微軟Majorana 1引爭議，深聊硅谷五大派系的量子角力

近期，硅谷的科技領袖之間迎來了一場激烈的"量子"較量：

2024年12月9日，谷歌宣布最新量子處理器Willow的突破性成果，引發資本市場劇烈波動：各種量子計算概念股暴漲、一個月內翻了幾倍；

2025年1月初，英偉達創始人黃仁勛潑冷水，“有用的量子計算還要等十幾年”，Meta的CEO扎克伯格也公開表達了類似觀點，讓量子計算概念股狂跌。

在2月19日，微軟宣布推出一種全新的量子計算解決方案：全球首款“拓撲體”量子計算芯片Majorana 1。這給業界和市場又注入了新的樂觀情緒，讓量子概念股出現反彈。然而，微軟的論文卻因為未能提供足夠數據，并未說服業內眾多科學家，引發廣泛爭議。

緊接著2月27日，亞馬遜又發布首款名為Ocelot的量子計算芯片。

顯然，量子計算已經成為了硅谷科技大廠們布局的下一主戰場。

這項革命性技術為何能夠引發科技大佬們之間的爭議？各家巨頭的路線布局有何不同？它會如何顛覆如AI、銀行金融及區塊鏈等市場？以及，量子計算距離普通人到底有多遠？是概念炒作還是下一個計算革命的開端？

帶著這些問題，我們走進硅谷的一家量子計算機實驗室，還有機會親手幫忙安裝了臺量子計算機，同時與從業者們一起聊聊量子計算和硅谷五大派系的量子角力。

01 量子計算Chapter 1.1 什么是量子計算？

在經典計算機中，所有的信息都是用0和1來表示的，比特是最小的信息單位，在任何時刻只能處于兩種狀態（0或1）中的一種。

但在量子計算機中，量子比特不僅可以是0或1，還可以同時處于0和1的疊加狀態，但這并不意味著它"同時是0和1"：它處于一種概率分布狀態。

正如薛定諤的貓既是活的又是死的，量子比特在被測量之前有一定的概率是0，也有一定的概率是1。

或者以一枚快速旋轉的硬幣為例：在經典物理中，硬幣只有正面朝上和反面朝上兩種可能，但如果把硬幣旋轉起來，停下之前的硬幣同時具有"可能是正面"和"可能是反面"的特性。旋轉的狀態某種程度上便類似量子比特的疊加態。

此外，量子比特之間還可以產生糾纏，而一個量子比特的狀態改變，會立即影響到與之糾纏的其他量子比特。

假設有兩只被分開放置的魔術手套，彼此會影響顏色，而一旦左手手套被戴上后會隨機變成紅色或藍色，此時遠處的右手手套則立即變成相反的顏色，這種相關性不受距離影響。

這種特性使得量子計算機可以同時對多種狀態進行運算：假設有3個量子比特，由于疊加態的存在，它們可以同時表示8種（23）不同的狀態；傳統計算機則只能一個個處理。

當量子比特數量增加的時候，這種優勢會呈指數級增長。

量子計算機相比經典計算機的優勢，可以類比《三體》里提到的多維空間：假設要從A點到B點，如果中間有障礙物，在二維平面上必須通過繞路才能到達，而三維空間中則可以輕松地"跨越"這些障礙。

經典計算機中，所有信息都是用0和1表示的，就像二維平面上的生物，只能左右或前后移動；而量子計算機中，量子比特能夠同時處于0和1的疊加態，還能與其他量子比特產生糾纏，這就像獲得了往"上下"方向延展的能力。

所以量子計算的本質就是：它不是簡單地讓計算變得更快，而是提供了一種全新的計算維度。

僅僅10個量子比特，就能夠探索210（1024）個維度的空間；當量子比特增加到50個，這個空間就大到連最強大的超級計算機也無法模擬。這種"維度爆炸"正是量子計算強大的根源。

不過量子比特的脆弱性，使其極易發生退相干現象（因環境干擾而失去量子態）。這導致系統錯誤率會隨量子比特數量呈指數級增長，就像搭建積木，層數越高，微小誤差累積引發的崩塌風險就越大，最終使得計算結果可靠性驟降。

