科技典範轉移：量子科技啟動運算革命典範轉移

在全球科技快速演進的浪潮下，我們正處在大數據與深度學習驅動的人工智慧時代，人工智慧的發展重心逐漸從概念驗證，轉向產業應用成熟化以及治理制度化，同時面臨算力資源瓶頸、數據品質、隱私安全以及倫理規範的嚴峻挑戰。有鑑於此，另一項被視為下一波顛覆性科技的量子科技，正成為各國國家核心戰略科技與國際資金投入的新戰場，從2025年諾貝爾物理學獎頒發給與量子物理學者便可見一斑，量子科技被全球視為未來科技革命的核心領域之一，尤其憑藉其超越傳統運算的指數級算力、提升數據處理精度等物理特性與潛力，為人工智慧面臨的瓶頸提供轉型契機。

在生成式人工智慧模型對算力需求呈幾何級數成長趨勢下，傳統矽基半導體的物理極限與馮紐曼架構的能效瓶頸日益顯著，人工智慧演算法與量子科技的結合，成為重塑運算本質的運算革命核心。在此脈絡下，量子人工智慧（Quantum Artificial Intelligence, QAI）的興起，將帶來運算速度的提升以及運算架構的變革，形成融合古典運算、人工智慧及量子運算的新運算架構，由中央處理器（CPU）負責任務編排，圖形處理器（GPU）處理大規模並行運算，而量子處理器（QPU）則負責解決古典電腦不易處理的複雜問題。

戰略科技布局：量子人工智慧成為科技主權新核心

量子科技是指運用量子力學（quantum mechanics）原理來開發先進技術，該領域涵蓋量子運算、量子通訊和量子感測等多個面向，透過利用疊加（superposition）和糾纏（entanglement）等現象，量子科技目的在提升自然科學與跨學科資料處理、安全和測量方面的能力。近幾年量子科技從學術基礎研究走向產業驗證與應用，全球主要經濟體正投入一場決定未來十年運算主權的軍備競賽，藉由布局量子科技提升經濟安全與科技主權（Sovereignty）。根據英國顧問機構 Qureca 統計，2025年已有超過30個國家將量子科技納入國家戰略計畫，總投資額超過445億美元。美國自2018年起推動「國家量子倡議法案」，而歐盟的「量子旗艦計畫」則整合多國科研與企業力量，加速技術落地。歐盟更於2025年7月進一步提出「量子歐洲戰略」，以2030年成為全球量子領域領導者為目標，推動具韌性與自主性的量子科技生態系，促進新創發展與突破性技術的商業化。

其中，美國側重於構建從超大型算力中心與超導等量子電腦硬體、軟體框架到雲端服務的完整生態，策略在於透過商業化應用快速迭代，力求率先實現量子優勢。歐洲在量子基礎理論上具備領先地位，強調技術開發必須符合數據隱私與可解釋性規範，並試圖在美中夾擊下建立自主的量子軟體工程標準。中國則憑藉舉國體制在量子通訊與特定硬體路徑上進展迅速，側重於國防安全與大數據處理相關的應用開發。日本政府更積極推動量子與數位混合運算（hybrid computing）的資源開放共享平台，打破量子科技高度集中於特定城市的去中心化布局，透過經產省主導設立的12個量子技術新創據點（QIH），打破科技產業過度集中於東京與大阪的格局。其核心樞紐為2025年5月啟用、隸屬產業綜合研究所（AIST）的「量子AI融合技術產業開發研究中心」（G-QuAT）；該中心配置全球最大結合傳統與量子運算的混合架構平台 ABCI-Q，整合超級電腦（NVIDIA H100 GPU）、富士通超導量子技術、美國量子新創QuEra的中性原子量子技術與OptQC的光量子技術等美日新創的領先科技。日本政府期望以此多元的量子與數位混合運算平台為磁吸核心，吸引學界與新創能量流入地方，藉由技術革新帶動全國性的產業升級與空間擴散，提升整體運算系統使用效率與附加價值。

初步分析量子人工智慧產業生態，涵蓋控制系統、高效運算及應用三大層面，主要參與者為IBM、Quantinuum、Rigetti、QuEra、NVIDIA等，台灣除了鴻海、仁寶、台塑、千附精密、工研院等業者及研究機構外，亦有多所大專院校投入相關研究(如圖1所示)。

