本文作者是編輯部特約撰稿人，隱姓埋名高深莫測，是台灣武功高強的獨行俠，曾職於國際快遞公司，擔任供應鏈分析與管理工作。經歷於各大物流企業與貨主企業，吸收各大門派功夫，並將其融會貫通，自創一派，爾後擔任各大企業供應鏈物流顧問工作，對台灣物流發展有獨特的眼光，總是能夠洞燭機先，布局未來。近年來，在研究與實踐中，不斷提出科技趨勢與產業創新發展策略，希望能為台灣供應鏈產業注入活水。(編輯部)

     量子計算(Quantum Computing)是最早的理論基礎源自1969年，1980年代還處於理論探索的時代，2011年加拿大D-Wave公司推出全球第一套號稱商用量子電腦，但是到目前為止，世界各國所提出的量子電腦嚴格來說都只能做特定的計算，離真正的泛用型商業化（例如如預測氣候變遷、藥物最佳成分組合、材料配方最佳組合…等）仍有一段距離，不過猶如當年萊特兄弟首次飛行12秒，開創了人類商用飛行的序幕；量子計算再過幾年將會有更成熟的技術，對於物流界而言，量子計算應用於日益複雜的物流系統是可期待的。

     關於量子計算的相關概念，目前已有許多其他文章有專文介紹，本篇不會再贅述這些基礎知識。對我們而言，我們可以這麼理解：假設有一台新的電腦，其運算速度是目前電腦的幾百萬倍，物流業可用這樣的電腦資源做那些改善？

演算法與資料傳輸的重要性

     量子計算打開了物流中心與供應鏈系統「最佳化」的一扇窗，但是要能有效利用量子計算，關鍵還是相關數據的即時回報，以及演算法的設計。

     物流的實務應用中，最著名的就是旅行推銷員(Traveling Salesman Problem)問題，也就是一個城市假設共有n個點需要去取件，從物流中心出發，我們希望每個點都只拜訪一次，最後再返回物流中心，要怎麼走可使總路徑最短。

     假設拜訪點共有25個，就會有25X24X23…X2X1=25!（第一個點有25個選擇、第二個點有24個選擇…依此類推），這個值大概是「1.55X10²⁵」。要在這麼多排列組合中找到最佳路線，假設電腦每一秒可計算「10¹³」個路線（每秒計算一兆次，已經是超級電腦等級），也需要「1.55X10¹²」秒，而一年有 3.1536X10⁷秒，大約需要「5X10⁴」年才能算完，就算是祖孫三代都不停歇，也無法完成此計算。

     然而實務上的問題不光是如此：每台貨運車輛在都會間的最後一哩配送，每天至少都是20~40個點，而且以往  我們的運具種類少，因此在做路線最佳化時，大概只需考慮最佳路線這件事；現在（甚至以後），貨運運具種類越來越多，除了無人機、無人車，還有人類駕駛員的電動小車、甚至派送員騎的機車、自行車。

     也就是說，如果有n個物流配送點，每個配送點可選擇m種運具，光是運具的排列組合就有「m x m x m .…= m²」種，再考慮最佳的路線求總運輸成本最低，而且這個計算尚未考量各運具所在道路的車流狀況，有時候算出的最短路徑說不定剛好就是塞車的路徑。

     在演算法設計上，就好像要計算1+2+3…100的累加，我們可以很直覺利用一個100次的循環，每次把數字依序加入，最後得到結果；也可以利用「(100(100+1))/2」這個公式直接算出來；要計算哪條路徑最短，我們可以使用暴力破解(brute force)方式，先窮舉所有可能的路徑，逐一計算其運輸成本，全部算完後再決定最佳路徑，也可透過啟發式演算法，找到「近似最佳」的路徑。

     演算法好壞有著天壤之別，如果使用較差的演算法，或許透過量子電腦可算出最佳解，但是需要耗用較多時間，這些計算時間都代表成本，如果要花很多錢計算去找出最佳解，反而減損了最佳解所帶來的實際效益，因此好的演算法才是最佳化的硬道理。

     而在資料的即時回報上，這也是量子計算過程中需要管理者多關注的議題，因為屆時「計算力」已不是問題，問題是我們是否即時餵給中央系統正確的資料！

     例如物流中心目前正在路上的各種運具，每分鐘需回報一次自己所在位置與狀態（包括車輛剩餘的油量、電量、目前載重），以及系統對於目前各運具所在位置與道路擁擠狀況，因此這些車輛上必須有相關的IOT設備，將訊息自動回報給物流中心後，物流中心彙整再批次送上雲端交給量子電腦計算。

     可想見，我們所謂的即時，最多只能以「一分鐘」為單位，因為如果上傳的是五分鐘、十分鐘前的數據給中央系統，算出來也是五分鐘、十分鐘以前「應該」的最佳化狀態，拿五分鐘前的最佳化狀態指令作為物流資源的調度，恐怕會拉大實際運作的差距。

     就拿「十分鐘」來說，十分鐘對一個物流系統而言，已經有很多事又變化，例如原本客人的訂單可能被取消、更改配送地點、緊急訂單加入、或是又有100個新的消費者下單…，而量子計算對於這類多變的動態環境，有機會把「物流最佳化」這件事真的做出來。先決條件就是，是否真的有即時把資料餵給系統。

【如欲閱讀全文，敬請訂閱】