腾讯量子实验室杰出科学家张胜誉谈量子AI布局

【新智元导读】 腾讯筹划许久的量子实验室终于曝光，香港中文大学教授张胜誉以杰出科学家身份担任腾讯量子实验室的负责人。张教授近日接受新智元的专访，聊到了腾讯与在量子技术上的投入，业界的发展现状，量子计算目前的一些核心任务以及量子技术与计算机科学特别是人工智能的关系。文章最后，我们带来了张教授的学术报告《漫谈量子计算》，张教授对量子技术当下的发展，包括中美欧之间以及谷歌IBM等各大企业之间的研究状况进行了详细介绍。

2017年12月28日，在腾讯的一场活动上，即将以腾讯杰出科学家和量子实验室负责人身份亮相的张胜誉带来了一场名为《量子计算漫谈》的报告。

问答环节，主持人请当天作报告的张胜誉总结他对腾讯以及对深圳的最大感受。张胜誉用了四个词来形容腾讯：效率、务实、直接和平台。

在这四个词中，他对务实的解释让人印象深刻：“（加入腾讯）我一开始担心，学校比较自由随意一点，工业界是不是凡事都需要小心翼翼？后来感觉在腾讯，大家沟通的方式大都比较直接。他们经常提醒我，你到底想说什么，直接说就行，有什么建议也直接提。对于量子实验室发展，腾讯以一个非常信任和开放的态度，给我们非常大的自由度，这是让我觉得很欣赏和感激的。”

在接受新智元的采访时，张胜誉也表示，自己正是被腾讯低调务实的风格所吸引所以决定加入，“腾讯在量子这种长远的基础研究的发展，走的路比较踏实一点。腾讯可能不是以高调宣传那种高举高打的方式开始，而是有点循序渐进的方式一点一点来，根据发展情况和机遇逐步增加投入。我觉得这样也是我自己比较喜欢的风格。”

此番从学术界转换到工业界，张胜誉的形容是“水到渠成”，学术界和工业界各有自己的优势。工业界一个很大的特点是务实。你可以看到很现实的场景，现实的数据，如果你有好的算法，那么可以比较快的落地，公司有很高效的实现团队。这种从实际为出发点也会帮助看到一些问题的本质，以新的角度促进理论和应用的结合。

张胜誉本科毕业于复旦大学数学系，硕士毕业于清华大学计算机系，师从应明生教授，博士毕业于普林斯顿大学计算机系，师从姚期智教授，后在香港中文大学计算机系任副教授。从2017年第四季度起，他加入腾讯，主管腾讯新成立的量子实验室。

腾讯在业界率先搭建公司级量子实验室，是腾讯投入前沿核心技术研究的又一重大布局。

腾讯为什么要做量子计算？

作为实验室的负责人，张胜誉对新智元介绍说，腾讯量子实验室本身是一个独立的实验室，它需要承担研究工作，还有对这个行业的研判，对当前量子发展情况进行估计。它还需要跟学术界和工业界其他量子研究院和公司之间进行合作接洽，同时与公司内部其他部门之间协作，考虑在腾讯的一些商业应用中找到结合点。

那么，腾讯为什么要做量子计算，张胜誉在其中又扮演什么角色？

张胜誉教授对新智元介绍说，量子计算是一种与传统计算差别很大的计算模式，大规模高质量的量子计算机会解决一些现有的传统计算方法无法胜任的信息处理任务。腾讯作为中国最大的互联网公司之一，希望推动量子科技的发展，并关注未来可能的商业应用方向。这在踏踏实实的帮助基础性科学的进步，而且从网络和数据科学的视角，为基础科学带来了新的问题和方向。他相信这对科学和公司都是大有裨益的。当然，科技发展得很快，有一些方面，如量子通信，已经有比较成型的产品，腾讯正在把这些产品连接到腾讯云的一些业务和产品里。还有一些方向等待实验室成语一起，和学界及业界的科学家和工程人员进一步的探索，来共同推动这个科学发展和技术落地。

“五年之后，腾讯实际做出来的研发，会和现在展望的有一定重叠，但也不会完全一样。探索量子计算能做什么，以及腾讯如何将量子计算技术结合企业发展，涉及到对科学的理解，对技术的跟踪，和对整个行业的研判，这都将是我在腾讯工作中的组成部分”，他说。

