GeneseAI

第IV部分 · 重大融合

AI × 量子

第12章7 分钟阅读更新于：2026年9月

12.1三言两语说清量子计算

12.2我们究竟走到了哪一步？

12.3AI × 量子：融合

图12.1. 量子-经典混合计算。与其把一切都交给量子计算，不如只把问题中它最擅长的那一小部分交给量子处理器（QPU），其余部分（以及整体调度）仍由运行在 GPU 上的经典 AI 完成。这是2026年的主流模式。
  • 量子服务于 AI。 这就是“量子机器学习”（QML），尤其是混合工作流（由一台 QPU 辅助一台 GPU）。人们的期望是：加速某些优化、采样或模拟任务，从而惠及金融、化学或药物研发。但必须实话实说：迄今为止，在面向大众的机器学习上还没有任何量子优势得到证实，这一方向也是业内被吹捧得最过头的方向之一。
  • AI 服务于量子。 出人意料的是，这才是当下最实在的协同。AI 帮助人们更快地完成纠错的解码，帮助设计和校准量子芯片、驱动控制系统，并发现更好的算法。AI 就这样成了推动量子技术自身进步的工具。

本章要点（第12章）

  • 量子比特利用叠加与纠缠同时探索大量可能性；对于某些特定问题，它所预示的计算能力极为可观。
  • 真正的高墙是错误（退相干）：必须区分物理量子比特（脆弱、数量多）与逻辑量子比特（可靠、数量少）。量子纠错是核心课题。
  • 2026年，进展是实实在在的（Google 的 Willow，IBM 于2026年7月宣称实现的量子优势，尚待同行确认），但机器仍停留在几百个物理量子比特的水平，最新的原子阵列则达到一千个左右，有用的应用出现得很慢。参与者分布在美国、欧洲（法国力量突出）和中国。
  • 迫在眉睫且确定无疑的影响是对密码学的威胁（Shor 算法），因此发展后量子密码学刻不容缓。
  • AI 与量子的融合要从两个方向来理解：一是量子服务于 AI（QML、混合计算，被严重高估，在常规机器学习上尚无已证实的优势）；二是更为实在的 AI 服务于量子（纠错、芯片设计）。

让我们离开抽象与微观的世界，走向最看得见、摸得着的融合：在机器人技术中获得身体的 AI。