這個困擾了科學家們幾十年的難題，直到2024年谷歌Willow的出現才迎來轉機。

Chapter 1.2 谷歌Willow芯片

2024年12月9日，Google發布了新型量子芯片Willow。它只用不到5分鐘便可以完成傳統超級計算機需要1025年的標準基準的計算，震撼了整個科技界。

其實這不是量子計算第一次進入大眾的視野。2019年，同屬谷歌旗下的“Sycamore”量子處理器首次證明了量子優越性，即量子計算機能夠在特定問題上超越最強大的經典超級計算機。

當時，Sycamore處理器被證明能夠在3分20秒內，執行Summit（當時最強大的經典超級計算機）大概需要10000年完成的計算。這在當年也引發了外界和媒體的關注。

但相比起當時的Sycamore給外界帶來的震撼，這一次谷歌發布的Willow更是上了好幾個臺階。

Willow最大的突破在于，隨著谷歌使用更多的量子比特，Willow可以成倍地減少錯誤。這解決了量子計算近30年來一直在研究的量子糾錯的關鍵挑戰。

Jared Ren
Anyon Technologies CTO：
當時存在的問題是隨著量子比特數量做多、整個系統做大，量子計算機的可靠性是有所下降的。而Willow 最關鍵的成就之一是，它證明了隨著量子比特數的增加、整個量子計算機規模的擴大，算力也是穩步提升的。那就可以看到一個非常確定的路線，只要沿著這條路線走下去，最終一定會能達到那個閾值，實現量子計算機對實際應用問題的可行性。

量子計算面臨的最大挑戰之一是“錯誤”。因為量子比特會與周圍環境快速交換信息，很難保護完成計算所需要的信息，而使用的量子比特越多，錯誤也就會越多。就像龐大的交響樂團，用的樂器越多反而越容易跑調。

然而Willow打破了這個魔咒，原因就在于它獨特的量子糾錯方案：將多個物理量子比特組合成一個邏輯量子比特，這些量子比特通過特殊的算法，可以相互校驗和糾正錯誤，從而降低整體系統的錯誤率。這也意味著，它的量子比特用得越多，錯誤反而越少。就像在高樓中的減震系統，讓高建筑也能保持穩定。

要證明在糾錯方面取得了真正的進展，就必須證明“低于閾值”，即錯誤率的指數級降低。

谷歌量子計算團隊從3×3的量子比特網格開始測試，擴展到5×5、7×7，每次擴展的錯誤率都會降低一半。可以說，Willow這次摘下了1995年以來量子計算領域的圣杯。

因此，業內很多人將Willow稱為"量子計算的Transformer時刻"：就像Transformer架構證明了深度學習模型可以不斷地堆疊、持續地擴大，Willow也首次證明了量子計算機能夠在保持穩定性的同時不斷地擴展規模。

作為首個實現“低于閾值”的系統，Willow證明了實用的超大型量子計算機是可以被造出來的。

正如谷歌自己在博客文章中寫道：“這有力地表明，實用的超大型量子計算機確實可以構建。Willow讓我們更接近運行傳統計算機上無法復制的實用、商業相關算法。”

對此，連一向和谷歌不對付的Elon Musk也給了個“Wow”的感嘆，OpenAI的CEO Sam Altman亦發表了祝賀。

Willow大約有150個量子比特，而谷歌計劃最終構建一個擁有100萬個量子比特的系統。作為谷歌開發“可執行有用應用”的量子計算機六步戰略中的第二個里程碑，它的突破性發展給谷歌的量子計算帶來了清晰的發展路徑。

Jared Ren
Anyon Technologies CTO：
谷歌的量子計算路線圖一直非常清晰，已經公布了到2030年以后的量子路線圖。而且，他們在兩三年前的路線圖上，就已經標定了（Willow）2024年會實現。我們看到它的路線圖在精準地完成，所以我們非常相信谷歌的預估時間，這也加強了我們的信心，無論是谷歌還是我們自己，都會一步一個腳印，漸進性的發展。

