文｜IT時報記者 郝俊慧

編輯｜王昕 孫妍

量子計算似乎迎來了“ChatGPT時刻”。

北京時間12月10日，谷歌在《自然》發(fā)表了最新量子芯片Willow的研究成果，在量子糾錯率和隨機電路采樣（RCS）基準測試上取得關(guān)鍵性突破，用5分鐘完成了一項標準計算，而當前最快的超級計算機Frontier則需要102 （10的25次方）年才能完成，“比宇宙的年齡都要大”。

谷歌CEO桑達爾·皮查伊把量子計算的突破比作“萊特兄弟的首飛”，也有人將Willow類比為Transformer，在這個同樣由谷歌推出的AI架構(gòu)上，OpenAI做出了ChatGPT。

量子與AI的糾纏還不止于此，發(fā)布Willow的是谷歌量子AI實驗室，這個名字聽起來“與時俱進”的實驗室，實際上成立于2012年，而Willow之所以在糾錯上突破了30年來的挑戰(zhàn)，源自谷歌已經(jīng)于11月份發(fā)布的基于Transformer的解碼器AlphaQubit，通過AI實時為量子計算機解碼糾錯，從而讓W(xué)illow的量子糾錯“低于閾值”。

所謂“低于閾值”，指的是量子比特越多，錯誤率越低，中國科學(xué)技術(shù)大學(xué)教授陸朝陽認為，Willow從之前的“越糾越錯”，進步到“越糾越對”，突破了量子糾錯“盈虧平衡點”，實現(xiàn)了量子比特的“正增益”。

Willow成功的跡象在今年8月谷歌量子AI實驗室發(fā)表的一篇《量子誤差修正低于表面碼閾值》論文中可見一斑，文中對谷歌在量子糾錯上的突破做了詳細說明：每個（邏輯量子比特）編碼的距離增加2，錯誤率就會下降一半以上。

在理解這句話之前，不妨先來了解一下量子計算的基本原理。

如大家所知，我們現(xiàn)在采用的經(jīng)典計算是0和1的排列組合，你在電腦上、手機上輸入的每個指令，最后都會被編譯成0和1組成的代碼，被計算機識別并計算。所謂的CPU芯片，就是晶體管組成的一個超大“開關(guān)”，每個晶體管的on/off，代表0或者1，而一顆強大的CPU可能擁有上千億個晶體管。比如蘋果的M2 Ultra上便有1340億個晶體管。

受限于摩爾定律和量子隧穿效應(yīng)，裝在手機和電腦里的CPU不可能無限制地塞入更多晶體管，因此很多需要超大規(guī)模計算的問題，尤其是自然界的本源，傳統(tǒng)經(jīng)典計算很難解決。

量子計算則完全不同，它可以讓0和1處于任何疊加態(tài)中，簡單理解，如果一塊傳統(tǒng)芯片能存儲n個數(shù)據(jù)，那擁有同樣量子比特數(shù)量的芯片，可以存儲2的n次方個數(shù)據(jù)。

這種計算能力指數(shù)級的上升，也是為何每次量子計算研究突破后，其表現(xiàn)出的算力和經(jīng)典超級計算機相比，都不只是遙遙領(lǐng)先，而是百億級以上的差距。

只是，算得快，并不等于算得好。

超導(dǎo)量子非常脆弱，周圍的一點點干擾，甚至宇宙射線都會讓其丟失信息，也即所謂的“退相干”。從目前研究結(jié)果來看，單個量子比特的錯誤率降低到千分之一（0.1%）后便很難進一步推進，而通用量子計算階段的錯誤率，普遍被認為至少要下降至10的負12次方，也即萬億分之一。

學(xué)術(shù)界普遍采用建構(gòu)邏輯量子比特的方式來實現(xiàn)量子計算糾錯。比如谷歌此次用來實驗的3×3、5×5、7×7編碼模式，便是以一個物理量子比特為信息的存儲載體，其他圍繞它的量子比特作為“錨定比特”，通過冗余和特定的編碼方案，檢測并糾正可能產(chǎn)生的錯誤。而谷歌的實驗結(jié)果證明，當形成一個邏輯比特的物理比特數(shù)量從90（3×3×10）到250再到490不斷擴展時，錯誤率指數(shù)級下降，從而“低于閾值”。

