當量子開始挑戰 GPU 霸權：NVIDIA 推開放 AI 模型 Ising，想先當量子機器的作業系統
當生成式 AI 持續推高 GPU 算力需求之際，量子運算公司 D-Wave 執行長 Alan Baratz 近日在接受《Yahoo Finance》採訪時表示，若自己是 NVIDIA，絕對會 「嚇得發抖」。
Alan Baratz 主張，量子電腦在特定問題上能以極低功耗、在更短時間內完成傳統 GPU 系統難以負荷的運算。舉例來說，D-Wave 的量子系統運行只需約 10 kilowatts 的電力，大約相當於 5 到 10 張 GPU 的耗電量，就能在幾分鐘內解決大型 GPU 系統可能需要近百萬年與「全世界的電力」才能完成的問題。
當量子陣營正在叫陣，NVIDIA 近日推出的開放 AI 模型家族「Ising」，則揭示 NVIDIA 對於量子技術的態度。Ising 瞄準量子校準與錯誤修正，目標是協助研究人員與企業打造可執行實用應用，且具備高度可擴展性的量子系統。
NVIDIA 從量子校準與錯誤修正切入，瞄準量子實用化的關鍵瓶頸
NVIDIA 為何選擇從校準與錯誤修正切入？原因在於，量子電腦若要真正進入大規模實用階段，必須先處理量子位元（qubits）極度脆弱、容易受噪音干擾且系統極易出錯的根本問題。NVIDIA 量子產品總監 Sam Stanwyck 解釋，解碼與校準正是目前量子系統擴展最迫切的障礙，且兩者都屬於非常適合導入 AI 的「AI 驅動型工作負載」（AI-shaped workloads）。
為此，NVIDIA 針對這兩大痛點推出了 Ising Calibration 與 Ising Decoding 兩套模型。Ising Calibration 運用視覺語言模型（vision language model）即時解析量子處理器數據，讓物理學家能藉由調整、測量與優化微波或雷射等物理控制訊號來準備系統，以應對硬體的不穩定性與參數漂移，並將原本需要數天的校準流程大幅縮短至數小時。另一方面，Ising Decoding 則透過 3D 卷積神經網路（3D convolutional neural network）進行即時錯誤修正解碼，相較於現有開放標準 pyMatching，其速度最高可提升 2.5 倍、準確度更能大幅提升高達 3 倍。
Ising 的關鍵角色：量子機器的「作業系統」與未來藍圖
「AI 是讓量子運算變得實用的關鍵，」NVIDIA 執行長黃仁勳強調，透過 Ising，AI 將成為量子機器的「控制平面」（control plane），也就是作業系統，負責將脆弱的量子位元轉化為可擴展且可靠的量子-GPU 系統。
同時，NVIDIA 的長期願景不僅止於此，未來還計畫利用 AI 來建構與優化量子電路。為了打造完整生態系，除了開放模型本身，NVIDIA 同步提供工作流程指南（cookbook）、訓練資料以及 NIM 微服務，並允許這些模型在研究人員的本地系統上安全運行，以保護專有與敏感資料。此外，Ising 更將與 CUDA-Q 軟體平台及 NVQLink QPU-GPU 互連技術深度整合，為開發者提供一套無縫銜接的混合量子與經典運算工具組合。
競爭外溢：加速量子實用化同時引發加密與資安風險
隨著 NVIDIA 等科技巨頭加速量子計算的實用化進程，這場技術革命的影響力已不僅限於運算平台的競爭，更外溢到全球資訊安全領域。《CoinEdition》指出，Ising 模型的推出再度提醒市場：量子技術若加速成熟，未來必將對現有密碼學與區塊鏈安全機制造成極大衝擊。
研究機構 Bernstein 評估，量子技術對加密系統的威脅是真實存在的，儘管目前仍屬可管理範圍，但距離量子系統足以挑戰當前加密體系，大約只剩下 3 到 5 年的緩衝期。為了因應這項迫在眉睫的威脅，比特幣社群已積極討論如 BIP-360 這一類的升級方案，以降低公鑰暴露的風險。同時，科技巨頭 Google 也早在 2016 年便開始著手準備後量子安全機制。這些行動皆顯示，量子運算的爆發力正從硬體實驗室，迅速延伸至全球加密治理與資安防護的戰略布局中。
D-Wave 與 NVIDIA 其實分別代表量子競賽的兩條路線：前者試圖證明量子運算終將在效率與能耗上顛覆傳統 GPU 的統治地位，後者則發揮自身軟硬體整合的優勢，選擇先卡位量子系統最核心的控制層與工具鏈。這也代表，下一代運算主導權之戰，不見得會先由單一硬體的絕對算力分出勝負，而是由誰能率先掌握校準、錯誤修正，並建立平台生態系來決定最後的競爭版圖。
＊本文開放合作夥伴轉載，資料來源：《SiliconANGLE》、《Coin Edition》、《Yahoo Finance》、NVIDIA，首圖來源：NVIDIA