量子计算进展的不确定性原理

权衡“如果”与“何时” 量子计算进展的不确定性原理 作者：里克·伊格尔艾伯特·梅奇谨致奥利维尔·埃兹拉蒂（量子工程师）之贡献 权衡“如果”与“何时” 围绕实现一台可用、容错的量子计算机的前景，一股乐观情绪正在形成，这得益于过去12个月取得的令人印象深刻的进展。然而，现实中，这一目标仍有相当距离，并且仍需克服重大的技术障碍。这种乐观情绪完全合理吗？ 在Arthur D.Little（ADL）三年前发布的“蓝色转型”（Blue Shift）研究更新中，我们审视了已取得的成就、当前所做的承诺，以及高管在评估未来进展声明时如何保持批判性思维。 2022年9月，在量子计算（QC）技术发展前景日益乐观的背景下，我们发布了蓝色位移报告《释放量子计算的商业潜力》。该报告聚焦于计算应用，未涵盖通信、传感和密码学等其他量子技术领域。其目标是为商业高管提供对当前格局的清晰认知、对参与者日益增长的生态系统的洞察，以及对商业化时间表和可能性的视角。三年多过去了，回顾已取得和未取得的成就，实属值得。 量子计算的应用是必然的——而且正变得越来越迫在眉睫。 尽管质量控制（QC）技术本身具有内在的复杂性，但要形成对其当前商业前景的合理判断似乎相对简单。当然，技术分析师和评论员并不缺乏，而且大部分研发工作仍然处于公开领域。然而，现实中，要形成清晰、无偏见的认识是困难的。从公共投资的规模来看——英国、中国、欧洲和美国政府已承诺数十亿美元的资金——再加上私人投资者的数十亿美元投入以及英国托尼·布莱尔研究所等智库发出的进一步行动呼吁——人们可能会得出结论，前景总体上非常乐观。 几乎每月，发展参与者都会宣布新的规模化及商业化里程碑——其中许多确实令人印象深刻。2025年1月，《麻省理工学院技术评论》指出：“实用化量子计算不可避免——且日益临近。”同年，谷歌CEO Sundar Pichai评论道：“我想说，量子计算就是五年前的AI。所以，我认为，五年之内我们将经历量子计算领域一个非常令人兴奋的阶段。”如今，大多数有影响力的评论人士认为——尽管仍存在技术挑战——量子计算的商业化是一个“何时”而非“是否”的问题。 但是，这条信息真的揭示了全部真相吗？在本篇观点中，我们主张，旨在为QC未来定位其业务的领导者必须继续采取批判性和审慎的方法。我们简要回顾了过去几年QC的关键发展，探讨了未来前景，并强调了为什么仍需保持谨慎的几个理由。 当前大多数努力倾向于发展FTQC。 过去三年，在实用容错量子计算（FTQC）设备的长征中取得了重大进展。FTQC将适用于各个行业，并且对于特定类型的难解问题——即解算时间随问题规模呈指数级增长的问题——可以提供相对于传统高性能计算机（HPC）的显著优势。图1总结了自2022年以来一些最重要的里程碑。 三年前，量子计算质量竞赛主要集中于扩展物理量子比特的数量和推进纠错技术——将数百或数千个量子比特结合起来创建纠错“逻辑量子比特”。当时，人们曾寄望于含噪声中等规模量子（NISQ）设备能够进一步扩展，以制造出可用的量子计算机。虽然许多NISQ时代的量子算法已接近实现某些量子优势，但它们大多专注于基础物理模拟，与产业用户的实际需求仍相去甚远。 因此，目前大多数研究工作都倾向于发展容错量子计算。通常而言，为了能在广泛的应用领域中发挥作用，一个容错量子计算系统至少需要100个逻辑量子比特，而许多更有价值的应用则要求数千个。这反过来又意味着所需的物理量子比特数量将达到数千至数百万，具体取决于底层技术。然而迄今为止，实验系统仅实现了数百个物理量子比特的规模。 目前，基于门控的量子计算机正致力于研发四种底层量子技术。超导技术可以说是最成熟的，其次是囚禁离子、中性原子和光子学。其他技术，如电子自旋，也在被研发中，但成熟度较低（如图1所示）。 