在播客节目《The Superposition Guy’s Podcast》中，美国量子计算公司 QuEra Computing 首席商务官 Yuval Boger 作为主持，与专门从事组合优化的量子计算初创公司 QuantyMize 两位嘉宾，围绕他们在量子优化与量子-经典混合算法方面的研究展开了深入交流。

作为 QuantyMize 的首席执行官，Daniel Porat 分享了公司如何聚焦能源、电子商务和调度等行业的现实世界优化难题，借助量子计算提升整体效率，巴伊兰大学 Emanuele Dalla-Torre 教授则对该公司的核心算法进行了介绍。 此外，讨论还涵盖了以色列量子生态的发展趋势、当下实现商业量子优势的现实可能，以及如何在科研发表与企业竞争之间取得平衡等多个重要话题。

Q：你们目前是否聚焦于某一类组合优化问题？

Daniel：这是个很关键的问题，我认为是的。其实我们在创业初期就反复问自己：量子计算是否真的能解决所有优化问题？它究竟适合解决哪些问题？最终我们总结出了四条指导原则，用来判断什么样的问题适合通过量子优化来处理，并基于此展开技术研发，这个过程至关重要：我们从一开始就意识到，尤其在当下这个量子计算尚未成熟的阶段，我们不可能解决所有优化问题，因此应优先聚焦在那些短期内可实现求解的实际问题上。

Emanuele：我也认为聚焦于现实中具有高价值的应用场景非常重要，因为即使你在技术上高效地解决了一个优化问题，但如果它在现实世界中没有实际价值，那这个成果就缺乏意义。因此我们确定了一些重点行业作为起点，并开发了概念验证系统（PoC），将我们设计的算法用于真实问题求解，比如在能源领域，我们聚焦于电网优化问题，构建的原型系统已实现最高达 50% 的效率提升。此外，我们也专注于排程问题，这是我们认为极具潜力的量子技术应用新前沿。

Q：你们的一篇白皮书中提到了量子退火机，那么你们的算法将来是否也会应用在门模型量子计算机上？还是当前主要聚焦在退火技术？

Emanuele：我们真正面临的挑战，是如何将现实问题转化为量子计算可处理的模型，比如 QUBO（二次无约束二值优化）模型。至于这个模型最终是通过退火、QAOA，还是经典高效模拟器来求解，这并不是我们关注的核心。

我们更偏向务实，会灵活利用当前在 QUBO 求解方面的各种技术进展。我们做的工作其实是打通两端的桥梁：一头是现实世界中的业务问题，一  头是 QUBO 模型。我们的价值是在二者之间建立有效映射，让量子算法落地应用。因此，我们的解决方案在技术路径上是中立、通用的。

Q：公司成立两年，现状如何？

Daniel：我们总部位于以色列。以色列目前有大约十家量子硬件公司在本地开发量子计算机和配套设施，还有多家量子软件公司，这使得我们能非常便捷地接触潜在客户，也能快速展开概念验证（POC）。

目前团队成员来自量子计算和机器学习两个领域，我们方案的一部分是接收客户提供的数据，进行机器学习分析，再将处理结果作为输入用于我们的优化算法。因此，我们配备了专门的 AI 和机器学习专家。同时，为了更好地理解客户的业务需求，我们还会针对每一个具体问题安排具有相关背景的专家参与，确保向客户交付的是真正解决实际问题的方案，而不是学术上的概念性成果。

Q：公司的商业模式如何？

Daniel：我们公司的三个核心目标是算法、访问能力和量子优势。其中，“访问”是我们技术体系中的一个关键组成部分。我们的愿景是，让任何一位数据分析师，甚至是不具备量子背景的用户，都能够运行优化问题或其他与量子计算相关的任务。

为此，我们正在打造的平台，将赋能这类用户，让他们无需借助任何中间件，即可直接在量子计算环境中运行优化问题和其他类型的问题，这就是我们主要的商业产品方向：提供一个平台，配套成熟的算法和直接访问量子计算资源的能力。

