谷歌Willow攻克量子纠错 业界预测2030年迎GPT时刻

谷歌Willow攻克量子纠错 业界预测2030年迎GPT时刻 量子计算通过高维空间映射破解AI算力瓶颈，将在2030年前后通过质因数分解突破实现完备容错并重塑科技与金融范式。 节目深入探访了硅谷量子实验室，详细解析了谷歌 Willow 芯片突破 30 年量子纠错难题并开启量子计算 Transformer 时刻的技术细节。同时，对比了谷歌、IBM、亚马逊、英伟达与微软等科技巨头在超导与拓扑量子计算路线上的技术博弈与战略分歧。此外，节目还展望了量子计算在重塑 AI 高维范式、破解加密算法并引发区块链硬分叉变革，以及在金融、材料学和太空等领域的实用落地前景。 《硅谷 101》主持人走访硅谷量子实验室并参与安装机器，起因于 2024 年底至 2025 年初谷歌 Willow、黄仁勋/扎克伯格唱衰及微软 Majorana 1 引发的科技博弈与股市震荡。 (0:00) 量子计算的核心优势在于叠加态与纠缠态，能让计算空间随量子比特数量呈指数级（2^n）爆炸式增长。 (0:00) 谷歌 Willow 芯片突破了困扰业界 30 年的量子纠错难题，实现了“物理量子比特越多，整体错误率反而越低”，被誉为量子计算的 Transformer 时刻。 (5:00) 完备容错量子计算机诞生的标志（GPT 时刻）是能够可靠破解 RSA 等高级加密算法，业界预计该节点将在 2030 至 2032 年间到来。 (10:00) 硅谷巨头在超导量子路线上的打法各异：IBM 坚持固定参数的极高精度路线，谷歌采用可调参数的灵活迭代路线，亚马逊则探索猫量子比特（Cat Qubits）硬件纠错。 (15:00)

随着谷歌 Willow 芯片实现低于阈值的量子纠错突破，量子计算正从实验室基础探索向工程化落地迈进。尽管行业领袖对实用化时间表存在分歧，但软硬件协同与多技术路线的竞逐正在加速量子计算在 AI、密码学和材料仿真等领域的渗透。 纠错突破开启工程拐点与量子的GPT预期 (5:00) 量子比特在环境噪音干扰下极易发生退相干，导致系统错误率随比特数量增加而激增，成为困扰学界近三十年的核心难题。2024 年 12 月 9 日，谷歌推出拥有 105 个物理量子比特的 Willow 芯片，在 5 分钟内完成了超级计算机需 10^25 年才能完成的任务。更关键的是，Willow 证实了量子硬件的规模化纠错能力：通过将多个物理量子比特打包为逻辑量子比特，从 3×3 扩展到 7×7 阵列时错误率成倍降低，被业内视为量子计算的“Transformer 时刻”。 受访嘉宾表示，超导量子计算路线具备较高可信度，谷歌目标在 2030 年前构建 100 万个量子比特的容错系统。业内普遍预测，当量子计算机能够可靠运行 Shor 算法破解 RSA 等大规模质因数分解时，便迎来了真正的“量子 GPT 时刻”，这一节点预计将在 2030 年至 2032 年之间出现。目前工程重心已转向微波测控系统与“AI+软硬件”的协同标定。 巨头技术路线分化与拓扑量子争议 (15:00) 科技巨头在底层技术路线上呈现鲜明分野。源自耶鲁大学路线的 IBM 采用“固定参数设计”，单比特性能优异但难以动态调节，制造门槛极高；继承加州大学圣巴巴拉分校（UCSB）基因的谷歌则坚持“完全可调路线”，允许通过软件灵活优化参数，促使行业向可调架构靠拢；亚马逊 AWS 则在加州理工学院团队支持下押注硬件级纠错的“猫量子比特”，但目前尚无公开发布证明其具备可扩展性。 英伟达定位为混合加速平台，利用 GPU 进行仿真并构建混合超算生态。微软则在 2025 年 2 月发布拓扑量子芯片 Majorana 1，尝试利用马约拉纳费米子的“拓扑保护”特性实现硬件抗噪，目标在单芯片集成 100 万个量子比特。但《华尔街日报》援引学者观点指出其数据仍属初步阶段，鉴于其团队 2018 年发表于《自然》的论文曾因数据技术错误在 2021 年撤稿，拓扑路线的实质突破仍需后续学术检验。 破局传统AI瓶颈与重构加密安全防线 (25:00) 当前基于 Transformer 的大语言模型正面临数据耗尽与泛化不足的瓶颈。量子计算的价值并非单纯的速度提升，而是其高维映射能力——仅 10 个量子比特就能提供 1024 维的计算空间。这种概率维度展开使机器学习的核心矩阵运算获得指数级加速，有望大幅缩减大模型对训练数据量的极端依赖，使 AI 转向高维高效演进。 在信息安全层面，尽管破解非对称加密预计需要约 4000 个稳定的逻辑量子比特，但长期威胁已引发加密体系变革。以太坊创始人 Vitalik Buterin 建议通过硬分叉升级底层机制以抵御量子冲击，行业也在推进后量子密码学（PQC）与量子密钥分发（QKD）。此外，量子态“测量即坍缩毁坏”的物理特性，为区块链构建防双重支付的“离线一次性交易”提供了新路径。 金融与材料学率先落地及混合计算过渡 (35:00) 在通用容错量子计算机问世前，垂直场景的应用探索已经展开。2024 年 7 月新加坡金管局直接资助商业银行，利用量子算法探索高频交易优化、风控预测以及极大解空间下的投资组合配置。