圖1 量子人工智慧產業生態

運算系統轉型：從古典人工智慧到量子人工智慧

首先，目前的運算模式正從古典二進位邏輯邁向量子機率空間。古典人工智慧（Classical AI） 雖已具備成熟框架，但在面對大數據模式識別與複雜優化問題時，往往受限於線性處理能量與龐大的訓練開銷。相較之下，量子人工智慧（Quantum AI）利用量子疊加與糾纏特性，能在 2的n次方狀態空間中實現指數級的並行運算(如表1所示)。這不僅能以更少的數據提取高維複雜特徵，更能透過量子演算法（如Grover 或 QAOA 等），在物流、金融與加密安全等領域，提供傳統硬體難以企及的優化效率與防護層級。

表1 古典人工智慧與量子人工智慧技術特性比較

資料來源：工研院產科國際所

雙向發展路徑：量子賦能人工智慧與人工智慧驅動量子並進

量子人工智慧並非單一技術，而是一個由雙向路徑構成的技術協同體系，目的在突破古典運算在處理超高維數據與複雜組合優化問題上的瓶頸。第一條路徑為量子賦能人工智慧（Quantum for AI），核心在於利用量子疊加、糾纏與干涉等物理特性來加速現有的演算法，這涵蓋量子機器學習（QML）、量子電腦視覺 (QCV)、量子自然語言處理（QNLP) 以及量子多代理系統（QMAS）等前瞻領域。

在量子機器學習領域，透過混合架構與量子強化學習，能顯著減少訓練資料量並加速複雜決策（如自動駕駛導航）的收斂速度。針對特定垂直應用，量子電腦視覺解決醫療與遙測影像中標記資料匱乏的圖切最佳化難題。此外，量子自然語言處理透過將語義直接編碼為量子態，為大型語言模型 (LLM) 提供了處理複雜上下文的新途徑。最後，在量子多代理系統中，量子技術展現最佳化群體協作與並行推理的應用潛力。

第二條路徑則是人工智慧驅動量子（AI for Quantum），著重於利用機器學習等技術協助新量子演算法的發現、硬體控制與校準、量子糾錯（QEC）及錯誤緩解（QEM）、量子變分電路（VQE）及量子近似優化演算法（QAOA）等。人工智慧能從量子設備產生的海量雜訊數據中識別模式，甚至利用神經網絡作為解碼器來實現高準確率的即時錯誤更正，對於縮短進入容錯量子運算 (FTQC)時代的時間軸具備關鍵推動作用，加速量子電腦的商用化發展進程。

在量子硬體研發設計與校準方面，AI 透過強化學習實現實驗與演算法的自動化設計，能自主發現超越人類直覺的量子協定與硬體架構，結合進化演算法的 AI 編譯器可優化電路深度與量子閘數量，使硬體執行效率極大化。此外，在底層運作上，基於AI推論技術的自動化校準，不僅強化系統抗噪能力，更將設備校準精準度與控制的速度加以提升。

應用案例與市場：聚焦量子古典混合模式及利基型市場

在產業應用情境評估中，量子人工智慧可運用在解決特定的運算瓶頸及實現高效運算與分析，相應用成熟度也不進相同(如表2所示)。在物流與製造產業，可引入量子多代理系統，在城市物流網或能源交易中透過量子疊加態同時探索數百萬種協作路徑與產線排程、車間調度等，預計在1到3年內可落地應用。在金融資產配置與定價領域，量子強化學習能捕捉市場中極細微的非局域相關性，有效解決多變量投資組合優化、衍生品定價以及反洗錢檢測中的組合爆發問題，具備3到5年的短期商用潛力。在製藥與化學工業方面，傳統運算在模擬大分子時的精確度極易衰減，而量子力學模擬能產生更精確的分子軌域數據，使藥物發現與蛋白質摺疊預測從試錯法轉向精確預測，預計在5到10年的中期內實現商業價值。此外，在自動駕駛領域，量子電腦視覺致力於降低影像特徵提取的運算量，協助感測系統以更低延遲處理高解析度點雲數據，雖然預計商用時程需10年，但其潛在商業價值高。

