量子计算机革命（https://spectrum.ieee.org/quantum-computing-for-dummies）可能比许多人所认为的更遥远、更有限。这是来自新兴量子计算行业等群体的信息。量子计算机被看作是一系列问题的解决方案，包括财务建模、优化物流和加速机器学习。量子计算公司提出的一些更雄心勃勃的时间表表明，这些机器可能在短短几年内影响现实世界的问题。但对于许多人认为对这项技术不切实际的期望，人们越来越抗拒。

Meta的LeCun——没那么快

Meta人工智能研究负责人Yann LeCun最近成为头条新闻，此前他对量子计算机在不久的将来做出有意义贡献的前景泼了一盆冷水。在庆祝Meta基础人工智能研究（Fundamental AI Research）团队成立10周年的媒体活动上，他说这项技术是“一个引人入胜的科学话题”，但他不太相信“制造出真正有用的量子计算机的可能性”。

虽然LeCun不是量子计算专家，但该领域的领军人物也发出了警告。亚马逊网络服务量子硬件主管Oskar Painter表示，目前该行业存在“大量炒作”，“很难从完全不切实际的东西中筛选出乐观的部分。”

当今量子计算机面临的一个根本挑战是，它们非常容易出错。一些人认为，这些所谓的“噪声中等规模量子”（NISQ，https://spectrum.ieee.org/measuring-progress-in-the-noisy-era-of-quantum-computing）处理器仍然可以发挥作用。但Painter表示，人们越来越认识到这是不可能的，量子纠错方案（https://spectrum.ieee.org/quantum-error-correction）将是实现实用量子计算机的关键。

“We found out over the last 10 years that many things that people have proposed don’t work. And then we found some very simple reasons for that.” —Matthias Troyer,Microsoft

领先的提案涉及在许多物理量子位上传播信息，以创建更稳定的“逻辑量子位（https://spectrum.ieee.org/fault-tolerant-quantum-computing-milestone）”，但这可能需要每个逻辑量子位数达到1000个物理量子位数。一些人认为，量子纠错甚至可能从根本上是不可能的，尽管这不是主流观点。Painter说，无论哪种方式，以所需的规模和速度实现这些方案仍然是一个遥远的目标。

他说：“考虑到实现一台能够在数千个量子位上运行数十亿个门的容错量子计算机的剩余技术挑战，很难确定出来一个时间表，但我估计至少需要十年。”

Microsoft —— 澄清

问题不仅仅在于时间尺度。今年5月，领导微软量子计算工作的微软技术Fellow Matthias Troyer在《美国计算机学会通讯》上与人合著了一篇论文（https://cacm.acm.org/magazines/2023/5/272276-disentangling-hype-from-practicality-on-realistically-achieving-quantum-advantage/fulltext），指出量子计算机可以提供有意义优势的应用程序数量比你想象的要有限。

他说：“在过去的10年里，我们发现人们提出的许多建议都不起作用。然后我们找到了一些非常简单的原因。”

量子计算的主要前景是能够以比经典计算机快得多的速度解决问题，但具体速度各不相同。Troyer说，在两种应用中，量子算法似乎提供了指数级的速度。一种是对大数字进行分解，这可能会破坏互联网所建立的公钥加密。另一种是模拟量子系统，这可能在化学和材料科学中有应用。量子算法已经被提出用于一系列其他问题，包括优化、药物设计和流体动力学。但其加速的结果并不总是成功的。

Troyer说，这些收益可以很快被量子计算机产生的巨大计算开销所抵消。操作量子位比切换晶体管要复杂得多，因此要慢几个数量级。这意味着，对于较小的问题，经典计算机总是更快，量子计算机领先的点取决于经典算法的复杂性扩展的速度。

Troyer和他的同事将一个Nvidia A100 GPU（https://spectrum.ieee.org/nvidia-qubit）与一台虚构的未来容错量子计算机进行了比较，该计算机拥有10000个“逻辑量子位”，其门控速度是当今设备的数倍。Troyer说，他们发现一个二次加速的量子算法必须运行几个世纪，甚至几千年，才能在大到有用的问题上胜过经典算法。

另一个重要障碍是数据带宽。量子比特缓慢的操作速度从根本上限制了你进出量子计算机的经典数据的速率。Troyer说，即使在乐观的未来情况下，这也可能比经典计算机慢数千或数百万倍。这意味着在可预见的未来，机器学习或搜索数据库等数据密集型应用程序几乎肯定遥不可及。

