块链的另一个令人兴奋的发展是安全令牌，它将现实世界的资产数字化，并帮助民主化这些资产的交换。让我们在下一节中详细了解它们。

安全令牌

我在第一章，量子计算与区块链简介中提到了实用性与安全性令牌的难题。在这里，我们将讨论金融监管机构如证券交易委员会（SEC）眼中的安全性意味着什么。SEC 使用"Howey’s Test"来评估某物是否属于安全令牌。这是 1946 年最高法院在一起房地产案件上做出裁决所使用的测试，并且此后一直被用来识别安全令牌。

Howey 测试通常询问三个问题：

1. 是否有资金投入？

2. 投资是否涉及共同企业？

3. 是否有对从推动者或第三方的工作的利润的期望？

在第一个问题中，明确使用了“钱”这个术语。然而，后来的问题还包括其他资产。由于这种思维框架，美国的几个 ICO 项目不得不面对 SEC 的惩罚性损失。

许多人认为它们是实用型代币，因为它们有助于构建一个生态系统，但在监管机构看来，它们是伪装成实用型代币的安全代币。随着这一争论的继续，2018 年和 2019 年安全代币及其周边生态系统的崛起令人瞩目。

作为风险投资（VC）投资者，我经常遇到有关这种资产类别流动性的问题。当我为我的基金向投资者筹资时，他们问我：“我什么时候可以退出我的对你基金的投资？”或者“你能否在明年年底前归还我的钱，因为我打算那时买房？”。我的回答是，请不要根据你对风投基金的投资来规划你的流动性。

流动性是风险投资、私募股权和房地产等某些资产类别的关键问题。安全代币为这些资产类别带来了急需的流动性。2016-2017 年的 ICO 热潮确实关注了早期风险投资。当时，我对可能性感到非常兴奋，因为它使筹款变得像以前那样的民主化。它全球化了筹款，并挑战了风投界。然而，它失败了，因为它在两个关键方面有所欠缺：

• 它专注于一种资产类别，即难以评估基础（早期私募股权）的内在价值。因此，当泡沫最终破裂时，人们失去了所有的钱。如果基础有内在价值，损失将会受到限制。

• 它没有治理和控制来支持资金生态系统，最终成为人类贪欲的猎物。

我相信这种模式仍然有价值，但需要一个强大的框架来支持它。然而，随着更多的监管控制被深思熟虑，生态系统的成熟度更高，以及具有更好内在价值的基础资产，安全代币有更好的机会成为主流。

2019 年初，DX Exchange 宣布推出他们的区块链平台来代币化纳斯达克股票。全球范围内有几个项目致力于代币化房地产资产。这使人们可以投资更少的金额进入房地产，但更重要的是，如果投资者希望出售他们的股份，它提供了流动性。

在我最近的一个小组讨论中，我开玩笑地说过，某一天我能用印度红树林中的被标记的芒果交易白金汉宫的代币。使用安全代币已经在理论上是可能的。

金融服务领域中与区块链相关的另一个关键发展是“去中心化的死亡”。随着多年来区块链叙事的展开，技术的一个关键“卖点”之一是区块链将使华尔街去中心化和非中介化。它被期望在这个意义上高度颠覆性，并且一些来自华尔街的大佬跳槽到区块链公司来实现这一目标。

然而，通过 2018 年和 2019 年，对我来说，大多数事件都指向一个关键趋势：去中心化是一个神话。价值网络无法像最初描述的那样轻松地去中心化。随着区块链生态系统的发展，我们已经看到集中式交易所比去中心化交易所增长更快。我们现在开始看到像 Flovtech 这样的公司，他们位于瑞士，为这些交易所提供流动性。

我对像 Flovtech 这样的初创公司感到非常高兴，因为它们为交易所上列出的小型和新型替代币带来了流动性。然而，这只是表明去中心化的努力失败了。曾经被誉为新资本市场的基于区块链的价值网络，现在只是老资本市场的更数字化和更流动的版本。许可的区块链、中央银行数字货币、集中式交易所和流动性提供者都指向了中心化的区块链经济。

结论

金融服务行业正在面对两个关键力量带来的大规模颠覆：监管和技术创新。随着银行意识到技术不再是他们业务的非核心部分，他们开始探索获得竞争优势的新方法。在金融服务领域实现运营卓越的一个关键领域是利用适当的技术来处理中间办公室和后台流程。

在过去，银行和金融服务公司依赖于成本效益的方式来达到最佳解决方案。无论是在风险管理、投资组合管理还是任何其他数据和计算密集型问题上，他们通常在准确性和实现及时、成本有效的解决方案之间进行权衡。在需要准确性的地方，意味着需要更多的计算能力或更多的时间来得出解决方案。

随着科技采纳竞赛由金融科技公司主导，银行现已抛弃了传统的创新方式。世界各地的银行，如 BBVA、巴克莱和 DBS，都采取了数字友好的方法来取悦他们的客户。虽然这可能有助于他们的收入，但底线必须通过使用先进技术以可行的成本来保持。

量子计算已经突显出使用新型方法来解决计算密集型问题的重要性。它们可以在短时间内提供结果，这在多种银行场景中至关重要。无论是通过清理协议优化利率互换，还是在财务团队场景下计算高质量流动资产（HQLA），量子计算机都能提供实时解决方案。

将机器学习原理与量子计算算法结合起来，可以给银行带来颠覆性的结果。在投资组合优化中使用量子 PCA 可以帮助简化处理成千上万个相关变量以得出最终模型的过程。

过去几年，金融科技公司一直专注于面向客户的用例，我坚信这是这些技术密集型金融服务提供商的一个被错过的机会。这是因为，如果他们不通过人工智能、区块链和量子计算等尖端技术来实现运营卓越，他们很快就会被银行所超越。

对银行来说，关注金融科技公司尚未实现的事情——规模，是至关重要的。凭借他们所掌握的数据量和庞大的客户群，银行应该能够利用这些技术来重新夺回失去的地盘。

在本章中，我们已经看到了新兴技术如量子计算和区块链在金融服务中的应用。健康和财富往往是科技应该关注的核心行业，以创造飞跃性时刻。在下一章中，让我们关注这些技术在医疗保健和制药领域的应用。

第五章：戴夫·斯内林博士，富士通研究员的采访

在书的前几章中，我提供了关于量子计算和区块链技术的技术细节。我讨论了这两种技术在不同行业中的用例。我讨论了这些技术有几个共同之处，并且有技术上的原因让我觉得它们彼此之间的碰撞是不可避免的。然而，当我们从商业利益的角度看待问题时，我们会发现它们在很大程度上是相辅相成的。

书的第一个目标是建立这两种开创性技术背后的技术概念。一旦我们讨论了这一点，书的重点就转移到了这些技术的作用上。我想要确立这些技术随着时间的推移将在我们生活中占据越来越大的地位。然而，当我们缺乏那些第一手正在努力使之成为现实的技术工作者的观点时，这还不是一个完整的画面。

在本章和随后的章节中，我将发布与量子计算专家的采访内容。这些采访对我来说开了眼界，特别是我们讨论了大规模改变人们生活可能性的地方。在本章中，我记录了我与富士通的戴夫·斯内林之间的讨论。

戴夫在富士通内担任过几个职位。他是一位富士通研究员和杰出工程师，人工智能项目总监，也是富士通欧洲、中东和非洲区首席技术官办公室的一员。在大学期间学习高性能计算后，他开始了他的职业生涯。在包括学术界在内的几次简短职业跳跃之后，他于 22 年前加入了富士通。

我第一次见到戴夫是在富士通伦敦贝克街办公室举办的活动上。戴夫介绍了数字退火器在金融和物流领域的影响。在他的演讲之后，当我被介绍给戴夫时，他被称为富士通数字退火器背后的智囊。一开始，我以为可能会是一个与科学家进行长时间技术交流的谈话。结果是，戴夫非常巧妙地谈论了数字退火器的实际应用。

我立刻意识到我必须为我的书采访戴夫。几个星期后我们再次见面，这次我向戴夫介绍了我的书的计划。我们在富士通办公室见面，戴夫很好地为我提供了关于量子计算更全面的观点。聊天的最好部分是戴夫拿起我的平板电脑画了一张图，表示量子计算机、经典计算机和数字退火器在未来二十年内的发展趋势。

然后，我们安排了一个采访的时间，并且戴夫就他如何看待量子技术在不同行业中的应用提供了他的见解。以下是采访内容：

阿伦：戴夫，非常感谢您同意接受这次采访。让我们从您如何涉足量子计算，并在量子计算领域的探索中进行简要概述开始。

戴夫：除非我把我的简历发给你，否则我刚离开研究生院的时候就开始了。我在研究生院学习高性能计算，然后加入一家在同一领域工作的初创公司来到欧洲。那家初创公司后来破产了，像很多公司一样。那是在 1983-84 年。之后我做了一点咨询工作，然后在莱斯特大学和曼彻斯特大学教书，主要是教授新型计算和面向对象设计。

然后我加入了富士通，支持他们在欧洲中程天气预报中心（ECMWF）的超级计算项目。从那以后我就一直在富士通工作。我最初在富士通的日子主要花在实验室里。我花了很多时间研究各种不同的事情，从高性能计算开始。

我开始研究网格计算，这是云计算的前身。在实验室的最后时期和过渡到业务部门期间，我开始研究人工智能。大约两年前，富士通宣布了它的数字退火器。我不得不迅速了解量子计算，并且我的过去经验有所帮助。所以，我推动了富士通的量子计算研究，但最初我是从商业角度考虑的。

