人工智能（AI）产业繁荣的背后，关于“AI泡沫”的讨论也甚嚣尘上。近日，英特尔前CEO一句“十年内GPU（显卡）将被量子计算取代，AI泡沫终将破裂”的预测，一石千浪。

当前，AI的推进方式极具“暴力美学”：用更多的GPU、耗更多的电、练更大的模型——这条路径的物理极限已隐约可见了。新兴的量子计算，能终结AI泡沫吗？

GPU撑不起AI的“无限狂欢”

OpenAI为训练GPT-4，消耗了2.5万块A100显卡数月的算力。下一代模型的参数规模和训练成本，还在指数级攀升。

这种“堆GPU”的模式，正面临绕不开的坎。

首先是能源不够用。一个大型AI数据中心的功耗，能达到数百兆瓦，相当于一座中等城市的总用电量。GPU能效的改善速度，远远赶不上模型规模的膨胀。

其次是物理到顶了。摩尔定律放缓已是事实，芯片制程逼近原子大小，量子隧穿等物理现象会干扰晶体管工作，传统芯片的提升空间越来越小。

第三是钱烧不起。训练一个前沿大模型要好几亿美元，但模型能力的提升却越来越慢，投入回报比正在持续缩水。

当投入产出比越来越差，资本的热情迟早会冷却。所谓的AI泡沫隐忧，其实就是增长模式的不可持续。

量子计算或重构AI底层逻辑

那么，量子计算能帮AI突破算力“天花板”吗？

首先纠正一个误区：量子计算机不是万能的“超级加速器”，它只对特定问题有指数级优势。其核心优势，在于“量子叠加”和“量子纠缠”带来的并行计算能力。基于深度学习的AI最常用的是大规模矩阵乘法和梯度计算。将现有的神经网络直接“搬”到量子计算机上，显然实现不了算力的飞跃。

真正有潜力的是“量子原生”的机器学习算法。比如，变分量子电路可以当新型神经网络用，量子核方法可以更好地处理高维数据，量子采样技术能加速概率模型的训练。当然，这些方向目前停留在基础阶段，离实际应用还较远。

与其说量子计算会“重构”AI的底层逻辑，不如说它可能为AI开辟一条与经典计算互补的新赛道——不是简单替代，而是融合与扩展。

量子AI的边界与未来

那么，量子AI到底有没有可能成真？

目前业内普遍共识是：长期看好，短期谨慎。

从技术成熟度看，现在的量子计算机还处在“含噪声中等规模量子”（NISQ）时代。量子比特数量少、稳定时间短、错误率高，这些基础问题决定未来5到10年，量子AI很难对经典AI造成实质威胁，至少在AI应用领域是这样。

但长远看，量子AI的前景值得期待。一方面，量子纠错技术在进步，虽然容错量子计算机还得等好几年甚至更久，但技术路线是清晰的。另一方面，量子计算在优化和模拟问题上的天然优势，可能催生出经典计算机做不到的AI应用，进而推动量子计算更广泛的落地。

当前的AI“狂欢”或许蕴含泡沫，但泡沫破裂未必是灾难，也可能是产业走向成熟与理性的契机。量子计算或许不是AI泡沫“终结者”，但必然是推动下一次技术革命的重要力量。

（作者系中国科学院计算技术研究所工程师）