Troyer说，结论是量子计算机只会以指数级的速度真正解决小数据问题。他补充道：“剩下的都是漂亮的理论，但并不实用。”

Troyer说，这篇论文在量子社区没有产生太大影响，但许多微软客户都很感激能对量子计算的现实应用有所了解。他说，他们已经看到许多公司缩减甚至关闭了量子计算团队， 芯片采购平台尤其是在金融领域。

Aaronson——欢迎，怀疑论者？

得克萨斯大学奥斯汀分校计算机科学教授Scott Aaronson说，这些限制对任何一直密切关注量子计算研究的人来说都不应该感到惊讶。他说：“有人声称量子计算将如何彻底改变机器学习、优化、金融和所有这些行业，我认为在这些行业，人们总是持怀疑态度。如果人们现在开始更加关注这一点，那么，非常欢迎。”

虽然他也认为实际应用还有很长的路要走，但该领域最近的进展实际上让他有理由感到乐观。本月早些时候，量子计算初创公司QuEra和哈佛大学的研究人员证明，他们可以使用280个量子位处理器生成48个逻辑量子位（https://www.newscientist.com/article/2407145-quantum-computer-sets-record-on-path-towards-error-free-calculations/），远远超过之前的实验（https://scholar.google.com/scholar?q=quantum+computers+"logical+qubits"&hl=en&as_sdt=0,22）。Aaronson说：“这无疑是几年来最大的实验进展。”

“When you say quantum is going to solve all the world’s problems, and then it doesn’t, or it doesn’t right now, that creates a little bit of a letdown.” —Yuval Boger, QuEra

QuEra首席营销官Yuval Boger热衷于强调，该实验是一次实验室演示，但他认为，这些结果促使一些人重新评估了容错量子计算的时间表。不过，他表示，与此同时，他们也注意到了公司悄悄将资源从量子计算转移出去的趋势。

他说，这在一定程度上是由于自大型语言模型出现以来，人们对人工智能的兴趣不断增长。但他也同意，业内一些人夸大了这项技术的近期潜力，并表示炒作是一把双刃剑。他说：“这有助于获得投资，让有才华的人对进入该领域感到兴奋。从另一方面来看，当声称量子将解决世界上所有的问题但却没有，或者说现在没有实现时，这会让人有点失望。”

即使在量子计算机看起来最有前景的领域，其应用范围也可能比最初希望的要窄。近年来一些研究团队（https://arxiv.org/pdf/2208.02199.pdf）的论文表明，量子化学中只有少数问题可能受益于量子加速。

Merck KGaA —— 有时是一种很好的加速器

同样重要的是要记住，许多公司已经拥有在经典硬件上运行的成熟且高效的量子化学工作流程，位于德国达姆施塔特的德国制药巨头默克公司（Merck KGaA）全球数字创新负责人Philipp Harbach如此表示（不要与美国默克公司混淆）。

他说：“在公众面前，量子计算机被描绘成可以实现目前无法实现的东西，这是不准确的。首先，它将加快现有流程，而不是引入一个完全颠覆性的新应用领域。因此，我们正在评估其中的差异。”

大约六年来，Harbach的团队一直在研究量子计算与默克公司工作的相关性。虽然NISQ设备有可能用于某些高度专业化的问题，但他们得出的结论是，在实现容错之前，量子计算不会对工业产生重大影响。Harbach说，即便如此，这种影响的变革程度实际上取决于公司正在开发的具体用例和产品。

量子计算机擅长为经典计算机在更大范围内难以解决的问题提供准确的解决方案。Harbach说，这可能对一些应用非常有用，比如设计新的催化剂。但默克公司感兴趣的大多数化学问题都涉及快速筛选大量候选分子。

他说：“量子化学中的大多数问题都不是指数级的，近似值就足够了。它们都是表现良好的问题，你只需要随着系统规模的增加而使其加速。”

尽管如此，微软的Troyer表示，仍有理由保持乐观。即使量子计算机只能解决化学和材料科学等领域的有限问题，其影响仍可能改变游戏规则。他说：“我们谈论的是石器时代、青铜时代、铁器时代和硅时代，所以材料对人类有着巨大的影响。”

Troyer说，表达一些怀疑的目的不是减少人们对该领域的兴趣，而是确保研究人员专注于最有希望、最有影响力的量子计算应用。

• 计算
• 量子
• 显示
• 冷酷
• 检验