Zapata 推出 Quantum Pilot，帮助企业识别高价值的量子应用

量子计算 多年来一直被硬件里程碑所定义：更多的量子比特、更低的错误率、更长的相干时间，以及日益复杂的容错方法。但对于企业而言，更好的硬件会带来另一个问题。他们仍然需要确定到底应该如何利用它。

Zapata Quantum 正在通过 Quantum Pilot 填补这一空白，这是一款全新云端、硬件无关的平台，旨在帮助组织系统性地识别、评估并开发具有实际商业潜力的量子计算应用。

Quantum Pilot 正在向部分企业和政府客户提供早期访问。平台并不要求公司承诺使用特定的量子计算机或架构，而是尝试构建一个持续演进的路线图，将业务问题与算法、硬件需求、技术可行性以及潜在经济价值相连接。

此次发布基于 Zapata Quantum 更广泛的以应用为中心的战略。Zapata Quantum 成立于 2017 年，由哈佛的科学家创立，日益定位于企业问题与快速演进的量子硬件之间的软件层。公司表示，目前已拥有超过 60 项已授权和待批专利，并且此前曾与包括 BASF、BMW、BBVA、BP 以及国防高级研究计划局（DARPA）在内的组织合作。

将量子准备转化为应用问题

Quantum Pilot 的基本前提是，企业可能在量子计算方面提出了错误的问题。

组织不应仅仅关注何时会出现足够强大的量子计算机，还需要了解哪些工作负载能够从这些机器中受益，哪些算法能够解决这些工作负载，这些算法需要什么资源，以及最终的优势是否足以证明开发成本的合理性。

这比单纯追踪量子比特数量要复杂得多。

例如，一家制药公司可能拥有数百个计算密集型流程，涵盖分子模拟、药物设计、优化和机器学习。只有其中的一部分可能是量子加速的可行候选。随后，需要将这些候选与不断改进的经典方法进行比较，并映射到可能尚未达到所需规模的硬件上。

Quantum Pilot 旨在将该调查转化为可重复的流程。

“量子应用开发的关键入口是高效且严格地将用例映射到量子计算解决方案，”Zapata CEO Sumit Kapur 说道。

其理念是防止量子战略沦为一系列零散的实验。通过一次评估获得的知识可以在算法和硬件改进时，转而用于后续项目。

Quantum Pilot 的工作原理

Quantum Pilot 整合了三套系统，覆盖应用开发过程的不同环节。

第一套是 Quantum Graph，这是一层专有的知识层，将潜在应用与算法、学术研究以及量子硬件路线图相连接。Zapata 之前将 Quantum Graph 描述为一个结构化的知识库，展示问题、算法和硬件资源之间的相互关系。

第二个组件是 Quantum Engine，负责更多计算工作。它包括用于算法选择、实验设计、硬件基准测试和量子资源估算的工具和 AI 代理。

资源估算尤为重要，因为在数学上看似有吸引力的算法，考虑到纠错和硬件约束后，可能需要不切实际的物理量子比特数量或不可行的运行时间。

第三个组件是 Quantum Assurance，它将专家评审与形式化验证技术相结合，旨在提供更有力的证据，证明量子软件的行为符合预期。

这三层共同旨在回答一系列递进的问题：此业务问题是否适合量子计算？应采用哪种算法来解决？执行需要哪些条件？所提实现是否正确？以及何时经济效益足以支撑实际部署？

Quantum Pilot 还嵌入于 Zapata 更广泛的 Orquestra 软件堆栈，涵盖用例评估、资源估算、算法、混合量子-经典工作流以及对多种硬件环境的访问。

代理式 AI 与量子资源估算的结合

人工智能也正成为量子开发工作流的一部分。

今年早些时候，Zapata 开始与 NVIDIA 合作研发一套代理式 AI 系统，旨在自动化量子资源估算，该任务可能需要跨越分子建模、量子算法、硬件架构和纠错等方面的专业知识。

The Zapata-NVIDIA 合作 最初专注于量子化学应用，例如药物发现、能源和先进材料。两家公司正在开发协同的 AI 代理，能够执行基准测试和估算过程的部分工作，而这些工作传统上需要大量人工研究。

根据 Zapata 的说法，该工作流结合了 AI 编排、持续验证的量子工作流以及尝试在计算开始前预测硬件需求的可行性模型。NVIDIA 的 Agent Toolkit 正在用于多代理架构中的监控和安全防护。

