黄仁勋认错押注，量子计算的拐点要来了？

2025年初，黄仁勋说实用量子计算机还要等20年，一句话砸崩了量子概念股。两个月后他就在英伟达GTC上公开认错，之后不仅接连投资头部量子公司，还在巴黎GTC上直接说量子计算正在接近拐点。拐点到底来没来？太一量生创始人方正浩（中欧EMBA 2024）给了一个冷静的坐标：拿大语言模型做参照，量子计算大约处于GPT 2.5到3之间。底层能力跑通了，但离改变产业格局还有一段路。好在这段路，第一次有了比较清晰的时间表。

01

量子计算是什么？

我们日常用的电脑和手机，其计算的基本单位是比特。一个比特只能处于两种状态之一：0或者1。所有程序，从微信到抖音，本质上都是0和1的排列组合在高速切换。

量子比特不一样。它可以同时处于0和1的叠加状态，有点像一枚硬币在空中旋转，还没落地之前，正面和反面都有可能。而且，两个量子比特还能纠缠，一旦纠缠上，不管隔多远，一个变了另一个会立刻跟着变。

这些特性让量子计算机能在计算过程中同时探索很多条路径，通过特定算法把本来要穷举的步骤大幅缩减。粗略打个比方，别人要试一万把钥匙，它可能试一百把就够了。

但量子系统有一个致命弱点：极不稳定。哪怕一丁点温度变化、电磁波干扰，甚至宇宙射线扫过，都可能让量子比特的状态坍塌。你花了大力气造出一个同时在探索千万条路径的量子态，结果环境随便碰它一下，就塌回了一个普通的0或1。什么都没算出来。

所以量子计算真正的考验不是造出量子比特，而是让它稳定到能用。这就引出一个关键概念：逻辑比特。

单个物理比特错误率太高，大约千分之一到万分之一，而一个实用的量子算法可能要跑几百万甚至几千万个逻辑门。千分之一的出错率累积几百万次，结果就是零。科学家的办法是用几百甚至上千个物理比特，通过纠错算法绑在一起，组成一个可靠的逻辑比特。相当于用一群散兵游勇凑成一个训练有素的班组。

造一两个量子比特不难，大学实验室都能做。但要让成千上万个逻辑比特稳定运行，是物理学和工程学的双重极限挑战。这也是这个行业门槛极高的原因。

谷歌2019年说造了一台量子计算机，它在某一个特定计算任务上比当时最快的超级计算机还要快。这是一个真实的工程成就，但它挑选的那个任务本身就是为量子计算机量身定做的，不代表它在通用任务上能表现好。

可以说，逻辑比特数量就是当下整个行业的金标准。谷歌、IBM、微软，加上各路创业公司，路线图里最重要的指标就是逻辑比特能做到多少个。谁先做出规模化的高质量逻辑比特，谁就拿到下一阶段的入场券。

02

它能做什么？

量子计算不是什么都能做。经过几年的预期调整，行业内对它的适用范围有了比较清楚的共识。优势比较确定的方向有三个。

第一是材料模拟和药物研发。化学反应在分子层面本质上就是量子力学过程，用传统计算机模拟，计算量随分子变大而指数级增长，很快就算不动。目前全球最大的智算集群是马斯克SpaceX的50万张英伟达显卡集群，但它也没办法精确地模拟一个化学反应。而一台拥有约300个逻辑比特的量子计算机，一小时的计算量相当于这台超算跑十年。对制药行业来说，单个药物研发周期哪怕缩短三分之一，可能就是几十亿美元的价值差异。

第二是密码破解。互联网上几乎所有加密通信，登录银行、发微信、刷信用卡，底层都靠RSA类加密算法，安全性建立在大数分解极其困难这个前提上。传统计算机破解一个高位密码可能要十万亿年，但量子计算机通过特殊算法有望在合理时间内完成。过去认为需要上万个逻辑比特，最新研究把这个门槛降到了一千多个。密码体系的更新换代通常需要十年以上，所以各国已经在提前准备。

第三个是AI训练，也是最近才打开的一扇门。量子计算过去被认为做不了AI训练，有梯度消失和数据吞吐方面的瓶颈。但最新研究发现，它在高维训练数据的降维上有很大优势，可以把数据量压缩好几个数量级。

这个方向离落地最近，原因很简单：需要的逻辑比特最少，大约60个，远低于化学模拟的300个和密码破解的上千个。而且，AI对算力的需求长期真实存在并愿意为之花钱。只要大模型还向前发展，算力缺口就会一直存在。

