炒作还是变革？外滩大会热议量子计算：通用计算机至少还要十年

“经典比特只有0和1两种状态，而量子比特的状态空间随比特数呈2的N次方增长——70个量子比特的状态空间，已超过全球所有硬盘的总存储容量。”

曾显得遥不可及的“量子计算”，如今正加速从实验室走向现实应用。这个以 “量子比特”为基本单位的新兴领域，正在打开一幅充满想象力的科技新图景。

9月11日，在上海外滩大会上，来自学术界、业界等多位人士现场给热度持续攀升的量子计算赛道“泼冷水”：通用容错量子计算机距离实用至少仍有十年路程，全球真正验证量子优越性的系统屈指可数,伴随资本疯狂涌入，部分技术路线与商业化叙事已出现明显的泡沫化苗头。

而在量子计算带来的“算力革命”另一端，一场围绕破解与防御的密码战争也在悄然打响。

通用计算机至少还需十年

量子计算之所以成为大国科技博弈的战略高地，核心底层逻辑是其指数级的算力潜力。

中国科学技术大学教授朱晓波在论坛上解释，破解RSA等非对称密码是量子计算领域唯一路径清晰的“杀手级应用”，“输入输出数据量小、中间计算过程极复杂，刚好适配量子计算的特性。”朱晓波称，这也是各国将量子技术上升至国家安全层面的核心原因。

但算力革命的落地远比叙事艰难。业内普遍将量子计算分为三个发展阶段：第一阶段是量子优越性，即在特定采样问题上证明量子计算比经典超算更快；第二阶段是专用量子模拟，面向具体实用问题展现优势；第三阶段是通用容错量子计算机，真正实现密码破解、大规模科学计算等核心价值。

目前全球仅少数团队跨过了第一阶段门槛。谷歌2019年率先在超导体系实现量子优越性，随后中国“九章”光量子计算原型机、“祖冲之”系列超导量子计算原型机先后实现更强的优越性展示。但这一阶段的成果仅具备原理验证意义，不解决实际问题。

真正的难关在第二、第三阶段之间的量子纠错。

“现在的量子计算机每操作一次错误率太高，必须用大量物理比特构成一个低错误率的逻辑比特，才能跑通复杂算法。”朱晓波给出了一组刻度：当前超导体系物理比特约在百量级，单比特错误率约千分之一；用百个物理比特合成的逻辑比特，错误率仍在千分之几；而要实现实用的通用计算，逻辑比特错误率需要降到百亿分之一，物理比特总数需要达到数百万量级。

“我们现在是400个物理比特，未来要到400万，差了四个量级。”他透露，从2021年祖冲之2号实现量子优越性，到团队验证“比特数增加、错误率下降”的纠错正向效果，花了整整四年时间，全球范围内也仅谷歌与中国团队实现了这一里程碑。

行业的共识判断是：要造出真正可破解密码的通用容错量子计算机，至少还需要十年时间。

资本繁荣，隐忧显现

与技术进度的“早期阶段”形成鲜明对比的，是一级市场的火热与创业公司的爆发式增长。

据光子盒总经理顾成建介绍，截至今年6月，全球量子计算相关企业总量已超700家；其中量子软件企业共276家，中国以93家居全球首位，美国仅62家，中美两国合计占比超过全球半数。

分技术路线看，中国超导量子计算公司数量已占全球一半；中性原子赛道国内企业约25家，年底有望达到30家，而其他所有国家加起来仅约10家；光量子赛道国内约有10家；拓扑量子计算全球几乎只有微软布局，国内也有数家企业跟进。

融资端的热度更为夸张。今年上半年国内量子计算领域总融资规模约85亿元人民币，折合12.63亿美元，是美国同期的5倍以上，占全球总融资额的约四分之三。“现在国内创业公司拿到的钱、估值水平，都已经超过美国同行。”顾成建称。

但数量与资本的繁荣之下，隐忧已经显现。

首先是技术路线鱼龙混杂。顾成建直言，光量子赛道国内公司数量不少，但路线并不清晰：一些细分方向欧美头部企业均不布局，国内却有公司扎堆进入，甚至原本做微波、光器件的企业也纷纷往量子概念上靠。

其次是缺乏统一的评测标准。美国有DARPA等机构主导的第三方评测项目，已进入第二期；而国内目前尚无权威第三方评测机构，逻辑比特数量、错误率等核心指标没有统一判定标准，企业宣传的技术参数难以交叉验证。

从整体竞争力看，我国在超导、光量子两条路线上处于国际第一梯队，可与海外头部团队掰手腕；但离子阱路线与国际差距明显，中性原子路线仍以跟随美国为主。

商业化困境

技术远未成熟，资本又期待回报，量子创业公司如何穿越漫长的产业周期，成为论坛上最尖锐的议题。

一个常被提及的参照是加拿大D-Wave公司。这家1999年成立的企业做的是退火量子计算机，并非通用量子计算机，主要解决组合优化类问题。D-Wave靠细分场景的真实营收撑过了20多年行业周期，是量子计算领域最早实现真实收入的公司之一。

但国内多数创业公司仍在走“拿着锤子找钉子”的路径。

“量子计算是长坡厚雪，但企业是要赚钱的，要考虑现金流。”业内人士坦言，解法是做业务组合：不能只押注整机，要同步拓展短期能变现的业务，比如量子安全迁移咨询、光芯片代工、精密测控系统等，用近线业务养长期研发。

未来大规模量子算力未必是单一路线的大整机，更可能走类似AI的异构路线——通过量子网络连接多个中小规模量子系统，等效实现大规模算力。

炒作会造成市场认知偏差

论坛上另一个共识是，AI正在成为重塑量子计算行业节奏的关键变量。

一方面，AI正在大幅加速量子研发。近期OpenAI团队用AI agent将中性原子实验中的激光锁频操作从6小时压缩至10秒；此外AI还被应用于量子芯片设计、实时纠错、参数校准等环节，显著提升研发效率。

另一方面，AI的快速进步也在影响量子计算的潜在应用空间。量子计算瞄准的多体模拟、材料计算等问题，经典算法本身也在持续突破。很可能出现的情况是：大模型的爆发很可能让经典计算的边界进一步外推，提前实现量子计算可能的应用场景。

更值得关注的风险是，量子计算现有的技术进度跟不上资本预期，最终演变为泡沫。

朱晓波直言，量子计算已经脱离传统科研范式，变成基础研究、工程化、应用探索、生态建设四件事压在同一个时间节点推进，如果资本盲目炒作，而不是聚焦核心科学与工程问题攻关，会造成严重的错配。

“我可以负责任地说，如果一家公司连量子优越性都没实现，就宣传算力落地、解决行业问题，都是没有依据的炒作。”他表示，炒作会造成市场认知偏差、人才挫败感，一旦预期破裂，会对整个领域造成致命打击。