在材料科学与化学领域，量子计算能天然模拟分子内部的叠加与纠缠，可用于研发新型催化剂、高效太阳能电池，乃至为商业航天研发耐极端高热的新型航天器材料。 资本市场对量子概念股的追捧与剧烈波动，反映出技术过渡期的博弈。虽然英伟达与 Meta 负责人在 2025 年初曾表态称实用的量子计算仍需数十年，但受访者认为技术的可扩展性一旦在工程层面确立，突破节奏往往会超出线性预期。现阶段产业正处于经典计算与量子算力并存的“混合量子计算”时期，技术正沿着从军工科研、华尔街向更多工业场景阶梯式扩散的路径前进。 量子计算已从纯物理理论验证跨入可工程化扩展的门槛，但百万级物理比特集成、拓扑保护验证及大规模纠错仍面临严苛的硬件与工艺挑战。未来数年内，科技巨头在混合计算生态与抗量子密码标准上的博弈，将决定其商业化扩散的具体节奏。

[5:00] 低于阈值 [5:00] 量子比特用的越多，整体错误率反而越低 [5:00] Transformer 时刻 [10:00] 受访嘉宾: 当量子计算机能够可靠地解决大规模质因数分解问题（如破解 RSA 等高级加密算法）时 [15:00] 精美的豪华跑车 [15:00] 并不完美但迭代极快的赛车 [15:00] 尝试在车库里研发全新引擎的挑战者 [20:00] 拓扑保护 [20:00] IBM 重硬件制造精度，谷歌走软件与可编程灵活性，亚马逊试图弯道超车，英伟达做计算生态，微软赌平台与拓扑新路径。 [40:00] 受访嘉宾: 一旦技术的可扩展性（Scalability）在工程上得到证实，突破到来的速度往往远超大众预期

[0:00] 量子计算机到底距离我们有多远为了探寻这个答案这期视频我们走进了硅谷的一家量子计算机实验室并且我还亲手帮忙安装了这台从前我认为还需要很多年才会来到我身边的黑科技产品那为什么要在这个时候做量子计算机的选题呢那是因为从去年2024年年末开始我们看到硅谷的科技领袖们之间就迎来了一场激烈的量子较量2024年12月9号谷歌宣布最新量子处理器Willow的突破性成果引发资本市场剧烈波动各种量子计算概念股暴涨一个月内翻了几倍到了2025年1月初英伟达创始人黄元勋直接泼了盆冷水说有用的量子计算还要等十几年同时Meta的CEO扎克伯格也公开表达了类似观点这又让量子计算概念股狂跌就在最近的2月19号微软推出了全球首款拓扑体量子计算芯片Majerana One这是一种全新的量子计算解决方案又给业界和市场注入了新的乐观情绪让量子概念股出现反弹你看看这过山车行情所以我也很好奇这项革命性技术到底为什么能够引发科技大佬们之间的争议各家巨头的利益冲突点在哪里会如何颠覆比如说区块链这样的市场呢以及量子计算到底距离咱们普通人有多远是概念炒作还是下一个计算革命的开端呢那么这期视频我们就试图来探索一下答案首先我们来试图解释一下什么是量子计算这块就是可以达到所谓的差不多绝对零度附近同时在我们的一系列的那种像电磁屏蔽罩的保护下这里面如果量子芯片袋里面的话也会成为不光是全世界最冷的地方也会成为也许宇宙中最安静的地方因为看到刚才说过这个桶其实会放在这然后会这样盖上面然后量子芯片就会在这里面而这个东西是最里面的干嘛它是个超导材料它可以将所有的电磁信号几乎都屏蔽在外面光靠这个桶也不是很够你要绝对屏蔽掉电磁噪音的话呢你需要电磁噪音和一些红外光线的那个影响的话呢你就需要对它进行更多层的屏蔽包括这一层屏蔽还有这一层也是用来隔绝那个呃磁场外界磁场还有这个是用来隔绝那个外界的那个红外辐射的然后当上面这几层呢都是一些相应的屏蔽层但是这里面这两层会更加特殊一点更靠近那个接近绝对领度那个区那个区域而这个会套在这外面然后一层外面套形成多层的隔离和格局然后到外面这一层这个是干嘛的呢这个最大的它就是一个真空罩它加上之后可以把里面抽成真空高真空所以你也没有空气在里面对你的芯片进行氧化进行影响包括你要降到低温你需要里面没有空气因为可以隔热所以实际上整个来说这些屏蔽像俄罗斯套娃一样那么要了解量子计算我们要先从最基础的计算机原理说起在我们熟悉的经典计算机中所有的信息都是用0和1来表示的每一个最小的信息单位比特在任何时刻都只能处于0或者1这两种状态中的一种但是在量子计算机中事情变得有趣多了量子比特不仅可以是0或1还可以同时处于0和1的叠加状态这种叠加状态并不意味着它同时是0和1更准确的说它是处于一种概率分布状态在被测量之前它有一定的概率是零也有一定的概率是一就像薛定谔的猫就是活的就是死的或者你可以想象一枚正在快速旋转的硬币那么在经典物理当中硬币要么是正面朝的上要么是反面朝的上但如果把硬币旋转起来在它停下来之前我们可以说它同时具有可能是正面和可能是反面的特性那么这颗旋转的状态某种程度上类似于量子比特的叠加态更生气的是量子比特之间还可以产生纠缠一个量子比特的状态改变会立即影响到与之纠缠的其他量子比特如果用一个简单的比喻你可以想象两个魔术手套当你把它们分开放置即使相隔很远它们依然会保持着神奇的联系当你戴上左手手套的时候它会随机变成红色或者蓝色而远处的右手手套会立即变成相反的颜色不管距离多远这种相关性都会保持这种特性带来了什么好处呢我们可以用一个简单的例子来说明假设有三个量子比特由于叠加态的存在它们可以同时表示八种不同的状态也就是2的3次方这意味着量子计算机可以同时对这 [5:00] 各种状态进行运算而传统计算机只能一个一个的处理而当量子比特数量增加的时候这种优势会呈指数级增长那理解了什么是量子计算我们再来看看相对于经典计算机量子计算机有多强大那或许我们可以借用刘子欣的三体里面的多维空间来打个比方想象你在一个二维平面上要从A点到B点因为中间有障碍物你必须绕一段很长的路才能够到达但如果你能够进入三维空间就可以轻松的跨越这些障碍前面我们提到在大家熟悉的经典计算机中所有的信息都是用零和一表示的这就像被限制在二维平面上的生物只能左右前后移动但在量子计算机中量子比特能够同时处于零和一的叠加态还能与其他量子比特产生纠缠这就像获得了往上下方向延展的能力打开了全新的计算维度这就是量子计算的本质它不是简单的让计算变得更快而是提供了一种全新的计算维度仅仅10个量子比特就能够探索二的十字方也就是1024个维度的空间当量子比特增加到50个这个空间就大到连最强大的超级计算机也无法模拟这种维度爆炸正是量子计算强大的根源不过控制量子态就像在悬崖边跳舞量子比特极其脆弱伤受干扰就会失去量子态这被称为退箱干现象更糟的是随着量子比特数量增加整个系统的错误率就会急剧累积上升计算结果可靠性就会急剧下降就像搭积木搭的越高搭的过程中的一点点错误就会累积然后积木越来越容易崩塌那这个难题困扰了科学家们几十年直到谷歌的Villow带来了转机2024年12月9号谷歌发布了新型量子芯片Villow完成了一个传统超级计算机需要10到25次方年的标准基准计算这个数字是多少来着反正这个数字是远远超过了宇宙的年龄而VLO只用了不到5分钟那就是让VLO的发布震撼了整个科技节其实这不是量子计算第一次进入大众的视野2019年也是谷歌通过了SYCAMOR量子处理器首次证明了量子优越性量子优越性的意思是量子计算机能够在特定问题上超越最强大的经典超级计算机当时Sycamore处理器被证明能够在三分二十秒内执行一个计算而相比之下用当时最强大的经典超级计算机Summit进行同样的计算需要大概一万年就在当年也引发了外界和媒体的关注但是相比起当时的Sycamore给外界带来的震撼这一次谷歌发布的Villow更是上了好几个台阶除了我们刚才说到VLO不到5分钟就完成了一项基准计算传统超级计算机需要10的25次方年这个已经超出了物理学中已知的时间尺度的数字之外VLO最大的突破是在于随着谷歌使用更多的量子比特VLO可以成倍的减少错误那么这是解决了量子计算近30年来一直在研究的量子纠错的关键挑战当时存在的问题是随着你把量子比特数量做多整个系统做大的话量子计算机的可靠性是有所下降的而VLO的最关键的成就之一是它证明了随着我们这个量子比特数的增加整个量子计算机一规模的扩大它的算力也是稳步提升的它不存在一个这边翘起来那边又落下去的状态它两边同时上升那我们就可以看到一个非常确定的可行性路线我们只要连这条路线走下去最终一定会能达到那个预指来实现量子计算机对实际应用问题的可行性错误是量子计算面临的最大挑战之一因为量子比特往往会与周围环境快速交换信息因此很难保护完全计算所需要的信息所以通常使用的量子比特越多错误也就会越多想象一下过去的量子计算机就像一个特别庞大的交响乐团用的乐器越多反而越容易跑掉和产生不协调的音律然而拥有105个量子比特的VLO打破这个魔咒它创造了一个神奇的效果量子比特用的越多错误反而越少而VLO的核心就在于这个独特的量子纠错方案它采用了一种巧妙的设计将多个物理量子比特组合成一个逻辑量子比特通过特殊的算法这些量子比特可以相互较演和纠正错误从而降低整体系统的错误率这就像在建高楼的时候加入了减震系统让建筑在涨高的同时也能够保持稳定谷歌量子计算团队从3x3的量子比特往下 [10:00] 落开始测试然后扩展到5成5最后到7成7神奇的是每次扩展错误率都会降低一半那换句话说他们实现了错误率的指数级降低这一历史性成就在业界被称为低于预值要证明在纠错方面取得了真正的进展就必须证明低于预值而VLO这次做到了可以说他们摘下了1995年以来量子计算领域的胜贝那因此呢我们看到业内很多人将VLO称为量子计算的Transformer时刻那这个类比也非常好提解就像Transformer架构证明了深度学习模型可以不断的堆叠持续的扩大那么Vilo也是首次证明了量子计算机能够在保持稳定性的同时不断的扩展规模而这个突破意味着作为首个实现低于预值的系统Vilo证明了一件事情使用的超大型量子计算机是可以被造出来的谷歌自己也非常骄傲的在博客文章中写道这有力的表明实用的超大型量子计算机确实可以构建Vilo让我们更接近运行传统计算机上无法复制的实用商业相关算法对此连一向和谷歌不对付的Elon Musk也给了一个哇的感叹OpenEd CEO Sam