如果說Willow是量子計算的Transformer時刻，那量子計算的GPT時刻就是：量子計算機能夠可靠地解決大規模的質因數分解問題的時候。這不僅是一個技術指標，更是量子計算真正展現實用價值的一個轉折點。

根據各大公司的時間線規劃，這個“量子GPT時刻”可能會在2030年左右到來，標志著完備的、大規模的量子計算機的誕生，這點讓量子計算的業內從業者大受鼓舞。

Roger Luo
Anyon Technologies創始人與CEO：
大家都在追求完備的量子硬件，但是需要一定的時間。特別是Willow出現后，讓接下來5～6年的時間線更明確了，因為工程上已經驗證了第一步，下一步就是把它規模化。基本上Google、IBM路線圖都是公開的，即使不同公司的時間線會略有浮動，但基本上都是在2030～2032年，會做出一個完備的、容錯的量子計算機，可以去跑各種指數級加速算法。

而Willow的成功，讓量子計算從一個科學問題變成了一個工程挑戰；前沿科技研究員們找到了通往量子計算實用化的明確路徑：AI+軟件+硬件。

Jared Ren
Anyon Technologies CTO：
量子相關的軟件和硬件是相輔相成的。從最底層的芯片設計來說，軟件輔助設計，像英偉達和谷歌今年已經用GPU甚至用AI來加速最底層芯片的仿真和設計優化，這是最底層的軟件和量子硬件的結合。再往上一層是，當芯片生產出來后，需要對芯片進行一定的標定。現在CPU的中間層也夾雜著很多偏向機器語言的底層軟件層。而軟件可以代替人工來對芯片的參數、運行模式進行一定的標定，而且對芯片的工作狀態進行一定的優化。軟件和AI在這上面的作用其實非常的大。

Willow的發布，以及谷歌對量子計算的明確路徑在科技巨頭之間引發了有趣的"趨同"現象。比如，IBM原本堅持"固定參數"路線、追求單個量子比特的極致性能，但也開始向谷歌的"可調"路線靠攏。

接下來我們來聊聊，科技巨頭之間的量子角力、對不同路線的押注。

02 科技巨頭卡位戰Chapter 2.1 量子領域三大玩家

美國科技巨頭的量子計算部門，都要追溯到各大頂尖高校的學術大拿和團隊。最引人注目的三大玩家（IBM、谷歌和亞馬遜）背后都有一段學術界"師承"。

IBM最早的量子芯片設計來自耶魯，當年耶魯實驗室里有兩位門對門的研究者。

第一位是RobertSchoelkopf教授，他是耶魯大學應用物理系的教授，他的研究對IBM的超導量子計算發展產生了重要影響，成為了IBM量子計算的技術源頭。

另一位則是Michel Devoret教授，他的學生Chad Rigetti也加入了IBM工作，之后于2013年自己出來創立了Rigetti Computing公司，也是如今在風口浪尖上的量子計算概念股之一。

還有一個舉足輕重的高校是加州大學圣巴巴拉分校(UCSB)，整個量子計算團隊于2014年被谷歌一舉收購，幾經發展，有了現在的Willow。

另外一個巨頭亞馬遜，在2021年大手筆把加州理工大學的量子計算實驗室收入麾下，在那里創立了AWS量子計算中心。我們的訪談嘉賓Roger正是當年加州理工量子計算團隊的博士，之后進入伯克利大學做博士后。

這種緊密的學術淵源，讓美國量子計算領域形成了一個高度集中的技術社群，但也讓幾大科技巨頭因為學術的高校源頭不同，有了不同的技術路線之爭。

比如IBM，谷歌和亞馬遜這三家公司就選擇了截然不同的技術路線

IBM最保守，相信"固定參數"的設計，把量子比特和耦合都做成固定的，同時不需要很多控制參數就能讓這個芯片運轉。這種設計在小規模上很穩定，但要做大很有挑戰，不過IBM有自己的芯片工廠，有信心把制造精度做到位。用業內人士的話說，這就是"求穩"的路線。

