E180｜量子计算的Transformer时刻与科技巨头的路径之争
摘要
Willow的里程碑不是“量子计算已经有用”，而是Google用实物证明量子纠错可以随规模改善。 它在不到5分钟内完成的基准测试，经典计算机据称需约10^25年，但这不是药物、AI等实用任务；真正的突破是增加量子比特后，错误率不再同步恶化，反而可下降。Roger将其视为量子计算的“Transformer moment”：原理和算法早已存在，现在是“活生生的demo”证明系统能scale。
Jensen Huang给出的约20年时间线，更像是在界定何时出现large-scale fault-tolerant quantum computer，而非量子计算何时开始创造价值。 Roger认为，NVIDIA需要避免华尔街把未来十年量子计算对GPU的侵蚀price in；但“不要看他说什么，要看他做什么”，NVIDIA已参与合作与demo，嘉宾团队也用CUDA框架连接GPU与QPU。Jared认为，没有Willow时行业更可能接受15—20年，有了这个demo后预测会收敛到15年以内；Roger本人仍认为15年内出现完全体的概率不大。
未来10—15年更可能是QPU与GPU共同扩张，而不是量子计算替代GPU。 在第一性原理蛋白质模拟等任务中，量子计算可能把原需100万块GPU的成本降至相当于约1万块GPU的成本，长期会分走超级计算工作；近中期却仍需要GPU做量子芯片设计、测控、运行优化和混合计算。嘉宾团队正以CUDA框架为“胶水”连接GPU与自研QPU，并探索以更少参数和数据训练更具泛化性的quantum-enhanced AI。
Willow正在迫使全行业重画路线图，但押注对象不能只按“量子比特数量”排序。 IBM在发布约1,000量子比特芯片后转向更重视纠错与模块化；亚马逊公开押注Cat qubit，微软的拓扑量子比特“大概率已经放弃”并转向与Quantinuum、Atom Computing合作；D-Wave的量子退火无法运行通用纠错，IonQ的离子阱从约11个可纠缠比特扩到20—30个时遭遇科学挑战，Rigetti则因创立过早而动能衰减。Roger的筛选标准很直接：“show me actual demonstration”。
量子安全已经从远期假设变成银行、央行和通信公司的现实资本开支。 Shor算法所需的约3,000—4,000个量子比特规模估计建立在完全容错、完全纠错的前提下；在这种机器上，公开公钥可能被用来反推出私钥，因此比特币椭圆曲线签名比密钥不公开的银行系统更直接暴露。嘉宾估计这种机器或在十年后出现，但若五年、甚至更早突破，“不会极端地惊讶”。美国机构、NIST、新加坡金管局、汇丰和摩根大通等已推进后量子密码或QKD，背后的逻辑是“万一呢？”
量子计算的近期商业化不是等待完全体，而是先卖给数据中心和高价值机构一台“部分有用”的增强型服务器。 嘉宾称其公司最大的收入来自向数据中心提供量子计算机，上一年度按gross口径已经profitable；若掌握方法且不计试错，一台机器的物料成本约100万美元。先服务金融、科研和国家基础设施，再通过新材料、药物、AI和金融产品间接触达大众，是比直接消费级普及更现实的路径。
资本的顺序是战略资金与主权基金先行，传统VC可能在降息与Willow验证后跟进。 Roger概括三个敏感行业：“先进半导体是一个非常传奇的过去，AI是一个非常蓬勃的当下，量子基本上都是不可避免的未来。”加息期政府和战略资本更关注这个未来；当时尚未明显感到传统VC大举进入，但他判断降息周期叠加Willow会让关注度“ramp up”。
精读
1. 量子计算不是更快的CPU，而是处理特定问题的指数级加速器
Roger与Jared Ren从2014年起在Caltech师从Oskar Painter，之后分别在Berkeley与Caltech继续研究；Painter团队后来整体进入AWS量子硬件部门，两人则选择把十年量子芯片经验商业化。
