量子計算機夢碎一地

? 文 徐令予

去年年底，科普視頻博主 Sabine Hossenfelder 發布了一條標題頗為“扎心”的視頻：《量子計算機很可能永遠不會成功》，該視頻在網上引發了熱議。不到兩個月，她再次拋出同一主題的新視頻——《量子計算機夢碎一地》，對量子計算的炒作潑了一大盆冷水。一位受過嚴格學術訓練的理論物理學家，在短時間內兩次針對量子計算機“唱反調”，這事件的本身就非同尋常。

一如既往，這條視頻發布后迅速引發熱烈關注。不到 24 小時，播放量已突破 25萬，點贊 1萬多，評論 1千2百條。圍繞“量子計算是否被過度神話”的爭論，再次被推到公眾視野中央。與上一次一樣，我也決定跟進再做一次解讀與評論：延續此前文章的結構，對視頻中涉及的四個主要觀點逐一拆解，并在文后附上本次視頻的中英文腳本，方便讀者對比查證。

關于 Sabine Hossenfelder 本人的學術背景與長期立場，本文不再重復，感興趣的讀者可參考我上一篇相關文章。需要強調的是，視頻中提出的核心判斷，并非播主的個人臆測，而是均有相應研究論文作為支撐。相關論文出處列于文末的附錄部分，便于有興趣的讀者進一步查閱與學習。

Sabine 在視頻一開始拋出了一個頗具畫面感的比喻：量子計算的發展，更像是一場魔術表演。隨著研究不斷推進，原本被寄予厚望的應用場景卻在“蒸發”。先是“兔子”消失了——那些被反復宣傳的具體用例逐一失效；接著連“帽子”也消失了——支撐這些用例的技術敘事與商業想象開始站不住腳；最終，“觀眾”也離場了——投資者、媒體與公眾的熱情逐漸退潮。這個段子把量子計算的現狀和歸宿描述得惟妙惟肖，戲劇感十足。

一、“量子優勢”正在消失：經典計算的反擊

量子計算常被宣傳為能夠在某些問題上超越傳統計算機，這一說法在理論上并非毫無依據。然而，相關研究指出，量子計算并不是在與“停滯不前的經典計算”競爭；恰恰相反，經典計算體系本身正在以工程師式的速度持續進化，原本被視為“量子專屬”的問題空間，正被一點點蠶食。

一個具有代表性的例子來自量子化學領域。復雜分子體系的精確模擬曾長期被視為量子計算最有希望率先“變現”的應用場景，其中尤以參與固氮反應的 FeMo-cofactor 分子為典型。該體系結構復雜、電子關聯效應強，早期研究普遍認為其超出了經典計算的可行范圍。然而，加州理工學院的最新論文[2]指出，借助大規模經典計算集群與改進的量子化學數值方法，人們已經能夠以相當高的精度計算該分子的基態能量。換句話說，這個曾被當作量子計算的強項，正在被經典計算奪回。

相關基礎研究表明，對于多個用于測試量子算法潛在優勢的任務，經過精心優化的經典算法，往往能夠達到與量子算法相當甚至更優的性能表現；而現實中的量子硬件仍處于噪聲較大的NISQ 階段，其規模與穩定性不足以支撐理論模型中所假設的算法優勢。更為根本的是，人們常常將“理論上的復雜度優勢”直接等同于“現實中的工程可實現優勢”，但相關綜述指出，誤差率、糾錯開銷、系統穩定性等工程約束，足以吞噬掉理論模型中承諾的絕大部分優勢。

二、TSP 問題給量子計算潑了冷水

在量子計算的應用敘事中，組合優化問題，尤其是旅行商問題（TSP，Travelling Salesman Problem）長期被當作“量子計算有望顯著超越經典計算”的典型代表。這類問題在物流調度、路徑規劃、金融組合優化等領域都具有直觀的映射，因此也被認為量子計算會在金融商業領域大展拳腳的實證。

然而，相關綜述論文[3]系統回顧了過去二十余年圍繞量子算法求解組合優化問題的研究進展，結論相當冷靜：幾乎沒有證據表明，純量子方法在實際規模上能夠穩定優于當前最先進的經典算法，即便在規模較小的問題上，這種優勢也難以成立。換言之，量子計算在這一領域的“潛在優勢”，更多停留在理論構想或小規模演示層面，而尚未轉化為可復現、可推廣的工程能力。