Roger Luo
Anyon Technologies創始人與CEO：
其實在當年肯定是合理的，但是有個小問題：控制參數少、固定參數，復雜性小的代價是，把整個系統做大會很復雜，因為不可調的參太多了，意味著制造過程就必須非常精準，而且隨著芯片做的越大，精度要求就越高。最早的大學實驗就兩個比特，參數怎么都不會有太大問題，當要造一百個、一千個的時候問題就大了。但是IBM公司夠大，有資源去投入。

而谷歌則選擇了完全相反的路子。

谷歌收購的加州大學圣巴巴拉分校的團隊主張所有參數都要可調，這樣即使制造不夠精密，也可以通過調節來補償。有點像安卓：不要求每個零件都完美，但是要保證整體能運行。這讓他們能用大學實驗室的設備就做出了突破性成果，不過也為此付出了一年的時間來迭代。

Roger Luo
Anyon Technologies創始人與CEO：
因為制造不是那么理想化的，所以UCSB（加州大學圣巴巴拉分校）團隊要做到全部都可調。好處就是量子芯片的運轉可編程，那么制造要求可以降低。比如在2019年前，Google的芯片制造大部分還依靠大學的潔凈室（clean room），不像很多別的團隊上來就有幾個億的資金去做。他們需要先證明第一步可行，Google才批準了更多經費去建造自己的潔凈室和控制團隊。
所以，他們選擇完全可調、可控的方式，是為了以盡量簡單的制造方式去達成目標，有一點像安卓的思路。但壞處就是這個芯片的每一個部件都不算是業界領先，包括量子比特、耦合方式、保證度這些，雖然優秀但不領先。但就像硅谷一樣，不銹鋼能上天，為什么一定要用全世界最好的鋁合金呢？Google也犯了這樣的錯誤：去年他們第一次做出最早的量子糾錯的成果，結果因為去年芯片不夠好，所以他們花了一年的時間去迭代，而且還沒有達到最優秀。Willow是非常符合邏輯的迭代，不能叫做突破。從我們角度來看是靈活性的代價，因為芯片質量會低，但是他們覺得可編程、可靈活性能帶來更快的步驟、快速破局。

亞馬遜則是更加激進，他們想開發一種全新的超導量子比特。2020年，亞馬遜入局量子計算領域時直接給了一位頂尖教授一整棟樓和100多人的團隊，希望能后來居上。

Roger Luo
Anyon Technologies創始人與CEO：
超導量子比特，那時候都沒人做出超過一個量子比特的耦合。理論上來說超導量子比特有更好的可擴展性，它需要的量子糾錯更小，因為量子糾錯有復雜度問題。Google、IBM的方式有很高的復雜度要求、要做很復雜的量子糾錯的算法。就算亞馬遜在2020年打算找一個相對簡單的量子比特，因此選擇了貓量子比特（Cat Qubits）。

這三家公司在量子計算路線上的打法差異非常大：

IBM穩扎穩打、按部就班，每次展示的都是完全驗證過的成果。Google喜歡"小步快跑"，先證明可行性再慢慢優化。亞馬遜想通過巨額投入直接跨越發展階段，一步到位。

好比三種不同的賽車手，IBM開著經過精心調校的豪華跑車，Google開著可能不那么完美但夠快的賽車，而亞馬遜則是在車庫里研發全新的引擎。

Chapter 2.2 英偉達、微軟的布局與爭議

除此之外還有英偉達和微軟這兩個重要玩家。

在量子計算領域，英偉達將自己定位為加速計算平臺公司（accelerate computing platform company），策略很明確：一方面與量子計算公司合作，希望GPU在量子時代也能占據一席之地；另外一方面提供混合量子計算平臺，幫助企業在真正的量子計算機出現之前就開始準備。

英偉達的態度是：“量子計算是不可避免的下一代超算平臺，GPU不想被排除在外的。”

微軟沒有像IBM和Google那樣投入巨資去研發超導量子計算機，而是選擇了更具挑戰性的技術路徑，“拓撲量子計算”，這種方案理論上更穩定，但技術難度也更大。

量子計算目前發展緩慢的核心矛盾是量子比特非常脆弱，而微軟在過去20年試圖研發的“拓撲體”（topology）方案，是通過觀察和控制馬約拉納（Majorana fermion）粒子產生更可靠和可擴展的量子比特。