表2 量子人工智慧應用成熟度對照表

資料來源：工研院產科國際所

從市場趨勢分析，量子人工智慧正逐漸超越純學術研究，市場規模預計從2024年的4.3億美元成長到2034年的104.7億美元，複合年成長率為37.5%，具備市場發展潛力。目前量子人工智慧主要聚焦在量子與古典混合模式架構的發展以及利基型產業應用，未來量子運算將整合既有的硬體架構而非加以取代。由國際發展案例分析，輝達推出的開放式系統架構，能將圖形處理器的效能與量子處理器緊密結合，協助產業為未來的混合式超級電腦做好準備。寶潔公司已經透過結合量子和古典求解器，將優化運行時間從數小時大幅縮短到數分鐘，初步證實混合運算的實際應用價值。

案例一： 輝達AI與量子加速量子運算架構

輝達(NVIDIA)正致力於推動 AI、量子硬體與演算法的全面融合，目標在 2028 年前打造具備科學實用價值的加速量子運算方案 (Accelerated Quantum Computing Solutions)。核心技術在於開發開放式系統架構 NVQLink與 CUDA-Q平台，實現 GPU 與量子處理器 (QPU) 間低於 4 微秒的低延遲耦合，並透過生成式 AI 加速量子演算法開發與錯誤修正解碼。目前輝達已與量子公司 Infleqtion 合作，將量子推論技術應用於NASA重力感測，並將量子軟體移植至Jetson邊緣平台，支援美國海陸軍的高頻射頻資料處理。輝達規劃透過CPU、GPU與QPU整合與協作的混合運算架構，將傳統架構運算速度提升千倍。

案例二：Google 建議朝向混合架構布局

在邁向完全量子人工智慧時代的進程中，Google Quantum AI 團隊主張量超融合（Quantum-Classical Hybrid）的混合架構，在現階段嘈雜中型量子（NISQ）及未來的容錯時代皆具備核心重要性。為因應現階段實現GPU與QPU深度整合面臨的雙重瓶頸，包括硬體端受限於數據傳輸的頻寬效率，軟體端則需克服演算法在量子程式碼中嵌入古典指令的複雜度，Google 建議企業從兩大層面提前布局量子與人工智慧的融合與應用，在演算法方面，分析量子與傳統運算間的頻寬成本與算力配置，在容錯方面，則是開發並評估不同容錯架構對特定演算法效能的實質影響，藉此優化特定應用程式的執行表現與實際效益。

案例三：Quantinuum量子運算與生成式AI融合標準化與商業化

美國量子新創Quantinuum 於2025年11月推出新型量子電腦 Helios，聚焦量子運算的可編程與產業標準化。Helios支援輝達CUDA-Q等主流開發工具，使量子電腦能如同傳統電腦般進行編程，大幅降低技術門檻。目前，軟銀（SoftBank）與摩根大通（JPMorgan Chase）等首批合作夥伴已展開具備商業價值的先期研究。透過與輝達NVQLink平台的整合，Quantinuum 進一步加速量子運算與生成式AI的技術融合，強化混合運算架構在金融等關鍵產業的標準化與商業化應用。

案例四：寶潔以混合量子運算驅動供應鏈變革

消費品大廠寶潔（P&G）將混合量子-古典系統導入實際業務情境，結合數據分析大廠SAS傳統最佳化求解器及量子退火技術，將複雜任務的優化運行時間從數小時大幅縮減至數分鐘。寶潔採取兩階段混合運算方法，先以量子退火運算處理初始解空間的收斂計算，再以傳統SAS的解法進行微調，將整體運算時間縮短至12分鐘，相較傳統作法減少97%時間，顯示其在運作效率上的提升以及驗證混合架構在產業上的商用價值。

技術與架構挑戰：雜訊干擾與數據編碼的瓶頸

儘管量子人工智慧具備改變產業的龐大潛力，但要達到大規模商用的「量子優勢」仍需跨越技術成熟度、企業對認識及理解不足、投入成本過高及缺乏跨領域技能人才等多重障礙。首先是硬體效能與演算法訓練的工程瓶頸，由於目前量子位元極易受環境雜訊干擾，模型在大量迭代時累積的雜訊會導致運算結果失真；此外，量子神經網路在訓練時常遭遇「貧瘠高原現象」導致梯度消失，缺乏高效的訓練機制而限制優化效率。其次是數據載入與運算架構的性能衝突，將高維度的古典大數據轉換並編碼至量子態的過程，極其緩慢且成本高昂，往往抵消量子演算法的理論加速優勢。

