人工智能（AI）及其配套基础设施消耗大量电力，而其应用仍在持续增长。
量子计算可以带来能源优势，具体取决于其底层平台，这使决策者和产业界面临选择哪些量子技术进行规模化发展的任务，以实现最佳能源利用。
当成熟技术如人工智能与量子计算等新兴领域相结合时，创意从实验室进入市场的速度会更快，从而塑造产业增长方式，并开辟改善周围世界的新途径。
人工智能（AI）正以惊人的速度重塑数字世界，其动力来自大型数据中心、超高速网络以及密度不断提高的计算集群，因为每一代新的AI模型都需要显著更多的处理能力。然而，全球数字基础设施已经接近物理和能源极限。
如今，一块尖端AI芯片的耗电量可相当于一个家庭的用电量，而大型训练任务的能耗可相当于一座城市的能耗。因此，国际能源署预计，全球数据中心的用电量到2030年大致翻一番。
这就引出了一个问题：如何在不增加能源消耗的前提下扩展计算能力？
量子计算常被视为部分解决方案，它有望以大幅降低的能源成本提供远超以往的计算能力。但尽管存在显著差异，我们很少解释其原因、适用场景，也很少比较哪些量子平台每千瓦时能提供最多的计算量。
目前，各国政府和产业界必须决定哪些架构不仅具备可扩展性，还具备能源可扩展性，即那些能以最低能耗提供最高计算能力的架构。
计算机如何使用能源？
1. 经典计算
出发点是物理学。任何计算机都是必须遵循热力学定律的物理系统，因此信息处理从来不是零能耗的。其核心是兰道尔原理，该原理告诉我们，每当信息被擦除时，必定有最低限度的能量以热量形式损失，这一极限是任何技术都无法规避的。
这一基本极限有助于区分经典计算机与量子计算机。在日常计算中，这一极限被工程效率低下所掩盖，因此我们很少注意到它。但随着问题日益复杂，经典算法必须擦除数量迅速增长的中间比特，这意味着即便从原理上讲，其可能的最低能耗也会呈指数级增长。
2. 量子计算
量子算法以根本不同的方式处理信息。其逻辑运算是可逆的，使中间状态可以被“反计算”（uncomputed）而非被擦除。这使量子计算机能够在提取一个简洁的最终答案之前，同时检验许多可能的解决方案。
对于相同的复杂问题，理论表明，设计良好的量子算法所需的最低能量增长得更为缓慢。在这些情形下，量子计算机不仅更快，其能效还可能呈指数级提升。
为何硬件平台选择对量子计算至关重要
只有当硬件能够使计算的能耗接近理论极限时，这些热力学优势才具有意义。量子处理器置于复杂的物理装置之中，从冷却系统到控制电子设备，实践中这些配套基础设施往往占据了大部分耗电量。
一个平台依赖大型稀释制冷机，还是在室温或接近室温下运行，将是决定其长期能源特征的主要因素。理解能源效率不仅需要比较算法，还需要比较实现这些算法的硬件平台。
1. 超导量子计算机
超导量子计算机依赖仅在接近绝对零度的温度下才能工作的电路，因此被安置在多级稀释制冷机中。
在当前的云系统中，总功耗通常约为25千瓦（kW）——其中大部分电力用于制冷和配套设备，而非量子比特（qubit）。
2. 中性原子量子计算机
中性原子量子计算机的工作方式有所不同：它们使用单个原子作为量子比特，原子被保持在超高真空中由激光束阵列构成的阵列中，并通过光脉冲进行控制。它们在室温或接近室温下运行，无需毫开尔文级低温技术，也无需依赖制冷设备的冷却过程。
现有的中性原子设备配备数百个量子比特，据报告其系统总功耗低于10千瓦。因此，即便在当今的适度规模下，两台处理器尺寸相当的量子计算机，其功耗仍可能相差约三倍，这取决于它们是否依赖极端冷却。
展望未来，对于规模更大、具备规模化容错能力（即能够在物理干扰和操作错误下继续运行）的系统，技术路线图显示，全面规模化量子计算机的电力需求在不同架构之间可能相差多达两个数量级。
量子技术可在何处降低能耗
节能型量子硬件在更优解能够直接减少实际能源消耗的领域最为重要。其首要优势在于计算层面：某些任务可以用远少于经典计算机的能量完成。
同样重要的是，量子计算有助于设计和运行更绿色、更可持续的未来，尤其是在能源系统和交通出行领域，那里存在大量优化难题，从风电场布局和可再生能源发电预测，到交通规划与交通管理，不一而足。
在这些领域，量子算法所需的电力与潜在的系统级节约相比微乎其微，因此即便是适度的改进，也能大幅减少资源使用和排放。
材料科学与化学提供了另一条强有力的路径：在储能、氢能和工业流程中，可开发出更优的电池、催化剂和膜材料；然而，许多关键模拟仍超出经典硬件的能力范围。
许多电池和工业材料过于复杂，当今的计算机无法对其进行精确模拟。量子计算能够更忠实地对其建模，从而加速更优电池、更高效催化剂和低损耗膜材料的研发，减少总体能源需求。
这些进展也将惠及人工智能。训练和运行大型模型依赖于相互交织的硬件、软件和架构选择，而其能耗正在上升。
人们正在探索基于量子启发和量子的优化方法，以使未来系统在更少的运算次数和每项任务更低的能耗下，实现同等或更优的性能。
量子计算机能否显著加快前沿模型的训练仍是一个悬而未决的问题，但利用量子工具简化人工智能工作流程已是一个颇具前景的方向。
量子作为一条必要路径
随着全球计算需求加速增长，量子计算不应被视为一项小众研究追求，而应被视为一条必要路径，以在不增加能源消耗的前提下维持数字进步。
实现这一潜力需要科研、产业和公共部门开展大规模的协同努力，并需要持续的公共和私人投资，以应对大规模纠错等关键技术挑战。
除了提高效率，量子处理还提供了一种驾驭复杂性的新方式，有望重新定义数字经济的架构。这一未来是否在环境上可行，取决于今天的决策。
各国政府和产业界必须自问：哪些技术能够实现规模化发展，同时又不会使数字世界陷入高耗电的困境？
如果能源效率要成为战略优先事项，就必须将其作为核心设计原则嵌入整个量子生态系统之中——从研究经费到基础设施规划。唯有如此，量子计算才能与人工智能并驾齐驱，同时使我们的数字未来保持在物理世界的限度之内。
