谷歌称量子计算错误率降低40倍，这意味着什么？距离实用化量子计算还有多远？

40倍这个数字特别容易被读错。10月15日谷歌甩出来的新论文里，那个数字是魔态错误率降了40倍。可它修的不是量子计算机的智商，是这台机器家里常年空转的那座工厂，把它当成机器快了40倍，你会读到一个完全相反的故事。

40倍降的是哪门子的错？

论文给出的范围很窄：魔态的错误率降了大约40倍，T态逻辑保真度做到99.99%，差不多一万次里才错一次。这是目前公开的最高纪录，不是发布会上喊出来的口号。

魔态是量子计算里最贵的一次性耗材。日常那些量子门，纠错码能罩得住；可要真干通用活儿，就得用上T门这类非Clifford操作，它没法直接纠出来，只能提前造一批特殊量子态去顶。谷歌量子AI的研究员艾玛·罗森菲尔德接受采访时把代价说得很直白，造魔态这件事“非常吃量子比特，还特别耗时间。”，量子比特和时间一起吃。

更麻烦的是它是消耗品。用一次少一次，没有回头货。谷歌在博客里引用的一项估算是，一台通用量子计算机可能得拿出95%的总算力去烧魔态，真正留给算法的部分少得可怜。

8%的良品率，是猫腻还是代价？

谷歌这套方法叫魔态培育，思路朴素得像筛米：往芯片里灌一批带噪声的原料态，一遍遍测量检查，不合格的直接扔掉，活下来的那批纯度极高，能塞进更大规模的纠错码里接着用。

扔得确实狠。论文里那行数字很硬，良品率只有8%，平均得试十二次多，才能捞出一个能用的态。剩下九成二的算力和占住的时间，全是废料。整台机器有一半时间在给自己开废品处理站。

但我不觉得这是猫腻。合格率低和产能不足，本来就是两道题，这次解的是前者。而且罗森菲尔德承认，这个8%还被测量方式压低了——团队为了把保真度量准，用了一套极其小心的自校准手段，未来真跑起来未必需要这么讲究。

方案本身也不是一帆风顺。团队第一次跑这套协议时，测出来的数据看起来像在跟物理定律抬杠。查了好几个月才发现，是基准测试里一个想当然的假设站不住脚——实验室里电气设备的漂移和温度波动，一直在偷偷污染读数。团队给系统加了额外控制压住这层噪声，还顺手搞出一种用培育过程反过来量自己的新测法。

这回他们还完成了一次移植：把纯化好的量子态从距离3的色码挪进距离5的表面码，前者是更适合培育的新方案，后者是更成熟的老手艺。能搬，就说明这批好东西在硬件里活得下来，没出门就散架。

距离实用化还有多远？

这是最容易产生误会的地方。错误率降了四十倍，不等于需要的物理比特数除以四十。它改变的是另一个变量：要达到同一个目标逻辑错误率，你得付出多少开销。如果培育这条路能顺利放大，意味着同样规模的芯片能干更多活，或者说，干同样的活可以用更小的机器。对商业化来说，这才是真金白银：低温恒温器、测控电子、厂房，全都按比特数计费。

现在模型大约一万次错一次。做分子模拟这类被普遍认为更现实的任务，要求是百万次到一亿次错一次，中间隔着两到四个数量级。

要撬开RSA-2048级别的公钥密码，要求是错一百亿次才一次，比现在严一百万倍。

物理层面更有冲击力。这次用的Willow是谷歌2024年底发布的芯片，105个物理量子比特，在加州圣巴巴拉的工厂里造出来，它当年最有名的成绩是首次把纠错做过了阈值——比特加得越多，错误反而掉得越快。这次实验只动用了其中54个。

而同一套技术的2025年估算显示，真要破RSA-2048，所需物理比特已经从早年的两千万量级压到一百万以内。一百万颗和今天的百余颗，差一个量级是难，差三个量级是另一个时代。

谷歌自己在博客里也留了话：还得在更大规模上演示一遍，才谈得上实用，剩下的技术挑战一大堆。罗森菲尔德的收尾更像签名——这是第一次证明这些概念行得通，但事没完。

这份成绩单该怎么看？

学界的反应挺克制，也挺诚实。一些研究学者说，这是一条能让容错量子计算便宜下来的路子。但误差还得再往下压，才谈得上真正有用的活儿。

我倒觉得，这次的价值不在那个40倍，而在于它把一件二十年没人啃动的事，从纸面搬到了硅片上。

2004年就有人把魔态蒸馏这条路摆了出来，顺手也把这个瓶颈写在了纸上，之后二十年，改法一个接一个，效果都不大。如今这道口子总算是被撕开了一条缝。

量子计算机最贵的不是智商，是浪费。

谷歌这一手谈不上漂亮，甚至有点笨——大量试错，扔掉大部分，留下那一小撮。可工程上最难的一向不是那个聪明的点子，而是在冷得能把人手冻僵的机柜旁边，一次一次把失败样本扫进垃圾桶。量子计算的故事大概会一直是这样：一堆不性感的小胜利，攒着，攒着，某天忽然有人发现，门槛已经过去了。