量子運算加速邁進可用階段　英飛凌分享技術布局策略

[產業新聞]

突飛猛進的人工智慧（AI）帶來前所未有的龐大算力需求，產業界除了持續推進以傳統馮諾曼架構為基礎的運算技術，也開始重新關注已被討論多年的量子運算技術，將其視為拓展下一代運算能力的重要方向。在年度台北國際電腦展（COMPUTEX 2026）期間，來自德國的英飛凌科技（Infineon Technologies）高層就與少數幾家本地媒體分享了該公司的量子運算布局策略。

「現有運算硬體雖然已在平行運算密度上取得長足進展，仍無法有效解決所謂的數學困難問題（mathematically hard problems）。」接受採訪的英飛凌資深副總裁暨電源系統事業線總經理Richard Kunčič指出，有些問題會隨規模增加而呈現指數級複雜度，例如著名的旅行業務員問題（Traveling Salesman Problem，TSP），隨著客戶或城市數量增加，可能路徑組合會以近乎階乘的速度爆炸性成長。

表單的底部

Kunčič表示：「這類問題即使用當前最好的NVIDIA GPU叢集，也難以在合理時間內找出最佳解，這正是量子運算受到期待的原因；我們相信，量子運算將解決一些無法單靠古典電腦處理、未來也不能運用古典電腦來解決的真實世界難題。」

英飛凌資深副總裁暨電源系統事業線總經理Richard Kunčič於COMPUTEX 2026期間分享英飛凌量子運算布局，並展示該公司開發的離子阱量子運算元件。（照片提供：英飛凌）

量子運算瞄準四大類高難度問題

量子運算之所以被認為有機會解決部分高難度數學問題，關鍵在於其不同於古典電腦的運作模式。一般電腦的位元（bit）只能代表0或1，而量子電腦使用的量子位元（qubit）可以同時處於多種狀態。當多個量子位元彼此產生糾纏，系統能同時表示和處理的可能情況會快速增加，遠比古典電腦能處理的組合更多。

因此，量子電腦面對分子模擬、組合最佳化、密碼分析等特定問題時，不必像古典電腦一樣逐一枚舉所有可能解，而是透過量子演算法設計，使不符合條件的結果相互抵消，並放大較可能接近正解的狀態。這也是量子運算被期待能以不同於傳統架構的方式，處理古典超級電腦難以在合理時間內完成的高複雜度問題。

Kunčič指出，英飛凌認為量子運算短中期最具潛力的應用可分為四大類：模擬、最佳化、機器學習與密碼學。模擬應用包括藥物開發、材料科學、催化劑設計、能源轉換與航太流體力學；最佳化可用於物流網路、金融投資組合、風險管理與供應鏈規劃；機器學習則是未來量子運算與AI交會的重要場域；密碼學則同時代表威脅與機會，因為量子電腦可能挑戰既有加密系統，也將促成更安全的後量子密碼學（post-quantum cryptography，PQC）技術。