量子计算原来如此-03并行演化：为什么运算速度远超经典计算？

上一讲我为你介绍了量子比特的叠加带来了编码方式的突破，能够极大的增加信息容量。这个相当于解决了信息存储的问题。但是只提升信息的存储能力仍然是不够的这就相当于在城市里建设了许多巨大无比的停车场。但假如道路都还非常狭窄的话，交通依然会非常拥挤。所以如果只是单纯提升了信息容量，并没有配套的提升信息处理能力的话，那么总的计算能力还是没有提高。

量子计算原来如此-03并行演化：为什么运算速度远超经典计算？

上一讲我为你介绍了量子比特的叠加带来了编码方式的突破，能够极大的增加信息容量。这个相当于解决了信息存储的问题。但是只提升信息的存储能力仍然是不够的这就相当于在城市里建设了许多巨大无比的停车场。但假如道路都还非常狭窄的话，交通依然会非常拥挤。所以如果只是单纯提升了信息容量，并没有配套的提升信息处理能力的话，那么总的计算能力还是没有提高。

怎么能够提升信息处理能力呢？我们还是先来看一看经典计算是怎么做的。计算系统里面进行信息处理的就是处理器，最直接的方法肯定就是提高处理器的核心速度，也就是单位时间里面能处理信息的数量。最开始经典计算机就是按照这个方向发展的。如果你去看电脑或者手机介绍时会注意到有一个处理器主频的参数，这就代表了处理器的核心速度。586处理器就是要比486快。我去看了一下最新的iphone11手机，处理器的主频是2.66G赫兹，这是啥意思呢？大概是一秒钟进行30亿次信息处理。

2.66G是不是已经很快了？但我要告诉你，其实在2004年的时候，英特尔公司就已经可以把处理器做到3.8G赫兹了。15年过去了，为什么这个数值不升反降呢？其实还是我上一讲讲过的，单个处理器要想信息处理的快，就需要把元器件做小。而现在已经到了物理瓶颈，iphone不选用更高主频处理器也是这个原因，不说别的，处理器芯片上元件密度太高的话，能耗和散热问题就解决不了，那怎么办呢？只能是追加物理资源了，一个处理器不行那就两个，两个不够那就增加到四个八个。所以现在电脑手机的处理器都是多核心的，一个芯片上集成了好多个信息处理模块。

近几年流行起来的GPU也是这个思路。GPU原来是专门处理图像的处理器，GPU的G就是图像的意思。后来发现他们用在比特币挖矿、深度学习这些领域特别好用。所以现在虽然还叫GPU，但是应用领域却非常广泛了。现在一些高端GPU里面能有高达4096个核心，这就是典型的速度不够数量来凑。

你可能已经从我的介绍里面听出问题来了。用这样的方法来增加计算能力真的是可持续的吗？没错，只靠这样的方式肯定会有问题。我可以举个例子来帮你理解。比如说你要走一个迷宫，要尽可能快地找到出口。前面说的提高处理器速度的方式就是让你跑得更快了。但是你还是需要一个岔路，一个岔路的事，遇到了死胡同还是要退回来重新走……