Altman也发表了祝贺对于谷歌来说Villow的突破性发展给公司的量子计算带来了清晰的发展路径Villow是谷歌开发可执行有用应用的量子计算机六部战略当中的第二个里程碑Villow芯片大约有150个量子比特而谷歌计划最终构建一个拥有100万个量子比特的系统我觉得Google的量子计算的路线图一直非常的清晰他们一直发布到了到2030年以后的量子路线图而且他们在两三年前的路线图上其实就已经标定了2024年会实现这个然后我们其实看到的是一个路线图的精准的完成也就是说我们非常可信它的后面的路线图也就是说整个量子计算至少超到计算量子计算机领域的路线图是按时完成的所以说更加明确了我们的信心继续按照无论是谷歌的量子计算机的路线图还是我们自己的路线图我们按照这个方向走下去它会一步一个脚印一个渐进性的发展那么这是让量子计算的业内从业者是大受鼓舞认为如果说VLO是量子计算的Transformer时刻那么真正的量子GPT时刻可能会在2030年左右到来那么这个时间点将标志着完备的大规模的量子计算机的单身严格意义上说完备的量子硬件这个大家都在追求但是需要一定的时间特别是Vilo这个出现之后对追求这个方向来说有更明确的那个五到六年的一个timeline因为工程上已经验证了第一步了然后下一步就是把它做到那个规模上基本上Google的路线图外边路线图都是公开信息不同公司的这个时间线会参加浮动一下所以我们基本上都是2030年左右到2032年之前做到一个完备的容错的量子软件机可以去跑各种你想能跑的那种指数级加速算法所以芯片其实是放在这一块的在这个把它会放在这个架子里面然后给它连上这些线然后让它可以对它进行操控和编程刚才说就是量子芯片在这然后通过针线把它连到一层层连到外面来所以这里是绝对零度但这里肯定是室温了所以室温的地方是干嘛呢就连到这些控制系统中文叫做量子测控系统它们的职责当然就是通过高速电子电路去产生相应的微波控制信号让它可以去控制和编程量子芯片因为本质上你还是任何就像所有芯片一样你需要锻进操控有IO它才有工作没有IO是没有意义的所以这就是对它产生IO的地方那如果说VLO是量子计算的Transformer时刻什么才是量子计算的GPT时刻呢我们的嘉宾是给了一个明确的标准就是当量子计算机能够可靠的解决大规模的知音数分解问题的时候这不仅是一个技术指标更是量子计算真正展现实用价值的一个转折点那威露的成功让量子计算从一个科学问题变成了一个工程挑战这意味着前沿科技研究员们找到了通往量子计算实用化的明确路径也就是AI加软件加硬件量子相关的软件和量子相关的硬件是一个相辅相成的关系我们其实可以分几个层级来说这个问题从最底层从芯片的设计上来说你软件辅助设计包括现在开始一个趋势像英伟达和谷歌其实今年已经发布了做成了这个事情的第一步那就是用GPU对吧甚至用人工智能来加速这个最底层的芯片的仿真和设计的优化这是最底层的软件和这个量子硬件的结合 [15:00] 那再往上一层的话就是当芯片生产出来之后需要对芯片进行一定的标定不是说硬件拿来就能用的我们现在的CPU的话中间也是夹杂着很多比较偏向机器员的一些底层的软件层那这个软件层也是非常关键的那软件可以在这里面做什么呢它可以代替人工来对芯片的参数和运行模式来进行一定的标定而且对芯片的工作状态进行一定的优化那软件和AI在这上面的作用其实非常的大量子芯片的话大概会放在这个就会在这里面然后量子芯片会放在这个中间成为一个就是它通过这个电路板跟外界进行交互所以量子芯片如果这里面有量子芯片就会放在这个小方块里面其实量子芯片就很小对对对对就这么一点就是一个一厘米大的一个一个心力现在叫Chiplet或者Diam就是一个一厘米建方的一个硅片Vilo发布之后以及谷歌对量子计算的明确路径也是在科技巨头之间引发了有趣的趋同现象比如说IBM原本坚持固定参数路线也就是追求单个量子比特的极致性能但是看到谷歌的的Villow以及它最近的成风之后呢也开始向谷歌的可调路线去靠拢所以不同科技巨头监视如何压住量子计算的路线的呢我们接下来聊聊科技巨头之间的量子角力那我们从业内从业者那里得知呢美国科技巨头的量子计算部门如果要溯源的话都要追溯到各大顶尖高效的那么一小个圈子的学术大男和团队而他们分别被收购之后也决定了科技区投门的量子卡位战美国量子计算界最引人注目的三大玩家IBM 谷歌和亚马逊他们背后都有一段有趣的学术界师承的故事IBM最早的量子新建设计就来自于耶鲁当年耶鲁实验室里面两位门对门的研究者一位是Robert Shilkoff教授他是耶鲁大学应用物理系的教授他的研究对IBM的超导量子计算发展产生了重要影响成为了IBM量子计算的技术源头另外一位则是Michelle DeVariz教授他的学生Chad Rigetti也加入了IBM工作之后在2013年自己出来创立了Rigetti Computing公司也是如今在风口浪尖上的量子计算概念股之一了还有一个举足轻重的高校就是加州大学生巴巴拉分校2014年谷歌一举收购了加州大学生巴巴拉分校的整个量子计算团队几经发展才有了现在的威楼另外一个巨头亚马逊则是2021年大手笔把加州理工大学的量子计算实验室收入会下在那里创立了AWS量子计算中心而我们的采访嘉宾Roger正是当年加州理工量子计算团队的博士之后进入伯克利大学做了博士后那这种紧密的学术渊源啊让美国量子计算领域呢形成了一个高度集中的技术社群但是呢也是让这个领域的几大科技巨头因为学术的高效源头不同有了不同的技术路线之争比如说IBM 