每日嘉宾 ▼
ANGEL Guest
2026年3月，《十五五规划纲要》正式公布，量子科技被明确列为六大未来产业之首。
规划专栏里写得明明白白：要"研制可容错的通用量子计算机和可扩展的专用量子计算机"。
政策推力很快传导到了产业端。5月，本源悟空-180、汉原2号相继发布，国产量子计算机开始向全球开放算力服务。一级市场闻风而动，量子科技赛道重新升温。
上一次量子计算这么热，还是七八年前那波"量子霸权"的喧嚣。
但热度归热度，公众的疑惑一点没少。有个细节很说明问题：在百度上搜"量子计算"，第一条联想词竟然是"是不是骗局"。
一边是谷歌宣布实现量子霸权，一边又有科学家发文章呼吁"别信炒作"。
更隐蔽的误解是，几乎所有人都默认了一个错误前提——量子计算不就是下一代更快的"PU"吗？
2026年8月1日，在由上海天使会支持举办的"科创天使计划"三期五模块暨四期三模块·科创前沿模块上，清华大学计算机系长聘副教授、隧穿智元联合创始人陈建鑫，做了一场《未来已来：量子计算机的前世今生》的主题分享。
清华大学计算机系长聘副教授、
他在回清华之前，在阿里达摩院量子实验室负责量子计算系统七年，横跨学界与产业一线。
这场分享，他用最朴素的方式回答了一个问题：量子计算机，究竟是谁、从哪来、往哪去。以下是他分享中的四个核心判断，我们做了整理。
一、量子计算不是又一个"PU"，是人类算力认知的千年颠覆
最容易误导人的，就是把量子计算当成"GPU之后的下一颗芯片"。
陈建鑫从2003年就开始做量子计算，他说当时的兴趣绝不是"再来一块芯片"。真正让他着迷的，是计算范式本身的颠覆。
把时间拉长看。从算盘到计算尺，从ENIAC 到今天的手机，设备形态天翻地覆，但底层的计算逻辑从来没变过：把一个复杂任务拆成成百上千万个基本操作，一步一步执行。
算盘慢是因为手拨珠子慢，手机快是因为单步操作快。只要范式相同，算盘和手机之间只差一个倍率。
量子计算的不同，不在于单步更快——实际上超导量子计算一步要20纳秒，经典高低电平切换只要0.1纳秒，慢200倍。它的优势在于， "拆成基本操作"的逻辑变了。
一个具体例子。经典计算机分解一个用于加密的大数，所需步骤随位数指数爆炸，规模一大就算不动。1994年肖尔算法证明，在理想量子计算机上，多项式的步数就能解掉。
和肖尔并列的还有格罗夫算法，针对无结构搜索提供平方加速——加速比没那么夸张，但搜索是数据库、优化等海量应用的底层动作。
量子计算的优势从来不是"每一步更快"，而是"需要的步数少几个数量级"。过去靠堆并行度（GPU多核）提升算力有天花板，量子靠的是范式本身带来的指数加速。
二、100个比特的硬件，和理想的100个比特之间，差了一个"无噪声"
既然这么厉害，为什么现在还没用上？
理论分析早就给出过结论：约100到200个完美的、零噪声的量子比特，就能在特定任务上超越经典算力。今天国内硬件的规模，大约在100个比特左右。
数字对上了，为什么还是不行？
关键在那个前提——"完美"的比特。
陈建鑫在现场是这么讲的：我们现在手里是100多个"含噪声的比特"。量子比特的错误率还比较高，任务规模一大，错误不仅累积而且扩散，这个计算系统很容易"爆掉"。
要理解这件事，得先搞懂量子比特是什么。经典比特非0即1，量子比特对应的是布洛赫球面上的任意一个点——理论上，一整本大英百科全书可以通过01串来编码进一个量子比特里。
但世界上没有免费的午餐，量子世界里当你去读取量子数据的时候，读取这个动作本身会破坏它的状态。经典计算机可以反复读，量子数据一读就被破坏了。