Q：客户多久能从量子计算中获得真正的商业价值？

Daniel：我们可以明确地说，从当前的原型系统和概念验证项目来看，我们现在就已经能够为客户带来价值。当然，我们并不是在宣称这会带来像“量子计算终极愿景”那样的 100 倍提升，但通过一种量子与经典计算融合的混合型方案，也就是智慧地结合两者的优势，我们已经能够在特定问题上实现实际价值。

 正如之前所说，我们能够证明这种价值确实存在，而且预计在今年，我们将基于这项技术开始实现营收。这意味着，我们今天就已经能够为客户创造可量化的商业价值。

Q：能谈谈公司的算法吗？它是关于 QUBO 问题的高效编码，还是更广泛的内容？

Emanuele：我们的算法还没有正式发表，不过距离点击“提交”按钮只有一步之遥。核心结构性算法叫做 ECO（高效相关优化），主要用于解决一种名为多约束背包问题（multi-constrained knapsack problem）的组合优化问题。这个问题模型本身具有广泛的适应性，对于解决大量复杂的组合优化问题都非常有用。

 在即将发表的论文中，我们展示了如何将这类问题高效地映射到量子硬件上。以当前 D-Wave 拥有约 5000 个物理量子比特的设备为例，我们可以在该平台上求解包含 100 个物品和 200 个约束条件的问题。而使用传统的映射方式，则可能需要多达 80 万个物理量子比特，显然这在现阶段是难以实现的，因此我们的方法提供了一个非常实用的优化路径。

 Daniel：在构建这个算法时，我们始终坚持四个核心目标：1、尽量减少所需的量子比特数量；2、简化量子电路结构，即减少量子算法的层数；3、面向实际硬件进行优化，将那些复杂、不易实现的操作替换为硬件原生支持的高效操作；4、采用量子-经典混合方案。这在当下的量子计算阶段非常具有现实价值。

Q：这个算法的通用性如何？

Emanuele：我们目前专注解决的是少数几类可以高效映射为 QUBO 的问题。我不能声称自己拥有“万能算法”，可以一举解决所有优化问题，但我们确实掌握了某些问题类型的高效求解方法，比如排程问题，我们非常清楚如何进行高效映射，再比如我之前提到的多约束背包问题，这也是一个典型案例。

实际上，在优化领域，问题本身就是按照类型划分的。如果我们能够掌握这些类别中的大多数或最具代表性的问题的高效解法，那对于企业来说就已经有很大价值了。

此外，我们的策略还包括将量子优化与经典优化相结合。客户找到我们，不仅可以使用量子计算方案，还能获得当前可用的最优经典解法，这点对我们来说非常关键，因为我们始终会将量子结果与经典方案进行严格的基准对比：与最优的经典解法来比，并证明你的量子算法至少不比它差——这正是我们团队的标准流程。

Q：能否分享一些做过的概念验证项目？谈谈客户类型以及你们所应对的问题类型。

Daniel：基于 ECO（高效相关优化）基础算法，我们曾参与一个国际合作项目，将其应用于电商场景中的优化问题。举个例子，在电商平台中，有一个经典的问题是：如何根据上百甚至上千个参数，优化地向用户展示商品菜单。这是一个 NP-难问题。我们就是将 ECO 算法应用到这类问题上，并取得了实际成果。

此外，我们也在专注能源领域，特别是电网优化。随着可再生能源的大规模接入，涉及到的优化难题也越来越多，比如电池储能系统的充放电调度，再加上电网本身的输电线路限制，这些问题的计算复杂度非常高，同时又直接关系到大量经济成本。我们开发了一个原型系统，能够证明在某些参数下，可以节省多达 50% 的资源或成本。