张胜誉在腾讯初期的主要工作是组建团队和设计整个实验室的大方向。 不过根据张胜誉的介绍，在他加入之前，腾讯已经有一个名为“量子企鹅”的学习小组，有几十个成员。这些成员从各个不同的方面对量子有不同程度的理解，其中有很多组员都已经读过一些量子方面的文献，并有一些组员用从读过的量子计算的文献中得到启发做出了一些有趣的研究工作，如有一篇论文即将发表在人工智能领域的会议AAAI上。

“AT”争相布局，但量子目前还不到竞争的阶段，99%都是合作关系

关于腾讯对量子计算的研究，早在 2017年初，葛凌（Ling Ge）教授以腾讯欧洲首席代表身份加入腾讯就被认为是腾讯布局量子计算的开端。葛凌是牛津大学量子计算博士。2017年第四季度，张胜誉教授搭建量子实验室，也是腾讯在这一方向上迈出的重要一步。

今年9月世界知名量子科学家施尧耘加盟阿里，出任阿里云量子技术首席科学家。巧合的是，作为阿里巴巴和腾讯这两家中国最大的互联网企业量子技术的负责人，施尧耘与张胜誉是同门师兄弟：二人都曾在普林斯顿大学拜师于姚期智教授，并且都做量子研究。施尧耘2001年毕业，张胜誉2002年入学。两人是多年的好友，事业前期做的方向比较接近，后来可能从不同的方向都更加丰富一些，也有合作过好几篇文章。

当被问到两个人的关系的时候，张胜誉说：“作为我的师兄，他（施尧耘）一直在很多事情上都会给我一些建议和支持，他对我有比较大的影响，比如让我的心态变得更加开放。当然，我们俩很大程度上都受到了姚先生的影响，姚先生是一个心态非常开放、很宏大的科学家。 比如他说过，你首先是一个科学家，其次才是一个计算机科学家，再次才是一个理论计算机科学家。个人层面上我一直是很感激尧耘。他加入阿里以及我加入腾讯的前后，我们一直都有联系。”

2017年12月6日，在广州举办的《财富》全球论坛上，马化腾谈到腾讯与阿里巴巴的竞争。马化腾说，和马云竞争的地方太多了，也有点困扰，希望更Open一点。

在量子领域，腾讯和阿里会如何展开竞争？

张胜誉认为，现在谈竞争为时过早：“我个人认为现在不要说是腾讯和阿里，甚至全世界所有的公司，加上所有学校里面最优秀的做量子计算、量子信息科学的研究者全加到一起，99%都是合作的关系。因为整个人类的智慧，包括理论和实验，其实有巨大无比的对手在抗争，理论上这个对手就是设计量子计算机和理解物理量子理论的时候，会遇到反直觉的一些东西，对这些东西我们其实没有特别多的感觉，是一点一点在尝试。可以说整个量子计算理论的发展是举步维艰的。在实验上，一个很麻烦的对手是环境产生的噪声，这给量子计算机的实现带来很大挑战。所以我个人觉得业内之间交流的情况，大家的心态应该是非常开放的，不管是学界和业界， 大家应该是合作关系远大于竞争关系。当然也不是说商业上完全没有竞争，但是整体而言，量子计算还是需要大家一起努力。竞争是一个非常小的成分，99%都应该是合作的关系。”

“如果现在就开始竞争，说明我们人类太笨了，也太渺小了。因为如果现在所有地方都因为竞争就完全关起门来，最终可能出现的结果是整个人类就做不成这件事情了”，他继续说，“因为力量分散之后，如果每个单位都闭门排他，那可能没有一个单位有力量，耐心和机遇能够持续的大力推动。所以我觉得这一定是一个全人类一起努力奋斗的事情，而不能自我封闭。”

量子技术要解决的最大问题：把量子计算机真正做出来，电路、算法、控制全部跟上

当下，量子技术需要解决的最核心的问题是什么？

张胜誉认为，实验上是开始把量子计算机真正地造出来。具体说来：希望量子位数越来越多、实现的电路越来越通用、对于电路的差错控制越来越理想。

在过去十几年里，量子计算机物理实现的发展其实是在加速的。在实现方案出现了更多的想法，原有的一些方案也做得比以前更加精细，达到更高的准确率。很多实现步骤都是工程，甚至是工艺上的问题，从科学技术上来说，我们看不到任何一个原则上过不去的坎。当然，这并不意味着说这些问题容易解决。事实上很多问题都不容易，但是基本上大家认为都是能解决的，有不少问题在其他的相应的应用领域里面已经有成功的案例，需要一定时间来移植到量子计算机这边，这些都需要具体一步步做出来才行。