同時，量子計算的特性，對量子糾錯也產(chǎn)生了指數(shù)級的杠桿作用。比如，如果物理量子比特的錯誤率降低兩倍，那么距離為27×27的邏輯比特性能就能提高四個量級，進入可被接受的錯誤率范圍之內(nèi)。也即7290個量子比特形成一個邏輯比特的話，量子計算的通用容錯量子計算（FTQC）應(yīng)該可以實現(xiàn)。

話說到這里，國人最關(guān)心的是，中國的量子計算和谷歌差距遠嗎？

一位量子科學(xué)家的話讓我放下了心：差距是有，但無論在硬件層面還是糾錯算法方面，中國都一直在跟進，而且進展也都不錯。

硬件結(jié)構(gòu)上，Willow采用的是Tunbale coupler架構(gòu)，這個技術(shù)架構(gòu)于2019年發(fā)布，國內(nèi)中科大、北京量子研究院、南方科大都有類似的實驗成果；糾錯效果上，Willow實現(xiàn)了“低于閾值”，并在實驗體系中實現(xiàn)了d=5和d=7的糾錯，說明谷歌在量子控制技術(shù)上實現(xiàn)了超越性突破，但國內(nèi)南方科技大學(xué)俞大鵬院士團隊也在去年實現(xiàn)了“量子糾錯盈虧平衡點”。國內(nèi)也有其他研究團隊采用和谷歌類似的表面碼方案，在編碼距離上略有落后，目前應(yīng)該處于d>5>3的位置。

盡管從大方向上看，Willow似乎依然走在“老路”上，但進步往往發(fā)生在隱秘的角落。谷歌借助AI實現(xiàn)了Decoder（解碼器）方案的篩檢和軟硬件上的實時線路編譯，證明它的系統(tǒng)工程能力非常強。就好像OpenAI選擇的LLM大模型道路，同樣并不新鮮，但基于其強大的算力投入和系統(tǒng)工程能力，最終引爆此次人工智能浪潮。

從這個意義上看，Willow至少處于ChatGPT 1.0時期，目前實驗結(jié)果顯示，谷歌找到了一條相對正確的路。

不過，從谷歌官方透露的信息顯示，Willow的隨機電路采樣（RCS）基準測試，雖然在“經(jīng)典難以解決”的基準線智商，但其商業(yè)相關(guān)性還比較弱，這表明其依然不具有實用價值。

中國量子科學(xué)的頂尖科學(xué)家、中國科學(xué)院院士潘建偉將量子發(fā)展分為三階段：實現(xiàn)量子優(yōu)越性、解決專用計算問題、通用量子計算。目前全球量子科研水平多集中于第二階段，對于第三階段的實現(xiàn)，科學(xué)家們曾給出了10～15年的時間窗口，但Willow的成功，AI for Science的變革，讓這個窗口期正在縮短。

量子力學(xué)被稱為自然界的“操作系統(tǒng)”，模擬大自然的任務(wù)被認為只有量子力學(xué)能夠完成。比如通過量子測量，在磁共振成像（MRI）和核磁共振（NMR）中，以原子為尺，可給出分子、原子核之間的精確距離，從而在更高維度解鎖AI目前面臨的“數(shù)據(jù)困境”。物理、化學(xué)、生物醫(yī)藥、核聚變、材料科學(xué)等領(lǐng)域，都將可能因此迎來劃時代的突破。

更關(guān)鍵的是，電力消耗也將指數(shù)級下降。短時期內(nèi)，限制量子計算發(fā)展的“摩爾定律”還不會出現(xiàn)?？茖W(xué)家預(yù)估，物理量子比特要達到百萬級以上才可能摸到通用計算的門檻，但這個級別量子位的芯片，和如今千億級的晶體管相比，制程工藝要求低許多。

長期來看，經(jīng)典計算機在規(guī)模擴張、應(yīng)用落地、場景尋找等范式變革過程中遇到的挑戰(zhàn)，在超導(dǎo)量子計算機上也會“復(fù)刻”一遍，但這一次，全世界應(yīng)該會更快找到適應(yīng)的辦法。

比爾·蓋茨說：“人們總是容易高估未來兩年的變化，卻往往低估未來十年的變革”。

十年之后回頭看，2024年12月10日或許會被定義為“前AI時代”的一個紀念日。

這一天，OpenAI正式發(fā)布了Sora，意圖“無中生有”，生成一個虛擬的物理世界，而Willow則正好相反，試圖用量子計算解讀自然界的一切。當二者進入“疊加態(tài)”時，科幻正變?yōu)榭茖W(xué)，曾經(jīng)遙遠的未來，正在逼近現(xiàn)實。

排版／ 潘璐