量子计算与人工智能

尽管人工智能在当前的金融创新浪潮中占据主导地位，但另一项技术也开始引起关注：量子计算。金融机构已经开始测试量子计算在投资组合优化和交易执行预测方面的应用，并探索其在蒙特卡罗期权定价方面的潜力。

在此之前，无论是用于交易终端还是运行大型语言模型（LLM）的计算机，都以相同的“经典”方式处理信息：将其视为一系列二进制位，每个位最终解析为 0 或 1。这种架构支撑了数十年的金融分析。即使是最新的智能体人工智能系统，最终也依赖于传统的硬件。

但这同时也设定了一个上限：某些问题（例如，在现实世界的约束条件下优化投资组合中数百种证券、对跨资产类别的相关尾部风险进行建模，以及对复杂度难以找到封闭解的衍生品进行定价）会随着规模的扩大呈指数级增长，迅速超出传统超级计算机的处理能力。量子计算机的工作原理基于截然不同的物理原理，有望大幅突破这一上限。

研究人员将量子计算的潜在突破描述为量子优势：量子计算机能够“比传统计算机更准确、更经济或更高效地”执行计算 （IBM，2025）。在投资管理领域，即使是预测、优化或风险建模方面的微小改进也能转化为数百万美元的收益，因此，哪怕是微不足道的计算能力提升也至关重要。但量子计算带来的改进并非渐进式或线性的，而是质的飞跃，在某些情况下甚至呈指数级增长。

早期演示已初步揭示了这些优势在实践中可能呈现的形式。近期实验表明，量子系统能够执行某些高维计算，而这些计算用经典模拟方法难以实现。

2025 年 10 月， 谷歌宣布其 105 量子比特的“Willow”处理器完成了一项特定任务的计算，速度比目前最好的经典超级计算机模拟快约 13000 倍。这项任务仅用了两个多小时就完成了，而世界上最强大的经典超级计算机之一完成这项任务估计需要 3.2 年。

因此，量子优势不仅仅代表着人工智能之后的一项新技术，它预示着一种截然不同的计算范式的出现。它为解决传统计算机无论投入多少算力都无法完全解决的问题打开了大门，其中包括投资管理领域一些最棘手的计算难题。

这种新范式在未来人工智能时代尤为重要。量子计算机不仅可以加速某些人工智能计算，还能从根本上引入表示不确定性、相关性和高维关系的新方法 。如此一来，它们便能拓展人工智能系统能够有效学习和分析的问题类型。

尽管如此，量子技术，尤其是量子计算，不太可能像经典计算机那样普及。量子系统不太可能成为人人都能使用的工具，而是更可能应用于高度复杂且计算量巨大的问题。对于机构投资者和资产管理公司而言，这意味着在诸多约束条件下进行情景建模或投资组合优化等挑战。

虽然普通投资者可能不会很快利用量子技术，但银行 、对冲基金、资产管理公司和养老基金已经注意到量子计算的潜力。

2025 年底， 先锋集团宣布与 IBM 建立合作伙伴关系 ，“探索量子计算如何革新投资组合构建，这是金融管理中最复杂的挑战之一”。他们将通过应用“混合量子-经典算法来模拟动态市场，并在流动性、交易成本和监管限制等现实世界约束下优化投资组合”。

大约在同一时间， 汇丰银行公布了利用量子计算进行算法债券交易的实际优势的实证研究。汇丰银行还与 IBM 合作，发现与现有计算机模型相比，量子计算在预测交易以报价成交的可能性方面提高了 34%。

在资产所有者中，加拿大养老基金 BCI 最近与位于不列颠哥伦比亚省的非营利组织量子算法研究所合作，“旨在确定量子投资在投资组合优化、风险评估和财务建模方面的应用，同时实施后量子安全标准，以支持 BCI 的长期运营弹性。”

随着这些合作关系的建立，量子计算生态系统正在迅速成熟。诸如 IBM Quantum、Azure Quantum（微软）和 Amazon Braket 等云端量子计算平台，已向金融数据科学家开放了量子实验。在北美和欧洲，各国正投入数十亿美元，以确保在量子计算、量子传感和量子通信（包括密码学方法）领域的领先地位。