Roger用经典bit作类比：普通计算机由只能取0或1的bit构成，qubit则能处于0与1的叠加态；多个qubit还可纠缠，“同时发生改变”，由此形成不同于经典逐项枚举的计算空间。
三个经典bit共有8种状态，需要逐项处理；三个qubit按嘉宾的通俗表述可同时覆盖8种状态。规模从3变4时，经典状态增至16，而量子侧仍能整体操作，因此优势随规模呈指数扩张。
泓君Jane提出“是不是越难的计算越有优势”，Roger随即收窄边界：量子计算不是经典计算机的替代品，正如GPU没有取代CPU；它只在矩阵运算、因数分解、量子模拟和组合优化等特定问题上可能实现指数加速。
2. AI、密码、化学和优化构成最清晰的四条应用链
Roger的底层解释是：“这个世界本身是量子的。”用经典计算机模拟量子世界天然困难，因此量子化学、油气、化工和药物研发，是量子硬件与问题本身最匹配的一组场景。
AI的连接点是矩阵运算。Roger把GPU相对CPU的跃迁类比到HHL等量子算法：GPU用大量核心并行处理重复矩阵操作，量子计算则可能进一步加速矩阵求逆，从而压缩训练与inference pipeline。
Jared给出的数量级表述很激进，但值得按原话保留：一个“100B”的模型在GPU侧近似面对100B乘100B的复杂度，而量子侧可能转化为“log 100B”的操作量，因此模型越大，能量与资源差距越明显。
另两条链更直接：Shor算法对应公钥密码与安全，组合优化对应物流等多变量决策；嘉宾没有声称量子计算会普遍加速所有工作负载，而是反复强调“某些特定的问题”。
3. Jensen Huang的20年判断，定义的是量子计算“完全体”
泓君引用Jensen Huang在CES上的区间：15年内出现“非常有用”的量子计算偏早，30年偏晚，约20年较合理；评论随即导致多只量子计算股票下跌。
Roger的利益冲突分析是，华尔街会price in未来十年的增长与垄断地位；NVIDIA若承认量子计算十年内威胁GPU，自己的估值先受损。“相比让NVIDIA股价跌，让量子计算的股价跌……是一个非常合理的决定。”
但Roger也强调“不要看他说什么，要看他做什么”：NVIDIA已经是量子生态中的“大鱼”，积极推进合作和演示。CUDA在2007年推出、cuDNN在2014年、Transformer在2016年、GPT-3.5在2022年，完整产业跃迁从起点算也没有超过15年。
双方真正接近共识的定义，是very useful quantum computer等同large-scale fault-tolerant quantum computer，类似AI语境中的AGI：它最终可能开发新材料和更强AI，并成为计算中心的核心，而不是今天已经可做局部任务的实验设备。
4. QPU与GPU会先形成增量市场，再讨论谁侵蚀谁
NVIDIA把自己定义为“a supercomputing infrastructure company”，覆盖AI、天气预测和化学模拟；量子公司也瞄准同一组高复杂度问题，因此长期重叠是真实的，只是到达时间不同。
Roger用蛋白质第一性原理模拟说明潜在替代：若某中心原本愿买100万个未来GPU计算，量子方案可能用相当于约1万个GPU的成本达到目标，这部分市场确会被分走；但那要求量子机已能不依赖GPU承担完整工作量。
未来10—15年，量子计算反而需要GPU做芯片设计、测控、运行优化和混合计算，属于“共同存在、共同生长”，不是争夺固定存量。算力需求本身继续上升，QPU把可计算问题的边界向外推。
两人的合作架构是以CUDA框架为“胶水”，高速直连GPU与自研QPU，让两侧实时交换数据；NVIDIA网页上，这类量子公司的角色叫作quantum backend provider，而NVIDIA自称GPU backend provider。另一条路径是quantum-enhanced AI，用更少parameter和data获得更generalizable的模型，SSI等AI公司招聘量子机器学习人才被视为先行信号。