拓撲學是研究圖形或集合，在連續變形下的不變的整體性質的一門幾何學。拓撲保護的意思是，信息藏在大結構當中，因此一些小擾動不會影響拓撲保護的信息，只有劇烈的全局變化，比如系統斷裂，才能夠破壞拓撲結構。

比如甜甜圈，不管怎么拉、壓、捏，中間的洞都不會消失，除非把它整體撕開，這就意味著甜甜圈的形狀具有“拓撲保護”：不能通過小的變形去改變它的基本特性（洞的數量）。

再比如耳機線打結后，只是拉伸或擠壓死結都不會松開，只有剪斷耳機線結才會消失。因此，“結”也是一種拓撲結構，必須徹底破壞（剪斷）才能改變。

馬約拉納粒子由于自身是自身的反物質，成對出現的狀態之間是拓撲保護的。微軟就利用了這一優勢，讓量子信息存儲在兩個分開的馬約拉納粒子之間的“拓撲連接”里，這樣哪怕其中的一個粒子受到局部干擾，整體信息依然不會丟失，使量子信息對外界干擾更穩固、不容易受損。

此前瓶頸在于，開發相關拓撲態的合適材料難度極大，但微軟在2月19號發布的全球首款“拓撲體”量子計算芯片Majorana 1證明了這種新路徑的可行性，為量子計算的進一步研發增加了更多的方向。

谷歌的量子糾錯路線是通過控制來保護量子信息，而微軟的拓撲比特本身就自帶量子信息保護。

微軟最終的目標是在巴掌大的芯片上放入100萬個量子比特，同時也在布局量子開發工具和云平臺，試圖在軟件層面占得先機。

不過微軟發布拓撲量子計算的消息后，市場也出現了不小的爭議：一些產業中的科學家，并不信服微軟的研究和這次發表的論文，認為論文沒有提供足夠可信的證據。

《華爾街日報》引用一位物理學家的質疑稱，微軟的發布會上，為了佐證這項研究而展示的數據，只是初步數據，并不能確鑿證明已經取得了這一進展。

在過去十年時間，很多實驗室和團隊都在研究馬約拉納費米子，但都沒有讓人信服的進展，這期間《自然》雜志上的數篇相關論文都被陸續撤回，包括微軟的科學家Leo Kouwenhoven于2018年在《自然》上發表的號稱觀察到馬約拉納費米子的論文，卻在三年后承認此文有“技術錯誤”而撤回。

所以這一次微軟是否真的實現突破，還需繼續觀察其團隊對目前質疑做出的回應和更多的研究論文。

總結一下這五家科技巨頭的布局：

1. 谷歌率先證明量子優越性，走可編程路線

2. IBM依托芯片制造優勢，追求高性能

3. 亞馬遜大手筆投入，探索新型量子比特

4. 英偉達布局混合計算，發揮GPU的優勢

5. 微軟則押注拓撲量子計算，同時布局軟件生態

這些巨頭的量子布局似乎都帶著各家公司的“基因”：IBM穩健、谷歌靈活、亞馬遜試圖彎道超車、英偉達重生態、微軟重平臺。在量子計算這個新賽道上，每家公司都在試圖復制自己在傳統計算時代的成功經驗。

而在這之上，量子計算領域也正在形成有趣的合作與競爭格局。雖然技術路線有所不同，但是大家都意識到：量子計算不僅僅是硬件的比拼，還需要軟件、算法和應用生態的支持。

03 量子計算對各領域的影響

有聲音稱，量子計算雖然厲害，但離大規模應用還太遙遠了，一臺實驗室里的量子計算機甚至還不如大家的手機有用。但現實情況是，量子計算已經在很多領域開始展現潛力了。

Chapter 3.1 AI進化的新引擎

人工智能的發展正面臨一個有趣的悖論：盡管我們見證了ChatGPT等大模型帶來的突破，但是AI的根本性瓶頸卻日益顯現。

在最近的各種技術論壇和大會上，頂尖AI研究者們都指出了一個令人擔憂的趨勢：基于Transformer架構的傳統AI正在遭遇泛化性不足的困境，它們需要消耗海量數據才能夠提升性能。

