独家解析 | 揭秘OQC、摩根大通与AMD的量子-AI数据中心：投资组合优化、量子机器学习与全新算法发现

投资组合优化：在真实场景中检验混合策略

投资组合优化是金融业最常提起的近期量子计算用例之一，也高居本次合作议程的首位。摩根大通的研究人员将利用这个新数据中心，测试近期的量子及混合量子-经典计算方法，旨在改进资产组合的构建并提升风险调整后的收益。

目标并非纯理论研究——该平台明确的设计初衷，就是精准衡量这些混合工作流在面对大型银行生产系统级别的延迟、数据复制和可重复性等要求时的真实表现。摩根大通在量子研究领域的深厚底蕴为此提供了重要背景。该公司的全球技术应用研究团队早已开发出用于投资组合优化的原创量子算法，并且一直是金融界探索量子计算、AI和密码学交叉领域最活跃的机构之一。现在，凭借对“创世”系统的专用访问权，该团队可以在高度模拟真实交易台未来需求的条件下，对经典、量子以及混合方法进行全面比较实验。

量子机器学习：从理论走向受控实验

长期以来，量子机器学习多停留在学术兴趣层面，在一家银行自身保密基础设施内进行严谨、可重复的测试则极为罕见。这座伦敦中心改变了游戏规则。合作方明确表示，该平台将用于拓展对量子机器学习技术的探索，寻找其在金融建模与预测中的应用。

这次探索与以往小规模实验的显著区别在于，量子处理器与高性能AI计算被部署在同一地点。这种架构专为实时混合工作负载而设计，使得在同一个受控环路中训练常规神经网络和运行量子线路成为可能。对摩根大通而言，核心问题是具体的：当测试规模和延迟接近真实金融生产环境时，量子核函数、变分电路或量子神经网络能否为信用评分、异常检测或市场状态分类等任务提供增量预测价值？

摩根大通近期的一系列量子里程碑，凸显了其致力于将研究与实践相结合的决心。2025年3月，摩根大通的研究人员携手Quantinuum、阿贡国家实验室、橡树岭国家实验室及得克萨斯大学奥斯汀分校，利用量子计算机生成并进行了数学认证的“真随机数”。这项发表于《自然》杂志的研究成果表明，这不仅仅是一种理论能力，而是一项具有切实输出的成果，可直接应用于安全、密码学以及交易领域的蒙特卡洛模拟。新建立的数据中心，则为该团队按照自身节奏推进此类严谨且以成果为导向的量子研究提供了绝佳场所。

量子增强AI模型：为发现全新算法而战

这项合作中最具前瞻性的探索路径，或许是研究量子增强AI模型能否加速发现专为金融用例设计的全新算法。这不单是关于利用量子硬件来加速现有的机器学习流程；它更是一个开放式的探索，探究AI——包括大型语言模型和专用AI系统——是否可以助力设计出更优的量子线路，以及量子处理器能否反过来改进那些用于搜索新金融算法的AI模型。

这一路线包含两个既相互联系又各有侧重的研究方向。其一，以AI辅助改进量子线路：利用AI提升量子线路本身的性能与保真度，本质上通过优化控制量子硬件的软件层，来让硬件发挥更大效用。其二，则探究量子增强AI模型（可能包含大型语言模型）是否能发现以往不为人知的全新量子算法——这些算法也许能比任何现有的经典或量子方法，都更高效地解决特定的金融优化或风险建模难题。

这种思路，契合了业界利用机器学习探索量子线路无限设计空间的大趋势。而伦敦项目的独到之处在于，它锚定在一个特定领域——金融，并且运行在一家能精准定义哪些问题最具商业价值的银行的保密围墙之内。深厚的领域知识，加上专属硬件和安全的数据环境，共同构成了一个在金融服务领域发现新算法的独特试验场。

安全、可扩展，直指生产就绪之路

该平台的意义远超任何一个单独的算法。摩根大通强调，这个数据中心将作为一个企业级的安全测试平台，供企业和学术研究团队依据金融行业高标准的数据复制、容错和安全规范，来评估混合经典-量子软件配置方案。AMD的加入在此尤为重要，因为支撑经典算力的基础架构层必须能处理大型银行产生的实际数据量和推理负载，而非简化的基准测试数据集。

该设施预计将在2026年6月公布后的12个月内全面投入运营，摩根大通作为首位专属用户。这一时间表与OQC的硬件整体路线图相吻合：“创世”系统代表着该公司迈入了逻辑量子比特时代，其拥有的16个逻辑量子比特能够执行数千次可靠的量子运算，OQC将这一能力定义为“千量子操作”时代。在已从高噪声的物理量子比特跨越至错误缓解的逻辑量子比特的硬件上测试混合算法，是证明量子计算能否为金融业带来实用优势的关键一步。

值得一提的是，这并非摩根大通在量子网络领域的唯一投入。2026年3月，摩根大通就独立部署了一个高速、量子安全的加密敏捷网络，通过已铺设的光纤连接起两大数据中心，而第三个量子节点则作为研究测试平台，用于探索可在银行业应用的下一代量子技术。将这两项投入结合起来看，摩根大通正在双线并行——同时构建起连接层和算力层的底层设施，为一个量子安全网络与量子增强算法将在生产环境中并存的世界做好充分准备。

伦敦中心何以超越新闻本身

在硬件厂商与银行之间的大多数量子计算合作，都采用共享云模式——银行的研究人员通过互联网，与学术及商业用户一起访问远端的量子处理器。而OQC、摩根大通与AMD的这座设施却截然不同：物理上共处一隅，私人化运营，并为单一企业用户的专属工作负载与安全需求量身打造。这种配置使得一些基于云访问的模式难以复制的实验成为可能，尤其是在要求经典高性能计算、AI推理与量子线路之间必须以微秒级（而非网络往返）延迟进行通信的紧耦合混合循环中。

对金融服务而言，几毫秒的延迟都可能产生巨大的经济成本，这种共址架构或许比单纯比拼量子比特数量更为关键。此次合作是否成功，最终将不由新闻稿来衡量，而是取决于：摩根大通能否在面对真实金融工作负载和严格的基准测试时，论证混合量子-经典方法在性能、可扩展性与成本效益方面，能实现纯经典基础设施无法比拟的突破。此次在投资组合优化、量子机器学习以及AI驱动的算法发现这三条研究主线上迈出的探索，正是朝着这一证明方向落地的第一步坚实脚印。