答：金融行业中存在多种复杂的计算挑战，例如进行组合优化、模拟随机过程以及处理大型数据集等。量子计算机具有远超经典计算机的并行计算能力，原理上可以为金融领域的计算挑战带来全新的解决方案。然而，当前量子计算的硬件水平，仅在某些特定问题（例如随机线路采样、玻色采样）的处理速度上超越了经典超级计算机，而这些特定问题至少在目前看来并不具有实际应用的价值。

值得指出的是，量子计算“应用”的准确意义是指对某些问题的求解能力超过经典超级计算机，也就是能够提供“量子优势”，否则就完全没有必要去费时费力研究量子计算机了。当前的量子计算硬件，当然可以演示一些小规模的量子算法，然而在达不到量子优势的情况下，这样的“应用”是毫无意义的。可以准确地说，一些公司声称的量子计算可以用于投资组合优化等问题，仅仅是指演示了相关的算法，并不能超越经典计算机，对于解决实际问题丝毫没有帮助。

下面，以投资组合优化方面常用的优化问题为例来具体说明。目前，量子退火和变分量子算法可用来近似求解优化问题。量子优化算法在金融中的可能应用场景有：投资组合优化，套利优化，金融网络结构优化等。在原理上，这类算法可以在有噪声的中等规模的量子计算机上做一些小规模的原理性演示，但是其量子优势目前没有任何证明。在技术上，现阶段的量子计算机在线路噪声的影响下，量子算法的表现还会进一步下降。

例如，谷歌团队在其超导量子计算平台上演示了利用量子近似优化算法(QAOA)求解图优化问“”[1]。对于连通度较高的非平面图，需要使用额外的量子门线路完成编码，而且随着图规模的增大，实验效果迅速下降直至完全失效。因此，在现阶段的量子计算机上，使用量子优化算法求解问题的能力还十分有限。

A

参考文献：

[1] Matthew P. Harrigan, et al., Quantum approxi-mate optimization of non-planar graph problems on a planar superconducting processor, Nature Physics 17, 332 (2021).