我的技术背景是真正理解我所说的 真正的量子计算 面临的挑战是必要的。我还能够从技术和商业战略的角度解决数字退火器可以解决的用例。所以，这就是我现在所处的位置。在过去的一年里，我一直是富士通在数字退火器国际业务中的技术方面的负责人。

我的角色的一个重要部分当然是确保我的营销人员和我们自己的销售人员不会把产品销售成它不是的东西（他笑了）。我还确保在我们的内部和外部沟通中，我们清楚地表明我们在销售的东西不是量子计算机。这是一台数字退火器，但它在解决一些问题方面非常出色。

那些问题是什么？我们如何将它们映射等等？我就在这个阶段。

阿伦：非常感谢您。这很好地引出了下一个问题。您能告诉我们关于数字退火器以及它的起源吗？

戴夫：我可以告诉你数字退火背后的故事。它是由日本富士通实验室的一个团队开发的。我们在那里有一个历史悠久的定制技术设计团队。该团队确定了组合优化问题作为一个关键解决目标，这可能受到了早期 D-Wave 的一些发展的启发。这使得富士通有了市场为组合优化问题提供定制解决方案的迹象。

早在 2011 年，D-Wave 开发了专注于使用量子退火技术解决优化问题的量子计算机（128 比特）。

组合优化问题是指将数学技术应用于在可能解的有限集合中找到最优解的问题。可能解的集合通常由一组限制条件定义，并且该集合太大以至于无法进行穷举搜索。一个例子是旅行推销员问题，其中必须最小化总旅行距离，同时每个客户只能被访问一次。来源：www.sciencedirect.com/topics/computer-science/combinatorial-optimization-problem

实际上，它现在正在崛起。所以，时机刚刚好。然后，我们采取了纯科学技术方法。我们如何使这成为现实？数字退火器就是开发该技术的结果，该技术将解决量子应用程序的组合优化子集。

然后，它成为了一个完整服务的技术部分。现在，富士通提供这些服务跨越多个阶段，从确定问题是否适合组合优化开始。我们确保手头的问题足够大，值得为其提供严肃高性能的解决方案。小的组合优化问题不需要数字退火器。也有一些问题太大了。当然，我们正在努力解决这些问题。因此，该过程始于确定一个工业问题，然后真正的挑战是将行业内的业务问题映射到一个二次无约束二进制优化问题。

二次无约束二进制优化问题 QUBO 已经成为表示各种组合优化问题的统一模型，并连接了许多面临这些问题的学科。一种新型的量子退火计算机将 QUBO 映射到具有特定大小和边缘密度限制的物理量子比特网络结构上，引起了人们对将基础 QUBO 结构转化为具有较少节点和边的等效图的兴趣。来源：dl.acm.org/citation.cfm?id=3160134

Arun：有趣。在此基础上，为什么我们需要这个 Digital Annealer 呢？为什么我们不能使用传统的机器学习技术来解决这些组合优化问题呢？

Dave：组合优化问题的性质是它们不适合精确解决方案。我最喜欢的例子是典型的背包问题。我可能在以前的对话中告诉过你这个，但是这里我会再给你一次。

背包问题：我们有 27 个物品（这是一个经过精心挑选的数字！）。有 27 个物品要放进我的背包里，我只能承载一定重量。我想在里面得到最大的价值。其中一些物品本身就带有固有价值，但也有物品之间的相互作用的可能性。例如，金戒指和钻石各自都有价值，但作为钻戒它们的价值更大。这种相互作用是积极的。

在我们的物品清单中，还有一只鸡和一只狐狸。这两者之间存在负面互动 - 它们不太可能和谐相处。你知道你不想把它们都放在背包里，因为那样你就有了一只死鸡和一只脏乱的狐狸：比只带其中一只的价值要低。

这种问题中的相互作用的复杂性在任何可使用的现代技术下都无法以可解决的方式解决。事实上，如果你每秒称重 1000 个背包，以尝试所有可能的组合，那么你将需要花费 500 万亿年来找到最佳组合。

我一直喜欢这样做，因为每秒 1000 个背包和 500 万亿年这样的数字是人们会停下来理解的。所以，这种问题是一个组合优化问题。在一定规模之上，即使使用 Digital Annealer，你也不能可行地找到精确的解决方案。所以，你要找的是其中一种启发式方法。

启发式技术，通常简称为启发式，是指任何解决问题、学习或发现的方法，它采用了一个实用的方法，不能保证是最优或完美的，但对于即时目标来说足够了。来源：www.101computing.net/heuristic-approaches-to-problem-solving/

Digital Annealer 使用的方法是模拟退火，这是一种非常有效的方法，可以找到局部最小值，然后找到更深层的最小值。

图形处理单元（GPU）是一种专门设计用于快速操作和修改内存以加速在帧缓冲区中创建图像，以输出到显示设备的电子电路。来源：en.wikipedia.org/wiki/Graphics_processing_unit

所以，对于那种问题，我们可以在传统机器或 GPU 上使用启发式方法。我们有一个在 GPU 上运行的数字模拟器模拟器。它在 GPU 上比数字模拟器慢几千倍，但它可以很好地解决小问题，因为它可以模拟数字模拟器评估从一个状态到下一个状态的所有可能变化的方式。正如你所知，每个状态都被描述为一串比特。数字模拟器评估如果你改变了每个个体比特会发生什么，同时评估所有这些。现在，这大约是 130,000 路并行性——全部在同一块芯片上。

如果你尝试用一个 CPU 集群来实现这个目标，以使 130,000 个核心相互通信，你将会有一个庞大的机器。关于这样的机器你可能会联想到许多问题，其中一个最大的问题是你不能让所有核心每个周期都互相通信，而在数字模拟器中，这 130,000 个不同的情况可以同时被评估和比较。

当你尝试在 GPU 上做同样的事情时，你的效果比在 CPU 上好一些，但你仍然没有这种连接性。这就是数字模拟器的作用——对于特定类别的问题，有非常紧密的耦合。它只在一个包含 8,192 位的二进制域上进行模拟退火。

此外，还有一个冷却周期，当模拟退火器从一个可能的解决方案移动到另一个可能的解决方案时，会逐渐改变敏感度。这种自动冷却已经内置在硬件中。

一个模拟退火器需要一个冷却计划。如果温度太低，模拟器将无法摆脱局部极小值。当温度太高时，它将难以收敛到局部极小值。冷却周期需要根据模拟器的敏感度来计划。

除此之外，还有一些硬件内置来检测当你陷入局部极小值时。然后你可以编码你对该检测的敏感程度，然后硬件会自动地、临时地提高温度并重新开始搜索。你会升高温度以走出那个局部极小值，然后再次冷却下来，当然要记住你当时的位置。

有些情况下，如果你知道你的问题有一个将是最小值的数字，你可以得到实际的最小值。例如，在纯约束优化问题中，模拟器可以找到任何符合所有约束的解决方案。

Arun：你尝试过用你的数字模拟器解决背包问题吗？

戴夫：哦，是的，我们已经运行了一系列经典的组合优化问题，如图着色、最大割、背包问题和旅行推销员问题。对我来说，背包问题就像金融中的投资组合优化。因此，如果我能解决背包问题，我相信，我们就能解决金融中的投资组合优化。我要把(股票、债券、衍生品、现金、大宗商品以及以何种比例*)放入我的投资组合中？

权重是我被允许在投资组合上携带的最大预算，波动性是不同资产（如股票和债券）相互之间的行为方式。其中一些资产是相互协同作用的，其中一些资产是相互对抗的。在它们相互对抗的情况下，这是一件好事，因为你希望它们创造所需的多样化。因此，在那种情况下进行优化。

旅行推销员问题本身应该避免，因为纯粹的旅行推销员问题已经有了数十年的研究和数学支持，很容易解决。如果你对它进行变体，那就更有趣了。我们与宝马合作的项目之一是在汽车底盘上焊接。你需要焊接几道接缝。什么是完成所有这些焊接的最快方法？

经典的旅行推销员问题和焊接问题之间有几点不同。当你访问一个城市（焊接点）时，你必须在那里停留，直到你完成那个焊接。因此，与城市相关联的是一个时间。在焊接示例中，由于接缝是二维的，你会在地图上的其他地方出现，所以它有点像一个虫洞。

这是一个有时间延迟的虫洞，你可以从任一端进入，然后从另一端出来。现在，当你有了那些变体（从经典的旅行推销员问题开始），并且将那些类型的约束条件放入你的问题中时，你再也不会有一个可以在你的笔记本电脑上解决的经典的旅行推销员问题，因为它变得更加复杂了。

这样的问题完全在数字退火器的范围内。DA 可以处理多达约 90 个接缝，并且甚至可以操作多个焊接机器人共享彼此的工作空间。所以，就像两个机器人一起工作，告诉对方，“当你在那边的时候，让我帮你做几个。”以这种方式工作，机器人可以更快地工作。在提高制造过程效率方面，我们取得了一些巨大的成功。

宝马和富士通正在研发一种由数字退火器驱动的解决方案，以提高宝马的制造流程效率。以上由大卫提供的解释涉及到该倡议，其中数字退火器解决了类似于旅行推销员问题的问题。宝马工厂有几台机器人负责汽车的几项任务。数字退火器正在被用来使机器人在组装汽车时更加高效。