從工程與應用的角度看，組合優化問題在真實場景中的難點，往往來自復雜約束與問題結構本身。相關研究指出，經典計算體系在這一領域經過長期積累，已經形成高度成熟的工程化解決路徑；在此背景下，量子算法若無法提供明確且可擴展的優勢，便難以在現實應用中體現出真正的替代價值。這也意味著，將旅行商問題等組合優化任務反復作為量子計算的“示范場景”，更多是一種宣傳策略而已，對理性評估量子計算應用前景沒有什么科學價值。

三、沒有“晶體管時刻”：量子計算的工程困境

在量子計算的宣傳中，一個常見的類比是“量子計算正在迎來自己的晶體管時刻”，暗示其即將像半導體產業那樣進入可規模化、可商業化的快速發展階段。然而，相關工程評估指出，這種類比在根本上并不成立。微電子產業的成功，并非源于某一次理論突破，而在于晶體管可以持續縮小尺寸、降低成本，并在規模化制造中實現良性循環；而量子計算的核心成本結構，與這一模式幾乎相反。

從系統工程角度看，量子計算的主要成本來源包括極端低溫制冷、復雜控制電子設備以及對噪聲的嚴格隔離。相關研究表明，這些成本并不會隨著量子比特數量的增加而呈現出類似半導體產業那樣的規模遞減效應；相反，系統規模越大，工程復雜度往往呈超線性增長。

這意味著，即便量子比特質量持續改善，構建和維護大規模量子系統的經濟門檻仍將長期居高不下。更現實的判斷是，量子計算的工程形態更接近于大型科研裝置，而非可廣泛復制的通用計算平臺。在這一工程約束之下，將量子計算視為“下一代通用算力平臺”的產業敘事，顯然缺乏事實依據。

四、算得快 ≠ 算得便宜：能耗與總體成本的現實約束

在量子計算的技術敘事中，人們往往強調其在某些任務上的潛在加速能力，卻很少討論一個更“現實主義”的問題：即便量子計算在時間復雜度上具備優勢，是否意味著整體計算成本也更低？相關系統層面的資源評估指出，這一推論并不成立。

構建具備容錯能力的大規模量子計算系統，需要極端低溫制冷、復雜的控制與讀出電子設備，以及為糾錯而引入的大量冗余物理量子比特。相關研究表明，這些系統級需求將直接轉化為可觀的能耗與運行成本；在某些估算模型中，具備實際計算能力的量子計算裝置，其總體功耗可能接近甚至超過同等級超級計算中心。

更重要的是，量子算法的輸出往往依賴統計測量過程。為了獲得足夠精度，實際計算中通常需要進行大量重復運行，這在一定程度上抵消了單次運算加速所帶來的時間優勢。相關分析指出，在真實工作負載下，量子計算的“單位問題成本”未必優于成熟的經典高性能計算體系。

從產業可行性的角度看，這一約束具有直接影響。即便量子計算在個別任務上展現出技術優勢，如果其總體能耗與運行成本長期高于現有解決方案，其應用空間也將不可避免地受到限制。在能源成本與算力需求同時高企的背景下，將量子計算視為“天然更高效的下一代算力平臺”，顯然缺乏足夠的工程依據。

結尾

當量子計算被反復包裝成“下一代通用算力革命”時，問題從來不在于物理是否正確，而在于工程技術敘事是否誠實。經典計算的反擊、組合優化神話的退潮、工程成本與能耗的天花板，都在不斷提醒我們：量子計算不是萬能鑰匙，更不是近在眼前的產業替代方案。

或許，真正成熟的技術敘事，恰恰始于對幻想的告別。量子計算不會消失，但它需要回到一個更現實的位置——拋棄一心想當高大上主角的夢想，甘心盡願地做一個低調的小配角，發揮自身真正擅長的微薄之力，如果它還真有那么一點的話。

視頻的評論區十分熱鬧，對量子計算炒作的冷嘲熱諷達到了極致。評論者反復提及的臺詞是：“It’s optimism, but error-corrected.” 這句話在英語語境中帶有典型的“理工圈內梗”意味，其中的 error correction 還暗指量子計算中代價高昂的量子糾錯。表面上看，它像是在說“這是樂觀的結論，只不過經過了誤差糾正”；但真實語義恰恰相反：在把過度樂觀的部分“校正”掉，并將噪聲、糾錯開銷和工程約束一并計入之后，所剩下的那點“樂觀”，已經接近悲觀本身。這不是情緒化的唱衰，而是對量子計算未來的精準判斷。

附錄 A：視頻完整腳本（English – Clean Text Version）

As research progresses, the use cases for Quantum computers seem to evaporate.

It’s like a magic show: first the rabbit disappears, then the hat disappears, and eventually even the audience disappears.

Quantum computers are often advertised as being able to solve problems that are too hard for ordinary computers.

They are supposed to get their power from quantum entanglement.