张胜誉说，个人相信量子计算机按照现在的发展投入一定能做出来，而且一定会做得越来越好。但是具体时间点比较难以预测，因为技术的突破往往是非线性的，难以预计的。

另外张胜誉认为，在理论上，最重要的，对领域最具推动力的方面，可能是量子算法的进展。我们希望看到更多对重要问题有着很大的加速的量子算法。也应该探索在现阶段规模不大，差错控制不理想的量子计算机上可以实现哪些算法，带来哪些应用这类的问题。

量子AI正在快速发展，谷歌的量子霸权：除了量子位数，还应关注其他重要指标

目前在国际上，量子计算的领先公司是谷歌和IBM。谷歌提出了“量子霸权”的计划，此前已制造出9量子比特的机器，并计划增加至49量子比特，实现“量子霸权”（quantum supremacy）。2017年11月，IBM宣布公司已经成功研发20位量子比特的量子计算机，还成功开发出了一台50位量子比特的原型机，可为今后IBM Q系统奠定基础。

张胜誉说，从大的角度来看，这两个公司代表着现在工业界大量的投入和努力，他们很认真地组建了相当规模的团队来大力推动这个事情，对于整个量子行业的发展是很有帮助的。但是，目前在媒体和业界，大部分的评判标准似乎停留在有多少个量子比特上，其实除了有多少个量子比特，还有很多其他很重要的一些指标，比如实现什么样的电路，差错控制的如何，生成的状态可以保持多久等等。我们最终目的是要造大规模的能够容错纠错的量子计算机，能够完成尽量一般的电路模拟，进行我们想要的计算。

现在距离实现这个目的还有一定的距离。我们应该从什么样的路去走？可能是先是小规模地做一些实验，虽然这个实验已经非常不容易。现在单独做一个两个量子位的一个门操作，可以做得非常精确，但是由于电路是由多个门组成，当电路深度增加的时候，到最后的输出量子态精确的程度还不够理想。大家希望能把小规模电路控制得更好，加深对差错的理解从而帮助去扩展到更大的电路。相反，如果电路差错控制的不好，即使堆了很多量子单元，电路深了之后，差错控制不住，作用也就非常有限。整个量子计算机的搭建是一个慢工出细活的，需要大家给予更大的耐心。

另一个方面，量子技术初期的应用不完全是在计算机科学上，也可能是量子模拟在材料科学，量子物理或者化学等方面。另一个近期可能出现量子的优势的是量子AI，这个领域正在快速的发展。

量子计算与深度学习：有时让直觉领先一点，重要的事情再去验证

量子计算，它和计算机科学它是一种什么样的关系？

张胜誉介绍说，二者有很大的交织部分。量子计算整个来说大概可以分成偏理论和偏实验。实验包括物理上去实现一些量子计算机或者量子通信的器件。理论包括量子算法，量子复杂性，量子容错纠错，量子信息论，量子密码，量子博弈论，量子物理基础，凝聚态物理等。

量子计算是量子信息处理和计算机科学中间交叉得比较多的地方。计算这边有几大类，一类是量子算法，还有一类是量子计算复杂性，还有一类是量子容错纠错。然后还有是更高级一些的，更往上层走一点的，比如说体系结构和编程语言编译器。如果要构建量子计算机的话，经典计算机上主要的问题，量子计算机这边都会遇到。

他说，这一两年看到越来越多的人发表量子计算和人工智能相互借力和一些交叉领域的文章，这是一个很好的开始，会有越来越多的文章去研究量子，甚至也有直接用一些物理的设备去跑一些算法，所以这是一些基于物理影响信息科学的。然后也有倒过来就是基于信息科学的反过来来去研究和解决理论物理中的一些问题。

从整个科学的发展去看，会发现物理跟数学的发展风格稍微有点不一样。物理更是一个直觉领先的。所以说如果有一些好的感觉，我们就可以去做一些大胆的预言，然后形成一些理论，然后做一些实验来验证理论，如果不对的话，再进行修正，整个是这样一个trial and error的过程。