阿伦：你能否透露你们在那个特定用例中所实现的效率的统计数据？

戴夫：对于那个特定的用例，宝马已经发布了一份新闻稿。

新闻稿透露了以下内容：

“目前，原型量子计算解决方案可以计算出优化的七个焊接接缝路线。与富士通量子启发式计算数字退火器合作，一家主要的汽车原始设备制造商已经测试并优化了 22 个接缝，以更具成本效益地增加使用相同资源生产的汽车数量，而且即将将其提高到 64 个接缝（具有 8192 位规模），这将带来颠覆性的变革。”

阿伦：太好了。我对数字退火器的应用有一个问题。在过去的六个月里，自从我们开始讨论这个问题以来，我遇到了一些正在使用量子计算解决困难问题的人。这些问题涵盖了选举建模、交通管理、气候建模，甚至是衰退建模。在所有这些不同的可能应用中，哪些是低挂果呢？你们还关注哪些其他令人兴奋的领域？

戴夫：如前所述，我们正在研究制造业——就像与宝马的合作，我们正在优化制造流程。从某种意义上说，这是一个低挂果，因为我们知道如何解决这个问题，如果你能够提高生产以跟上需求，那么它会产生很大的影响，也就是说，无需建造新工厂。投资组合优化是我们正在研究的金融领域的另一个重要影响领域。

第二个领域是类似于偿付能力要求（SCR）的内容。能够找到一个足够安全的 SCR 的投资组合是很重要的。我认为这可能是我们尝试通过数字退火器进行的最复杂的计算。

阿伦：我更多地是资本市场的人，而不是保险专家。我了解 SCR 是价值风险（VaR）的等价物，对吗？

戴夫：它类似，但是它是来自于受监管要求驱动的保险行业。对于 SCR，我们平衡了一个近似值，然后在平衡的资产组合上计算实际的 SCR。数字退火器实际上并不是在解决 SCR，而是在解决其代理问题。我们测试了代理行为与实际 SCR 完全一致。我们对这种流程感到满意。

我们会考虑风险价值，但我们还没有达到这一步。我们正在帮助我们的一位客户评估更频繁重新平衡、更高质量的重新平衡，或者能够使用更大的资产池来生成他们的投资组合的对业务价值的影响。但是，我还不能给你任何关于这方面的绩效数字。

Arun: 我对频繁重新平衡解决方案有一个问题。技术（数字退火器）如果你希望它能实现即时重新平衡，它可以做到。但由于交易成本，这样做会使其在财务上不可行。在您进行重新平衡并提供重新平衡建议的过程中，您是否也考虑了交易成本？

Dave: 在我们的方法中，关于重新平衡成本的处理是这样的：你可以进行评估并单独决定是否进行更改。因此，你可以每天评估一次，当变得经济上可行时，你可以执行投资组合的重新平衡。我们还对在任何时候变化的投资组合的百分比进行了一些探索。

我们可以以一种只有大约 10%的资产发生变化的方式重新平衡，而且它们每次只变化 2 或 3%。重新平衡可能是一个平稳的过程，而不是完全混乱的过程。否则，你基本上每次都在创建一个新的投资组合。但我们也可以编码约束条件，比如说，给我一个新的平衡投资组合，其中只有 5%的资产变化幅度小于 10%。这种灵活性和约束管理使我们能够处理交易成本。

Arun: 非常有趣。您在物流方面正在解决哪些问题？

Dave: 我们曾在日本使用数字退火器进行交通管理，在那里，你不再是单个的点对点旅行，而是同时有多个点对点的旅行。你可以想象一下一个出租车网络，它们经常走相同的路线，都经过城市的同一部分。如果你能告诉一些出租车走稍长的路以减少拥堵，整体上，每个人的旅程时间将缩短约 40%。在他们进行研究的东京可能会奏效，因为出租车司机会照做。但在伦敦可能行不通。

Arun: 数字退火器在印度的道路上也行不通。你可能知道，在印度，人们更多地凭直觉驾驶而不是遵循交通规则，所以可能有更多的混乱，数字退火器可能难以应对。道路上的车辆和行人数量是伦敦的数倍，所以计算成本也会很高。

戴夫：是的，但这种方法可以在军事行动和自动驾驶车辆网络中发挥作用。这不是今天的市场，但却是可能发生的事情。在实际运输方面，一个更大的问题不是面包车开得怎样，而是我们在面包车上放什么？在一个场景中，面包车载着某物品在城市间分发，数字退火器被用来优化面包车的路线，这一点很相关。

这比只找出面包车的最短路径要有趣得多，也更具挑战性。其中一个例子就是 ATM 补充。现在这显然是一个消失的市场，但每个国家至少有一家银行将需要在几乎每个城镇都提供现金。所以，至少有一个客户需要这种应用。但问题并不是如何将现金尽可能有效地交付到站点，而是你要在哪个 ATM 放多少现金？

根据分配的现金量，你现在可能希望更少地访问那个地方来为 ATM 补充现金。因为你真正想做的是保证 ATM 在夜间的最小现金量。

还有一个关于工作轮班调度的问题类别，其基础是图着色。我得到的一个潜在客户有一个工程师网络。如果这些工程师必须出去修理东西，你会派遣哪位工程师？你会安排哪位工程师上班？你会在一周的哪一天派他们出去，以便满足所有的约束条件，比如他们都必须每周工作 37 小时？

我们还有一些限制，比如这些工程师每周需要休息 2 天。所有的工程师都必须工作一些晚班。当我对此建模时，我的第一个问题的版本远远超出了我在数字退火器中拥有的位数。所以，那个问题需要分区。这是我们[Fujitsu]解决方案周围包装的一部分。

即使我们将目标机器扩展到百万位，我们可能仍需要对问题进行分区。围绕分区的更大的解决方案将成为我们业务提供的一部分。我知道 D-Wave 的人有很好的软件用于分区，用于连接不良或连接较弱的退火器。第二代的 D-Wave 每个位只有 15 个最近的邻居。

在我们的芯片上，我们对每个位都有 8K 连通性，精度为 64 位。但当我们在芯片之间切换时，我们将面临类似的挑战。这与当我们尝试为手机组件周围的能量场进行模拟时，机械工程 CAD（计算机辅助设计）、CAM（计算机辅助制造）面临的挑战是一样的。你必须进行 3D 建模来构建你的网格，然后对网格进行分区以将其放入你的集群超级计算机中。对于多个数字退火器的分区是同样的问题。

阿伦：[分区解决方案]已经投入使用了吗，还是你正在计划或开发中？

戴夫：集群机器尚未上线，它还在实验室。集群软件仍在开发中。它的发布计划是在 2020 年。所以，离现在也不远了。

阿伦：我期待着。我们谈到了物流，我们谈到了金融服务，我们也谈到了交通管理以及劳动力管理。你在医疗保健领域做了什么吗？

戴夫：是的。制药业是最好的描述方式。用退火器的方法不是为了识别最终解决方案。而是寻找解决方案的代理，就像我们在保险案例中所做的那样。假设那是一个癌细胞，你知道你希望用你的放射性药物精确地锁定它。为了做到这一点，你需要想出如何设计你的药物，以便它只能针对那个细胞。结果发现，解决这个问题需要进行大量的分子模拟。

进行每一个这样的模拟需要几个小时（取决于许多因素可能需要数百个小时）的计算机时间，并且相关成本巨大。数字退火器的策略是我们从一个基本的分子结构开始，然后我们可以在上面添加东西。例如，我们可以以苯环（C[6] H[6]）开始。在苯分子中，你有一个由六个碳组成的环，每个碳都与一个氢键合。你可以替换氢，所以你有六个不同的位置可以放置 50 种不同的东西。这转化为六的五十次方种组合方式。

我们通过缩小范围，利用分子键能来确定产生可行分子的最佳候选者。这并不完美，但比空手没有好多了。还需要考虑邻近分子之间可能的相互作用。它们之间的键合也至关重要，因为这是一个约束条件。

这种模拟在药物设计中特别有价值。这是我们正在关注的一个领域。从市场的角度来看，数字退火器要进入这个领域还需要一些时间。制药行业乐于进行大量的化学测试，并且缓慢地采用新技术，所以这将是一个渗透挑战。现在，这就是医疗保健。

阿伦：蛋白质折叠是一个重大的建模挑战，如果我们做对了，我们可以加速药物发现过程。谢谢你谈到这个，戴夫。你认为量子计算的哪些领域会首先取得成功？

戴夫：在我看来，量子计算世界有三大广泛分类。有门式计算机，然后有退火器——数字退火器和量子退火器。此外，还有我所说的模拟量子设备，可以用来解决量子物理问题。在模拟类别中，你将你的量子设备连接起来描述自然界的问题。

这只是将自然编程到计算机中，这将比门限计算机更早产生一些结果。退火器会首先产生结果，因为我们现在就在用数字退火器做这个，量子退火器不会远在其后。但这些模拟量子设备将会介于两者之间。它们将在我们攻破 RSA 算法的门限计算机之前开始。这将带来一些重要的物理学发现。这主要是因为他们制造了一个量子设备，当它做它正在做的事情时，它正在回答一个更大的问题。