麻省理工学院最近的一份报告显示，自 2021 年以来，量子技术的风险投资大幅增加。硬件、软件、使能技术和监管政策方面的发展势头表明，实用量子实验时代已经开始。

量子计算机是使用量子比特而非经典比特的系统。与使用0和1的经典计算机不同，量子比特利用叠加态 ¹ 和纠缠态 ² 等量子现象进行计算。因此，量子比特有望大幅提升计算能力，超越经典比特所能达到的水平。

目前的量子计算机已从理论和实验两方面证明，它们在某些类型的问题上展现出超越经典计算的能力。 西班牙对外银行 （BBVA ） 、 ^高盛和摩根大通已经开发出可应用于金融领域的量子算法原型，例如用于投资组合优化、数据安全或解决其他复杂的商业问题。然而，由于噪声和纠错方面的挑战，大规模、容错的量子计算机仍然遥不可及。

然而，混合量子计算已经取得了令人瞩目的成果。在这种计算方式中，部分计算任务在量子处理器上运行，而其余部分则在经典硬件上运行。得益于这种混合方法，实现投资组合优化和蒙特卡罗期权定价等任务的量子优势的预计时间已从十年缩短至不到五年。

回顾过去十年，CPU（中央处理器）向 GPU（图形处理器）的转变，这一转变已成为计算能力提升和人工智能进步的代名词。量子计算也有其自身的处理单元：量子处理单元（QPU）。它们的架构千差万别。开发 QPU 的方法有很多种，但它们都依赖于作为量子信息基本单元的量子比特的物理特性。

几种主要的 QPU 架构 ⁴ 包括：

在这些方法中，目前尚无绝对的“最佳”方案，企业通常会将资源投入到他们认为最有前景的方案中。此外，每种架构的商业成熟时间表各不相同，这会影响量子应用何时能够被企业广泛采用。

除了企业间的竞争之外，各国也在竞相研发高性能、商用量子处理器（QPU）。根据麻省理工学院发布的《2025 年量子指数报告》，目前全球约有 40 款商用量子处理器，另有 80 多家公司正在研发量子硬件。

但硬件只是其中一个考量因素。 连接量子硬件和编程工具的软件栈也在快速发展。 这些系统管理底层操作，使开发人员能够构建和运行针对商业和科学应用量身定制的算法。

大多数软件栈都可以通过云端在普通的传统计算机上访问。例如，IBM 的 Qiskit 是一款开源软件开发工具包 (SDK)，它允许金融研发团队编写、模拟、测试量子算法，并通过 IBM Quantum 服务，利用基于 Web 和云的界面在实际的量子硬件上运行这些算法。一些公司提供混合服务，通过 API 调用或其他方式而非 SDK 来实现。量子算法可以通过传统系统在量子硬件上远程运行。

常用的量子计算软件开发工具包包括：

• Qiskit（IBM）
• Cirq（谷歌）
• Braket SDK（亚马逊）
• Azure Quantum SDK（微软）
• 潘妮巷（世外桃源）

在这个软件栈之上，还有一些平台提供 SaaS（软件即服务）的即用型量子算法和工作流程。 例如， QC Ware Forge 基于 Amazon Braket 构建，并可连接到各种量子处理器（QPU）和模拟器。QC Ware Forge 可以运行一系列优化和机器学习任务，例如分类，这些任务对投资管理和风险管理非常有用。其他公司，例如 Multiverse Computing， 也开发了类似的产品，并与量子硬件提供商集成，提供针对金融优化问题（以及其他问题）的即用型量子算法。

量子计算是一项新兴技术，它正与拥有八十多年持续发展历史、价值数万亿美元的经典计算机产业展开竞争。期望量子计算机在所有领域都超越经典计算机是不现实的。目前的量子硬件仍然面临诸多限制，这一点已得到广泛认可。本文将重点关注最显而易见的物理挑战：量子系统的脆弱性。