过去12个月，发展步伐显著加快，取得了多项重要成果，包括Quantinuum/Microsoft在重复性错误纠正、逻辑量子比特稳定性和门保真度方面取得重大改进，以及谷歌的Willow 105量子比特芯片，该芯片在2024年展示了增加纠错量子比特规模可以降低整体错误率，这对扩展规模至关重要。2025年12月，谷歌还基于2024年发表的想法实现了魔态制备，这使得逻辑T门得以合成，而逻辑T门是实现量子算法指数级加速的关键特性。然而，在实现需要数万个高质量物理量子比特的规模上的逻辑量子门和实时容错方面，仍有许多工作要做。IBM于2025年11月推出的Nighthawk处理器在量子比特互联方面取得了重大进步，实现了更低开销的错误纠正，并表明现有的、负担得起的技术可以与量子处理器开发同步扩展。 尽管其应用范围相对有限，但在实际应用场景方面，基于退火技术的量子计算机在诸多方面是发展最为成熟的量子计算（QC）技术。2025年，D-Wave在其Advantage2系统的发布中，宣布了量子比特连接性、相干性和噪声降低方面的重大进展。该公司于2025年3月声称，在某个特定的硬自旋模拟问题上取得了量子优势，尽管这一点存在争议。 混合量子/传统方法在可行性方面也取得了进展。例如，2025年6月，IBM和日本理化学研究所RIKEN展示了这样一种混合解决方案，该方案在IBM的Heron量子计算机和RIKEN的富士通Fugaku超级计算机上运行，以执行[2Fe-2S]和[4Fe-4S]簇基态性质电子结构模拟，使用了高达77个物理量子比特的量子电路和创纪录的10,570个量子门。同样，2025年10月，英伟达宣布了NVQLink——一种用于量子处理单元的高吞吐量、低延迟互连，使FTQC供应商能够实现实时错误纠正。 中性原子技术在中期2023年通过Atom Technology的超过1000个量子比特阵列（迄今为止实现的最大规模）实现了向规模化生产的进展，尽管该阵列并未用于主动处理。在2023年12月至2025年11月期间，QuEra在纠错、可扩展编码以及其他构建未来量子退火计算机（FTQC）的关键使能技术方面取得了重大突破。在光子学方面——一种起步即关注容错性、但成熟度较低且发展路径根本不同的技术——PsiQuantum与GlobalFoundries合作，展示了基于光学量子计算的大规模生产量子芯片的能力。Quandela也展示了其规模化高效生成确定性纠缠光子的能力。 最后，AI与QC的融合存在新的潜力。理论上，AI有潜力帮助应对QC面临的一些最困难挑战。在量子工程方面，它可能改进硬件校准、错误缓解/控制以及材料/组件的发现。在软件方面，它可能改进算法设计、优化和数据分析。另一方面，将量子处理应用于改进AI尚具推测性，但原则上，其并行处理能力可以加速AI训练和推理，有可能帮助减少其非常显著的能量消耗。主要障碍是巨大的数据加载需求，这在量子计算机上效率低下。如果处理的数据已经是量子数据（例如由量子传感器生成的数据），则可以更有效地解决这一问题。AI/QC融合仍处于早期阶段。 量子退火器的工作原理不同于基于通用门计算的设备，它们作为专用优化器和采样器在物流、金融模拟和运筹学等领域中的应用更为有限。 展望未来，主要供应商发布的路线图预示着繁忙的开发计划（见图2）。 在超导发展道路上，最引人注目的承诺之一是IBM的Starling FTQC，计划于2029年推出。IBM声称其“确实有一条路径，可以在这一时间尺度内使其变得可行。”Starling将拥有10,000个物理量子比特和200个逻辑量子比特，这将限制其通用适用性。IBM的下一代设备Blue Jay，计划于2033年推出，将拥有2,000个逻辑量子比特，这低于解决复杂的优化和建模问题所需的数量。IBM预测，真正的量子优势可能最早在2026年实现。与此同时，谷歌避免了发布具体的设备承诺，而是描述了一系列发展里程碑：M3至M6。这些里程碑表明，大约在2030年左右会出现第一个容错设备，而第一个广泛适用的FTQC将在2033年至2035年之间出现，大约是十年之后。 