更嚴峻的是，我們可能已經沒有足夠的優質數據來支撐AI向AGI(通用人工智能)邁進了。

而在未來AI走入死胡同之際，量子計算很可能由于高維特性會帶來新的希望。就像我們前面說的一樣，傳統計算像在平面上畫畫，量子計算則可以在立體空間甚至更高維度中工作。

比如，僅靠10個量子比特就能探索2的10次方維度的空間，這種高維映射能力讓量子機器學習算法能更容易地發現數據中隱藏的本質模式，就像是從高空能輕松俯瞰地面的全局圖案。

Roger Luo
Anyon Technologies創始人與CEO：
維度不是不同的狀態，維度這個空間就大多了。如果能將一個低維數據映射到高維空間做一些機器學習的話，有時會讓模型更容易學習到數據里面的規律，這樣兩個數據集間的分類就很好做了。

量子計算對AI的革命性影響可能體現在兩個層面：

首先是計算效率的提升。量子計算機有望實現矩陣運算的指數級加速，這正是機器學習中最核心、最耗時的操作。這意味著未來訓練一個AI模型的成本可能大幅降低。

其次是學習能力的質變。通過更強的泛化能力，AI可能獲得人類舉一反三的學習能力，而不是簡單地記憶大量數據。

雖然量子計算聽起來復雜、昂貴、高深莫測，但在某些情況下它卻可以幫助降低成本。

Roger LuoAnyon
Technologies創始人與CEO：
如果用泛化性更強計算機體系，去訓練量子AI學習模型，那么數據需求都會縮小不止一個數量級。無論經典部分還是量子部分，計算需求都會小很多。經典部分計算需求縮小是因為數據吞吐量小了一個數量級，而量子計算的優勢是，擴展到更大維度的方式是非線性的、是指數級的，（比如每增加一個量子比特，計算能力就會翻倍），所以資源投入會更少、計算成本更低。從經濟學角度來講，對于某些特定問題，如果你用10個量子比特，就能有210的維度去探索，但是經典計算機真得構造十個維度的空間去探索，這個成本是非常高的。

所以，如果2030年真的出現了完備的量子計算機，我們可能迎來AI發展的一個新紀元：AI也許只需要閱讀幾本代表性的書就可以掌握寫作技巧，不是像現在需要消化整個圖書館。

這不僅讓AI變得更智能，也讓它更加經濟實用，這或許就是AI發展的下一個范式：不是簡單地堆砌更多數據和算力，而是通過量子計算開辟一條全新的進化路徑，讓AI變得既聰明又高效。

Chapter 3.2 對加密貨幣的威脅

量子計算機最早被設想的應用之一，就是破解當前廣泛使用的“非對稱加密算法”。這不僅威脅到加密貨幣，也關系到整個互聯網的安全體系。

現在的加密貨幣，比如比特幣，都依賴于特定的密碼學算法。這些算法現在之所以安全，是因為傳統計算機破解需要耗費天文數字般的時間；但量子計算機通過“平行計算”能力，可以在幾分鐘之內完成破解。

此前的Willow的突破已經證明，大規模量子計算機是可行的。雖然目前的量子比特數量還不足以破解所謂的加密算法，但也讓"量子霸權"的威脅變得更加的真實。

有分析認為，當量子計算機達到約4000個穩定的量子比特的時候，就可能會威脅到現有的加密體系。

這在加密貨幣市場中引發了一些爭議。比如，Avalanche創始人Emin Gün Sirer表示，目前的量子計算能力尚不足以威脅加密貨幣安全。

周載南
Namefi創始人、以太坊改進提案（EIP）編輯：
有一些新的區塊鏈可能開始設計的時候，就會考慮引入一些相對可抗的、防止量子破解的方式，甚至包括我們現在常用的這些（算法），比如橢圓曲線，相對比90年代末期的那些哈希算法和函數，已經算是比較 Quantum Safe（量子安全）了。

