Google量子計算團隊最新對話：量子計算已經被驗證了｜現場實錄

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“量子霸權”以來，Google Quantum AI團隊不斷刷新行業認知，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，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計算機完成的問題。

在最新一期《Nature》封面論文發表之后，Google高級副總裁 James Manyika與Google Quantum AI創始人 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。

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

Hartmut Neven：我們的使命自創立以來從未改變，非常簡單：打造能夠解決傳統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 年發布了計劃，詳細說明了如何實現這一使命。它包括兩條主線：

硬件方向：通過不斷迭代，構建更高性能、更穩定的量子芯片；

軟件方向：開發更多具備現實意義的量子算法。

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。為了聯系之前的研究，在 2019 年，我們展示了量子計算的“超算優勢”：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，缺乏現實應用。

而這一次，我們通過Quantum Echoes算法，首次實現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結構。這正是 Hamiltonian Learning 的基礎，哈密頓量（Hamiltonian）描述了系統的能量與演化規律，如果你知道它，就能預測系統的行為。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。

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：研發高溫超導體，實現無損輸電；

能源存儲：優化電池分子結構，開發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造經濟與社會價值的方向。

James Manyika：我記得現在已經有 70 多種算法被認為具備“量子優勢”，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化。例如：

我們用 AlphaEvolve 優化量子電路設計；

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。