全球數據及 AI 軟件供應商 SAS 近日公布一項有關量子 AI 的調查,訪問超過 500 名來自全球不同行業的高層。結果顯示,企業雖然對量子 AI 持續關注,但在部署上仍然審慎。與 2025 年調查相比,當年業界最關心的是「實施成本高昂」及「缺乏技術知識」,到 2026 年,最大障礙已轉為「對實際應用場景存在不確定性」,反映市場由關注技術門檻,進一步轉向重視商業可行性。
量子 AI 一般是指在量子硬件上運行機器學習演算法的技術方案。SAS 將傳統運算與量子運算視為可互補的工作負載,認為不少企業問題介乎兩者之間,適合以混合模式處理,即由傳統運算與量子運算分工協作,以提升整體效能。
SAS 首席量子架構工程師 Bill Wisotsky 表示,企業現時積極建立屬於自己的量子 AI 知識產權,希望在技術成熟時率先受惠,但亦不希望盲目投入高成本項目,最終卻找不到真正可落地的應用場景。
量子技術入場門檻高
調查列出的六大障礙中,排首位的是對實際應用場景不確定,其次依次為實施成本高昂、缺乏受專業訓練的人員、缺乏相關技術知識及理解、量子AI解決方案供應有限,以及缺乏明確的監管指引。SAS 量子產品策略主管 Amy Stout 指出,業界對量子技術興趣濃厚,但入場門檻仍高,因此市場需要更實用的工具與平台,幫助企業更有信心試行相關方案。
為回應市場需要,SAS 宣布將推出 SAS Quantum Lab,預計第四季面世,並開放予 SAS Viya 客戶使用。平台定位為企業展開量子 AI 之旅的起點,既可協助量子專家工作,也方便非量子物理背景用戶探索、測試及驗證創新構想。SAS 表示,平台旨在降低企業探索量子 AI 的成本,並協助減少誤判。
SAS Quantum Lab 運算速度可提升逾 100 倍
SAS Quantum Lab 的初步功能包括比較傳統、量子及混合運算的結果,幫助用戶為不同業務問題選出最佳方案;SAS 稱,初步測試顯示運算速度可提升逾 100 倍,並節省最多 99% 成本;另外更設有虛擬量子 AI 導師,協助用戶解答問題、提供程式碼範例及後續步驟建議,加快學習與應用過程。
至於應用場景,受訪者普遍希望量子 AI 可用於提升金融欺詐偵測準確度、即時優化 5G 網絡流量、加速分子模擬及新藥研發、改善供應鏈及物流分配,以及優化機器學習和大型語言模型訓練流程。SAS 表示,若企業已準備好探索量子 AI,團隊可協助評估如何在安全且切實可行的前提下,將技術引入業務流程。
SAS 強調,企業要在量子經濟時代中取得優勢,關鍵不是盲目追趕熱潮,而是提早建立知識、驗證場景及累積應用經驗。不少專家預期,量子硬件供應鏈將於 2030 年代初期逐步成熟並具備大規模商業應用能力。
透過主題演講、案例分析及專家座談會,活動將深入探討如何將法規轉化為企業的戰略優勢。無論你是 CISO、DPO、法律顧問還是 AI 產品負責人,都能在本次論壇中獲得可落地的實務框架,將 Privacy-by-Design 及 Responsible AI 融入核心商業戰略,達致合規並保持發展速度與創新活力。
代理式人工智能(Agentic AI)憑藉其可自動執行任務的能力,大幅提升企業營運效率,迅速成為市場上的「新寵兒」。然而,這種高度自主的特性,同時亦帶來前所未有的網絡安全挑戰。《Fortinet - Agentic AI 安全攻防戰》系列將一連三集,由 Fortinet 北亞區首席信息安全官鄺偉基(Daniel)深入剖析企業在部署 Agentic AI 時不可忽視的安全關鍵。第一集率先由 Agentic AI 的核心基礎 ── Kubernetes 出發。
Agentic AI:自動執行帶來的雙刃劍風險
人工智能技術經歷多年演進,從機器學習(Machine Learning)、生成式 AI(Gen AI),發展至當前備受關注的 Agentic AI。與過往 AI 最大的不同,在於 Agentic AI 不再只是「提供答案」,而是具備「自動執行」的能力。
這種能力既是 Agentic AI 最大優勢,同時亦是潛在風險來源,Daniel 指出:「以前 AI 即使答錯,只要人不採納執行,問題未必發生;但現在 Agentic AI就算判斷錯誤,也可能直接執行,後果可以非常嚴重。」他引用一宗海外初創公司的真實案例,由於 Agentic AI 發生錯誤操作,系統在短短 9 秒內刪除了包括備份在內的所有數據,造成重大損失。
Daniel 又以「養龍蝦(OpenClaw)」為例,僅僅推出大半年,相關的 CVE 漏洞已累積數量至 478 個,其中約 190 個更屬於高至嚴重風險級別(CVSS4.0)。這反映出,在高度自動化且缺乏人工監督的情況下,一旦發生配置錯誤或遭受黑客入侵,影響將被迅速放大,風險不容忽視。
Kubernetes:Gen AI 與 Agentic AI 的基礎
無論是 Gen AI 還是 Agentic AI,其背後往往以 Kubernetes 作為運行基礎。Daniel 強調,容器化網絡(Container Network)與傳統網絡架構存在顯著差異,對企業的技術能力與安全管理要求亦更高。
在傳統環境中,企業開發應用程式的資源規模通常較固定,例如只需運行約 8 至 10 部虛擬機(VM);但在 Kubernetes 環境下,資源可按需求快速擴展,當流量急升時,系統能在短時間內擴展至數百個工作負載(Workloads),而當需求下降時,又會即時回收資源。這種高度動態與彈性的特性,令整個 IT 環境變得更複雜,也更難監控。
不少企業其實早已導入 Kubernetes,但由於過往應用規模較小、擴展速度較慢,加上傳統防火牆未必支援相關架構,導致 Kubernetes 的安全性長期被忽視,甚至處於「無王管」狀態。隨著 Agentic AI 日趨普及 Kubernetes 部署規模急速膨脹,安全性情況將更為嚴峻,成為企業不能忽略的重點。
Fortinet 北亞區首席信息安全官鄺偉基(Daniel)建議企業及早建立健全的 Kubernetes 安全策略,充分釋放 Agentic AI 潛力。