数学当然也非常强调直觉，强调美丽，但数学有一个跟物理不一样的地方，是数学基本上是强调严格性的，这两种文化的不同，在处理问题不同的时期会起到不同的作用。

量子机器学习现在有很好的一些想法，也发现了一些比较有趣的方向，有一些文章的细节，对一个数学家来看，会觉得里面有一些地方还不够严格。

总的来说，这是历史发展过程中的一个阶段：有时让直觉领先一点，重要的事情再慢慢去验证也可以。

张胜誉说， 深度学习也有类似之处。深度学习算法在很多现实数据中跑的很好，而理论的发展滞后。对这样一个发展历程，他个人认为是没有什么大问题的。虽然他是做理论的，但他并不认为一切事情应该理论走到前面。一个工程实践上先做成功了，然后反过来理论再去理解，这并没有问题。但也应该重视理论，因为如果理论理解得很透彻，会对实践有进一步的指引的作用。

但是，量子这块稍微有点不同。量子这边很多时候声称的理论结果，并没有先用实验验证，而理论的结果又没有给出所有的证明细节，这个就会有点麻烦。 理论里的东西如果最终想把它做踏实的话，还是要把很多重要的细节补做出来才可以。

量子计算机现在通用机的规模很小，专用机可以做到几千个量子位，但是对这他们的控制又非常的差。那么在大规模能够容错纠错的通用量子计算机出现之前，用一些小规模的实验，去帮助我们去理解物理器件，验证一些现有的量子机器学习上的算法都是有意义的尝试。长远来看，如果我们希望得到比现有机器学习更好的效果的量子机器学习算法并在硬件上实现出来，还需要相当一段时间，而这个过程需要理论工作的人和实际做物理机器的人要紧密的合作，去争取早日实现这个事情。

张胜誉《量子计算漫谈》报告

以下是张胜誉教授在腾讯活动上的演讲，由新智元整理呈现。

张胜誉：谢谢各位学者的到来，今天在这里简单介绍一下量子计算的发展。

我们先来看一些最近一两个月的新闻。第一个是英特尔做了17个量子位的芯片，第二个是IBM，公布20位的量子计算机，也宣布了一个50个量子位的下一步计划。这里还有一些其它的有趣的新闻，比如一家在加拿大的公司D-Wave，他们最近升级了他们一个2000Q的量子计算机，这个2000Q的意思就是说它有2000多个量子位。在这些新闻中已经看到一个现象，像IBM和英特尔这样很传统的大公司只有十几位、二十位，但是一个相对年轻的公司却可以有2000多位。我们再看一些更年轻的公司，有一个初创公司QCI最近刚刚融了A轮$18M，还有一个公司1QBit刚刚融了B轮$45M。这里还有一个新闻说中国最近要投入$10B建一个实验室。

我挑出来的几个新闻，仅仅是发生在过去1-2个月的事情，如果看整个量子计算在过去二十年，一开始没有那么多新闻，但是最近在1-2年会发现有很多新闻。看到各种各样的新闻也许你会有一些疑问，想知道量子计算是什么，什么时候我们才有量子计算机在手里，什么时候可以买一台？如果真有这样的计算机，是不是把我们手里的计算机扔掉？腾讯开展的量子计算机的研究包括什么？

我们回溯历史，去看一下整个量子力学的发展。其中有一个很有名的，可能每一位在座的都听到过的一个思想试验。这里假设有一个猫，图片右边有一个小锤子，锤子可以砸碎下面的毒药，打碎毒药瓶，把这个毒药释放出来，这个猫就被毒死了，如果没有砸碎毒药瓶，这个猫会活着。但是量子物理在说，可以让锤子处于落下来和不落下来的叠加状态，也就是说，这个锤子可以同时落下和没有落下，这导致的结果是这只猫同时处于生和死的状态。这对经典物理来说是非常难以理解的事情。

这个现象就是叠加态（Superposition），是说一个系统可以同时处于两种不同的状态的叠加中。

现在我们再换一个角度看这只猫。因为我不知道它是生还是死，我想去看一眼。我们平时所谓的看到、听到，如果在物理上，都是一个观测的过程，也就是说，我们观察一个东西，实际上在对这个系统进行测量。跟我们日常生活的宏观世界感知不一样，微观现象中观测本身有两个很奇怪的性质。第一个是如果你对同一个确定的量子状态进行多次观测，可能会得到不同的答案。也就是说，即使用完全一样的视角去观测那只猫，可能这次你观察这个猫是死的，下次看到这个猫是活的。对于同样确定的东西，如果我观测两次，会得到完全不一样的结果。

