2026年6月18日——Allstate 与 IBM 的研究表明，量子计算有潜力帮助构建更优的风险和价值投资组合，并解决保险业中的难题。

这项联合研究成果于 2026 年 5 月发表在 arXiv 上，旨在解决计算机科学中的“背包问题”，这对保险公司具有重要意义。背包问题涉及在不超过容器承重限制的情况下，找到填充容器的最佳物品组合。在经典的背包问题中，给定一组具有不同重量和价值的物品，需要在不超重的前提下，选择最有价值的物品组合来填满背包。在经典计算中，背包问题的许多公式都无实际解法，尤其是当物品数量非常庞大时。

背包问题直接适用于保险投资组合：保险公司的目标是构建既能满足客户需求又能负责任地管理风险的平衡投资组合。

房屋保险的现实情况使得平衡风险更加复杂。风险往往以难以预测的方式相互关联。如果龙卷风袭击一个社区，家庭保险公司可能最终需要赔付您的房屋、邻居的房屋以及该地区的所有建筑。

Allstate 首席分析官兼首席数据官 Eric Huls 表示：“从房主角度看，这确实要求我们从投资组合的角度，而不仅仅是单个风险的角度进行思考。”

理解高度相关的投资组合意味着计算复杂性。当业务问题在计算上很复杂时，这往往是一个信号，表明量子赋能方法——一种解决复杂问题的新范式——可能具有价值。

保险公司如今如何应对复杂性

车祸在很大程度上是独立事件，这意味着一位司机发生事故的概率与其他司机发生事故的可能性关系不大。而天气则恰恰相反。一场野火通常不会只毁坏一所房屋，它可能同时摧毁整个区域的住宅存量。飓风和冰雹的情况也类似，这意味着家庭保险投资组合中各个保单的风险往往高度相关。Allstate 保险产品部门的数据科学家兼技术总监 Jean Utke 表示，这些事件是影响投资组合中家庭保单的最大因素之一。

这种相关性改变了保险公司的思考方式。Allstate 不能仅仅评估每一处房产并累加风险，而必须审视整个投资组合，评估当众多损失同时发生时情况可能有多糟糕，以及这种最坏情况是否在公司可承受的风险范围内。这使得将保单最优地“打包”进保险投资组合这个“背包”成为一个极其复杂的背包问题。

如今，Allstate 通过经典模拟来回答这个问题。Utke 表示，公司可能会运行 10 万个未来可能情景的模拟，以了解结果范围。问题在于那些罕见且成本高昂的事件。

Utke 说：“挑战在于，当你从 10 万个模拟中观察 1% 的尾部事件时，你只剩下 1000 个事件。而这些估计中存在相当多的不确定性，特别是当你在非常广阔的地理区域内考虑多种不同类型的灾害时。”

南加州的模拟野火可能无法告诉你太多关于东海岸飓风或密苏里州圣路易斯冰雹的信息。Utke 表示，量子计算可能会提供更直接地处理决策的方法，而不是通过模拟和近似。

量子方法

Allstate 的背包问题版本尤其困难。损失（即重量）并非固定数值，而是不确定的范围，因为没有人能事先知道某一特定灾难会造成多大损失。大型、稳定保险公司的一项重要功能是，在设定的风险承受能力范围内，接受总损失（背包的最大承重上限）超出限额的某些下行可能性。

这种不确定的重量和可调整的预算组合，使得这个问题在经典计算领域极具挑战性。

IBM 量子研究员兼该论文合著者 Vaibhaw Kumar 表示：“当前的经典方法要么依赖于基于不确定性模拟多种情景（精确但计算成本高），要么考虑最坏情况范围（安全但过于保守）。”

在这篇论文中，联合团队探索了一种新颖的量子方法，并将其应用于家庭保险投资组合。

与当今许多最重要的量子计算研究类似，他们的工作流程结合了量子计算和经典计算，每种范式分别解决其最擅长处理的部分问题。

运行在 IBM Quantum Heron 上的量子电路会生成一批候选答案，这些答案会偏向于既有价值又不超预算的组合。

然后，经典的步骤对列表进行清理。它会修正那些超预算的答案，并学习哪些房屋倾向于出现在好的解中，并将这些知识反馈回去以指导下一轮计算。这形成了一个良性循环，使每次迭代的结果都更精确。

该团队还找到了一种改进量子结果的方法。直接在大问题上训练电路会遇到一个已知的瓶颈：随着问题规模扩大，学习信号会减弱。相反，他们先在小版本上进行训练，然后将所学知识迁移到更大的问题上。

我们有理由期待，随着硬件的改进，这种工作流程会变得更强大、更高效。

Kumar 表示：“如果硬件上的噪声越来越小，那么经典计算方面的工作量也会越来越小。”

在本研究中，该团队需要一把标尺来评估结果。他们使用了一个精确求解器，只要时间足够，该求解器能够找到可证明的最优答案。然后，他们将量子-经典方法与四种常见的、以牺牲精度换取速度的近似方法进行了比较：并行回火、禁忌搜索、模拟退火和遗传算法。

每种方法，无论是量子还是经典方法，每个问题都有 30 分钟的计算时间。

对于最多包含 75 个物品的问题，所有方法的结果都一致。量子-经典方法和近似方法都与可证明的最优答案相匹配。即使问题规模扩大，量子-经典方法仍然与最强的经典启发式方法不相上下，能够紧密匹配，在严格约束条件下甚至略微超越——这对于实践中最重要的、更困难、约束更强的实例来说是一个令人鼓舞的迹象。

这种工作流程目前尚未达到足以让精确求解器显得过慢而无用的规模。但这些早期结果表明，随着硬件改进和问题规模扩大，量子技术如何为 Allstate 带来商业价值。

Allstate 为何投资量子计算

Utke 表示，关键在于要双管齐下：确定量子硬件目前能做什么，识别随着机器改进它可能解决哪些业务问题，然后观察两者交汇之处。

Huls 表示，即使实现商业价值的时间表存在不确定性，早行动也比晚行动好。量子技术发展迅速，一个已经建立了相关技能并找到正确问题的公司，将不会措手不及。

Huls 和 Utke 都向其他商业领袖提出了同样的建议：从一个真实的问题开始。当技术与公司真正关心的事物挂钩时，学习技术会更容易，衡量进展也更方便。

这一原则塑造了 Allstate 开始探索这项技术的方式。Allstate 总部位于芝加哥地区的诺斯布鲁克。IBM 参与了芝加哥量子交易所，Utke 表示这有助于 Allstate 将目光投向量子计算。

此次合作始于 IBM 面向该领域新进入者的量子加速器计划，并在过去两年发展成为联合研究。Utke 表示，他对联合研究的透明性质感到自豪：公开结果，连同代码和数据，任何人都可以核查并在此基础上发展。

Huls 表示，关于量子工作流程将如何影响保险公司的决策和投资组合构建，还有很多需要学习的地方。但这项研究提供了宝贵的见解和学习机会，使 Allstate 能够为那个快速到来的未来做好准备。