誕生于 1965 年的摩爾定律，對二十世紀后半葉的世界經濟增長做出了巨大貢獻，并驅動了一系列科技創新和經濟增長。摩爾定律預測集成電路上晶體管的數量每兩年翻一倍，但現在很多專家已經認為摩爾定律最多還能適用 10 年，因為受原子尺寸（大約為 0.1 納米）限制，晶體管不可能無限地變小。摩爾定律到達瓶頸后，提升算力的方式只能靠增加芯片數量，而這是一種低效的算力增長模式。

隨著晶體管大小接近納米級，電子的運動將不再遵循牛頓運動定律，這就進入到我們常說的另外一種科學——量子科學的范疇。當前，量子計算正在如火如荼發展，谷歌等行業領導者急于率先推出一款可行的量子計算機，它將比今天的計算機強大得多，能夠處理更加龐大數據和解決日益復雜的問題。那么量子計算會給當下蓬勃發展的人工智能什么樣的改變呢？

每天全人類會產生 2.5 艾字節的數據（2.5×106tb），這相當于 250000 個國會圖書館或 500 萬臺筆記本電腦的內容。每天 32 億全球互聯網用戶持續產生新數據：包括 35 萬條推特，420 萬 FB 點贊，再加上其他通過拍照、拍視頻、保存文檔、創建賬戶等產生的更多數據。據稱，到 2020 年全世界的數據總量會達到 44 ZB，也就是人均 5200GB。

越大體量的數據對人工智能來說越有利，越有可能達成有效的結果推導，但如果數據達到一定體量，經典計算就難以帶動了。而量子計算的處理能力會隨著量子位的增加而指數增加，這個增長速度能夠超越人類數據增長速度。像 D-Wave 2X 這樣的 1000 位量子計算系統，能同時搜索 2∧1000 個可能的方案，具備超大體量計算的能力，符合人工智能開啟全面數據學習的算力要求。一旦成功研制出商業上可行的量子計算機，能在幾秒鐘內完成今天計算機幾千年的計算量。人工智能，特別是依賴大規模數據處理的機器學習技術，將大大受益于量子計算，從而產生無限可能。

此外，量子計算機能夠以較小的硬件體積和能耗進行大體量運算。Alpha GO 大戰李世石時，谷歌動用了 1920 個 CPU 和 280 個 GPU，雖然效果顯著，但設備和能源消耗未免太大，很難有廣泛應用的空間。而如果使用量子計算，則可以把硬件體積和能耗大大降低，有利于人工智能技術的通用化。

人工智能要運用到大量的數據接收和處理，但 0 和 1 的經典計算卻始終只能進行單一向計算，給人工智能的深度發展帶來了巨大不便。而在量子計算的法則下，量子疊加性使并行運算成為現實，系統能通過并行計算不斷學習處理之前從未遇到的新數據，給人工智能不斷實現自我進化提供了近乎「水和空氣」的基礎。在解決復雜數據集問題時，量子計算的優勢將更加顯著。量子計算能夠同時訪問數據庫中的所有項，搜索龐大未分類的數據集，并以極快的速度發現規律或異常。如果利用經典計算機遍歷搜索，則會非常耗費時間，一旦數據集過大則很有可能永遠都算不完。

經典類型的采樣能通過引入量子現象的偶發性（如量子隧道，穿過障礙傳遞量子信息）達到加強的效果，從而找到高質量的解決方案。MIT 和 Google 的聯合研究發現，量子人工智能算法可以加速特征提取過程，以另一種方式促進一場數據采樣革命，并優化我們遇到的各種問題——從投資組合分析到計算最佳運輸路線，甚至幫助確定每一個病人的最佳治療方案和藥物治療方案。理論上，理想的量子電路可以比普通計算機更快地對更大概率分布范圍進行采樣，計算表明即使是相對小電路的高保真量子門也可以對經典架構無法觸及的概率分布進行快速采樣。

如何校準大規模量子計算機，驗證量子計算機的計算結果，是困擾科研人員的難題，因為量子計算模擬的是微觀世界中量子的疊加與糾纏，這種模擬可行運算邏輯的正誤用一般的運算機根本無從檢驗。人工智能技術可以實現對量子計算的自校準評估，所以量子計算驅動的人工智能可以回頭幫一下量子計算，通過多元推導的方式檢視量子計算的過程與結果。所以說，人工智能和量子計算似乎是一對不得不同時進化的雙生子。