Arun: 有趣。所以，上次我们见面时，你给我画了一张图。我不确定你还记得吗？【下面是一张有些粗糙的图示：】

图 1：戴夫·斯内林绘制的草图，解释了计算范式的趋势

Dave: 是的，我记得。图上有一个点，数字解决方案和量子解决方案在那里交叉。一个是在可解性上交叉，然后是在价格上交叉。数字退火器最终将被商品化，这将逐步降低它们的价格，这将推动你的商业可行性曲线向右移动。

Arun: 你觉得这种趋势有什么好处？我记得你谈过这个问题。我们能简要讨论一下门限计算机和量子退火器的应用区别吗？

Dave: 门限计算机最大的一个问题是它非常简单。门限计算机在理论上将是图灵完备的。因此，任何你可以用图灵机描述的东西，你都可以放到量子门上。你可能可以将图灵机编码到一个量子门机器上，然后你就完成了。

图灵机是数学家艾伦·图灵在 1936 年构想出来的一种假想机器。尽管它很简单，但该机器可以模拟任何计算机算法，无论多么复杂。来源：www.cl.cam.ac.uk/projects/raspberrypi/tutorials/turing-machine/one.html。图灵完备的编程语言或计算设备等价于图灵机，它可以实现任何算法。

以下只是我的观点。在某些方面，我认为门限计算机分散了市场对基于量子的解决方案的发展，特别是在我谈到的模拟空间中。在那个模拟空间中，可能有一些更易达到的成果，我们可以通过构建特殊用途的机器来实现。

现在，一种特殊用途的机器是量子退火器。它们编码了一个直接的哈密顿算符，然后最小化能量，这样你就可以用这种方式编写你的问题。组合优化恰好适用于退火。从这个意义上讲，数字和量子退火器解决了一个非常具体的问题。

我们有一个在退火器上进行整数分解的算法。它无法扩展到 RSA 级别，但确实有效。如果有人真的要建立一个密切耦合的百万位数字退火器，你可能会接近。但我们不会建立一个密切耦合的退火器。我们将建立一个集群，并且集群使其难以用作破解器（RSA）。

阿伦：有这么多机会来解决未解决的问题，当您去行业销售退火器时，您的主要挑战是什么？

戴夫：当我们与客户交谈时，市场推广策略是非常明确地表明数字退火器只解决一种问题。我们面临的最大挑战是让人们远离他们听到的关于量子人工智能和量子机器学习的信息。

阿伦：有趣。所以，这是我经常听到的一点。就是我们似乎被门控机器分散了注意力。

但他们没有意识到的是，量子计算给了我们一种将自然模型化到计算机中的方法。我们不是将物理学转化为数学，然后将其弯曲成计算机科学操作，而是直接将物理模型化为机器。在翻译过程中（从物理到数学到计算机），我们失去了很多质量信息，但在量子世界中，这种信息的丢失是不会发生的。

戴夫：嗯，我完全同意，因为那就是我一直在谈论的这个模拟量子计算机。现在我们几乎需要在模拟周围加上引号，否则人们可能不会理解我称它们为模拟的上下文。量子退火器处于中间地带，因为它们是一种通用的模拟设备。但如果您可以建立一个模拟设备来匹配您的蛋白质（在医疗保健示例中），然后让它达到最终的低能态，您就拥有了一切。

阿伦：我们之前见面时提到的一些内容是，对于一些组合优化问题，物流可能是最大的市场。我亲眼见过几个复杂的金融服务问题。例如，我们在金融服务中有风险管理，这是相当数据密集的。我们在这个领域处理数百万个数据点。如果我们可以使用退火器解决风险管理挑战，为什么物流中的优化会更难呢？是数据的维度使物流更难吗？

戴夫：从实际角度来看，在物流中对其进行编码是受约束驱动的。而例如投资组合优化空间，则主要由目标函数驱动。通常，当您描述一个退火问题时，您有目标函数。那就是您试图优化的内容。因此，当您尝试优化投资组合平衡时，您试图最小化您的风险。然后，您对此施加两个约束，一个是最大回报，另一个是最小花费。

你也可以将其编码为双目标函数，即用于平衡风险和回报的风险参数。之后，你可以根据总预算进行限制。这是问题的一面。

在物流空间中，一切都关乎约束。在编码过程中的约束会爆炸性地增加问题的复杂性。这是因为你通常通过将二次方项作为问题解决方案的一部分来编码约束。你正在利用信息空间的一部分来给代码添加约束，因此这使得利用这个信息空间来编码目标函数也变得更具挑战性。此外，有时你在物流中的约束会导致高阶多项式而不是二次的情况。

阿伦：转到另一个话题，我在研究半导体行业。量子比特电路的选择远不止是用于经典计算机的基于硅的半导体模型。正在使用不同类型的材料，采用不同的模型。那么你认为这将如何影响行业？如果不同类型的量子比特电路出现在这个领域，会摧毁半导体垄断吗？

戴夫：周围涌现了很多关于约瑟芬结的奇特技术，这些技术经历了一轮又一轮的炒作，然后陷入了沉寂。就我记得，约瑟芬结在几十年前就已经存在了。然后它们就消失了，现在又在这个量子伞下重新出现。你还有高温超导体。它们可能在流行与不流行之间来回。

约瑟芬结是通过将一层薄的非超导材料夹在两层超导材料之间来制造的。这些设备以布莱恩·约瑟夫森命名，他在 1962 年预言说超导电子对可以直接从一个超导体“隧道”穿过非超导障碍物到另一个超导体。来源：www.scientificamerican.com/article/what-are-josephson-juncti/

阿伦：最后一个问题，戴夫。量子霸权，你认为有人接近吗？

戴夫：不，根据经典定义来说，他们并没有。量子霸权也有其他定义，这是说*你在量子计算机上是否比在普通计算机上更快地解决问题？*从这个意义上说，是的，很多人即将接近量子霸权。

事实是，在半毫秒内解决问题非常令人印象深刻。但如果在一台笔记本电脑上可以在 2 秒内解决问题，这是否真的会改变你的商业模式？不会。所以这是量子霸权吗？是，但又不是。

如果解决的是每月都需要解决的问题，而在常规集群上可能需要花费 6 小时，那么你需要数字退火器还是量子设备？这只是一个纯经济上的问题。它并不受时间窗口的驱动。因此，量子至尊是一个肯定会引起关注的热词，至少在商业层面讨论时是这样的。只要有人想要说他们用量子计算机做了以前没有人能做到的事情，他们就可以宣称量子至尊，你知道这只是一个营销旗帜。

这里（是我）有一点愤世嫉俗的情绪，这是你不能归因于富士通的。量子至尊周围的很多炒作都是为了确保这种研究的资金。公司和研究团队利用这一点来吸引关注并获得研究资金。我特别希望在我们之前讨论过的模拟领域看到一些至尊存在。

我希望看到一些有意义的突破的其他领域是量子通信、量子传感（例如：重力传感）和量子成像。这些都是量子计算的令人敬畏的用例，利用了纠缠。例如，重力传感器非常敏感于重力。你可以感觉到有人在墙后走动，并且可以在量子设备上看到他们的重力特征。英国量子研究组织目前正在这个领域做大量工作 [1]。

阿伦：我大部分时间都在与从业者交流，不久将与英国研究组织进行交流。他们大多是学术界的人士。这本书主要关注这些技术的实际影响；然而，捕捉到研究世界的发展方向也是很好的。

戴维：完全正确。就我个人而言，我现在并没有关注研究领域。我忙于扮演从业者的角色，并解决工业问题。

阿伦：谢谢你，戴维，我占用了你很多时间。非常感谢你的见解。

戴维：非常感谢。我期待着看到成书的完成。

结论

我与戴维·斯奈林的对话非常有启发性，其中有几个要点。最主要的要点是数字退火器如何在未来几年内为量子计算机和退火器打开大门。从技术能力和商业可行性的角度来看，这种过渡都很有趣。

我想强调的另一个关键点是戴维对技术的意义的关注。基于门的计算机，那又怎样？量子至尊，那又怎样？等等等等。这对技术人员来说是一个重要的教训：非常重要的是要确定要解决的问题，然后将技术资源部署到解决方案中去。我经常发现技术人员创造出寻找问题的解决方案，这绝不是创新的好处所在。

很明显，戴夫对量子计算机的可能性充满热情。我们在本章讨论了几个行业中的使用案例。然而，戴维也警告我们不要过度兴奋于量子霸权周围的炒作。

我个人受到戴夫简化叙述的能力的启发。对于一个拥有多年实验室经验、长期技术背景的人来说，他的讲故事能力令人惊叹。最后但绝不是最不重要的，我真诚地感动于他在分享对这个行业的看法和想法时是多么脚踏实地和开放。

参考资料

1. uknqt.epsrc.ac.uk/about/uknqt-hubs/

第六章：对医疗保健和制药的影响

我出生在印度最南端约 75 英里的一个村庄。我的父母在社会上地位相对较高，我们在成长过程中并没有面临任何经济挑战。因此，我在成长过程中个人并没有为了优质医疗保健而苦苦挣扎。然而，我见证了对于不幸的人来说提供的医疗基础设施或缺乏基础设施的情况。因此，当涉及医疗保健创新时，我感到一种目标感。

多年来，由于疫苗、诊断、药物和手术程序的进步，在医疗保健领域取得了几项突破。很难忽视这些成就。来源：www.medpagetoday.com/infectiousdisease/publichealth/17594