量子比特及其操作的量子门必须隔离，以防止与辐射、温度波动和系统振动等有害外部因素相互作用。所有这些不受控制的相互作用构成了所谓的噪声。

由于这些技术挑战，可用于实际应用的量子比特和量子门数量有限。而且，许多量子比特必须用于补偿噪声引起的误差，这一过程被称为纠错。为了克服这些硬件限制，研究人员正在开发更复杂的纠错方法。

这些物理限制影响着所有正在开发的主要硬件平台，无论它们基于超导量子比特、光子学、中性原子，还是上述任何其他架构。随着量子处理器规模的扩大，它们不可避免地需要在量子比特质量和门性能之间做出权衡。

这些挑战并非不可克服，反而激发了量子专家开发创新算法，以适应目前噪声较大的中等规模量子（NISQ）器件。这类新型系统正被积极应用于解决金融问题，例如风险管理、期权定价以及各种计算量巨大的金融特有任务。

人们普遍误解，容错量子计算机（能够实时纠正错误并提供可靠的计算，类似于当前的经典计算机）需要完全取代经典计算机才能带来显著的计算优势。但实际上，混合量子-经典计算可能在短期内就能带来优势，而无需达到如此成熟的技术水平。

混合系统的一个重要应用场景是投资组合优化。D -Wave 近期发布的研究结果表明，其混合量子处理器与经典求解器相结合，在包含私募股权和房地产等大型不可分割资产的多资产投资组合优化任务中，性能优于经典算法（包括机器学习中使用的算法）。通过对多个风险收益指标（包括累计收益率、年化收益率、夏普比率和索提诺比率）在多个时间跨度内进行回测，证实了其优异性能。

但混合系统并非研究人员在应对量子硬件扩展挑战时探索的唯一方案。金融量子计算团队正日益开发受量子启发的方法——这些算法完全在经典计算机上运行，​​但借鉴了量子计算的关键概念。

这些方法有选择地融合了量子力学的思想，从而重塑了经典算法搜索、优化或压缩信息的方式。因此，即使运行在标准处理器或专用加速器上，受量子启发的方法在特定的优化或线性代数问题上有时也能超越传统的经典算法。它们的优势范围比完全量子算法在容错硬件规模化后所能达到的水平要窄。但它们目前仍然实用，因为与混合系统不同，它们不需要量子硬件，并且可以大规模应用于整个行业。

这一讨论引出了一个对金融专业人士来说实际的问题：他们的下一步应该是什么？他们如何才能从被动地了解组织内部的量子解决方案转变为主动地探索量子解决方案？

金融专业人士可以采取多种措施来培养自身的量子能力。无论采取哪种措施，关键都不在于陷入技术细节，而在于着眼全局：这项技术目前的应用领域、未来发展前景以及量子计算将如何改变整个行业。归根结底，金融领域的量子时代将是一个渐进的过程，而非一夜之间的革命，因此无需恐慌。

然而，为了充分应对这种变化，感兴趣的金融专业人士应该：

• 培养专注的量子素养
• 将技术与实际业务问题联系起来
• 尝试混合和量子启发式方法
• 抢占后量子网络安全先机

脚注

^[1] 叠加是指量子比特如何利用量子力学的特性生成多维计算空间，从而允许在所有可能的配置上进行概率分布（参见 IBM）。

^[2] “纠缠是量子比特将其状态与其他量子比特关联起来的能力”（IBM）。

^[3] 要查看高盛和 Quantum Motion 关于量子计算在期权定价方面的研究详情，请参阅 https://journals.aps.org/pra/pdf/10.1103/m32k-7nq2.

^[4]Martin Ivezic 的 PostQuantum 上提供了对量子计算模式和架构的详细描述 。

^[5] 有关当前量子计算机、所用方法类型和量子比特数量的列表，请参阅 Kihara Kimachia 的 《增强量子比特》（截至本文发布时，最后更新于 2025 年 7 月）。

^[6] 另请参阅 Vanguard 和 IBM 的研究 ，该研究表明，在优化 ETF 构建时，使用量子-经典工作流程可以比纯粹的经典方法获得更高的准确性。