5. Willow证明了实验可扩展性，却还没有证明实用任务价值
2024年12月，Google称Willow在不到5分钟内完成一项标准数学测试，经典计算机需要约10^25年；泓君特别划清边界：这是衡量量子进展的基准，不是医学、AI或商业中的目的性运算。
Roger认为，Sycamore时代的规模与性能还不足以证明纠错计算可扩展。算法和原理层面早在十几二十年前已较清楚，过去十年Google、IBM等真正要解决的是：“我们真的能做出一个足够理想化的芯片”。
Willow未必拥有全球最高的单量子比特保真度，却通过硬件与工程优化证明：扩大系统时，纠错带来的收益可以使错误率下降，可靠性和计算力一起上升。“the more the better”有了物理设备层面的证据。
Google按Roger的判断不会把Willow当通用硬件出售；它更像内部proof of concept，用来convince管理层继续给Google AI量子团队资源。Roger的类比是：先证明machine learning model能scale，然后才会有人问，“how about we scale it actually？”
6. 量子纠错的难点，是不能把qubit当成独立坏掉的晶体管
Jared以1.2伏GPU举例：经典逻辑可以把约1伏、1.2伏甚至1.5伏统一判为逻辑1，把一定范围内的物理波动在底层吸收，用户因此几乎感受不到经典计算机同样存在的噪声。
超导qubit只有约一个光子的能量，极易受环境和内部误差影响；它不仅会发生0与1的翻转，还有相位偏移。更麻烦的是纠缠意味着不能逐个取出修正，纠错必须面向一组彼此关联的qubit。
Roger解释，Willow采用主流surface code，通过表面码和优化后的硬件证明：只要沿这条路线扩大规模，错误率反而可以下降，整体计算能力提升。
这里所说的完全纠错，是大规模容错量子计算机的目标。约3,000—4,000个量子比特的估计建立在完全容错、完全纠错的前提下，指的是后文运行Shor算法时所需的规模，而不是今天几千个噪声很高的物理qubit。
7. Willow把时间线从15—20年压向15年内，但没有给出确定日期
Jared称，若没有Willow，行业更容易接受15—20年；有了“活生生的demo”后，预测会向“within fifteen years”收敛。Jared比Jensen乐观，但Roger仍不认为完全体在15年内出现具有很高概率，并称工业界共识可能还需要约15年。
泓君追问“有芯片前后本质差别是什么”，Jared的回答不是Willow直接加速其他研究，而是它降低了路线不确定性：Google管理层被scalability的证据说服，之后可以更坚定地扩大芯片和投入。
Roger还挑战“任何前沿技术都必然再等二三十年”的叙事。他用裂变从小实验到产品快速落地、聚变长期改善作类比，认为若需求极强且前置科学成立，首个工程落地不一定还要等待同样长的时间。
这不是无条件预测：他承认投入、市场需求与商业合理性都会改变速度，也把可控核聚变视为“已经有反应、仍追求更elegant形态”的第二阶段；量子计算眼下争夺的仍是第一个通用完成体。
8. Google的纠错路线正迫使IBM、亚马逊和微软重新站队
Roger称IBM过去更重视堆高qubit数量和尽早商业化，期待“不纠错也能做出有用应用”；在发布约1,000量子比特芯片后，IBM于2024年调整路线图，把量子纠错与模块化更明确地放入核心路径。
他的评价带着鲜明立场：Google团队人数更少，却用公开路线扫清了不确定性；论文在正式发布前已经历peer review，同行很早就能看到方向，因此大公司近几个月的路线变化并非偶然。
亚马逊公开押注一种较新的超导路线Cat qubit；Oskar Painter的原Caltech研究组后来整体进入AWS量子硬件部门。Roger说Google显然已经产生了影响，但没有断言亚马逊已整体改线。