在医疗保健和制药行业内进行创新和改进的好处将会对全球许多人的福祉产生重大影响。我们将讨论该行业创新的背景，并涵盖以下几个领域，量子计算可能会带来重大改进：

• 药物发现

• 最后一公里药物分配

• 癌症诊断

最后一公里 这个术语是指配送网络的最终目的地。在这种情况下，它将指的是将高质量医疗保健带到新兴市场的农村人口的能力。

这些示例并不是可以从量子计算中受益的医疗保健用例的详尽清单。但是，它们应该展示了该技术的潜在好处。

创新的集会

了解医疗保健和制药价值链中的痛点至关重要，以发现像人工智能（AI）、区块链和量子计算等新兴技术的机会。在过去几年中，人工智能已经以前所未有的规模进行试验和应用，以解决其中一些问题。IBM 对他们基于 Watson 的医疗保健能力表现得相当积极。

然而，在使医疗保健在全球范围内变得无缝、成本有效和包容性方面，还有很多工作要做。即使在像美国和英国这样的发达经济体中，医疗保健也是消费者（患者）希望看到重大转变的服务之一。

有几种创新趋势，如使用像巴比伦这样的应用进行远程咨询，或者使用 IBM Watson 进行临床决策支持，或者使用人工智能进行药物发现应用。IBM Watson 尝试创建Robo Doctor，但由于其方法缺乏重点而面临重大挑战。

由于可穿戴设备、物联网（IoT）和物联网数据分析的融合，现在可以即时做出多个健康决策。这些工具还帮助保险公司确定客户支付的保费。

在另一方面，制药供应链正在呼唤更多创新。供应链效率低下，不透明，并且由于缺乏治理和控制而充斥着伪劣产品。

这并不意味着我们在医疗保健领域没有取得重大进展。艾滋病患者的预期寿命现在已接近正常预期寿命。印度成功根除了小儿麻痹症。再生医学致力于再生、修复或替换受损细胞的方法。它可以帮助患有骨关节炎的人，这是一个不断增长的问题，预计将有 30%的成年人在 11 年内患有这种疾病。这些进展的清单还在继续，但在医疗保健和医学领域仍有很多成就需要实现。来源：www.weforum.org/agenda/2019/05/healthcare-technology-precision-medicine-breakthroughs/

在我的风险投资基金绿岸资本，我们遇到了有潜力在巨大规模上产生影响的医疗保健企业。技术可以将医疗保健带到亚洲和非洲等新兴市场的“最后一英里”。它可以帮助制药公司比以往更轻松地建模试验结果，并缩短药物上市时间。技术可以比以往更快地、更准确地识别基因疾病，如癌症。

每次我看到一份陈述一个开创性医疗保健机会的演示文稿的资金申请，我都充满希望。这就是医疗保健的特殊之处。我们在我的基金不断努力完善我们的投资理论。我们一致认为，健康和财富是我们不能忽视的两个行业。我相信，对医疗保健的创新和投资可能产生最大的社会影响。在接下来的章节中，我们将看到医疗保健为技术提供的机遇。

AI 医生

一切始于 2011 年 2 月，当 IBM 的沃森参加了一个名为 Jeopardy 的电视节目，与该节目的顶尖选手本·詹宁斯和布拉德·拉特竞争。直到那个时候，计算机能做的最多就是回答那些有非常明确和事实性答案的问题。计算机在处理涉及解释和回答过程中的细微差别的问题方面一直表现不佳。

Jeopardy 节目看到 IBM 沃森从不同来源整合信息，并从中解释一个答案。在此之前，被开发用于执行类人交互的程序被认为是聪明的算法。然而，随着 IBM 沃森的出现，这一过程发生了变化。沃森被喂食了数百万本书籍、百科全书、小说和其他任何可用的参考文本。

每次提出问题时，沃森都会识别一系列可能的答案以及每个答案的一组证据。证据的质量是通过自然语言处理进行评估的。根据证据的质量和相关性，答案被分级。有几种算法同时执行相同的练习。随着更多的算法对一个答案进行排名，该答案的置信水平会增加。因此，沃森呈现问题的答案。

几年前，当我在普华永道工作时，我们正在评估 IBM 沃森以提供对监管和法律问题的答案。理念是将数百万条法律和监管文本输入 IBM 沃森中。在对沃森进行一段时间的培训后，IBM 将其称为“沃森上学”，就可以投入商业使用。

我有幸并肩负责参与普华永道对 IBM 沃森进行评估的委员会。当时我们面临的最大挑战之一是让 IBM 沃森理解法律和监管语言。理念是，这种理解应该允许与用户进行自然语言对话。

随着时间的推移，沃森将通过提问的方式由法律和监管专家进行培训。当沃森回答问题时，培训者会对答案进行反馈。经过数次重复这一过程后，沃森应该会随着时间的推移学习并提供更准确的答案。

这正是 IBM 对医疗保健的愿景。医疗记录数据，研究，临床试验信息，医学书籍和其他参考资料都被输入到 IBM 中。在咨询时，医生将与患者进行面谈，医疗评估将由 IBM 沃森协助进行。

当患者提供有关其健康状况的信息时，顾问会使用 IBM 沃森参考庞大的信息库。IBM 沃森会利用其拥有的广泛知识库查找与患者诊断相关的信息。然后，顾问可以参考该信息对患者进行评估并提供健康建议。

IBM 对沃森的愿景是将其用作为癌症患者提供治疗的人工智能医生。然而，多年来，该系统的性能并没有达到预期。IBM 有超过 13,000 个医疗保健客户尝试该解决方案。尽管如此，沃森的准确性仍然不及预期，导致医院客户的流失。这也导致 2018 年认知技术收入下降了 6%。来源：seekingalpha.com/article/4212897-watson-failing-deliver-ibm

IBM Watson 的低准确率的主要原因是缺乏高质量的专业数据。IBM 在医疗保健领域追求了一个非常广泛的用例。因此，为 Watson 引擎获取的数据是广泛且浅薄的。然而，要想提高人工智能的准确性，数据需要是精细且深入的。在应用领域需要高质量的数据来使其成为人工智能的可行模型。

工作所选择的两个医疗保健领域是肿瘤学和基因组学。这两个领域对人工智能来说都很复杂，而且医学术语构成了一个主要障碍。2018 年，IBM Watson 的领导层由于所有这些挑战引起的负面公关而发生了变化。沃森的健康主管黛博拉·迪桑佐辞职，并由当时担任认知解决方案和 IBM 研究高级副总裁的约翰·凯利接替。

使用人工智能在医疗保健领域也有成功案例。根据高地肿瘤学团队的一家诊所的评论，沃森在客户的预筛选过程中取得了 78%的更好表现。然而，由于其固有能力来对自然进行建模，量子机器学习可以更好地帮助医疗保健领域。

2019 年 7 月，埃森哲成功获得了第二项用于量子计算的美国专利。该专利是针对他们的“量子计算机学习模块”，该模块可以训练人工智能模型在任务的适用性上选择经典的或量子的计算模块。来源：patents.justia.com/patent/10095981

埃森哲在使用量子启用的方法进行分子比较方面取得了重大突破。他们与称为 Biogen 和 1-Qbit 的公司合作，创建了增加诊断和药物发现过程效率的量子计算模型。

医疗保健的最后一英里

最近，我采访了我 2003 年毕业的阿姆里塔大学的人工智能/量子研究负责人。她向我解释了在医疗保健中使用机器学习的应用案例，更重要的是在新兴市场的背景下。我们还讨论了量子机器学习如何帮助提高能力到一个全新的水平。

阿姆里塔大学位于印度南部科伊甘拜尔市以外的一个叫埃蒂马代的村庄，距离城市有 20 公里。埃蒂马代是该大学的工程学院所在地。20 年前教授我数据库管理系统（DBMS）和面向对象编程的 B.拉贾蒂拉甘博士，现在正在领导人工智能和量子机器学习研究。

她的其中一个主要标准是研究工作的成果。在我们的交谈中，她一直在强调通过她的研究工作在社会中产生影响的重要性。因此，我们花了一些时间讨论她的博士和硕士学生试图解决的问题。

安德玛大学已经采纳了 101 个主要由部落人口居住的村庄。这些村庄大多没有医院，最近的医院至少有 20 公里远。在印度这些地区提供最后一公里的医疗一直是一个挑战。

提供最后一公里的医疗涉及以下步骤：

• 持续监测健康状况

• 数据云托管

• 识别个体及其数据

• 对数据进行诊断

• 提供即时的解决方案

这个过程可以重复进行。技术如何帮助这些步骤呢？

健康状况的监测可以是自动或手动的。可以有医生定期造访这些村庄，并进行基本测试，并通过电子方式获取结果。这个过程也可以通过使用物联网的诊断设备进行自动化。

使用无人机摄像头也可以自动捕捉健康状况。可以使用深度学习图像识别算法来识别贫血、抑郁和脱水等问题的症状。量子机器学习可以增强这种能力，可以为不同的健康状况提供诊断结果以不同程度的信心。

量子图像处理 (QIP) 丰富了现有图像处理技术的能力。使用经典信息处理技术需要大量的计算资源。当使用 QIP 时，存储* N 比特信息发生在 log(2N) 量子比特中。听起来有希望的两种图像处理方法是量子傅里叶变换 （QFT） 和* 量子小波变换** （** QVT **）。使用量子比特来存储图像信息的附加优势是可以利用叠加等属性。

每个村庄的中央办公室可以放置一些基本的诊断设备。村民可以进入办公室，使用国家身份证（Aadhaar）进行身份识别并使用设备。设备会将详细信息发送到云托管服务器，并附有村民的标识符。

