黄仁勋认错押注，量子计算的拐点要来了？量子科研成果 量子信息产业链 量子分析 美国量子计算机

2025年初，黄仁勋说实用量子计算机还要等20年，一句话砸崩了量子概念股。两个月后他就在英伟达GTC上公开认错，之后不仅接连投资头部量子公司，还在巴黎GTC上直接说量子计算正在接近拐点。拐点到底来没来？太一量生创始人方正浩（中欧EMBA 2024）给了一个冷静的坐标：拿大语言模型做参照，量子计算大约处于GPT 2.5到3之间。底层能力跑通了，但离改变产业格局还有一段路。好在这段路，第一次有了比较清晰的时间表。

01
量子计算是什么？

我们日常用的电脑和手机，其计算的基本单位是比特。一个比特只能处于两种状态之一：0或者1。所有程序，从微信到抖音，本质上都是0和1的排列组合在高速切换。
量子比特不一样。它可以同时处于0和1的叠加状态，有点像一枚硬币在空中旋转，还没落地之前，正面和反面都有可能。而且，两个量子比特还能纠缠，一旦纠缠上，不管隔多远，一个变了另一个会立刻跟着变。
这些特性让量子计算机能在计算过程中同时探索很多条路径，通过特定算法把本来要穷举的步骤大幅缩减。粗略打个比方，别人要试一万把钥匙，它可能试一百把就够了。
但量子系统有一个致命弱点：极不稳定。哪怕一丁点温度变化、电磁波干扰，甚至宇宙射线扫过，都可能让量子比特的状态坍塌。你花了大力气造出一个同时在探索千万条路径的量子态，结果环境随便碰它一下，就塌回了一个普通的0或1。什么都没算出来。
所以量子计算真正的考验不是造出量子比特，而是让它稳定到能用。这就引出一个关键概念：逻辑比特。
单个物理比特错误率太高，大约千分之一到万分之一，而一个实用的量子算法可能要跑几百万甚至几千万个逻辑门。千分之一的出错率累积几百万次，结果就是零。科学家的办法是用几百甚至上千个物理比特，通过纠错算法绑在一起，组成一个可靠的逻辑比特。相当于用一群散兵游勇凑成一个训练有素的班组。
造一两个量子比特不难，大学实验室都能做。但要让成千上万个逻辑比特稳定运行，是物理学和工程学的双重极限挑战。这也是这个行业门槛极高的原因。
谷歌2019年说造了一台量子计算机，它在某一个特定计算任务上比当时最快的超级计算机还要快。这是一个真实的工程成就，但它挑选的那个任务本身就是为量子计算机量身定做的，不代表它在通用任务上能表现好。
可以说，逻辑比特数量就是当下整个行业的金标准。谷歌、IBM、微软，加上各路创业公司，路线图里最重要的指标就是逻辑比特能做到多少个。谁先做出规模化的高质量逻辑比特，谁就拿到下一阶段的入场券。
02
它能做什么？
量子计算不是什么都能做。经过几年的预期调整，行业内对它的适用范围有了比较清楚的共识。优势比较确定的方向有三个。
第一是材料模拟和药物研发。化学反应在分子层面本质上就是量子力学过程，用传统计算机模拟，计算量随分子变大而指数级增长，很快就算不动。目前全球最大的智算集群是马斯克SpaceX的50万张英伟达显卡集群，但它也没办法精确地模拟一个化学反应。而一台拥有约300个逻辑比特的量子计算机，一小时的计算量相当于这台超算跑十年。对制药行业来说，单个药物研发周期哪怕缩短三分之一，可能就是几十亿美元的价值差异。
第二是密码破解。互联网上几乎所有加密通信，登录银行、发微信、刷信用卡，底层都靠RSA类加密算法，安全性建立在大数分解极其困难这个前提上。传统计算机破解一个高位密码可能要十万亿年，但量子计算机通过特殊算法有望在合理时间内完成。过去认为需要上万个逻辑比特，最新研究把这个门槛降到了一千多个。密码体系的更新换代通常需要十年以上，所以各国已经在提前准备。
第三个是AI训练，也是最近才打开的一扇门。量子计算过去被认为做不了AI训练，有梯度消失和数据吞吐方面的瓶颈。但最新研究发现，它在高维训练数据的降维上有很大优势，可以把数据量压缩好几个数量级。
这个方向离落地最近，原因很简单：需要的逻辑比特最少，大约60个，远低于化学模拟的300个和密码破解的上千个。而且，AI对算力的需求长期真实存在并愿意为之花钱。只要大模型还向前发展，算力缺口就会一直存在。

03
路线在收窄
量子计算不止一种做法，全球大约有八九条技术路线在同时推进。目前被认为五到十年内有可能产业化的主要有五条：
超导路线用的是在极低温度下没有电阻的电路，谷歌和IBM都选了这个方向，过去十年投入最大，进展也最明显。
离子阱是用电磁场把单个离子悬浮在真空中，用激光操控它的量子态，优点是量子比特的质量很高、出错少。
中性原子路线和离子阱有点像，但不需要电荷，用光镊把原子排成阵列，在大规模扩展上目前看起来更有潜力。
拓扑量子走的是一条完全不同的思路，它试图从根本上让量子比特更稳定，