微软更早押注“上来就容错”的拓扑qubit，但至今没有完成proof of concept；Roger判断其“大概率已经放弃”。微软现以软件和合作补位，与Quantinuum、Atom Computing等在离子或原子平台上运行逻辑qubit。
9. D-Wave、IonQ和Rigetti分别暴露了专用化、扩展性与时点风险
D-Wave选择量子退火，是因为创立早期普遍认为可编程数字量子计算机几乎造不出来；退火更简单、可能更早商业化，却不能通用编程、运行通用量子算法或表面码纠错。
泓君追问这是否是“错误选择”，Roger随后收窄：“不是完全不认可”，D-Wave也许能找到use case；问题是原先认为更难的数字纠错路线可能更早成熟，而且影响更大。
IonQ的离子阱曾长期被视为比超导更有前景，小规模下操控性与保真度很好；但从2017年约11个可纠缠qubit扩至如今约20—30个时，禁锢与控制出现基础科学挑战。嘉宾提到Quantinuum最多约32个，并观察到两条路线在规模扩大后出现性能上的crossover：离子阱越来越接近超导，而超导也越来越接近离子阱。
Rigetti创始人曾参与早期高保真超导qubit和IBM架构，2013年创业却“way too ahead of the curve”。Roger仍表示respect，但认为其技术和商业表现已falling behind：在Transformer moment前过早成立，动能可能在关键拐点前耗散。
10. 创业公司的机会不在另造物理规律，而在重写系统架构
泓君据此判断巨头路线是否更solid，Roger并不完全同意：亚马逊未必领先，IBM也曾在原路线停留十多年；巨头的资金和信心会让其持续推进，却也降低了试验新架构的动力。
两人的公司从创立时就押注multi-chip modular quantum computing，并拥有相关专利；IBM后来公开的long-range coupler与模块化方向，在Roger看来说明这条架构已从创业公司思路进入巨头路线图。
Roger反对的“弯道超车”是绕开成熟平台、重新发明一种尚无验证的qubit；他认可的弯道则是系统级创新，用更agile、灵活和高效的架构组合已被证明的超导器件。“show me actual demonstration”仍是最终标准。
Google是巨头中的例外：其UC Santa Barbara传承的可调超导架构比IBM更灵活，因而能先做出IBM曾认为难以实现的纠错实验。大公司与创业公司的分野，不只是资金多少，也是能否及时改变mindset。
11. 2019年后，量子计算已从学术探索转向工业工程
Roger的判断很明确：“一九年之后，学术界根本干不过工业界。”Caltech、Berkeley同届及后续研究者大多进入AWS、Google、IBM等公司，因为扩大量子系统需要工业界的资金、设备、团队与交付目标。
学术界的职责不是与公司比谁先商业化，而是在没有ROI时“快速试错、快速开发、去做探索”。超导、离子阱等路线最初都靠大学证明可能性，工业界则在科学问题转为工程问题后take over。
他把2013年UC Santa Barbara的Martinis研究组将超导qubit保真度推过约99%的纠错阈值视为转折：Google由此判断量子计算不再只是基础科学，随后才系统性投入硬件工程。
这也解释两位嘉宾为何离开学术界创业：目标已经从“证明某种现象存在”变成制造可交付设备、扩大规模并形成产品，而论文不再是最直接的结果函数。
12. 百万美元物料不是瓶颈，良率和规模化制造才是
Jared称，若已经知道如何制造、无需承担反复试错，一台量子计算机的物料成本约100万美元，“比想象中便宜”；Willow按节目中的口径约有100个qubit，但数量本身不是性能结论。
Roger用芯片良率解释扩展难题：若设计1,000个qubit，最终可能只有约300个能串联并在目标区间工作；名义数字再大，不能形成稳定系统也只是“pure show”。
离子阱规模增长受禁锢等物理限制，超导则更多面对微纳加工和设计问题。嘉宾认为后者至少能借用半导体工业四五十年的制程积累，工程路径更明确。
