量子计算将在2029年超越经典系统，在医疗保健、金融服务、物流和能源等领域取得早期优势。与生成式AI不同，量子能力需要三到四年的时间来构建，等待的企业可能在技术稳定前就处于结构性劣势。
CEO应立即制定战略立场，在未来三年内启动有针对性的试点项目，并工业化成功案例。准备比硬件投资更重要。
量子计算通过搜索大量可能的组合来解决优化问题和模拟复杂系统，而不仅仅是处理更多数据。预计到2028至2029年，具有约200个可用逻辑量子比特的系统将出现，到2030年代中期，具有数千个逻辑量子比特的系统将出现，量子计算将从实验平台整合到企业架构中。
与AI不同，量子计算将扩展分析工具箱，在经典方法达到极限的地方提供新能力。最先进的企业将把量子、AI和高性能计算视为可以激活以覆盖整个业务分析性能谱系的工具连续体。
组织变革比技术进步更慢。建立量子计算能力、嵌入新的工作方式需要三到四年时间。用例的开发需要六到九个月，从问题框架到数学建模、算法调整、数据准备、计算和影响评估。
量子计算不是另一个生成式AI项目。没有可以在几周内启动并在整个企业中快速扩展的快速概念验证。将量子潜力转化为商业价值是一个多年的旅程，需要量子专家、数据和分析团队以及业务所有者之间的深度合作。
对CEO和高级管理人员的三个启示：
- 较长的学习周期：量子业务应用需要较长的周期，过早过度投资有风险，进展过慢则可能让竞争对手建立领先优势。
- 与AI的互补性：量子试点项目以先进的AI和高性能计算基线进行基准测试。AI和经典硬件上的“代理量子”模拟已用于原型量子工作流程，了解量子实际增加独特价值的地方。
- 架构不确定性：关键的硬件问题仍然存在，但行业正从科学实验转向工程规模化。
量子应被视为具有长期建设期的战略技术趋势。现在进行大规模资本支出下注太早，但忽视它直到它成为成熟技术又太晚。
以用例为先，而不是技术。大多数组织的正确入口点是针对具体的业务问题进行有针对性的实验。第一个价值浪潮将来自量子可以增强现有分析的优化、模拟和复杂建模用例。
领先的公司的共同方法是将研发和运营相结合：
从当前无法解决的难题开始，例如网络路由、投资组合风险、生产调度或分子模拟。
严格测试先进的AI和高性能计算是否可以解决该问题。量子用于经典方法难以解决或规模不经济的领域。
将每个用例视为一个结构化的实验，有明确的企业指标和扩展的决策阈值。
不要将量子局限于创新中心。早期引入制造、物流、工程、供应链、研发和商业职能的运营领导者作为业务问题的所有者。
人才是一个核心制约因素。公司需要一小部分专业的量子专家和更广泛的数据、IT和运营领域的“量子素养”领导者，他们能够识别相关问题、解释结果并将量子整合到决策过程中。
最终目标是使量子成为分析堆栈的另一层，在需要的地方发挥作用，但在其他地方不可见。
量子成熟度模型评估10个行动在4个战略领域的进展水平：
战略指导：定义和治理路线图，监控外部技术和竞争信号，与内部里程碑同步，获得CEO和董事会承诺，决定投资立场，并使用实验来指导战略选择。
早期发展：建立量子意识，设立“Q工厂”设计和执行优先用例的原型，并随着技术发展调整方法。
领导力准备：建立技术和竞争对手的系统监控，并与初创公司、实验室、行业玩家和公共项目建立合作伙伴关系，以获取专业知识和计算能力。
技能和基础设施：决定如何访问量子基础设施（建设、购买、合作），将其与现有系统集成，包括IT、运营技术、AI和高性能计算。维护和演进算法，识别和培训关键技能，并管理变革以推动采用。
分阶段路线图避免落后：
- 明确愿景和立场（第一年）：确定量子在行业和价值链中的关键作用，决定雄心水平，建立治理，设定学习和影响指标。
- 启动有针对性的实验和构建能力（第1至3年）：选择3到5个高潜力用例并启动试点项目，建立“Q工厂”，开始将量子整合到更广泛的AI和分析战略中。
- 工业化量子证明价值的领域（第2至4年及以后）：将成功的试点用例扩展到生产，将其嵌入业务流程和决策工作流，将量子素养扩展到业务、运营和财务领导者，持续监控技术信号和竞争对手动向以调整投资和扩展速度。
犹豫的风险：在量子预计将产生最大价值的领域，量子将成为突破性技术，也成为嵌入业务运营的新能力。经验表明，公司很少因为准备太早而失败，而是因为低估了建立能力和改变组织所需的时间。量子计算可能仍在接近突破时刻，但为高管准备阶段已经明确开始。
CEO的实际问题是：在接下来的12到24个月里，随着AI在业务中扩展，你会把量子视为一个未来的研究课题，还是会将其视为可能重新定义你行业竞争格局的下一个分析突破？
准备的时间窗口是开放的，但可能不会保持太久。
