解密OQC-摩根大通-AMD量子AI資料中心：投資組合優化、量子機器學習與新演算法探索

投資組合優化：在真實環境中檢驗混合策略

投資組合優化是金融界在近期量子運算應用中最常被提及的用例之一，也高居這項合作議程的首位。摩根大通的研究人員將利用新的資料中心，測試旨在改善投資組合建構與風險調整後報酬的近期量子及混合量子-古典方法 。這不僅止於理論探索——這個平台在設計上，就是要明確地將這些混合工作流程的表現，對標全球銀行對正式系統所要求的延遲、資料複寫與再現性等需求來進行基準測試 。

摩根大通的量子研究歷程在此提供了重要脈絡。該公司的全球科技應用研究團隊，已在投資組合優化領域開發出新穎的量子演算法，同時也是探索量子運算、AI 與密碼學交集最活躍的金融機構之一 。現在，憑藉對 GENESIS 的專屬使用權，這個團隊可以在一個能反映真實交易桌最終需求的條件下，對純古典運算、量子運算到混合運算進行比較實驗。

量子機器學習，從理論跨入可控實驗

量子機器學習向來是學術界熱衷的領域，但在銀行自身安控基礎設施內進行的、可再現的嚴格測試卻十分罕見。倫敦中心改變了這個局面。合作方表示，這個平台將用來擴展對量子機器學習技術的探索，並將之應用於金融模型建構與預測 。

有別於小規模實驗的關鍵在於，量子處理器與高效能 AI 運算資源的共地部署。此架構專為即時混合工作負載設計，因此能在同一個受控迴圈中，同時進行傳統神經網路的訓練與量子電路的執行 。對摩根大通而言，務實的問題非常具體：當在規模與延遲條件上，盡可能仿照真實金融環境進行測試時，量子核（quantum kernels）、變分電路（variational circuits）或量子神經網路，能否為信用評分、異常偵測或市場型態分類等任務增加預測價值？

該銀行近期的量子里程碑，也凸顯了它橋接研究與實務的決心。2025 年 3 月，摩根大通研究人員與 Quantinuum、阿貢國家實驗室、橡樹嶺國家實驗室及德州大學奧斯汀分校合作，運用一台量子電腦生成並經數學驗證了真正的隨機亂數 。這篇發表於《自然》期刊的論文，展示的不僅是理論能力，而是一項直接可用於安全、密碼學及交易中蒙地卡羅模擬的具體產出。而新的資料中心，正提供了一個讓該公司能以自家步調，追求同樣嚴謹、產出導向的量子研究場域。

量子強化 AI 模型，探索原創演算法

這項合作中最具前瞻性的研究軸線，或許是探索量子強化 AI 模型能否加速發掘專為金融用例打造的新穎演算法 。這不只是用量子硬體來加速既有的機器學習流程，而是一項格局更大的開放式探索，追問 AI（包括大型語言模型及專門的 AI 系統）是否能幫忙設計更好的量子電路，而量子處理器是否能反過來改善那些搜尋新金融演算法的 AI 模型。

這條軸線涵蓋了兩個相關但各自獨立的研究方向。其一為 AI 輔助的量子電路改良：利用 AI 提升量子電路本身的效能與保真度，實質上透過改善控制量子硬體的軟體層，來讓硬體變得更有用 。第二個方向則追問，量子強化的 AI 模型——可能包含大型語言模型——是否能發現以往未知的原創量子演算法，這些演算法很可能在解決特定的金融優化或風險建模問題上，比任何現有的古典或量子方法更有效率 。

這種做法，與業界運用機器學習來探索量子電路廣大設計空間的宏觀趨勢不謀而合。倫敦計畫之所以特別，在於它錨定在一個特定領域——金融——而且是在一家有能力準確定義哪些問題最具商業價值的銀行安控網域內執行。領域專業知識、專用硬體加上受保護的資料環境，三者疊加使其成為金融服務業內獨一無二的演算法探索平台。

安全、可擴展性，以及通往正式商用的道路

這個平台的用途不侷限於任何單一演算法。摩根大通強調，這座資料中心本身就是一個「企業級安全測試平台」，讓企業與學術研究團隊能對照金融服務業所適用的資料複寫、容錯與安全標準，來評估混合古典-量子軟體配置 。AMD 的角色在此更顯重要，因為古典運算層必須能處理一家大型銀行所產生的海量資料與推論負載，而非使用簡化的基準資料集。

這座設施預計在 2026 年 6 月宣布後的 12 個月內全面投入營運，摩根大通將是首位專屬使用者 。這個時間表與 OQC 的整體硬體發展藍圖吻合：GENESIS 系統代表該公司正式邁入邏輯量子位元時代，其配備 16 個邏輯量子位元，能夠提供數千次可靠的量子運算，OQC 將此一門檻稱為「KiloQuOp」世代 。在硬體從充滿雜訊的物理量子位元，跨越到具備錯誤緩解的邏輯量子位元後，在上面測試混合演算法，是證明量子運算能否在金融領域兌現其實用優勢的關鍵一步。

這項倫敦合作案，並非該銀行在量子網路領域的唯一投資。2026 年 3 月，摩根大通另外部署了一個高速、量子安全且加密敏捷的網路，透過已鋪設的光纖連結旗下兩座資料中心，而第三個量子節點則作為研究測試平台，用來試驗適用於銀行業務的次世代量子技術 。綜觀這些投資，釋放出的訊號是：摩根大通正同時構建「連結層」與「運算層」——為一個量子安全網路與量子強化演算法能夠共存於正式環境的未來世界預做準備。

為何倫敦中心的重要性，遠超新聞稿所述

多數量子硬體廠商與銀行的合作，都走共享雲端模式，也就是銀行研究員得跟學術及商業用戶一起透過網際網路存取量子處理器。OQC-摩根大通-AMD 的設施截然不同：實體共地部署、私人營運，而且專為單一企業用戶的工作負載與安全需求打造。這種配置能實現雲端存取模式難以複製的實驗，特別是需要緊密耦合的混合迴圈，在這類迴圈中古典高效能運算、AI 推論與量子電路之間的通訊，延遲必須以微秒計，而非網路往返時間。

金融服務業對延遲極其敏感，毫秒之差就可能代表可觀的經濟成本，因此這種共構架構可能比單純的量子位元數量更重要。評判這項合作成功與否的最終標準，不在於新聞稿，而在於摩根大通能否在真實的金融工作負載上，對照嚴格的基準測試，證明混合量子-古典方法能夠在效能、可擴展性與成本效益上，勝過純古典基礎設施無法企及的程度。投資組合優化、量子機器學習以及 AI 驅動的演算法探索等研究軸線，正是通往這項驗證的第一步。