谷歌和亚马逊这三家公司啊就选择了截然不同的技术路线IBM走的是最保守的路子他们相信固定参数的设计就是把量子比特和偶核都做成固定的同时它也不需要很多控制参数就能让芯片运转这种设计在小规模上很稳定但是要做大就很具有挑战性了不过IBM有自己的芯片工厂有信心能够把制造精度做到位那用业内人士的话说这就是求稳的路线其实在当年肯定是合理的决定但是有个小问题就在于这个一般来说所谓的控制参数少所谓的什么东西参数的固定没有那么多复杂性在里面的一个代价就是你把它做大本身就很复杂因为你不可调的参数太多了那就意味着你在造的过程中就必须得非常精准而且那个精准度要随着你的新鲜做的越大越精准因为你造最早的实验大学实验就两个比特对吧两个比较好造啊对吧你怎么参数都不会有太大问题当你要造十个一百个的时候一千个的时候这个就很大问题了但是IBM这个大公司它有这样的资源去做这种精准制造而谷歌呢则是选择了完全相反的路子那谷歌收购的加州大学生巴巴拉分校的团队主张所有的参数都要可调这样即使制造不够精密也可以通过调节来补偿那这有点像安卓的思路不要求每个零件都完美但是要保证整体能够运行这让他们能用大学实验室的设备就做出了突破性成果不过代价也就是他们也为此付出了一年的时间来进行迭代制造层面角度来讲这个其实大家都知道制造不是那么理想化的环境的所以UCCB团队其实就是全部的可调全部可调的好处就是实际上你可以可编程的运转整个量 [20:00] 芯片你就没必要玩那么依靠制造这可以差一点就举个例子吧到2019年以前的Google就是做到第一个那样子那个优越性的实验的Google他们用的芯片制造还大部分依靠的是UCSP的大学的那个Clean-room都不像很多别的地方团队什么上来就有几个亿的投资进去做了而且他们证明了这一步Google才给了他们更多的经费去用自己的Clean-room的和Quant团队的所以这个实际上是一个很有趣的点所以他们选的这个路子就是为了完全可调完全可控可以尽量简单的制造方式去把东西做到一个想要的成果来Google这个芯片有一个坏处你也看到了就是它做出这个芯片实际上会有点问题还有什么突破会发现它的每一个部件包括它的量子底侧它的后合方式它的所谓保证度其实都不算是业界领先它做到了一个优秀但不领先的低步但是就像鬼谷一样不像刚才上天为什么我一定要用全世界最好的铝合金呢但是Google也犯了这样的错误为什么呢因为为什么从去年他们第一次做出最早的这种量子游戏的成果到今年花了一年的时间呢其实去年芯片不够好他们去年的芯片更差所以他们花了一年的时间去迭代这个芯片芯片这样变好了一点但还是不是最优秀的所以就像我回来刚才如果说什么突破的话也可能这是非常符合逻辑的一个迭代不能叫做突破我觉得是个迭代从我们的角度来看的话就是灵活性的代价就是芯片这样会比较低的但是他们觉得可编程可灵活性能带来更快的那个步骤Move fastBreak fence亚马逊则是更加激进他们想开发一种全新的超讨量子比特2020年亚马逊入局量子计算领域的时候就直接给了一位顶尖教授一整栋楼和一百多人的团队希望能够后来者居上然而亚马逊虽然投入最大但是目前公开的进展是不如另外两家的而亚马逊的话年格以上说就但那个时候都没人做出超过一个量子比特的欧核理论上来说它有更好的可扩展性它需要的量子纠错更小因为量纠错有复杂度问题你如果像GoogleIBM大家的公众的量纠错的话它有很高的一个复杂度要求就是你可能要做一个很复杂的量纠错的一个算法一个实际的操作去做纠错对于亚马逊表示OK那我现在2020年出来那我就要找一个不需要这么难做的一个量子比特去做它然后当时就选择了这个叫CatCubit这个方向找公开是什么选择但后面也做了一些尝试然后至少到目前为止没有公开的信息表明他们把这个做到了可扩展所以你看这三家公司在量子计算路线上的打法差异也是非常的大IBM稳扎稳打按部就班每次展示的都是完全验证过的成果谷歌则是喜欢小步快跑先证明可行性再慢慢优化而亚马逊则是想通过巨额的投入直接跨越发展阶段一步到位我们可以将这类比成三种不同的赛车手IBM开始经过精心调教的豪华跑车谷歌呢开始可能不那么完美但是够快的赛车而亚马逊则是在车库里面研发全新的引擎那么除此之外还有两个重要的玩家一个是英伟达一个是微软英伟达主要将自己定位为Accelerate Computing Platform Company加速计算平台公司他们在量子计算领域的策略也很明确一方面与量子计算公司合作希望GPU在量子时代也能够占据一席之地另外一方面提供混合量子计算平台帮助企业在真正的量子计算机出现之前就开始准备而因为它的态度又很实际量子计算是不可避免的下一代超算平台GPU显然是不想被排除在外的而微软则是走了一条独特的路线他们没有像IBM和Google那样投入巨资去研发超导量子计算机而是选择了TOP量子计算这条更具挑战性的技术路径这种方案理论上更稳定但是技术难度也更大我们在视频前面提到过量子比特非常脆弱这是量子计算目前发展缓慢的核心矛盾微软在过去20年试图研发的是拓扑体方案通过观察和控制马亦拉纳粒子来产生更可靠和可扩展的量子比特这里有几个关键词我们试图用比较易懂的方式来解释一下拓扑学是研究图形或者集合在连续变形下的不变的整体性质的一门集合学那拓扑保护的意思是信息藏在大结构当中因此一些小扰动不会影响拓扑保护的信息只有剧烈的全局变化比如说系统断裂才能够破坏拓扑结构 [25:00] 比如说一个甜甜圈中间有个洞不管你怎么拉压捏这个甜甜圈它的洞都不会消失除非你把它整体撕开那这个时候我们可以说甜甜圈的形状呢具有拓扑保护你不能通过小的变形去改变它的基本特性也就是洞的数量那再比如说想象你有一根耳机线你在上面打了个结如果你只是拉伸或者挤压耳机线这个结依然在哪不会松开但如果你剪断耳机线这个结才会消失因此这个结就是一种拓扑结构必须彻底破坏也就是剪断才能够改变这应用到量子计算上微软的路径是利用拓扑结构来让量子比特对外界干扰更稳固不容易受损其中玛约拉纳粒子由于自身是自身的反物质就像一个超人和它的影子可以成对出现并且它们之间的状态是拓扑保护的这样一来量子信息被存储在两个分开的玛丽拉纳粒子之间的拓扑连接里哪怕其中的一个粒子受到局部干扰整体信息依然不会丢失此前这种技术路径的瓶颈在于开发相关拓扑态的合适材料难度极大但是微软在2025年2月19号发布的全球首款拓扑体量子计算芯片证明了这种新路径的可行性为量子计算的进一步研发增加了更多的方向在这里再callback一下我们上一章解释的Google Velo的路线Google和微软的不同在于量子纠错是一种通过控制来保护量子信息而托普比特本身就是自带量子信息保护但无论如何黑猫白猫能抓住耗子的就是好猫无论是哪种路线的突破对于科技界来说都是好消息而微软最终的目标是在巴掌大的芯片上放入100万个量子比特同时微软也在布局量子开发工具和云平台试图在软件层面占得先机不过在微软发布拓扑量子计算的消息之后市场中也出现了不小的争议有一些产业中的科学家并不信服微软的研究和这次发表的论文认为论文没有提供足够可信的证据《花街日报》引用一位物理学家的质疑称微软在发布会上为了佐证着向研究而展示的数据只是初步数据并不能确凿证明已经取得了这一进展科学家们的质疑是可以理解的因为在过去十年时间马亦拉纳费米子被很多实验室和团队研究但是都没有让人幸福的进展这期间有团队发表在自然杂志上的数篇相关论文后来都被陆续撤回包括微软的科学家Leo Quirhover在2018年发表在自然杂志上的论文号称观察到了马云拉·纳菲米子但却在三年之后的2021年承认此前文章有技术错误而撤回所以这一次微软真的实现突破了吗接下来我们也会陆续观察一下微软团队对目前质疑做出的后续回应和更多的研究论文证明来我们来总结一下这五家科技巨头的布局也是各具特色那谷歌呢是率先证明量子优越性走可编程路线IBM是依托芯片制造优势追求高性能亚马逊呢是大手笔投入探索新型量子比特英伟达呢是布局混合计算发挥GPU的优势那微软则是压住拓扑量子计算同时呢布局软件生态非常有意思的是这些巨头的量子布局似乎都带着各家公司的基因IBM本件、谷歌灵活、亚马逊试图弯道超车英伟达中生态、微软中平台那么在量子计算这个新赛道上每家公司都在试图复制自己在传统计算时代的成功经验而在这之上量子计算领域也正在形成有趣的合作与竞争格局虽然技术路线有所不同但是大家都意识到量子计算不仅仅是硬件的比拼还需要软件算法和应用生态的支持那聊到这里可能有人就要问了量子计算那么厉害为什么还没有看到任何人使用呢甚至有说法说一台实验室里的量子计算机比不上人人口袋里面都有的iPhone另外这项技术实在是离大规模应用还太遥远了但是实际是在很多领域量子计算已经开始在展现它的潜力了人工智能的发展正面临一个有趣的悖论尽管我们见证了XGBT等大模型带来的突破但是AI的根本性瓶颈却日益显现在最近的各种技术论坛和大会上顶尖AI研究者们都指出了一个令人担忧的趋势基于Transformer架构的传统AI正在遭遇泛化性不足的困境它们需要消耗海量的数据才能够提升性能更严峻的是我们可能已经没有足够的优质数据来支撑AI向AGI去迈进了而很可能在不久的未来当AI走入死胡同之后 [30:00] 量子计算可能会带来新的希望这种优势的关键在于量子计算的高维尺形传统计算就像在平面上画画而量子计算则可以在立体空间甚至更高维度中工作举个例子仅仅10个量子比特就能够探索2的10次放维度的空间这种高维映射能力让量子机器学习算法能够更容易的发现数据中隐藏的本质模式就像从高空俯瞰能够看到地面上的全局图案但是维度不是不同的状态而维度这个空间就大多了所以说如果你能将一个低维数据把它映射到一个高维空间里面去做一些技术学习的话这个在有的时候会让你的模型更容易去学习到数据里面的partner就是你将一个低维数据一下到高维上去比如说一个二维的数据你把它多加一个维度这样两个数据集间的cassification就很明就很就很就很很好做了那量子计算对AI的革命性影响可能体现在两个层面首先就是计算效率的提升那量子计算机有帮实现矩阵运算的指数极加速这正是机器学习中最核心最耗时的操作这意味着未来训练一个AI模型的成本可能会大幅度的降低其次是学习能力的质变通过更强的泛化能力AI可能真正获得类似人类的学习能力能够举一反三而不是简单的记忆