但Paypal前主席David Marcus指出，Willow的進展表明量子抗性技術發展需要加速。以太坊創始人Vitalik甚至在很早就建議，通過硬分叉來增強區塊鏈的量子抗性。

量子計算帶來的挑戰也催生了新的機遇。在加密領域，已經出現了三個主要的應對方向：后量子密碼學、量子密鑰分發和可升級架構。

1.后量子密碼學致力于開發即便面對量子計算機也能保持安全的加密算法。

2.量子密鑰分發則是利用量子力學原理實現絕對安全的通信。

3.可升級架構則是讓系統能夠靈活地應對未來的安全威脅。

加密貨幣社區已經開始行動了，多個項目正在研發"抗量子"的加密算法，使得這些新算法即使在量子計算機面前也能夠保持安全性。一些區塊鏈項目甚至在設計能夠"無縫升級"的系統，以便在必要的時候切換到量子安全的加密方案。

周載南
Namefi創始人、以太坊改進提案（EIP）編輯：
StarkWare其實很早就在做量子可抗性（Quantum resistance）的相關研究，并且在設計ZK platform（零知識平臺）的時候也有考慮過。以太坊研究會也在做這方面的研究。如果在以太坊安全受到威脅的情況下，硬分叉是不可避免的，它沒有辦法單純的通過二層。因為量子計算如果能破解這幾個加密或者哈希算法，動到的是以太坊的根基，甚至是比共識層還要基礎的東西。（比特幣）也是一樣的，假如有一個新的量子計算算法或者是硬件，能夠獲取比特幣的加密算法和哈希，那就得通過硬分叉來解決。

也有人持有不同意見，認為真正的威脅可能還要十年以上才會出現，加密社區有足夠的時間做好準備。而且開發量子計算機的投入巨大，真正能構成威脅的量子計算機可能只會掌握在少數機構手中。

不過，量子計算對加密貨幣的影響可能是雙面的。雖然它威脅到現有的加密體系，但也有可能催生新的"量子加密貨幣"，利用量子特性構建更安全的數字貨幣系統。

這像一場永無止境的軍備競賽，新的防御手段總會應對新的威脅。

周載南
Namefi創始人、以太坊改進提案（EIP）編輯：
其實還有一批人在研究，怎么借助量子計算來超越區塊鏈。比如，因為量子態很容易被摧毀，可能讀取一次就被摧毀了，那么可以通過這種方式去創建一次性交易。現在防止雙花（double spending）的方式是把交易放到鏈上，然后穿透，通過全球共識來防止雙花。（雙花：同一筆加密貨幣被多次使用,通常是攻擊者試圖讓已花費的資金回到自己手中,從而欺騙接收方。）

但有了量子計算的時候，可以通過量子態被讀取一次后就會坍縮的特性，用離線（off chain）的方式去防止雙花。
所以量子計算的出現會帶來更多可能性，比如臨時、短暫的區塊鏈，而不是每一個鏈的每一個交易都需要上鏈。可能很多人擔心量子計算會對區塊鏈有害，但在我看來，它也讓區塊鏈的發展有更多的可能性。

隨著“量子計算”這個名詞被各個行業不同的人越來越頻繁的提起，各大機構都在密切關注量子計算的進展、加緊研發應對方案。在量子時代，“安全”將不再是一個靜態的概念，而是一個需要持續升級和適應的動態過程。

Chapter 3.3 金融機構與新材料開發

當人們還在爭論量子計算是科幻還是現實的時候，一些領域已經悄然展開了實踐。

在所有可能的應用場景中，金融機構走在了最前面。因為這個行業掌握了最真實的用戶數據、有明確的應用場景、具備充足的研發資源。

2024年7月，新加坡金管局啟動了一個開創性項目。與傳統的研發資助不同，他們選擇直接向銀行提供資金，而不是資助科研機構。這體現了一個重要理念：真正的創新往往來自那些最接近實際問題的使用者。