另外，排程问题也是我们重点关注的方向之一。我们还为一些客户提供定制化服务，并与行业企业合作，在安全领域的聚类算法问题上进行联合研发。

Q：担任 CEO 近两年，你觉得量子计算市场与你当初的预期有什么不同？

Daniel：1999 年在英特尔，我的经理让我把一种叫“互联网”的新技术引入到公司的运营体系中，但当时没人想和我合作，因为没人相信这项技术。在英特尔工作了约 12 年后，我又在一家名为 Liola Technologies 的公司担任了约 10 年的 CEO，从事的是面向半导体行业的优化技术。所以说，我的整个职业生涯其实都是围绕优化问题的解决和相关技术的落地展开的。

现在我越来越清楚地意识到，量子计算将是解决这类复杂优化问题的下一代核心技术，因为经典计算在处理某些真正复杂的问题时，其实没有很理想的解决方案。进入量子领域之后，这种探索变得非常令人兴奋，目前为止一切都进展顺利，也希望未来会继续保持。

Q：如果你可以和一位“量子界的伟人”共进晚餐，不论 Ta 是已故还是在世，你会选择谁？

Emanuele：我肯定会选择理查德·费曼（Richard Feynman）。虽然从未亲眼见过他，但我看过很多他晚年时期的视频，非常欣赏他激发人们兴趣与热情的能力，那种对科学的热爱和激情真的令人着迷，让人愿意一直听下去。他在科学传播和沟通表达方面的影响力非常大，而我认为在当今这个时代，这种能力尤其重要，这也是我自己一直在努力提升的方向。我觉得自己解方程的能力还不错，但如何把它讲清楚、让别人理解其意义，对我来说依然是一项非常重要的能力。

Daniel：我并非量子学术背景，但如果让我选择，我会希望能与那些正在打造量子解决方案或硬件系统的行业远见者共进晚餐，比如 Google、IBM、IonQ 等公司的核心技术领导者。我想了解他们对于这个领域的未来设想、开发路线图、时间节点，以及他们关注的关键技术，这会是我最想参加的那一场“晚宴”。

 

---

文章转载自微信公众号：量子前哨

参考资料：https://open.spotify.com/episode/4WkmlpHjtrjC2t0nD5WxjP?si=VxOWsll9TE2mfwY0PRYgYw&nd=1&dlsi=bd056dea69b34a92

在播客节目《The Superposition Guy’s Podcast》中，美国量子计算公司 QuEra Computing 首席商务官 Yuval Boger 作为主持，与专门从事组合优化的量子计算初创公司 QuantyMize 两位嘉宾，围绕他们在量子优化与量子-经典混合算法方面的研究展开了深入交流。

作为 QuantyMize 的首席执行官，Daniel Porat 分享了公司如何聚焦能源、电子商务和调度等行业的现实世界优化难题，借助量子计算提升整体效率，巴伊兰大学 Emanuele Dalla-Torre 教授则对该公司的核心算法进行了介绍。 此外，讨论还涵盖了以色列量子生态的发展趋势、当下实现商业量子优势的现实可能，以及如何在科研发表与企业竞争之间取得平衡等多个重要话题。

Q：你们目前是否聚焦于某一类组合优化问题？

Daniel：这是个很关键的问题，我认为是的。其实我们在创业初期就反复问自己：量子计算是否真的能解决所有优化问题？它究竟适合解决哪些问题？最终我们总结出了四条指导原则，用来判断什么样的问题适合通过量子优化来处理，并基于此展开技术研发，这个过程至关重要：我们从一开始就意识到，尤其在当下这个量子计算尚未成熟的阶段，我们不可能解决所有优化问题，因此应优先聚焦在那些短期内可实现求解的实际问题上。

Emanuele：我也认为聚焦于现实中具有高价值的应用场景非常重要，因为即使你在技术上高效地解决了一个优化问题，但如果它在现实世界中没有实际价值，那这个成果就缺乏意义。因此我们确定了一些重点行业作为起点，并开发了概念验证系统（PoC），将我们设计的算法用于真实问题求解，比如在能源领域，我们聚焦于电网优化问题，构建的原型系统已实现最高达 50% 的效率提升。此外，我们也专注于排程问题，这是我们认为极具潜力的量子技术应用新前沿。

