量子计算机为密码学和优化问题提供了广阔的前景，一些公司正在竞相将它们用于商业用途。量子计算机能做什么和不能做什么，以及仍然存在的挑战。

原因是量子计算机虽然还远未成熟，但有望最终迎来一个全新的计算时代——在解决复杂问题时，硬件不再是一个约束，这意味着一些计算将需要数年甚至数百年才能完成的经典系统，现在可以在几分钟内完成。

从模拟更高效的新材料到更准确地预测股市将如何变化，对企业的影响可能是巨大的。以下是领先组织目前正在探索的八个量子用例，它们可能会从根本上改变整个行业的游戏规则。 

1. 研制新药 

新药的发现部分依赖于称为分子模拟的科学领域，该领域包括对粒子在分子内相互作用的方式进行建模，以尝试创建一种能够抵抗给定疾病的配置。

这些相互作用非常复杂，可以呈现出许多不同的形状和形式，这意味着根据分子的结构准确预测分子的行为方式需要大量的计算。

手动执行此操作是不可能的，而且问题的规模对于当今的经典计算机来说也太大了。事实上，预计 对一个只有 70 个原子的分子进行建模需要一台经典计算机长达 130 亿年的计算。

这就是为什么发现新药需要这么长时间的原因：科学家们大多采用试错法，在这种方法中，他们针对目标疾病测试数千种分子，希望最终能找到成功的匹配。

然而，量子计算机有可能在几分钟内解决分子模拟问题。这些系统旨在能够同时进行许多计算，这意味着它们可以无缝模拟构成分子的粒子之间所有最复杂的相互作用，使科学家能够快速识别成功药物的候选者。 

这意味着目前平均需要10 年才能上市的救命药物可以设计得更快——而且成本效益更高。

制药公司正在关注：今年早些时候，医疗保健巨头罗氏宣布与剑桥量子计算(CQC) 建立合作伙伴关系，以 支持解决阿尔茨海默病的研究工作。

小公司也对这项技术感兴趣。例如，合成生物学初创公司Menten AI 与量子退火公司 D-Wave 合作 ，探索量子算法如何帮助设计最终可用作治疗药物的新蛋白质。

2. 制造更好的电池 

从驱动汽车到存储可再生能源，电池已经在支持向绿色经济的过渡，而且它们的作用只会越来越大。但它们远非完美：它们的容量仍然有限，充电速度也有限，这意味着它们并不总是合适的选择。 

一种解决方案包括寻找具有更好性能的新材料来制造电池。这是另一个分子模拟问题——这次是对可能成为新电池材料潜在候选者的分子行为进行建模。

因此，与药物设计类似，电池设计是另一项数据繁重的工作，与经典设备相比，它更适合量子计算机。 

这就是为什么德国汽车制造商戴姆勒 现在与 IBM 合作， 评估量子计算机如何帮助模拟不同环境中硫分子的行为，最终目标是制造性能更好、寿命更长、更耐用的锂硫电池。比今天的锂离子电池便宜。

3. 预测天气 

尽管当今尖端的超级计算机提供了大量的计算能力，但天气预报——尤其是远程天气预报——仍然可能令人失望地不准确。这是因为天气事件可能以无数种方式表现出来，而经典设备无法获取精确预测所需的所有数据。 

另一方面，正如量子计算机可以同时模拟分子内发生的所有粒子相互作用以预测其行为一样，它们也可以模拟无数环境因素如何共同形成大风暴、飓风或热浪。 

而且由于量子计算机能够同时分析几乎所有相关数据，因此它们可能会生成比当前天气预报准确得多的预测。这不仅有利于规划您的下一次户外活动：它还可以帮助政府更好地为自然灾害做准备，并支持气候变化研究。 

该领域的研究较为安静，但正在建立合作伙伴关系，以仔细研究量子计算机的潜力。例如，去年，欧洲中期天气预报中心(ECMWF) 与IT 公司 Atos 建立了合作伙伴关系 ，其中包括访问 Atos 的量子计算模拟器，以探索量子计算如何影响天气和气候预测。

4. 选股 

摩根大通、高盛和富国银行都在积极研究量子计算机在提高银行运营效率方面的潜力——这一用例通常被认为可能带来丰厚的经济回报。

该技术可以通过多种方式支持银行的活动，但已经显示出前景的一种方式是将量子计算应用于称为蒙特卡罗模拟的程序。

蒙特卡罗操作包括根据相关资产的价格如何随时间变化对金融资产进行定价，这意味着有必要考虑不同期权、股票、货币和商品的固有风险。该程序本质上归结为预测市场将如何演变——随着相关数据的增加，这种练习会变得更加准确。 

