實錄 ｜ kyla
郵箱 ｜ kyla@pingwest.com

過去十年，Google一直在量子計算領域押下重注。自2019 年Sycamore 芯片首次實現(xiàn)“量子霸權”以來，Google Quantum AI團隊不斷刷新行業(yè)認知，從隨機電路采樣到誤差糾正門檻，再到最新的Willow芯片與 “Quantum Echoes” 算法。

這些成果意味著，量子計算正從實驗室“炫技”階段走向真實世界的應用：從分子建模到材料研發(fā)，甚至可能重塑能源、藥物、AI 訓練等關鍵領域。Google Quantum AI 的使命始終如一：讓量子計算真正解決人類無法靠傳統(tǒng)計算機完成的問題。

在最新一期《Nature》封面論文發(fā)表之后，Google高級副總裁 James Manyika與Google Quantum AI創(chuàng)始人 Hartmut Neven 展開了一場極具知識密度的對話：

他們討論了量子計算的使命、最新算法 Quantum Echoes（量子回聲） 背后的科學邏輯、與伯克利大學的實驗合作，以及 AI 與量子計算之間日益緊密的共生關系。

如果說人工智能正在改寫“思考”的邊界，那么量子計算，正在改寫“計算”本身。

本次對話發(fā)生于 Google Quantum AI 團隊最新成果刊登在《Nature》封面 之后。兩位嘉賓圍繞量子計算的使命、算法創(chuàng)新、與人工智能的關系、以及量子技術的社會意義展開深入探討。

以下為完整實錄。

量子計算到底要解決什么？

James Manyika：Quantum AI 團隊最近取得了非常出色的成果。除了我們的同事 Michelle Devaray 與前同事 John Martinez 獲得的重要獎項外，我們昨天也發(fā)布了一項重磅成果，希望大家都有所關注。

在進入主題之前，我想先回顧一下過去六個月的進展。去年十二月，我們宣布了Willow芯片的成果。外界最關注的是隨機電路采樣（Random Circuit Sampling）的基準測試結果：這款芯片在不到五分鐘內完成的運算，相當于全球最快的超級計算機需要一百秭年（102?年）才能完成。但更重要的，其實是低于閾值的錯誤校正，這是量子計算領域長久以來的關鍵目標。

那么在進入細節(jié)之前，Hartmut，你能先談談 Quantum AI 的使命嗎？

Hartmut Neven：我們的使命自創(chuàng)立以來從未改變，非常簡單：打造能夠解決傳統(tǒng)計算機無法處理問題的量子計算機。

James Manyika：那目前為止的進展如何？

Hartmut Neven：我們在 2020 年發(fā)布了計劃，詳細說明了如何實現(xiàn)這一使命。它包括兩條主線：

硬件方向：通過不斷迭代，構建更高性能、更穩(wěn)定的量子芯片；

軟件方向：開發(fā)更多具備現(xiàn)實意義的量子算法。

從“量子霸權”到“量子回聲”，這次突破在哪？

James Manyika：那么說到昨天的成果，它登上了《Nature》的封面。你能解釋一下那篇論文的核心算法——Quantum Echoes（量子回聲） 嗎？為什么它如此重要？

論文鏈接：https://www.nature.com/articles/s41586-025-09526-6

Hartmut Neven：當然。為了聯(lián)系之前的研究，在 2019 年，我們展示了量子計算的“超算優(yōu)勢”：某些計算能在量子處理器上幾分鐘內完成，而經典計算機需要幾十億年。

起初，一些人質疑我們的結果，認為我們沒用上最優(yōu)的經典算法。但去年 12 月的實驗徹底打消了這一疑慮。唯一殘留的批評是：我們的實驗僅是一個人為設定的基準測試，缺乏現(xiàn)實應用。

而這一次，我們通過Quantum Echoes算法，首次實現(xiàn)了在真實場景中可驗證的量子算法，成功回應了這一質疑。

James Manyika：你提到了“可驗證”這個詞，它意味著什么？

Hartmut Neven：可驗證（Verifiable）指的是：

該算法的結果可以被另一臺性能相當的量子計算機驗證，也可以通過真實實驗驗證預測是否正確。換句話說，它能生成關于自然界量子系統(tǒng)的預測，并通過實驗結果直接驗證。這是量子算法領域的一個歷史性突破。