Q：你们的一篇白皮书中提到了量子退火机，那么你们的算法将来是否也会应用在门模型量子计算机上？还是当前主要聚焦在退火技术？

Emanuele：我们真正面临的挑战，是如何将现实问题转化为量子计算可处理的模型，比如 QUBO（二次无约束二值优化）模型。至于这个模型最终是通过退火、QAOA，还是经典高效模拟器来求解，这并不是我们关注的核心。

我们更偏向务实，会灵活利用当前在 QUBO 求解方面的各种技术进展。我们做的工作其实是打通两端的桥梁：一头是现实世界中的业务问题，一  头是 QUBO 模型。我们的价值是在二者之间建立有效映射，让量子算法落地应用。因此，我们的解决方案在技术路径上是中立、通用的。

Q：公司成立两年，现状如何？

Daniel：我们总部位于以色列。以色列目前有大约十家量子硬件公司在本地开发量子计算机和配套设施，还有多家量子软件公司，这使得我们能非常便捷地接触潜在客户，也能快速展开概念验证（POC）。

目前团队成员来自量子计算和机器学习两个领域，我们方案的一部分是接收客户提供的数据，进行机器学习分析，再将处理结果作为输入用于我们的优化算法。因此，我们配备了专门的 AI 和机器学习专家。同时，为了更好地理解客户的业务需求，我们还会针对每一个具体问题安排具有相关背景的专家参与，确保向客户交付的是真正解决实际问题的方案，而不是学术上的概念性成果。

Q：公司的商业模式如何？

Daniel：我们公司的三个核心目标是算法、访问能力和量子优势。其中，“访问”是我们技术体系中的一个关键组成部分。我们的愿景是，让任何一位数据分析师，甚至是不具备量子背景的用户，都能够运行优化问题或其他与量子计算相关的任务。

为此，我们正在打造的平台，将赋能这类用户，让他们无需借助任何中间件，即可直接在量子计算环境中运行优化问题和其他类型的问题，这就是我们主要的商业产品方向：提供一个平台，配套成熟的算法和直接访问量子计算资源的能力。

Q：客户多久能从量子计算中获得真正的商业价值？

Daniel：我们可以明确地说，从当前的原型系统和概念验证项目来看，我们现在就已经能够为客户带来价值。当然，我们并不是在宣称这会带来像“量子计算终极愿景”那样的 100 倍提升，但通过一种量子与经典计算融合的混合型方案，也就是智慧地结合两者的优势，我们已经能够在特定问题上实现实际价值。

 正如之前所说，我们能够证明这种价值确实存在，而且预计在今年，我们将基于这项技术开始实现营收。这意味着，我们今天就已经能够为客户创造可量化的商业价值。

Q：能谈谈公司的算法吗？它是关于 QUBO 问题的高效编码，还是更广泛的内容？

Emanuele：我们的算法还没有正式发表，不过距离点击“提交”按钮只有一步之遥。核心结构性算法叫做 ECO（高效相关优化），主要用于解决一种名为多约束背包问题（multi-constrained knapsack problem）的组合优化问题。这个问题模型本身具有广泛的适应性，对于解决大量复杂的组合优化问题都非常有用。

 在即将发表的论文中，我们展示了如何将这类问题高效地映射到量子硬件上。以当前 D-Wave 拥有约 5000 个物理量子比特的设备为例，我们可以在该平台上求解包含 100 个物品和 200 个约束条件的问题。而使用传统的映射方式，则可能需要多达 80 万个物理量子比特，显然这在现阶段是难以实现的，因此我们的方法提供了一个非常实用的优化路径。

 Daniel：在构建这个算法时，我们始终坚持四个核心目标：1、尽量减少所需的量子比特数量；2、简化量子电路结构，即减少量子算法的层数；3、面向实际硬件进行优化，将那些复杂、不易实现的操作替换为硬件原生支持的高效操作；4、采用量子-经典混合方案。这在当下的量子计算阶段非常具有现实价值。