大量的数据有意思的是虽然听起来量子计算很复杂很昂贵很高深莫测但是在某些情况下它实际上可以帮助降低成本你想如果你用泛化性更强的计算体系去训练一个量子整工智能学习模型你想象它就算你的数据需求是要缩小不止一个数量级的然后你的计算需求无论是经典部分还是量子部分其实都会小很多经典部分就好说了对吧因为你的数据吞吐量就减少了数量级了那从量子部分来讲量子级去获得这个更大的维度的方式是非显性的它是指数级的就是量子级最基本的一个优势从经济学家来讲量子计算直接把你的计算成本降低了一个很大的数量机至少对某些问题来说如果利用10个比特你就能有二十四方的维度去探索但是经典计算机的话你真的够造10个维度的空间去探索了这个成本是非常高的所以到了2030年左右当完备的量子计算机实现之后我们可能会进入了AI发展的一个新纪元届时AI可能只需要阅读几本代表性的书就可以掌握写作技巧而不是像现在这样需要消化整个图书馆的内容了这不仅会让AI变得更加的智能也会让它更加的经济实用那这或许就是AI发展的下一个范式不是简单的去堆砌更多的数据和算力而是通过量子计算开辟一条全新的进化路径让AI变得既聪明又高效那么同时呢还有一个产业对量子计算的到来有一些忐忑不安这就是加密货币行业谷歌微露的新闻让加密货币社区倍感紧张这是因为量子计算机最早被设想的应用之一呢就是破解当前广泛使用的非对称加密算法这不仅威胁到加密货币也关系到整个互联网的安全体系现在的加密货币比如说比特币都依赖于特定的密码学算法这些算法之所以安全是因为用传统计算机破解需要耗费天文数字般的时间但是量子计算机通过平行计算能力就可以在几分钟之内翻成破解刚才我们说的微露的意义在于它证明了大规模量子计算机是可行的虽然目前的量子比特数量还不足以破解所谓的加密算法但是这个突破让量子霸权的威胁变得更加的真实了有分析就认为当量子计算机打到大约4000个稳定的量子比特的时候就可能会威胁到现有的加密体系这也是在加密货币市场中引发了一些争议让不同行业人士对量子计算带来的威胁的看法很不一样比如说Avalanche的创始人Emme Gunsler就表示目前的量子计算能力尚不足以威胁加密货币安全首先有一些新的区块链可能开始设计的时候就会考虑引入一些可能对于quantum破解相对比较resilient比较可抗性的一些甚至包括我们现在常用的这些都已经算是比较quantum safe的就相对于可能2000年九几年以前的那些那些哈记算法和函数现在用的这个火源曲线本身就认为至少对于当目前这一代的在研究的量子计算的算法是已经是比较安全的了但PayPal前主席David Marcus指出威乐的进展表明量子抗性技术发展需要加速而以太坊创始人Vitalic甚至在很早就建议通过硬分岔来增强区块链的量子抗性而量子抗性的进展 [35:00] 计算带来的挑战也催生了新的机遇在加密领域已经是出现了三个主要的应对方向后量子密码学 量子密钥分发和可升级架构那么后量子密码学致力于开发即便面对量子计算机也能够保持安全的加密算法量子密钥分发则是利用量子学原理实现绝对安全的通信而可升级架构则是让系统能够灵活的应对未来的安全威胁可以确定的是加密货币社区已经开始行动多个项目正在研发抗量子的加密算法使得这些新算法即使在量子计算机面前也能够保持安全性而一些区块链项目甚至在设计能够无缝升级的系统以便在必要的时候切换到量子安全的加密方案我知道Stackware其实很早就在讨论做Quantum Resistance的相关的研究并且在它设计他们的GK Platform的时候也有考虑过然后同时就像我刚才说的Ethereum Research本身在做很多这方面的研究还有你其实提到的一个点就是硬分叉就是解决这个问题如果说真的在以太坊安全村导威胁的情况下硬分叉是不可避免的就是它没有办法单纯的通过二层因为量子计算如果能破解加密这些这几个加密和哈希算法的话它动到的是以太坊的根基所以它甚至是比共识层还要基础的东西所以它一定会通过硬分差来解决它不能通过别的方法来解决也是一样的它也必须用通过硬分差来提升假如有一个新的quantum computing的算法或者是硬件能够获取比特币的加密算法和哈希的话就也得通过一分差来解决不过呢也有人持有不同的意见他们认为真正的威胁可能还要十年以上才会出现在此之前加密社区有足够的时间做好准备而且开发量子计算机的投入巨大真正能够构成威胁的量子计算机可能只会掌握在少数机构手中有趣的是量子计算对加密货币的影响可能是双面的虽然它威胁到现有的加密体系但也有可能催生新的量子加密货币也就是利用量子特性构建更安全的数字货币系统这就像一场永无止境的军备竞赛新的防御手段总会应对新的威胁其实还有一批人在研究怎么样借助量子计算来做一些超越区块链的事情比如说因为量子态很容易被摧毁比如说你可能读取一次量子态就被摧毁了有些时候你可以通过这种方式去创建one time transaction就现在大家这个防止双花的方式防止double spending的方式是把一个交易放到链上然后通过全球共识来知道说你是不是现在的拥有者来防止双花但是有了这个content