根据高盛与量子计算公司QC Ware 进行的研究，量子计算机前所未有的计算能力可以将蒙特卡罗计算速度提高1,000 倍。更有希望的消息是，高盛的量子工程师 现在已经调整了他们的算法 ，以便能够在量子硬件上运行蒙特卡罗模拟，这种模拟可能会在短短五年内面世。

5. 处理语言 

几十年来，研究人员一直试图教经典计算机如何将意义与单词联系起来，以尝试理解整个句子。考虑到语言的性质，这是一个巨大的挑战，它作为一个交互式网络运行：一个句子通常必须作为一个整体来解释，而不是每个单词含义的“总和”。这甚至是在试图解释讽刺、幽默或内涵之前。 

因此，即使是最先进的自然语言处理(NLP) 经典算法仍然难以理解基本句子的含义。但研究人员正在研究量子计算机是否更适合将语言表示为网络——从而以更直观的方式处理它。

该领域被称为量子自然语言处理(QNLP)，是剑桥量子计算(CQC) 的重点。该公司 已经通过实验表明，句子可以在量子电路上参数化，其中可以根据句子的语法结构嵌入词义。最近，CQC发布了 Lambeq，这是一个用于 QNLP 的软件工具包，可以将句子转换为量子电路。 

6. 帮助解决旅行推销员问题 

销售人员会收到一份他们需要访问的城市列表，以及每个城市之间的距离，并且必须想出一条能够节省最多旅行时间和花费最少钱的路线。听起来很简单，“旅行推销员问题”是许多公司在尝试优化其供应链或交付路线时面临的问题。

随着每个新城市添加到推销员列表中，可能的路线数量成倍增加。在跨国公司的规模上，可能要处理数百个目的地、数千个车队和严格的截止日期，问题变得太大，经典计算机无法在任何合理的时间内解决。

例如，能源巨头埃克森美孚(ExxonMobil) 一直在努力优化穿越海洋的商船的日常航线——也就是说，超过 50,000 艘船只每艘载有 200,000 个集装箱，运送总价值为 14 万亿美元的货物。

已经存在一些经典算法来应对挑战。但考虑到大量可能的探索路线，模型不可避免地不得不求助于简化和近似。因此，埃克森美孚与IBM 合作，研究 量子算法是否可以做得更好。 

量子计算机一次进行多项计算的能力意味着它们可以串联运行所有不同的路线，这使它们能够比经典计算机更快地发现最佳解决方案，后者必须按顺序评估每个选项。

埃克森美孚的结果似乎很有希望：模拟表明，一旦硬件得到改进，IBM的量子算法可以提供比经典算法更好的结果。

7. 减少拥堵  

优化城市交通信号的时间，使其能够适应等待的车辆数量或一天中的时间，可以大大有助于顺畅车辆流动和避免繁忙路口的拥堵。 

这是经典计算机难以解决的另一个问题：变量越多，系统在找到最佳解决方案之前必须计算的可能性就越多。但与旅行推销员问题一样，量子计算机可以同时评估不同的场景，更快地达到最佳结果。

微软一直在与Toyoto Tsusho 和量子计算初创公司Jij 一起研究这个用例。研究人员已开始在模拟城市环境中开发受量子启发的算法，目的是减少拥堵。根据实验的最新结果， 该方法可以将交通等待时间减少多达 20%。 

8. 保护敏感数据  

现代密码学依赖于由算法生成的密钥来编码数据，这意味着只有被授予访问密钥的各方才能解密消息。因此，风险是双重的：黑客可以截获加密密钥来破译数据，或者他们可以使用功能强大的计算机来尝试预测算法生成的密钥。 

这是因为经典的安全算法是确定性的：给定的输入将始终产生相同的输出，这意味着通过适当的计算能力，黑客可以预测结果。

这种方法需要非常强大的计算机，并且不被认为是密码学的近期风险。但是硬件正在改进，安全研究人员越来越多地警告说，在未来的某个时候将需要更安全的加密密钥。 

因此，增强密钥的一种方法是使它们完全随机且不合逻辑——换句话说，不可能用数学方法猜测。 

事实证明，随机性是量子行为的基本组成部分：例如，构成量子处理器的粒子的行为方式完全不可预测。因此，这种行为可用于确定即使使用最强大的超级计算机也无法进行逆向工程的加密密钥。

随机数生成是一种已经接近商业化的量子计算应用。例如，总部位于英国的初创公司Nu Quantum 正在最终确定一个系统，该系统可以测量量子粒子的行为 以生成随机数流，然后可用于构建更强大的加密密钥。