这些能力现已被整合到更广泛的 Quantum Pilot 环境中。

这是一种有趣的代理式 AI 应用，因为这些代理并未被定位为量子计算机的替代品。相反，它们被用于自动化部分科学工作，以确定量子计算机是否能够经济地解决特定问题。

形式化验证可能变得日益重要

另一个差异化因素是 Zapata 对形式化验证的重视。

在传统软件开发中，测试通常检查程序在不同条件下是否产生预期结果。形式化验证则进一步使用数学方法来确认软件满足特定属性。

量子软件为传统验证带来了困难的环境，因为日益复杂的算法最终必须转化为量子电路，并在噪声、错误校正和硬件约束可能实质性影响结果的系统上运行。

Zapata 正在与 University of Maryland 的验证优先方法 合作，该方法从数学正确性证明开始，而不是先构建软件再进行验证。

该研究最初应用于 Shor 的因式分解算法，但公司认为类似的方法论最终可以扩展到量子化学、材料科学、优化和金融领域。

Quantum Assurance 将这一理念引入 Quantum Pilot。

这并未消除围绕量子计算的不确定性。形式化验证可以帮助确定算法或实现是否正确，但它无法使尚未成熟的硬件在商业上可行。它可能能够做的是在量子应用日益复杂时，降低另一来源的不确定性。

真实项目展示为何应用选择至关重要

Zapata 之前的企业项目说明了系统性地排除不合适的用例可能几乎与发现有前景的用例同样有价值。

在与 BP 合作的变分量子本征求解器项目中，Zapata 探讨了量子计算机是否能够最终加速分子模拟。其分析发现了降低计算需求的机会，但也得出结论，企业级实现仍需数年时间。

其与 BBVA 的合作同样审视了用于金融风险计算的计算密集型 Monte Carlo 模拟的量子方法。该项目识别出潜在的算法优势，但也发现该应用在近期量子设备上不可行。

其他项目通过量子启发式方法取得了更为直接的成果。在与 BMW 以及 MIT 量子工程中心的汽车制造项目中，Zapata 将张量网络生成模型应用于生产调度，探索受量子计算启发的方法是否能够利用经典基础设施改进大规模优化问题。

这些正负结果的交织凸显了量子应用开发的一个重要环节：企业需要机制来确定不仅量子计算可能适用的领域，还要判断哪些投资应当延后。

在 Zapata 重返量子软件的基础上构建

Quantum Pilot 同时标志着 Zapata 对量子软件重新聚焦的最新阶段。

该公司在重新关注其最初的量子计算根基之前经历了一次重大重组。4 月，Zapata 完成了超额认购的 $15 million 战略融资，以扩展其科研、工程、产品和商业团队，此事此前已由 Unite.AI 报道。

其技术组合现在包括 Orquestra、Quantum Graph、Quantum Pilot 和 Bench-Q，这是一套源自 DARPA 量子基准计划工作的工具包。Zapata 参与了该计划涉及用例识别、算法开发和硬件资源估算的各技术领域。

该公司还展示了超出纯基准测试的量子-经典方法。其与学术界和生物技术合作伙伴的研究使用量子-经典生成模型设计针对 KRAS 的候选分子，合成了 15 种提议分子，其中两种被确定为有前景的候选分子，进一步进行研究。

量子竞赛正超越硬件

Quantum Pilot 的推出反映出量子计算竞争可能最终发展的更广泛转变。

构建容错量子硬件仍然是业界的核心技术挑战之一。但如果企业没有可在其上运行的应用程序，即使机器日益强大，也将具有有限的商业价值。

这导致了围绕算法、资源估算、开发环境、基准测试、验证以及机构知识的平行竞争。

Quantum Pilot 是 Zapata 试图将这些学科整合为一个系统，供企业在决定最终使用哪种量子硬件来执行工作负载之前使用。

如果不同的架构被证明更适合不同类型的问题，这种硬件无关的方法可能变得越来越重要。它还使公司能够在硬件路线图不断变化的情况下继续评估应用程序。

更大的问题是组织能否将多年的量子实验转化为制度化能力，而不是一系列概念验证。

Quantum Pilot 并未消除关于何时会出现具有商业意义的量子优势的不确定性。相反，它基于一个更为务实的假设：希望从未来硬件进步中受益的企业，需要在硬件尚未准备好之前，就采用一种严谨的方法来确定哪些值得构建。