03

路线在收窄

量子计算不止一种做法，全球大约有八九条技术路线在同时推进。目前被认为五到十年内有可能产业化的主要有五条：

超导路线用的是在极低温度下没有电阻的电路，谷歌和IBM都选了这个方向，过去十年投入最大，进展也最明显。

离子阱是用电磁场把单个离子悬浮在真空中，用激光操控它的量子态，优点是量子比特的质量很高、出错少。

中性原子路线和离子阱有点像，但不需要电荷，用光镊把原子排成阵列，在大规模扩展上目前看起来更有潜力。

拓扑量子走的是一条完全不同的思路，它试图从根本上让量子比特更稳定，但技术上最难。

光量子用光子来计算，中国在这条路上积累不少。

过去十年大家各试各的，但现在格局在发生变化：中性原子路线开始吸引越来越多的资源，关键原因是它在大规模扩展上的表现比预想的好。

什么叫大规模扩展？就是量子比特数量从几十个涨到几千个的时候，系统还能不能稳定工作。超导路线在这个问题上一直比较吃力，中性原子看起来更有后劲。

最近几周接连发生了几件事：一直做超导的谷歌宣布进入中性原子领域，提出量子霸权概念的现代量子计算之父John Preskill教授自己开了一家中性原子公司，几篇重要论文的成果也都基于中性原子体系。

这个变化的意义不只在技术层面。它说明行业正在从百花齐放的探索期进入技术收敛期。路线一旦开始收敛，人才、资本和产业链配套就会迅速聚拢。谷歌、IBM、微软等美国大厂的目标是2029年底前把量子计算机部署进数据中心，不是在实验室里放一台做演示，是接入云基础设施让外部用户通过网络调用。QuERA甚至表示要在2028年作出256个超高保真度的逻辑量子比特。DARPA把通用量子计算机的时间表定在了2033年之前。中国把量子科技列入十五五规划六大未来产业之首。

一个有意思的参照是黄仁勋。2025年1月，黄仁勋在CES上说实用量子计算机可能还需要几十年，20年是一个合理的时间框架，15年太早，30年太晚。这番话直接砸崩了量子概念股。

2025年3月，他在GTC上公开认错，说自己是历史上第一个把行业CEO都请上台来解释自己为什么说错了的人，并在GTC历史上首次设立了Quantum Day。到了2025年6月，他进一步明确表示量子计算正在接近一个拐点，并修正了此前的观点。英伟达已参与了Quantinuum的6亿美元融资，还投了PsiQuantum的10亿美元轮，并在波士顿与哈佛、MIT合建了量子研究中心。

04

中国竞争力在哪里？

中国的基础研究不弱，潘建伟团队在全球是顶级水平，光量子和超导方向都有扎实的成果。

但从实验室到做成产品的距离，中国比美国远。

最核心的差距不在某个单点技术，而在于把一整条产业链串起来的能力。量子计算机涉及的环节很多，物理硬件、软硬件耦合、编译层、控制系统、纠错算法、量子门设计与算法实现、开发者工具，拆分开子系统有几十个环节，哪一环掉链子整台机器都跑不起来。

国内不少团队能把某几个环节做到很强，但要串成一个可复制、可运行的整机方案，还有不小的差距。尤其纠错是比较突出的短板，国内专门做这个方向的研究团队很少，人才也不够。

不过中国的长板也实实在在。中性原子路线面临的基础科学难题相对最少，主要瓶颈在工程和规模放大，而这恰好是中国制造业的舒适区。上游核心部件以精密光学和泛半导体为主，中国在精密光学多个细分方向已经做到全球前列。量子计算的产业竞争比的不是谁论文多，是谁先把东西做出来、做稳定、做便宜。

05

谁来买单？

所有前沿技术都要过同一道坎：从能用变成有人愿意用。

量子计算现在就卡在这里，还依然处在能证明自己可用，但没法证明自己好用的阶段。目前买单的主要是政府和科研机构，产业端大约占一成。原因也不复杂：它现在擅长的那几个问题，对大多数公司的日常业务来说太远太偏了。一家电商不会用量子计算机去优化推荐算法，至少现在还不会。

企业买的不是产品，是期权，在未来的算力版图里先占一个位子。三到五年后量子计算大概率进入实用阶段，到那时再从零开始就来不及了。AI、具身智能、新能源、生物制药等领域的头部企业已经以投资或合作的方式参与进来，在算法层面做验证性项目。

这也决定了量子计算的商业化节奏不会像互联网。它更像芯片产业：前期投入极重，回报周期极长，但一旦越过临界点，护城河极深。第一个真正产生商业价值的地方，大概率出现在AI和量子计算的交叉地带。

顺带说一下光计算，它跟量子计算走的是两条路。光计算用光子代替电子做矩阵运算，本质上是对现有芯片架构的增强和补充；量子计算是去解传统计算根本做不了的问题。两者未来大概率在不同计算层级上共存。

量子计算的故事讲了很久，但2025年前后确实有些不一样了。不是某一个单点突破，而是一系列变化在互相叠加：路线在收敛，时间表在明确，逻辑比特数量在稳定增长。更关键的是，AI的算力饥渴给了它一个前所未有的推力。

要判断量子计算发展到了哪一步，不用天天刷论文和融资新闻，盯住三件事就够了：逻辑比特数量有没有在涨，纠错成功率有没有在提高，产业用户有没有开始为它建预算。三个同时往上走的时候，这条线就真正跨过去了。

节奏不会像互联网那么快，但分量不会比互联网轻。

封面和文中图片由剪映AI生成。

编辑| 田佳玮

责编| 岳顶军

点击咨询中欧课程