还有一个很奇怪的属性，如果你观测到它是死的，你改变了原来这个猫即生又死的状态，它就真的变死了，如果观测它活着它就真的活了。当你观测这个东西的时候会改变这个物品本来的状态。如果真的宏观世界是这样，那将是件很麻烦的事情。比如你想量一下自己的身高，发现每一次量完都不一样，本来你以为你是1.8米，你量完发现结果是1.7米，而且量完以后真的变成1.7米了，这时候你就会很头疼。看来量子物理世界会呈现出跟宏观物理世界很不一样的东西。

大家还会听到一个概念叫“纠缠”，就是两个粒子之间在很强的意义下不可分：即使你们把这两个粒子分别放到非常远的地方，对其中一个粒子进行操作，会改变另外一个粒子的状态。

下面简单说一下量子计算研究从学术界的角度看有哪些重要的领域。首先一个是量子算法，在这个领域中，我们关注如何去设计有效的量子算法，使得这些算法需要花的时间要远远短于经典算法花的时间。一个相关的领域是计算复杂性的问题：我们想知道量子计算机最终研制出来之后到底计算能力有多么强，在那些问题中它有很大的作用，哪些问题中没有那么大的作用。

还有一个领域是纠错：如果真的实现量子计算机，好的纠错方案往往是不可避免的。还有量子计算机带来很大的影响的一个领域是密码学。如果有量子计算机，可能会攻破现有的密码体系。量子相关的密码学也包括我们要设计一些新的密码体系，可能是量子的，也可能是经典的，使得即使是量子计算机也无法攻破。另外，如果将量子计算机做得越来越好、越来越大，就不可避免的产生编程问题，我们希望设计高级的语言，研究如何把高级的语言变成一个低级语言描述，软硬件当中怎么来结合，这都是在学术界比较关注的问题。

下面再简短的展开一下刚才说的这几个领域里面的第一个领域，也就是量子计算。假设以这条线为时间轴。1981年到1982年Feymann第一次提出量子计算机的概念：既然用经典的计算去模拟量子系统会发生指数差的问题，为什么不干脆做一个量子计算机，这样可以反过来达到快速计算的效果。1985年Deutsch形式化了量子图灵机的概念；1993年Berstein-Vazirani研究了量子图灵机上的一些基本复杂性问题，Yao研究了量子电路的复杂性问题，把量子图灵机转成我们比较熟悉的量子电路的概念。1994年Shor提出了大数据分解和算法，这是我们比较熟悉的。1995年Shor还提出了一个量子纠错码。1996年Grover发现可以用量子计算机进行大量快速搜索，在密码里面有广泛的应用。

搜索这件事情，肯定是到处都会建造一个任务，所以对于搜索，这样一个一般的而且没有任何结构的问题都可以加强，这大大提高了量子算法的可应用性。再之后到2003年，Ambainis和Szegedy做了量子随机游走算法，为后面的学者提供了量子算法的新方法。2009年几位科学家研究怎么解线性系统，线性系统有着的广泛应用，但是这个算法并不是把所有的变量解全部输出出来，而是把解压缩到一个小的空间中。最近出现了越来越多的量子机器学习的有趣研究。

下面想讲一些经常听到的概念，这些概念有一些是正确的，有一些可能不是那么精确。刚才我说到叠加态的事情，叠加态，本身就是带来了自然并行的能力，这当然很好。但这并不是说，可以把搜索空间让量子计算机并行搜索，然后把正确解的那一个分支拿出来这么简单。在整个量子系统演化当中，它必须遵循量子物理的规律，其中一个就是整个确定性演化过程是一个酉变换。再加上之前提到的观测的不确定性和破坏性，给量子算法的设计带来很大挑战。量子算法设计的过程，基本上是你想办法去利用量子并行的能力，然后需要去克服由于酉变换和测量给你带来的麻烦。

我们有时也会听到一些不是很准确的概念，比如说纠缠态可以实现瞬间的信息传输。这个问题的答案现在很清楚，我们其实不能利用纠缠进行瞬间的信息传输，对两个纠缠的粒子中的一个进行测量确实会影响另外一个的状态，但是这个测量结果的随机性我们没法控制，我们也没有办法用这个来传输我们想要传输的信息。

另外一个常见的不准确的说法是量子计算机可以快速解决NP-complete的问题。这个我们并没有绝对确定性的答案，但是绝大部分学者认为这个事情是做不到的。当然我们还没有严格地证明，事实上，如果能证明这个，那么它马上就能推出P不等于NP，而这是计算机科学中最大的一个open problem。所以我们可以想像，想证明量子计算机不能多项式时间解决NPC问题，将会是一个非常难的问题。