在技術層面之外，量子人工智慧 還面臨嚴峻的人才荒及安全性議題。依據WEF 2026 的報告，全球量子與AI人才的極度匱乏，目前同時精通量子物理與人工智慧工程的複合型人才缺口高達 50%，這種困境不僅阻礙技術從實驗室走向市場的進程，更成為企業在建構量子原生生態系時必須克服的難題。此外，古典神經網路的不可解釋性與量子力學的機率本質相結合，使得系統的決策機制透明度不足，引發安全性與倫理隱憂；同時，強大的運算力也間接對傳統加密基礎設施構成迫切的資安威脅

臺灣產業建議：從半導體矽島邁向量子人工智慧運算核心賦能者

臺灣憑藉深厚的資通訊與半導體產業基礎，具備從元件製作到系統整合的垂直整合能力與產業生態，能為全球量子企業提供研發、原型製造與少量生產等關鍵支援，臺灣產學研短期可持續擴展量子錯誤緩解的混合架構，中長期則布局容錯量子運算。在硬體研發方面，可發展量子電腦次系統與軟硬整合，例如工研院已與中研院合作，研發適用低溫環境運作的專用量子控制晶片（Cryo-CMOS）與射頻控制器等次系統與週邊零組件，解決即時訊息解碼與規模化的瓶頸。此外，在軟體研發方面，可推動量子與古典運算結合的混合運算模式，例如工研院與鴻海研究院共同研究，透過將傳統神經網路參數映射至量子空間，大幅精簡模型參數並提升運算效率，展示量子神經網路的應用潛力。

為確保科技主權，臺灣可進一步整合產學研力量，針對半導體、資通訊及醫療等等優勢產業，開發專屬產業或領域的量子人工智慧演算法與數據庫。此外，在追求算力擴張的同時，必須兼顧資源評估與能源永續，並及早佈局量子資安防禦等機制，以應對資料隱私與演算法透明度的法規挑戰。透過軟硬體的共同優化，臺灣將能轉化既有的製造優勢，成為量子時代中全球不可或缺的硬體賦能者與混合雲服務樞紐。

目前臺灣正透過AI新十大建設推動方案及量子國家隊二期計畫，整合學術、研究機構與產業資源，從硬體、通訊到應用場景全方位推進，逐步打造具備自主研發與產業轉化能力的量子科技生態系。未來若能強化量子控制與糾錯軟體技術研發、培育量子物理和量子工程跨領域人才，並積極參與 IEEE、ETSI、ITU-T、QED-C等國際標準組織與量子產業聯盟，將有機會穩固其在全球量子產業中的地位。同時，建議透過制定具前瞻性的量子產業生態共創藍圖，整合產官學研金等各界資源，共同打造有利創新的量子科技產業生態。

結語：掌握運算革命與典範轉移的黃金關鍵期

展望未來，量子運算與人工智慧將不再是以孤島形式存在的獨立平台，而是演進為如同 GPU 般的關鍵加速運算核心，深度整合進資料中心的運算架構中。預測量子電腦將於2027年展現實質經濟價值，並在2028年達成企業需求的成長，預計2030年標準化的量子運算與通訊協議將趨於成熟，降低技術導入的門檻與風險。透過人工智慧在軟體撰寫、資源配置與電路優化上的輔助，量子人工智慧算力將滲透至複雜運算流程，重塑產業應用與科技版圖。這場科技典範的轉移已經不再遙不可及，對於臺灣產業界而言，唯有強化與國際量子人工智慧產業生態與創新聚落的鏈結與合作，布局軟硬整合技術並全力培育跨域人才，以早期採用者的姿態透過小規模的概念驗證（PoC）逐步累積量子科技能量，才能在即將到來的新運算革命中，掌握技術升級與下階段產業成長主動權，切入全球產業供應鏈。

附錄：專有名詞對照

轉載自全國工業總會產業雜誌5月號674期
著作權所有，內容非經同意不得轉載