■丁亚楠

近日，中国人民银行等7部门联合印发的《推动数字金融高质量发展行动方案》（以下简称《行动方案》）提出，探索运用边缘计算和量子技术突破现有算力瓶颈，为金融数字化转型提供精准高效的算力支持。

量子计算作为量子技术中最关键的部分，其本质是一种计算类型。金融业作为数据密集型行业，《行动方案》的出台，将促进量子计算在该行业的应用和发展。

高算力低能耗

量子计算是利用量子力学理论进行计算的技术，利用量子比特提供的并行性，实现超越传统计算的指数级加速能力，具备高算力、低能耗等优势。

量子计算的概念可以追溯到20世纪量子力学基础理论诞生时期，相较于传统计算技术，量子计算基于量子叠加、量子纠缠、量子相干性、量子干涉等原理，实现超强并行计算处理能力。

自2021年全球量子计算跨入NISQ（含噪声中等规模量子）时代以来，量子计算机硬件取得了突破性的进展，在特定场景实现了量子计算优越性的验证；随着量子开源软件项目的兴起，量子计算模拟器如雨后春笋般涌现，量子算法发展迅猛。2022年，科学家阿兰·阿斯佩（Alain Aspect）、约翰·克劳泽（John Clauser）和安东·塞林格（Anton Zeilinger）因为纠缠光子实验、证明违反贝尔不等式和开创性的量子信息科学所作出的贡献荣获诺贝尔物理学奖。这表明量子信息科技获得了全球科学界的高度认可，为量子计算的落地提供了理论支撑。

金融算力新引擎

在数字经济时代，智慧银行深度融合了AI和大数据等先进技术，不仅为客户提供智能、便捷的金融服务，同时也对算力支撑提出了更高的要求。传统算力已无法满足日益增长的算力需求，量子计算有望成为解决算力瓶颈的关键。

当前银行在金融风控和定价管理领域遇到的问题，量子计算机可以基于量子模拟、量子优化和量子机器学习这三类算法来解决。量子模拟可以解决复杂的金融衍生品定价和金融风险分析等问题。量子组合优化可用于投资组合分配平衡、资本分配、ATM网络现金管理、金融套利和收益率曲线拟合等。量子机器学习可加速现有的机器学习技术，应用于信用评分、预测分析、损益归因、检测洗钱和欺诈行为等场景。

近年来，量子计算相关企业数量快速增长，上中下游产业链已初具雏形，产业生态也逐步完善。当前，国内外金融行业正加紧研究和布局，期望借助量子计算提供强大、廉价、清洁的计算能力，进而搭建超级金融计算中心。

农业银行通过搭建量子计算模拟机，积极探索量子近似优化算法在市场风险价值计量场景中的应用。随着对相关场景置信区间的提高，计算精度与实际结果更加接近，理论上最终计算结果优于经典蒙特卡罗方法。

工商银行设计了一种可在含噪声中等规模量子计算机上实现的量子图机器学习模型。量子图机器学习可以在状态空间上快速执行线性代数计算，且状态空间会随量子比特数量的增加而呈指数级增长，有助于打破传统图机器学习方法在处理大规模数据时面临的计算瓶颈。其算法的精准率和召回率与传统图机器学习模型相差无几，规模缩减至传统的54%，理论上可以极大地减少总运算量。

建信金科量子金融实验室团队运用量子振幅估计算法实现双对数级别的量子加速，从而可以加速采用经典蒙特卡罗方法的期权定价，获得一个高置信度的价格估计。

平安银行积极探索量子计算在反欺诈、反洗钱等场景中的应用，在国内金融机构中首次将量子算力用于反欺诈、反洗钱研究，并荣获“2023 IDC中国金融行业技术应用场景创新奖”（量子计算金融应用类）。

机遇风险并存

尽管量子计算在银行业的应用前景广阔，但在实际落地和产生商业价值方面仍面临挑战，距离真正广泛应用于生产生活还有一段不小的距离。由于技术仍未完全成熟，量子计算从学术研究走向企业商业化的过程中，依然存在技术成熟度不高、金融信息安全威胁大、业务场景转化困难等问题。

量子计算应用高度依赖相关硬件发展。当前，量子计算机硬件与量子算法还处于发展的起步阶段，各种硬件技术路线实现方案存在不足，无法提供长期稳定的强大算力支撑，实现商业化大规模通用容错量子计算的目标还需10年至15年的时间。

虽然量子计算尚未到来，但威胁已经显现。量子计算将对非对称密码体系造成颠覆性影响，并存在“先存储、后破解”的威胁，对银行业当前需长期保存的加密数据传输构成严重威胁。在量子计算机到来前，需要尽快更新抗量子密码算法。

持续加强量子技术人才储备。量子技术为传统业务场景提供了新的发展方向，但银行业应用量子算法需要既懂量子技术又懂金融的复合型人才。加强相关人才储备已在行业内逐步形成共识。

随着量子计算技术与金融领域的融合不断加速，银行业应当对量子计算领域进行积极探索和细致规划，克服风险与困难，使量子计算融入金融行业，提升整体算力，加快金融量子产业化和应用研究实践，构建量子金融生态圈，为智慧银行提供算力支持，为客户提供智能、高效和安全的金融服务。