下面再讲一下量子密钥分配的问题。基本上，任务是生成随机数分配给双方，使得如果中间有人窃听，通讯双方会发现这件事情，通讯双方就会放弃使用这一对密钥。当然现实应用中需要结合身份认证，不过总的来说， 量子通信及其再密钥分配上的应用比量子计算走得超前，市场上也可以买到量子密钥分配的产品。

一个有趣的方向是量子模拟。如果有了量子计算机，我们可以用这个量子计算机来模拟量子系统，这会大大改变整个人类探索微观世界的根本方式。这在将来在化学，材料，制药等问题上有相信会有跟以前不一样的办法，产生比较大的帮助。

还有一些其他的研究领域，比如说信息领域，研究编码解码，信道容量等问题，两字精准测量，希望可以对时间和空间上进行非常精准的测量。最后还有量子相关的机器学习和智能领域。

我们可能都想看看现有的量子计算机长什么样。这是D-Wave的机器，都封装到一个大机箱里面了。一会我们会看到更多的图片，但是这里先谈一个问题，为什么这样一个公司可以做2000位，而很多传统的大公司只能做10几、20位呢？

因为做量子计算机基本上有两个不同的目标，一个是要做一台专用机，这个机器只能处理一些特殊的事情，比如说目标是某一类优化的问题。另一个不同，目标是做通用机, 实现通用电路。这个目标非常高。可以想象，一方面要量子比特之间交互，另一方面还不许他们和外界环境有交互。这本身是有点矛盾的事情，工程工艺实现上很有挑战，在实现的条件上很苛刻，比如很多实现方案要求超低温。所以整个通用量子计算机实现是个非常艰辛的事情，从二十年前就一直做这个事情，也一直有比较稳定的进展，可喜的是最近的三五年能明显看到一些加速的迹象。也出现了越来越多的实现方案，有一些现在看起来跑得更快一些，当然最终哪个能成为赢家现在预言还有点为时过早。

我们可以看看更多的IBM和Google公布的图片。其实这是给芯片做冷却的装置。这一张图是从IonQ的报道中取的，IonQ应该是做离子阱最好的技术团队之一。

这是今年8月份的一个总结，可以看到大概的业界发展现状 这张slide是总结量子位数。右上角是通用机，右下角是专用机，左边是模拟机的。这里我们应该注意不应该只是简单比较有多少位，因为除了要有这么多的量子位排在那里，还要看能实现的电路有多深，可以进行怎样的操作，电路的连接程度怎么样，产生的状态可以保存多长时间，等等。基本现状是，现有的通用量子计算机还是比较小规模的几十位，对差错的控制还有待进一步提高。。大家还在努力一点点把这个做得越来越好。

整个工业的现状，大家是比较关注的，也看到很多未来得应用，有的应用在3-5年之后就有有一些小规模的原型出现。

从投入来说，各国在量子计算机投入很大，比如去年欧盟推出1 Billion的研究计划，北美大概也是这样的量级，中国也开始有大的投入。大家都投入到这场改变人类认识自然方式的革命中。

我们经常听到不同的对量子计算机的语言，我们认为量子计算机可以改变人类认识自然的方式，如果将来大规模采用量子计算机，确实会有非常革命性的颠覆式的变化，但是它不会取代经典计算机，至少目前看来，很多实现条件都太苛刻而且昂贵。但是，截止到目前，看不到任何本质上的跨不过的坎，所有问题都在工程工艺上。现在各国都在投入，也有很多公司加入，我相信这些力量一定会推动量子计算机最终实现。所以总的来说，前途是很光明的，但是道路是很曲折的。

这里我觉得要避免两个极端，在短期来说，可能不会6个月或者一两年就能造出一个大型的量子计算机，解决一个不得了的问题；这个事情没有那么简单，比公众想象的更加困难。但是长期来看也不应该那么悲观，有人觉得十年甚至五十年也做不出来什么，我觉得太悲观了。科技的发展突破有时候难以预料，而且关键环节一旦突破，发展会非常迅速。

刚才主持人也介绍了，腾讯准备启动量子实验室，我们希望招聘到跟量子相关的算法、复杂性、通讯、模拟、量子物理、量子化学等等各方面的人才。

另外我们也很看重量子力学和人工智能的结合。可能有一些从物理中过来的想法，这些想法是完全可以实现在经典量子计算机上，如果有人喜欢做AI、喜欢做机器学习中的基础问题，但是又想多一些理解和多一些本质性的突破，也希望加入我们，大家一起来研究探讨这个问题。