在囚禁离子方法中，IonQ设定的目标最为雄心勃勃，宣布计划于2028年推出1600个逻辑量子比特的设备，随后在2029年和2030年分别推出8000个和80,000个逻辑量子比特系统。 对于冷/中性原子，其发展尚处早期阶段。然而，Pasqal 公司承诺在 2029 年实现具有 200 个逻辑量子比特的傅里叶变换量子计算（FTQC），而 Infeqtion/Coldquanta 公司则计划在 2030 年推出一款拥有“数千个逻辑量子比特”（10 万个物理量子比特）的设备。 最后，对于光子量子比特，PsiQuantum计划在2028年至2030年间部署100个逻辑量子比特，其庞大的系统将消耗100兆瓦的功率，并需要达到欧洲核子研究中心大型强子对撞机规模的低温技术支持。Quandela计划在2029年实现类似成果，但其资源占用将小得多。 总的来说，过去12个月在多个供应商和技术平台上带来了显著的发展浪潮。其前景是，到2030年左右，可能出现一个至少拥有100个逻辑量子比特、支持约一百万次门操作的FTQC，从而能够实现超出高度专业化领域的应用。 迄今为止，这一轨迹似乎充满希望——但值得停下来反思当前预测的可靠性，以及当前的主导乐观情绪是否需要更细致入微的考量。需要考虑几个重要的注意事项。 即使是 optimist 乐观的预测也表明，首批原型 FTQCs 至少还有五年的距离。 通用型合格检验（QC）的时间表仍然很长。 正如我们所见，即便是最乐观的预测也表明，首批原型FTQCs（全息传送量子计算设备）仍需五到六年的时间，而像谷歌这样的公司则预测需要更长的时间。此外，即使首批FTQCs出现后，也需要再过数年，才能研发出适用于通用场景、能够解决日常商业问题的成熟级设备。从研发部门以外的商业终端用户的角度来看，可能要到七到十年后才能获得的技术，仍然超出了正常的规划周期。 实际FTQC应用可能比许多人设想的要有限得多。 一些专家质疑量子算法承诺的理论加速效果能否在未来量子退火机（FTQCs）上实现，这主要受限于门电路速度缓慢以及纠错所需极高的开销。低次方加速，如二次方加速，通常被认为不足以在传统设备上提供实用的量子优势，而指数级加速或许仅适用于特定类型的问题。相对较慢的数据加载以及目前尚无所谓的量子随机存取存储器（qRAM）等因素，构成了将量子计算（QC）应用于机器学习数据分析问题的障碍。 存在重大的科学与技术风险及不确定性。 对于非专业的外部人士而言，评估当前任何一项量子计算（QC）发展路径所涉及的具体技术风险极其困难，甚至可能无法做到。然而，在当前路线图中值得注意的是，或许最根本的技术挑战——从数百到数千乃至数百万量子比特的扩展——尚未得到解决。迄今为止的进展虽然令人印象深刻，但尚未能令人信服地证明这种规模的扩展性是可实现的。实现这一目标取决于几个尚未解决的未知因素：大规模制造具有高质量和低变异性的各种芯片技术的能力；在更大规模下新噪声源可能出现的风险；以及考虑到物理量子比特数量的固有限制，在量子处理单元之间开发可靠的量子互连技术。 综合来看，这意味着量子计算领域专家（FTQCs）主要可能对那些极其困难、高度结构化、输出量小且经典计算运行时间巨大的问题有价值，例如化学、材料科学和高能物理中的模拟。他们解决通用优化问题、数据分析以及需要低延迟的运营应用方面的价值，高度依赖于未来量子算法设计基础研究的成果。因此，政府和决策者必须继续资助该领域及相关领域的学术研究，同时也要为更成熟的技术发展提供资金支持（例如，通过针对行业供应商的公共采购）。 过往表现显示频繁的里程碑延误 仅靠投入金钱并不总能解决问题。 审视质检行业在实现先前路线图里程碑方面的进展是有帮助的。即便不进行全面的分析，也可以说表现参差不齐。例如，在2022年ADL的最后一次研究时，IBM为2025年左右规划了“以量子为中心的超级计算机”，但此后其时间表已大大延长。类似地，Rigetti曾计划在2025年实现1,000+量子比特的