一旦数据上传，机器学习算法将协助远程的医生进行诊断并开处方。药物将按照处方分发到这些村庄。利用量子退火过程可以使这个分发过程变得更加高效。

假设在这 101 个村庄中，大约有 50 个村庄每个有大约 5 个疾病。这就是需要治疗的 2,500 种不同的健康状况。假设每种状况平均需要 2 种药物来治疗。按照这些假设，需要分发 5,000 种药物（2500 * 2）。

每天源和分发这么多药物的物流工作并非易事。并非所有这些药物都可以从同一供应商采购。在计算向这些村庄分发药物的最佳方式时，需要考虑道路状况、天气情况和疾病的严重程度。

记得我们在第二章、量子计算-关键讨论点中讨论过的旅行推销员问题吗？这是量子计算的一个极好的模型使用案例，也是解决涉及多个相关变量的物流问题的一种方式。在这种情况下，由于缺乏基础设施所造成的摩擦是一个重要的需要建模的变量。

要解决这个问题，可以使用绝热量子退火器。道路状况、天气条件和疾病的严重程度都可以被建模到绝热量子退火器中。从退火器的最低能级解决方案中得出分发药物的最优解。

退火器的能量空间将由所有真实世界问题组成。一个村庄的疾病增加和其相邻村庄受到影响之间的相关性是另一个需要建模的重要因素。当所有这些变量被编码进入时，我们将会看到一个有着高峰和低谷的能量空间。

然后我们使用量子隧道穿越能量景观。在这个过程中，我们识别出低谷而无需攀登高峰。最终，最优解由系统的最低能量级给出。

同样，也可以通过雇佣一组低技能劳动力来手动完成所有这些分发工作。在印度，劳动力成本低，特别适用。然而，要想在印度其他地方和全球范围内复制这种可扩展的模型，必须集结几种新兴技术的力量。

在加纳，医疗用品最近通过无人机 100%准确地分发。在目前阶段，将这一模式扩展到大规模商业环境下使其无法持续。然而，随着无人机技术的普及化，医疗保健的最后一英里交付将成为其中一个主要的使用案例，而驱动这些无人机的智能可能由量子计算机提供支持。

我们需要集成一整套技术才能实现这一切。

• 物联网用于数据采集

• 区块链用于数据完整性和患者身份管理

• 机器学习（经典和基于量子的）用于诊断

• 量子退火器模拟药物分发

• 无人机执行药物分发

许多这些领域在阿姆里塔进行研究。他们正与医疗设备供应商合作建立基础设施。他们的研究人员正在研究软件算法，这些算法将帮助解决从诊断到无人机智能等多种使用案例的问题。

我无法感谢我的教授，让我一窥这些技术融合所能带来的可能性。在西方，我们经常生活在一个泡沫中，没有考虑到可以在规模上解决这样基本的问题。然而，当我们设法做到时，我们看到全球范围内发生跨越式的时刻。当这些村庄的医疗保健变得可能通过技术实现时，这可能成为其他地区效仿的案例研究。

癌症诊断和治疗

在前一节中，我们简要涉及了量子机器学习在疾病诊断和治疗中的应用。让我们花一点时间来理解量子计算可以产生深远影响的一些领域。

人类曾经为治愈疾病而战斗，随着医疗保健和药物领域的进步，几个世纪以来已经克服了许多疾病。但仍有一种疾病我们尚未掌握，那就是癌症。数十亿美元正在投资于肿瘤学领域；识别和治疗癌症。还有一些旨在开发某些类型癌症疫苗的倡议。

但是，识别和治疗癌症的过程并不容易。世界上大约有 200 种癌症类型。

癌细胞存在于我们大多数人的身体中，但只有当这些细胞迅速增长并支配身体中的健康细胞时，它们才会成为问题。这可能达到一个程度，使得正常细胞无法在人体中发挥功能。导致细胞变为“癌性”的原因尚未完全理解。

癌症的几个潜在原因。如果健康的人体持续暴露于致癌物质，这可能会触发癌细胞。其他原因包括接触辐射、吸烟和缺乏运动。当这些外部因素之一触发细胞的癌性行为时，主体开始出现症状。

触发因素的多样性、不同类型的癌症以及它们作为症状表现的方式使得及时诊断更加困难。癌细胞聚集在肿瘤形成。肿瘤的大小、肿瘤的状态（恶性或非恶性）以及转移状态确定了应提供的治疗方式。

转移表明癌症从身体的一部分扩散到另一部分。癌细胞发生的部位以及癌细胞扩散的速度是治疗中需要考虑的因素。

印度博帕尔技术学院发表的一篇研究论文指出了一种利用 Shor 算法识别癌症治疗的方法。该方法建议将 Shor 算法递归地应用于数据集，以识别癌症类型。数据集包括肿瘤大小、转移状态和结节状态（恶性或非恶性）。

Shor 的算法用于解析数据并识别癌症的阶段。然后进行凝聚式聚类以逻辑分组结果。这个使用量子算法的过程已被证明比经典方法识别和分类癌症要快得多。经典方法需要数小时才能得到结果，而这种方法已被证明在几秒钟内即可获得结果。来源：www.omicsonline.org/open-access/quantum-computing-based-technique-for-cancer-disease-detection-system-jcsb.1000095.pdf

前述方法使用 Shor 的算法来对癌症类型进行分类和识别。然而，治疗的患者需求是多样化且复杂的，可能从手术到化疗不等。这更多地是一个优化问题，将取决于患者是否会从特定类型的治疗中受益。

量子退火可以解决优化问题。诊断涉及的因素、患者的属性以及受癌细胞影响的身体部位将需要在能量空间中建模。当前的过程涉及浏览数百个变量以确定一个杀死癌细胞而不影响健康细胞的最佳计划。

系统的最低能量状态将确定癌细胞的治疗计划。使用量子计算还可以提供所有选项及其适用性的整体视图，以及它们所关联的置信度程度。

药物发现

药物发现是发现、测试和推向市场新药物的过程。将一种新药物推向市场的成本约为 26 亿美元。这个过程需要数年时间，经历数个临床试验阶段，然后进行监管审批。

由于这个过程，超过 90%的候选药物在上市过程中失败。不同因素如疾病类型、生物标志物和行业影响着药物发现过程的成功。一些领域的成功率较低。基于几项研究，肿瘤学的成功率约为 5%。来源：www.ncbi.nlm.nih.gov/pubmed/29394327

有几个尝试使用机器学习来预测临床试验的结果，以减少将药物推向市场所需的时间。其中一种尝试专注于模拟健康细胞和癌细胞对不同水平的糖和氧气含量的行为。

健康细胞和癌细胞行为的差异可以通过它们的脂质、酶和蛋白质的数据来展示。这些数据对颠覆药物发现过程非常有用。这个领域长期以来一直采用试错的方法，需要更加科学化的方法。

几家初创公司致力于改善制药行业的这一过程。它们使用了经典计算和基于量子计算的机器学习的混合方法。Benevolent AI 是一家总部位于伦敦的初创公司，从多个临床试验和患者记录中获取数据，并模拟它们之间的关系。

自然语言处理技术用于为进行药物发现过程的科学家提供见解。该算法使用了跨多种研究疾病、疾病症状、涉及的蛋白质以及提出的药物的数据维度。

利用这些智能，企业可以缩短药物发现周期，并比传统方法更快地将药物推向市场，从而为制药行业节省数十亿美元。

另一个量子机器学习可以应用的关键领域是蛋白质建模领域。人体由数十亿个细胞组成，蛋白质是这些细胞的重要组成部分。了解蛋白质的结构和折叠机制对于理解细胞行为至关重要。

蛋白质折叠是由诺贝尔奖获得者安芬森（Anfinsen CB）首次揭示的，已有 50 多年的历史。我们在理解蛋白质在我们机体功能中的重要性方面取得了极大的进展。我们已经确定蛋白质折叠与阿尔茨海默病、糖尿病和帕金森病有关。

蛋白质由氨基酸组成，当这些组成部分结合在一起时，它们可以呈现不同的形态。异常的蛋白质折叠可能导致多种疾病。此外，随着年龄的增长，身体难以阻止错误折叠的蛋白质的产生。这解释了为什么随着年龄增长，我们对疾病的免疫力会降低。

有几种尝试对蛋白质行为建模。然而，这是一个具有挑战性的过程，因为它取决于氨基酸的极性以及它们与细胞中的水环境的相互作用。建模蛋白质行为对我们理解疾病至关重要。

传统计算机并未能够很成功地做到这一点。旧金山的 XLabs 等公司正在利用量子计算来解决这一基本问题。

Biogen 已与 1-Qbit 和 Accenture 合作，寻找治疗多发性硬化、阿尔茨海默病和帕金森病的潜在解决方案。一旦确定了工业解决方案，患有这些病症的患者将受益最多。

艾森图公司被授予了两项量子计算专利，他们已经开始创建试点项目，以解决规模化药物发现问题。其中一项专利（专利号 10095981）侧重于使用多状态量子优化引擎的解决方案。该引擎根据要解决的任务调用不同的量子设备。引擎调用的设备可能是退火器、模拟器或门基量子计算机。