James Manyika：這個算法還涉及兩個重要概念：信號噪聲比 與 Hamiltonian Learning（哈密頓學習）。能否通俗解釋一下？

Hartmut Neven：我常用一個小故事來說明。我有一個 15 歲的兒子，喜歡物理和哲學。我們經常在夜晚泡按摩池時討論這些問題。

當主泳池的水面平靜時，我可以敲擊水面，產生同心圓波紋。通過觀察波的振幅、波長和傳播距離，我們可以推測出水的性質：如果是水、油或蜂蜜，波形都會不同。

這就像量子算法：我們通過“觀察波”來推測系統(tǒng)的性質。但波會衰減，傳播太遠就測不到信號。Quantum Echoes的精妙之處在于，它能反射這些波，形成“回聲”，讓波重新聚焦，從而既保持信號強度，又捕獲豐富信息。

James Manyika：這也就是“量子回聲（Quantum Echoes）”名稱的由來吧？

Hartmut Neven：沒錯。通過這種“回聲”機制，我們能在不丟失信息的前提下分析系統(tǒng)結構。這正是 Hamiltonian Learning 的基礎，哈密頓量（Hamiltonian）描述了系統(tǒng)的能量與演化規(guī)律，如果你知道它，就能預測系統(tǒng)的行為。我們的算法就是用來學習分子結構的哈密頓量。

不止理論，真的在實驗室驗證了

James Manyika：你們還與加州大學伯克利分校合作進行實驗，對吧？

Hartmut Neven：是的。我們在第二篇論文中介紹了與加州大學伯克利分校的合作。我們將Quantum Echoes算法應用于學習分子結構。

其中一個分子是 二苯基（Diphenyl），擁有 28 個原子與 15 個自旋。我們結合核磁共振（NMR）數據，使用該算法成功推算出其二面角（dihedral angle），這是此前化學界尚未確定的結構參數。

James Manyika：這聽起來很令人振奮。那你們的算法相比傳統(tǒng)方法有多大提升？

Hartmut Neven：在一些概念驗證問題上，我們的算法比頂級超級計算機快13,000倍。盡管當前分子仍相對較小，但這已經充分展示了算法的潛力。

James Manyika：展望未來，Quantum Echoes算法能帶來哪些潛在應用？

Hartmut Neven：這只是一個開始。Quantum Echoes屬于我們稱之為 “費曼殺手級應用（Feynman’s Killer App）” 的算法家族。

費曼早就指出：無論經典計算機多強，都無法準確模擬量子系統(tǒng)。

量子模擬的應用非常廣泛，比如：

能源生產：用于模擬核聚變反應過程；

能源傳輸：研發(fā)高溫超導體，實現(xiàn)無損輸電；

能源存儲：優(yōu)化電池分子結構，開發(fā)適用于飛機的輕量安全電池。

這些都是量子計算能夠真正創(chuàng)造經濟與社會價值的方向。

James Manyika：我記得現(xiàn)在已經有 70 多種算法被認為具備“量子優(yōu)勢”，對嗎？

Hartmut Neven：是的。網上有一個叫Quantum Algorithm Zoo的數據庫，收錄了所有具備量子優(yōu)勢的算法。目前大約有 70 種。Quantum Echoes 屬于其中的“量子模擬”家族。

AI × 量子：下一個超級工具組合？

James Manyika：那我們聊聊 Quantum 與 AI 的關系吧。Quantum AI這個名字本身就代表兩者的結合。量子計算如何助力 AI？反過來，AI 又如何幫助量子研究？

Hartmut Neven：我們之所以叫 Quantum AI，是因為二者密不可分。我在研究量子之前，其實一直在做計算機視覺和人工智能。

AI在經典計算機上仍受限于算力，而具備量子資源的 AI 能處理更復雜的問題。

舉個例子：AI 需要大量訓練數據。蛋白質折疊數據庫（Protein Data Bank）花了 50 年才積累完備，而量子計算可以在極短時間內生成高價值訓練數據，大幅提升 AI 的學習效率。

反過來，AI 也在幫助我們改進量子芯片設計與算法優(yōu)化。例如：

我們用 AlphaEvolve 優(yōu)化量子電路設計；

與 DeepMind 合作，用 Transformer 神經網絡 改進量子糾錯過程。

James Manyika：展望未來，一到兩年內，Quantum AI 的下一個里程碑是什么？

Hartmut Neven：我們的目標是構建一臺擁有百萬物理量子比特、可穩(wěn)定運行一千邏輯量子比特的量子計算機。

目前，我們已完成前兩個階段，正接近第三階段：實現(xiàn)一個能夠運行百萬步算法的高保真邏輯量子比特。這將是我們通向“有用的量子計算機”的關鍵節(jié)點。

James Manyika：非常期待。謝謝你，Hartmut，也感謝 Quantum AI 團隊帶來的突破性工作。