从2024年下半年起，应材等传统设备商和晶圆厂开始参与量子芯片流片，被Roger视为产业化信号：下游公司证明“做得越大、回报越高”后，上游供应链才会判断“我们可以接手了”。
13. 量子融资先由主权与战略资本验证，降息或带来VC接棒
Roger把三个政策敏感行业压缩成一句话：“先进半导体是一个非常传奇的过去，AI是一个非常蓬勃的当下，量子基本上都是不可避免的未来。”这种定位决定资金进入的先后顺序。
在高利率周期，传统VC尚未明显增加，增长更集中于战略VC和主权资金。他举例称John Martinis的新公司Qolab获得约1,600万美元，投资方包括日本开发银行等机构。
他的条件式判断是，降息周期会让VC重新关注长期硬科技，而Willow又降低了路线不确定性，两者叠加可能使投入“ramp up”；但幅度仍取决于下一次降息周期持续多久，并非已经发生的大规模热潮。
14. Shor算法把比特币公钥变成最直观的量子攻击面
泓君将比特币风险分成挖矿机制和椭圆曲线签名两部分；Jared确认比特币使用两种加密系统，并解释真正直接暴露的是签名：钱包公钥可在链上访问，Shor算法能以多项式时间求解其离散对数问题，进而反推出私钥。
与之相比，银行密钥本身不是公开信息，因此与公钥公开的比特币不同；Jared强调，凡是公钥公开、依赖同类数学难题的系统都在Shor算法的攻击面内，不仅是比特币。
“需要4,000个qubit”容易误导。Roger纠正说，这里指约3,000—4,000个建立在完全容错、完全纠错前提下的量子比特规模，也就是Jensen所说very useful quantum computer，而不是几千个噪声很高的物理qubit。
Roger合理估计具备解密能力的机器仍约在十年后，但拒绝把它当物理定律：在2021年、2022年初，大家还可能认为能够通过图灵测试的AI需要8—10年，几个月后进展就改写预期；若五年、甚至更早突破，他“不会极端地惊讶”。
15. 银行正在用后量子密码和QKD买下“万一”的保险
Roger称，美国联邦机构已被要求迁移至抗量子加密，NIST随后确定三种抗量子加密标准；新加坡金管局建议金融机构采用抗量子加密术和安全密钥，汇丰在英国测试安全通信，摩根大通等也有公开项目。QKD则是另一种量子通信手段。
后量子密码主要是加密机制替换，可通过软件升级完成，高速场景可能再配置ASIC，迁移并非遥不可及；更慢的是QKD，它从物理层保护通信，需要光纤网络和通信基础设施。
一家银行合作方提供的细节很有代表性：银行正倒逼AT&T等运营商部署QKD网络，以保障华尔街通信。潜在泄露对应的是“billion dollar loss”，金融机构不会为等待更确定的时间线而take the risk。
Roger因此不认为量子解密必然导致金融或加密货币体系崩溃；Crypto也能迭代密码机制，关键是提前迁移。他借《三体》提醒：“傲慢才是最大的问题”，以及“我消灭你，与你无关”——技术防线可升级，真正危险的是认定威胁绝不会提前发生。
16. 商业化从数据中心服务器开始，最终价值通过机构传给普通人
两位嘉宾把近期产品定义为量子增强型计算平台：它不是完全容错、可运行所有算法的完成体，而是在未来5—10年的过渡期里，以量子计算设备逐步寻找“第一笔红利”。
潜在终端用户包括大型银行、央行和基础设施项目；公司本质上成为服务器供应商。Roger称目前设备购买及其最大收入来自向数据中心提供量子计算机，上一年度按gross口径已经profitable，但未披露收入或净利润。
对普通人，量子计算最初会像早期计算机和长期处于后台的GPU：先服务药物、材料、AI和金融产品，再由这些产品间接触达个人，而不是每户立刻拥有一台QPU。
嘉宾引用“全世界只需要五台计算机”的经典误判说明需求飞轮：更多人使用会发现更多用途，需求扩大推动产量，产量再压低成本。量子计算机几乎不依赖稀有金属，当前昂贵更多因为规模尚未起来；完全体出现时，产业链成熟本身也会改变成本曲线。