艾森图公司被授予的另一项量子计算专利（专利号 10275721）是针对一个机器学习模块的，该模块具有根据任务性质将任务路由到经典设备或量子设备的能力。

多状态量子优化引擎被用于开发基于量子的分子比较的突破性解决方案。预计这一解决方案将极大加速药物发现的过程。查看以下来源以了解更多信息：

• www.ncbi.nlm.nih.gov/pmc/articles/PMC6205278/

• www.quora.com/Why-is-protein-folding-an-important-problem-What-are-its-applications

• patents.justia.com/patent/10095981

• patents.justia.com/patent/10275721

我们已经讨论了机器学习在医疗保健领域的应用和好处，以及使用量子计算可以实现的规模。在接下来的一节中，我们将看一些区块链可以解决的问题。再一次，我们将看到这两种技术的商业应用几乎没有冲突点。

医疗保健中的区块链

通过简单的谷歌搜索，你可以找到区块链在医疗保健中的应用的世界各地信息。然而，许多这些区块链应用似乎并不真正需要区块链。这些应用大多可以使用传统的数据库管理系统执行。在已经存在多个痛点的困难价值链中，区块链会带来额外的开销和可扩展性挑战。

话虽如此，在医疗保健领域有一些区域，区块链技术在目前形式下可以提供帮助。如果解决了一些技术限制，它将更有用。区块链潜力的一个关键领域是健康保险。我在金融服务章节中没有详细讨论保险，但我是那些认为区块链将比银行业更有助于转型的人之一。

保险

我们中许多人在保险单上提出索赔时都经历了一段艰难的时期。 如果保险公司找到他们条款和条件中的漏洞不支付客户的索赔，这对客户是残酷的。 在我生命的大部分时间里，我尽量避免购买保险，因为我确实相信这更多的是一个麻烦事。 然而，当我有了一个家庭，我必须确保我为他们所有人购买了健康保险。

那并没有让我的保险体验变得更好。 几年前，我妻子生病了，我打电话给我的医疗保险公司。 我们在签约时提交了她的健康详情，而这次疾病与她以往的任何状况都没有关系。 我们甚至有我们的顾问的意见，他们并不是相关状况。 然而，保险公司拒绝支付索赔，因为他们认为这个状况不是新的。

那时我们的重点是让她接受治疗，所以我们只是经历了这个过程，没有保险覆盖。 如果这个过程给我们造成了更大的损失，或者如果这发生在财力较弱的人身上，那将有人命堪忧。 对整个家庭来说都是一个痛苦的经历。

从那时起，我遭受了保险公司或与他们打包其他服务的中间商的恶行。 出于所有这些令人大开眼界的经历，我相信智能合同将不得不被使用。 我可以看到几种技术的应用汇聚，使健康保险发挥作用。

我改变了我的医疗保险提供商，希望找到更好的服务。 我现在使用 Vitality，他们更注重技术。 他们已经成功创建了一个生态系统，向他们提供有关他们客户的信息。 例如，我的 Fitbit 和我妻子的 Apple Watch 都连接到了 Vitality App。 我的月度保费是由这些智能设备发送给 Vitality 的数据决定的。 如果我度过了一个很活跃的月份，我的保险费就会更低，反之亦然。

这是一个相当不错的开始，保险公司提供透明的框架来收取保费。 他们在保险索赔过程中可以进一步保护客户，构建一个无缝的流程和体验。 这个过程可能看起来像这样：

1. 在签署保险时，我向我的保险公司提供了我的健康详情。

2. 他们与我的医生核实这些信息。

3. 智能合同用于保险的两个方面：

   • 计算保费的框架。

   • 释放索赔的一套清晰规则。

4. 保险公司使用智能设备收集有关客户的数据，并定期将其发送回给他们。

5. 保险公司可以使用这些数据来定价保费。

6. 如果智能设备在任何时候识别出必须释放保险索赔的情景，它应该无缝地发生。

7. 例如，如果我的可穿戴设备的数据表明我生病了，并且这并未被登记为已知病症，那么就需要一个自动释放索赔的过程。

8. 索赔流程可以由保险公司触发（而不是客户追求保险公司）。

9. 触发器可能需要客户批准索赔的释放，并承认可穿戴设备在适当时候引起警示是正确的。

保险公司不应该在索赔过程中需要任何手动干预。这可能为保险公司创造主观性。通过物联网的数据实时采集，他们可以更主动地与他们的客户互动。因此，他们可以实时响应索赔场景，即使没有客户追逐他们。

不仅仅是客户会通过健康保险的适当数字化受益。保险公司可以利用他们从这些物联网设备捕获的健康数据进行多方面的洞察。这些数据可以通过机器学习模型来预测客户可能会面临的未来健康问题。这可以帮助他们警告客户可能出现的未来状况。

对于保险公司来说，更有用的是他们利用这些健康数据，为客户未来的保险费用定价。如果客户的可穿戴设备指示出活动减少、睡眠减少、工作时间加班、水消耗减少和心跳不规则等情况，这可能表明客户患病风险较高。

假设通过可穿戴设备捕获的数据表明客户患心脏病的风险增加了。保险公司可以就此与客户联系，并主动确保客户了解他们的健康状况。如果客户忽视了这一警告，那么保险公司可以表示他们将提高他们的保费。

同样地，假设一个客户提出了治疗疾病的索赔。如果保险公司捕获了治疗后的健康数据，可能会显示客户的健康正在逐步恢复。在这种情况下，数据可以用来降低客户的保费，从而奖励良好的习惯和行为。

在所有这些场景中，智能可以用来优化客户将要支付的保费金额。在这些场景中，区块链的好处是以合同结构化保费金额和索赔款项的释放，如果智能成立的话。

另一个新兴的用例是面部识别技术的使用。商汤是世界上规模最大的人工智能初创公司，从一项研究发展成为一家四年内市值达到 45 亿美元的公司。他们在保险业中有着有趣的面部识别技术的应用。如果客户提出了索赔，他们将经历一个面试过程。

AI 引擎在面试过程中扫描客户的面部，并根据面部表情提供诚信评分。该诚信评分用于决定索赔是否真实。从那里开始的一个改进是创建一个智能合约，如果诚信评分超过阈值，则会触发索赔支付。

区块链的一个关键应用是不可变的追溯性。全球范围内，由于缺乏追溯性和供应链握手机制，假药已成为一个蓬勃发展的产业。现在让我们看看如何利用区块链来解决这个问题。

制药供应链

我们讨论了量子机器学习如何帮助药物发现过程，并减少制药行业的成本和上市时间。然而，该行业今天依赖的供应链需要进行重大改革。这在一些新兴经济体尤其如此，其中假药每年给制药行业造成数十亿美元的损失。

一份关于假药的 PwC 报告将其称为每年赚取超过 1500 亿英镑的最有利可图的非法市场。更令人担忧的数字是因消费这些假药而“数百万”人丧生。在发达市场，大约有 1%的药物是假冒的，但在非洲等市场，这个数字高达 70%。

由于数字经济的发展，近年来假冒商品在全球范围内广泛传播。根据世界卫生组织（WHO）的数据，约有 50%在网上销售的药品是假药。与假药的斗争已经广泛展开，但只取得了零星的成果。

尽管像制药安全协会、美国食品和药物管理局以及世界卫生组织这样的组织已经做出了努力，但仍有很多工作要做。制药公司很难投资于打击假药，因为它们已经负担了较高的药物发现和监管成本。因此，保持药品市场的清洁并不在它们的优先事项之列。

结果，我们仍然有一个蓬勃发展的药品伪造市场。在销售药品的 50,000 多个在线网站中，95%的网站没有获得监管批准和行业标准。因此，假药市场已被大公司和组织归类为一个无法承受的弱点。然而，每年有超过 450,000 人死于对疟疾的无效和假药。任何一种每年夺走这么多人性命的因素都需要有组织地进行处理。PwC 报告中的以下图表突出了假药的利润情况：

图 1：关于假药市场的统计数据。来源：www.strategyand.pwc.com/report/counterfeit-pharmaceuticals

该问题的解决方案是，几家机构和制药行业提出了大规模序列化和跟踪药品在其供应链中的方案。大规模序列化涉及在药品包装上使用条形码。药品及其对应的代码在制造点中央注册。然后，在供应链的几个步骤中扫描条形码以确保它们看到的是同一种药品。

然而，挑战在于许多这些系统已被伪造者攻破。因此，条形码和大规模序列化工作只解决了部分伪造尝试。需要更难破解和更安全的更好解决方案来解决这个行业，与假药进行有组织的斗争。

正如本章前面提到的，我在印度南部的一个村庄长大。我一生中的大部分时间都见证了破碎的医疗保健的负面影响。印度可以说是全球假药的中心。以下是关于印度及其在假药市场中的角色值得知道的一些统计数据：

• 以消费量计算，印度制药行业是世界第三大制药行业

• 然而，全球 35%的假药来自印度

• 印度向世界 200 多个国家出口药品

无需多言，为了世界和印度的利益，印度的药品供应链需要进行严肃的改革。

在第十四章，与 IBM 合伙人 Dinesh Nagarajan 的访谈中，当我们讨论区块链的应用时，我们发现供应链是其关键的行业应用之一。区块链可以成为食品、药品和商品等行业的出色跟踪机制。我看到世界各地有几家初创企业正在利用区块链框架的跟踪功能。

一家名为 Chronicled 的初创公司，总部位于美国，为医疗保健设立了一个名为 MediLedger 的区块链联盟。区块链将用于注册并跟踪药品在供应链中的每一步。账本的一个关键原则是只有制造商可以创建并附加药品的标识符。如果药品的标识符在其供应链的任何其他地方被篡改，它将被区块链标记为伪造品。