In principle, this could lead to speedups for certain problems in chemistry, materials science, logistics, cryptography, and finance.

However, things are not developing the way they were advertised.

One example is quantum chemistry.

The simulation of complex molecules has long been considered one of the most promising applications for quantum computers.

A well-known example is the FeMo-cofactor involved in nitrogen fixation.

But recent research shows that classical computing clusters can now calculate the ground-state energy of this molecule with high accuracy.

This means that finding practical quantum advantage is much harder than many people thought.

Another often-cited application is combinatorial optimization, such as the travelling salesman problem.

But a recent review of more than two decades of research concludes that there is little evidence that purely quantum approaches outperform state-of-the-art classical methods, even for small problem sizes.

The authors conclude that there is little cause for optimism.

On the hardware side, progress is real.

There have been demonstrations of quantum error correction on small systems, and qubit quality has improved.

But this is sometimes misleadingly compared to the “transistor moment” of classical microelectronics.

The success of microelectronics was not mainly due to a conceptual breakthrough, but because transistors became smaller, cheaper, and easier to manufacture.

For quantum computers, the main cost drivers are cryogenic cooling and noise isolation.

These costs do not scale down in the same way when systems grow larger.

Another issue that is often overlooked is energy consumption.

Large, fault-tolerant quantum computers that can solve useful problems may require as much power as entire supercomputing centers, possibly even more.

So even if quantum computers can be faster for certain tasks, they may not be cheaper in terms of overall resources.

Finally, quantum computers often require many repeated measurements to obtain reliable results.

This further increases the total computational cost.

So while quantum computing remains scientifically interesting,

the dream of a general-purpose, economically scalable quantum computer is becoming increasingly questionable.

附錄 B：視頻中文完整腳本（機譯）

隨著研究不斷推進，量子計算的應用場景似乎正在逐漸蒸發。

這就像一場魔術表演：先是兔子消失了，接著帽子消失了，最終連觀眾也可能離場。

人們常常宣傳量子計算機能夠解決普通計算機難以解決的問題。

據說它們的優勢來自量子糾纏。

在原理上，這確實可能為化學、材料科學、物流、密碼學和金融等領域的某些問題帶來加速。

然而，現實進展并未按照最初的宣傳路線發展。

以量子化學為例，復雜分子的模擬長期被認為是量子計算最有希望率先取得突破的應用方向。

其中一個廣為人知的案例，是參與固氮反應的 FeMo-cofactor 分子。

但最新研究顯示，借助經典計算機集群，

人們已經能夠以較高精度計算該分子的基態能量。

這意味著，尋找真正具有實用價值的“量子優勢”，遠比許多人原先設想的要困難得多。

另一個經常被提及的應用方向是組合優化問題，例如旅行商問題。

但一項回顧了二十余年研究進展的綜述指出，

即便在規模較小的問題上，也幾乎沒有證據表明純量子方法能夠穩定優于當前最先進的經典算法。

論文作者的結論相當直接：幾乎沒有理由保持樂觀。

在硬件層面，量子計算的進展是真實存在的。

小規模量子糾錯已經得到實驗演示，量子比特的質量也在持續提升。

但這些進展常被不恰當地類比為量子計算迎來了“晶體管時刻”。

微電子產業的成功，并不主要源于概念上的突破，

而在于晶體管不斷縮小尺寸、降低成本并實現規模化制造。

相比之下，量子計算的主要成本來自極端低溫制冷和噪聲隔離，

這些成本并不會隨著系統規模擴大而呈現出類似的良性縮放規律。

另一個常被忽視的問題是能耗。

真正具備容錯能力、能夠執行實際任務的大規模量子計算機，

其耗電量可能接近甚至超過整個超級計算中心。

因此，即便量子計算在某些任務上更快，

從總體資源成本來看，也未必更“劃算”。

此外，量子計算往往需要大量重復測量才能獲得可靠結果，

這進一步抬高了實際計算成本。

因此，量子計算在科學研究層面依然具有重要意義，

但將其視為一種可廣泛推廣、具有經濟可擴展性的通用計算平臺，

這一夢想正變得越來越值得懷疑。

附錄 C：

[1] 徐令予：量子計算機很可能永遠不會成功 https://mp.weixin.qq.com/s/I8Lwuz2Rv3mPBpW93K503Q

[2] Li, Z., et al. “Accurate electronic structure of FeMo-cofactor with classical high-performance computing.” arXiv preprint (2024).

[3] Glover, F., Kochenberger, G., & Du, Y. “Quantum computing and combinatorial optimization: A review.” arXiv preprint (2023).

徐令予 作于美國南加州 （2026年2月18日）