computing的时候你其实可以通过一个量子量子态被读取过一次以后它就会消失它就会它就会坍缩这样的一个现象去保证用一种离线off chain的方式去创建一个防止双花的方式所以它其实会创建更多它有一些可能性比如说是一个临时的或者是短暂的一个区块链而不是说每一个链的每一个交易都需要上链这是一个很有趣的一个方向所以可能很多人担心Quantum Computing会是一个对区块链有害的新闻其实在我看来它其实也有一个可能性是让区块链的发展有更多的可能性当然我们看到随着量子计算这个名词被各个行业不同的人越来越频繁的提起各大机构都在密切关注量子计算的进展同时加紧研发应对方案而在量子时代安全将不再是一个静态的概念而是一个需要持续升级和适应的动态国程当人们还在争论量子计算是科幻还是现实的时候一些领域已经悄然展开了时间比如说在所有可能的应用场景中金融机构走在了最前面这并不是偶然的选择而是基于三个独特的优势他们掌握着最真实的用户数据面临明确的应用场景以及具备充足的研发资源2024年7月新加坡金管局启动了一个开创新项目与传统的研发资助不同他们选择直接向银行提供资金而不是资助科研机构那么这体现了一个重要的理念真正的创新往往来自于那些最接近实际问题的使用者目前银行们已经在三个方向展开了尝试利用量子算法优化交易策略通过量子机器学习提升风险预测的准确性以及在更大的解空间中寻找投资组合的最优配值比如说新加坡金管局它的那个项目就是不跟任何科研机构合作它直接把钱是给到那个银行你要拿到那笔钱必须是个银行此外在材料科学领域量子计算的优势就更为明显了量子计算器本质上就是一个量子系统天然适合模拟其他的量子系统的行为这项能力在新能源材料 [40:00] 航空航天材料和催化剂开发等领域都显示出巨大的潜力比如说传统计算机在模拟包含100个电子的分子系统的时候由于需要处理指数及增长的复杂性所以需要存储空间可能会超过整个宇宙中的所有原子的数量而量子计算机就能够高效的模拟这种量子系统因为它本身就基于量子力学原理能够自然的处理量子叠加和量子纠缠同时量子计算在新材料开发方面具有先天优势从更高效的太阳能电池到新型航空材料都可以从量子模拟中收益所以实际上就是量子机器学习其实他们希望看到这个玩意能在真实的应用场景里面去产生有意义的结果化工和物流的话更多就是你通过量子就混合量子系统去做化学模拟去找到比如说一些化合物的最后产品太空的话就说了它可以量子计算可以加速材料的新材料开发所以可以更好的也许让这个就是比如上天的材料上天的飞行器材料变得更好可能畅想例子的话要么太空电器的那个诊所要么就是Elemas的后星件可以连那个隔热瓦都不需要比如这种特殊的金属可以直接承担会返担返回的高热这个是有可能的那么这也难怪在SunderPXI回复马斯克的推文的时候还开玩笑的提到了要用星件在太空中打造量子机群量子计算可能会真的加速人类的太空梦不过量子计算真正到我们面前的这条道路也不会一般丰盛而在完备的量子计算机出现之前业界也正在探索混合量子加经典系统的过渡方案那么这样的混合量子计算结合了传统计算机和量子处理器的优势让企业能够在完全体量子计算机出现之前就开始探索量子算法那么以银行为例他们就可以用自己的交易数据在混合系统上测试量子算法为未来的全面转型做准备目前量子计算正在经历从实验室走向现实应用的关键阶段虽然完全体的量子计算机还需要一些时间但是混合量子计算已经开始显示出使用价值各行各业都在积极探索如何将量子技术融入自己的业务流程当然了像我们这样的普通人还没看到量子计算的到来除了企业和加密货币行业的提前布局同时华尔街也已经在提前布局了包括我们开头说到的最近做过山车行情的这些量子计算概念股啊RigetiE-Wave QuantumIonQ这些公司在几个月之内一度翻好几倍之后又在市场争议之际啊疯狂下跌这反映出市场和外界对量子计算这项特殊技术并存的期待和质疑当然也有炒作和投机而戏剧性的是啊此前唱筛量子计算的英伟达突然宣布将在2025年3月的GTC大会上举办量子日活动黄仁勋和一众量子计算领域的领袖们将一起探讨量子计算的可能性和现有的技术以及量子计数的发展方向这是让市场再次的充满期待所以量子计算到底什么时候才会来到你我的身边呢我们的采访嘉宾说关于量子计算何时能够实用化好严格艺经常也有人说还有10年20年30年等等但是他认为这种估计往往是一种懒惰的说法必须告诉我们一旦技术的可扩展性得到证明那么实现突破的时间往往比人们预期的要短很多量子计算的未来不会是依促而救的革命而是一个渐进的演化过程就像电脑的普及经历了从科研军工到华尔街再到千家万户的过程量子计算也会先在特定领域证明其价值然后逐步渗透到更广泛的应用中在这个过程中成本的下降和技术的成熟都需要时间但是展望未来量子计算带来的改变很有可能超出我们现在的想象正如我们无法用1960年代的视角遇见今天的智能手机一样但在这条路上我们已经看到了一些令人期待的应用场景和业界尝试量子计算的未来也许会比很多人想象中更早的到达我们身边而当这一刻到来之际也是人类能够继续向前迈进一大步的时候好 以上就是日期视频的全部内容你们的留言 [45:00] 点赞和转发是支持我们硅谷101做好深度科技和商业内容的最佳动力那我们就下期节目再见了Bye