三、从100个物理比特到可用的逻辑比特，差的是全栈纠错
今天各家量子计算公司在比拼的核心指标叫"两比特门保真度"——单次操作做对的概率。
但保真度只管单步。扛住长程计算，得靠另一样东西：量子纠错。
经典纠错很简单——多存几份，一份坏了用冗余。量子不能这么干。不可克隆定理说，你不能复制一个未知量子态。同时，读取也会破坏量子数据。因此，你得靠一套更精巧的方案：用一群会出错的物理比特，通过量子纠缠和测量，编码成一个可靠的"逻辑比特"。
学界此前假设，大概需要几百物理比特能编码1个逻辑比特，如果考虑逻辑操作，资源开销会更大，这就是"100到100万"那道鸿沟的来源。
陈建鑫的判断很干脆：这个比例肯定不需要这么高，通过系统级优化与设计优化，甚至有可能万级比特就能解决真实问题。
纠错也不是"等比特够了再盖一层软件"。它是从器件布局、连通性、测量到解码，从头到尾围绕纠错设计的一套系统。就像一个永不停机的自检程序，持续发现并纠正哪块量子内存出了错。
AI也正在加速这件事。量子计算的研发里，现在的一个挑战是我们对微观体系的建模还不够准确，对机理的理解还不够深刻，但基于数据驱动的人工智能技术有可能会找到更多的规律——这也解释了为什么英伟达重金布局量子计算。
2024年，Google DeepMind用Transformer做量子纠错解码，精度超越此前人类设计的解码器，论文登上了《Nature》。陈建鑫团队在这个方向上再把性能提了两个数量级，使其同时满足实时纠错的要求，从而可部署在真实的量子硬件上。
四、技术路线远未收敛，全栈玩家才有机会
聊到产业，一个绕不开的事实是：技术路线远没到收敛的时候。
2015到2017年，谷歌在超导和离子阱之间评估后押注超导，国内大厂全跟。2019年Honeywell把离子阱计算机发布，大家发现这条线也很能打。2022年哈佛Lukin团队带火中性原子，上海涌现一批创业公司。最近又有光子路线冒出来。
每一家都各有权衡，没有谁"绝对最优"。
更底层的问题是，量子计算连"指令集"都没有共识。经典计算机有x86、ARM、RISC-V，指令集是软硬件的契约。量子这边，大家还在比"两比特门保真度"这一个指标。
陈建鑫团队做了一项被他称为"one gate to rule them all"的工作：在硬件上原生实现任意两比特门，而不是用基础门去拼凑。这项成果去年发表在《Nature Physics》，并在76比特芯片上验证。他们还在当前硬件的网格拓扑上，对于很多量子算法逼近了全连通性能——过去被认为超导"连通性受限"这个硬伤，对于很多场景未必是本质约束。
他联合发起创立的隧穿智元，正是押注这条"全栈容错"路径——团队由阿里达摩院量子实验室核心成员与清华计算机系学者融合组建，指令集与编译器方案已被北京量子院、中电信量子等采用。
结语
整场听下来，陈建鑫其实在反复说一件事：量子计算是一场"持续的、系统级的再设计"。
从芯片、架构、编译到应用，每一次实验、每一种新工具，都可能在推翻此前的假设，逼着重新定义"量子计算机应该是什么样子"。
它不缺宏大的愿景。缺的是一个像ChatGPT那样、让应用自己扑上来的"GPT时刻"。
在那之前，找场景是"求着别人给订单"。在那之后，订单会自己来。
缩短这段距离的钥匙，不在单点突破，在于全栈效率——把"百万"这个数字压到"万级"门槛。在做到之前，大家会觉得很难。但是量子本身就是在做一些难的事情，不是么？
整理：每日天使· 如有问题欢迎留言
About Us
热门跟贴