至少在美国，药品供应链安全法案（DSCSA）正在强制要求制药公司拥有可互操作的系统，并可以通过供应链跟踪药品。使用区块链可以确保这种互操作性直接从系统中获得，而不必通过昂贵的系统和流程集成工作来开发。

在这个领域使用区块链的优势如下：

• 联盟必须遵守的规则可以事先商定并编码到区块链中。

• 没有单一实体可以更改供应链详细信息。

• 区块链允许条目，不允许删除。因此，每次录入分类账都会被审计和跟踪。

• 控制的分散性，以及前述特征，使得篡改变得困难。

MediLedger 财团使用零知识证明（ZKPs）来强制执行治理和控制，而不需要各个节点（公司）彼此分享详细数据。ZKP 是一个简单的框架，允许区块链上的某人提供适当水平的信息以证明他们满足某个条件。

例如，如果我向银行申请贷款，银行将需要访问我的信用评分。使用 ZKP，银行可能只需要知道我的信用评分范围，就可以决定我的贷款请求。在 ZKP 模型中，有一个证明者（我）和一个验证者（银行）。我应该能够说服银行，我向他们提供的信息是完整和真实的。但是，不应向银行分享更多信息。

我们生活在一个每产生一点数据都被谷歌、Facebook 或亚马逊等科技巨头用来为我们提供更好服务的世界中。他们还将数据转售给第三方并赚钱。在这种情况下，ZKP 可以作为确保用户控制其被这些服务提供商使用的数据的一种卓越方式。

回到我们的医疗保健示例，像 MediLedger 这样的系统可以提供适当水平的信息透明度，以阻止伪造企图。同时，在运输敏感药物的地方，信息不会过于容易地对所有方面可用。区块链在药品供应链中还处于早期阶段，但在大多数供应链用例中，这项技术看起来很有前景。

现在让我们转向区块链的下一个用例，即记录保管。重要的是要以安全可靠的方式存储病人记录。确保病人拥有自己的数据可能同样重要。让我们在下一节详细讨论这个问题。

医疗保健数据交换

在医疗保健领域，最大的挑战之一是可用性（或者说缺乏）高质量的数据。在医疗价值链的许多环节中，访问患者健康信息可以帮助做出更好的决策。现实世界的健康数据有助于提高研究质量、健康咨询和药物发现。

有办法为所有研究创建模拟数据。然而，它经常不能作为真实患者健康数据的良好替代。在过去，我一直愿意提供我的健康数据供研究使用。每次进行健康审查过程时，我都会被问及是否允许使用我的数据，我会回答“是”。

然而，最近我开始对数据隐私和安全影响有些谨慎。当涉及与医疗保健组织分享我的数据时，还有另一个关键原因需要谨慎。我坚定地相信自我主权身份。因此，我认为当我的数据被某处使用时，它需要以某种形式归属于我。

目前没有将隐私、安全和自我主权身份这三个方面结合起来的系统。如果有一种机制可以匿名分享我的医疗数据，用于研究或健康咨询目的，我可能更愿意这样做。

除了安全可靠之外，我希望能够追踪我的数据在哪里使用以及第三方使用我的数据赚了多少钱。需要有一种预先同意的机制，这样我才能从分享我的数据中获益。

Ponemon 研究所对 503 名受访者进行的一项调查发现，约有 86%的受访者看到了由于患者身份错误识别而导致的医疗问题。80%的受访者认为，通过生物识别技术积极确认患者可以改善医院的现金流。来源：promos.hcpro.com/pdf/2016-national-report-misidentification-report.pdf

有一些公司试图利用区块链解决数据共享、版权和知识产权市场的问题。随着医疗保健数据共享，情况变得更加有趣和具有挑战性。像 HealthVerity 和 Doc.ai 这样的公司利用区块链作为医疗保健数据的市场。

通过这个市场，个人可以允许他们的数据被用于特定的研究。随着这项研究通过医学突破产生回报；该计划的收益分配给数据提供者。研究使用的数据存放在临时空间中，直到研究完成，然后被删除。

尽管区块链目前由这些初创公司发起，但计划是将生态系统发展成为类似以太坊的生态系统。这将有助于真正去中心化个人数据的所有权和管理。在这种模式中，任何想要出售自己数据的人都可以将其放在市场上。想要数据的第三方可以对其进行竞标并利用它。区块链网络可以验证交易并将其记录在链上。参与验证的节点可以得到奖励。

随着这个去中心化数据共享治理过程的扩展，医疗健康市场可以成为主流。现在让我们看看智能合约如何使医学研究更加高效。

研究治理

在 第八章，对治理的影响 中，我们看到了区块链如何在全球范围内被用于政府的有效运作。原则上，区块链框架可以用于任何在启动过程之前达成合同条款的情境。随着过程的进行，每次满足合同条款时，一系列行动就会被触发。

在区块链上跟踪这些合同义务时，每一步进展都可以被数字时间戳化。可以根据这些合同义务启动并执行服务级别协议。然而，使用区块链进行智能治理的最重要的方面是可以消除合同决策中的人为偏见。

长期以来，医疗研究一直是一个运营效率低下的机器。医疗研究中的一些低效率包括：

• 研究目标和成功标准通常事先没有达成一致。

• 缺乏在整个研究过程中的里程碑设计。

• 研究人员受到人类偏见的影响，并且可能会在试验进行中更改标准。

• 负面结果通常不会被发布。

• 跨医疗系统的互操作性难以实现，因此，数据采集和集成可能是一个挑战。

• 研究步骤的审计轨迹通常缺失，因此很难从历史信息中识别出所学到的教训。

• 对于大多数涉及的主要利益相关者来说，研究的实时视图不可用。

随着所有这些痛点，医疗研究真的在呼唤一个解决方案来实现运营效率。在考虑以下步骤时，区块链可以帮助解决这个问题：

• 所有一项研究的关键利益相关者都被注册为区块链上的一个节点。

• 研究条款、结果和结果的成功标准事先已经达成一致。

• 所有中间里程碑都已经了解，并已达成指示性时间表。

• 已经达成关于研究活动的成功和失败的发布政策。

• 从多个系统获取/共享数据的任何要求已经确定，可能可以作为 Oracle 导入到区块链中。

将所有这些内容达成一致并加入区块链的好处是巨大的。之前提到的每一个摩擦点都可以得到解决，过程可以在几乎实时的基础上得到无缝管理和监控。然而，将医疗数据加载到区块链上并非没有挑战。

医疗数据比大多数其他信息更敏感，并且对于任何发现的违规行为都有严重的监管影响。因此，数据可能必须以一种综合且相关的方式共享。但使用数据的第三方不应该能够识别出拥有数据的患者。另一个挑战更具政治性质。

制药企业一直以来对变革抱有抵制态度。在美国，从纸质记录转向电子记录需要颁布主要监管法案（HITECH 法案）。因此，要看到他们如何在规模上采用区块链作为技术范式。与其他技术不同，对于区块链来说，生态系统中的大多数关键利益相关者必须参与其中才有意义。

因此，如果相当比例的制药行业不愿采用区块链，其他参与者利用这项技术产生任何影响将变得越来越困难。

结论

我在医疗保健章节中可能讲述了更多故事，因为我个人可以将许多医疗保健情景联系起来。在世界各地，这个领域存在着几个痛点。发达国家致力于提高现有流程的效率，如患者识别、记录保存、数据共享和隐私。而新兴经济体则需要解决更基本的问题。

新兴经济体在为其居民提供基本医疗保健方面存在着“最后一英里”问题。能够大规模及时、有效地提供医疗保健可能是当今人类面临的最大问题。在非洲、亚洲和拉丁美洲等地区，有数百万人无法获得基本医疗保健。

在致力于带来创新想法改变医疗保健的同时，关注发达市场和新兴世界至关重要。挑战的规模之大已经足够，单纯使用个别技术并提供零散解决方案已经远远不够。

能够用更精确的诊断和治疗方案治疗癌症等疾病是医疗保健能力的重大飞跃。蛋白质行为的建模可以帮助我们开发能够解决老年痴呆症等退行性神经疾病的药物。量子计算能够为药物研发流程带来效率，将试验期从 10 余年缩短至几年，有效节省数十亿美元。

需要使用能够处理数据价值链中所有接触点的技术。需要使用物联网和数据捕获医疗设备从患者处接收健康数据。这些信息必须被安全地妥善存储在系统中。然后利用这些数据创造智能洞见是非常重要的。基于这种智能，医疗诊断和治疗决策将需要使用机器学习。整个过程可以通过区块链跟踪，同时提供透明度和隐私的正确级别。仍然需要在链上和链下设计中进行协议级改进，以克服使用区块链的监管挑战。然而，随着技术的成熟以及许多架构解决方案的演变，数据监管不应再成为医疗保健的绊脚石。

在撰写这本书的过程中，我与全球各地的医疗专家进行了交谈。其中对我影响最大的一次讨论是我与我的导师 B. Rajathilagam 博士的访谈。也许，我对此有更多共鸣，因为我在那些村庄及周边度过了四年的时间。也许，这更令人鼓舞，因为它是一个医疗应用。但最重要的是，也许，那是我们可以帮助拯救生命并每天看到实际结果的地方。

医疗创新将继续激励我，我希望我们能看到越来越多能够改变人们生活的令人激动的技术。