Q：这个算法的通用性如何？

Emanuele：我们目前专注解决的是少数几类可以高效映射为 QUBO 的问题。我不能声称自己拥有“万能算法”，可以一举解决所有优化问题，但我们确实掌握了某些问题类型的高效求解方法，比如排程问题，我们非常清楚如何进行高效映射，再比如我之前提到的多约束背包问题，这也是一个典型案例。

实际上，在优化领域，问题本身就是按照类型划分的。如果我们能够掌握这些类别中的大多数或最具代表性的问题的高效解法，那对于企业来说就已经有很大价值了。

此外，我们的策略还包括将量子优化与经典优化相结合。客户找到我们，不仅可以使用量子计算方案，还能获得当前可用的最优经典解法，这点对我们来说非常关键，因为我们始终会将量子结果与经典方案进行严格的基准对比：与最优的经典解法来比，并证明你的量子算法至少不比它差——这正是我们团队的标准流程。

Q：能否分享一些做过的概念验证项目？谈谈客户类型以及你们所应对的问题类型。

Daniel：基于 ECO（高效相关优化）基础算法，我们曾参与一个国际合作项目，将其应用于电商场景中的优化问题。举个例子，在电商平台中，有一个经典的问题是：如何根据上百甚至上千个参数，优化地向用户展示商品菜单。这是一个 NP-难问题。我们就是将 ECO 算法应用到这类问题上，并取得了实际成果。

此外，我们也在专注能源领域，特别是电网优化。随着可再生能源的大规模接入，涉及到的优化难题也越来越多，比如电池储能系统的充放电调度，再加上电网本身的输电线路限制，这些问题的计算复杂度非常高，同时又直接关系到大量经济成本。我们开发了一个原型系统，能够证明在某些参数下，可以节省多达 50% 的资源或成本。

另外，排程问题也是我们重点关注的方向之一。我们还为一些客户提供定制化服务，并与行业企业合作，在安全领域的聚类算法问题上进行联合研发。

Q：担任 CEO 近两年，你觉得量子计算市场与你当初的预期有什么不同？

Daniel：1999 年在英特尔，我的经理让我把一种叫“互联网”的新技术引入到公司的运营体系中，但当时没人想和我合作，因为没人相信这项技术。在英特尔工作了约 12 年后，我又在一家名为 Liola Technologies 的公司担任了约 10 年的 CEO，从事的是面向半导体行业的优化技术。所以说，我的整个职业生涯其实都是围绕优化问题的解决和相关技术的落地展开的。

现在我越来越清楚地意识到，量子计算将是解决这类复杂优化问题的下一代核心技术，因为经典计算在处理某些真正复杂的问题时，其实没有很理想的解决方案。进入量子领域之后，这种探索变得非常令人兴奋，目前为止一切都进展顺利，也希望未来会继续保持。

Q：如果你可以和一位“量子界的伟人”共进晚餐，不论 Ta 是已故还是在世，你会选择谁？

Emanuele：我肯定会选择理查德·费曼（Richard Feynman）。虽然从未亲眼见过他，但我看过很多他晚年时期的视频，非常欣赏他激发人们兴趣与热情的能力，那种对科学的热爱和激情真的令人着迷，让人愿意一直听下去。他在科学传播和沟通表达方面的影响力非常大，而我认为在当今这个时代，这种能力尤其重要，这也是我自己一直在努力提升的方向。我觉得自己解方程的能力还不错，但如何把它讲清楚、让别人理解其意义，对我来说依然是一项非常重要的能力。

Daniel：我并非量子学术背景，但如果让我选择，我会希望能与那些正在打造量子解决方案或硬件系统的行业远见者共进晚餐，比如 Google、IBM、IonQ 等公司的核心技术领导者。我想了解他们对于这个领域的未来设想、开发路线图、时间节点，以及他们关注的关键技术，这会是我最想参加的那一场“晚宴”。

 

---

文章转载自微信公众号：量子前哨

参考资料：https://open.spotify.com/episode/4WkmlpHjtrjC2t0nD5WxjP?si=VxOWsll9TE2mfwY0PRYgYw&nd=1&dlsi=bd056dea69b34a92