目前銀行們已經在三個方向展開了嘗試：利用量子算法優化交易策略、通過量子機器學習提升風險預測的準確性、在更大的解空間中尋找投資組合的最優配置。

此外，在材料科學領域，量子計算的優勢更為明顯。因為量子計算機本質上就是一個量子系統，天然適合模擬其他的量子系統的行為。這項能力在新能源材料、航空航天材料和催化劑開發等領域都顯示出巨大潛力。

比如傳統計算機在模擬包含100個電子的分子系統的時候，由于需要處理指數級增長的復雜性，所需的存儲空間可能超過整個宇宙中所有原子的數量。而量子計算機因為基于量子力學原理，能夠高效地模擬這種量子系統，自然地處理量子疊加和量子糾纏。

同時量子計算在新材料開發方面具有先天優勢，從更高效的太陽能電池到新型航空材料,都可以從量子模擬中受益。

Meta最初選擇以開源的路線來加入大模型戰局，而非像谷歌、OpenAI和Anthropic選擇閉源，是想參照當年谷歌開源安卓系統的模式：不從系統本身賺錢，而是等生態發展起來之后從廣告和Google Play等應用上賺錢。

Roger Luo
AnyonTechnologies創始人與CEO：
量子機器學習希望能在真實的應用場景里面去產生有意義的結果。比如化工和物流行業，是通過混合量子系統去做化學模擬，去找到一些化合物的最后產品。在太空方面，量子計算可以加速材料的新材料開發，也許讓上天的飛行器的材料變得更好，比如用來研制太空電梯的繩索，或者以后的火箭可能連隔熱瓦都不需要，用特殊的金屬可以直接承擔返回的高熱。

所以量子計算可能會真的加速人類的太空夢，也難怪Sundar Pichai回復馬斯克的推文時，還開玩笑地提到，要用星艦在太空中打造量子集群。

在完備的量子計算機出現之前，業界正在探索混合“量子+經典系統”的過渡方案。

"混合量子計算"結合了傳統計算機和量子處理器的優勢，讓企業能夠在完全體量子計算機出現之前，就開始探索量子算法。

以銀行為例，它可以用自己的交易數據在混合系統上測試量子算法，為未來的全面轉型做準備。

目前，量子計算正在經歷從實驗室走向現實應用的關鍵階段.雖然完全體的量子計算機還需要一些時間，但混合量子計算已經開始顯示出實用價值，各行各業都在積極探索如何將量子技術融入自己的業務流程。

04 量子計算的未來

除了企業和加密貨幣行業的提前布局，華爾街也已經提前布局了。

比如最近行情過山車的量子計算概念股。Rigetti、D-Wave Quantum、IonQ這些公司在幾個月之內一度翻好幾倍，又在市場爭議之際瘋狂下跌。

這反映出市場和外界對量子計算這項特殊技術并存的期待和質疑、炒作和投機。

戲劇性的是，此前唱衰量子計算的英偉達，突然宣布將在2025年3月的GTC大會上舉辦"量子日"活動。黃仁勛和一眾量子計算領域的領袖們，將一起探討量子計算的可能性、現有的技術、發展方向，讓市場再次充滿期待。

關于量子計算何時能夠實用化，行業內經常也有人說"還要10年、20年、30年"。但訪談嘉賓認為，這種估計往往是一種"懶惰"的說法。因為歷史告訴我們，一旦技術的可擴展性得到證明，那么實現突破的時間往往比人們預期的要短很多。

量子計算的未來，不會是一蹴而就的革命，而是一個漸進的演化過程。

就像電腦的普及經歷了從科研軍工到華爾街再到千家萬戶的過程，量子計算也會先在特定領域證明其價值，然后逐步滲透到更廣泛的應用中。在這個過程中，成本的下降和技術的成熟都需要時間。

但是展望未來，量子計算帶來的改變很有可能超出我們現在的想象，正如我們無法用1960年代的視角預見今天的智能手機一樣。

但在這條路上，我們已經看到了一些令人期待的應用場景和業界嘗試。量子計算的未來，也許會比很多人想象中，更早地到達我們身邊。而當這一刻到來之際，也是人類能繼續向前邁進一大步的時候。