“身体是一台神造的机器。”
　　此言出自法国哲学家笛卡尔。在《谈谈方法》一文中，他提出了一个观点，人的行为、思考，是对外界环境的回应。“人是一台自动机器。”
　　经典计算机诞生后，人类创造机器，不再是模拟人类身体的机器本性，而是雄心勃勃地开掘智慧的奥秘，救赎自身与生俱来的局限性。二进制里，要么0，要么1，两个简单的符号，成了数字时代的“神谕”。
　　半个世纪过去，二进制对自然的模拟，俨然到了极限。人脑、宇宙等众多需要复杂计算的领域，成了计算机无法抵达的迦南之境。与其说，这是集成电路技术和摩尔定律走到了尽头，不如说是1和0的二元对立、经典力学的确定性触到了天花板。
　　2019年9月，谷歌宣布实现“量子霸权”，似乎暗示着一场伟大征程的开启：量子计算正引领人类，探索生命与宇宙的混沌未知。

漫长前夜

　　已故物理学家理查德·费曼肯定想不到，30多年后，“量子霸权”宣布实现时，这个词吓坏了很多人。
　　费曼研究量子力学，他提醒所有的计算机科学家：“自然不是经典，如果你要模拟自然，你得把它变成量子力学。”费曼有一个天然的警觉，0和1的二进制逻辑，并不能捕捉量子力学中固有的不确定性。
　　所谓量子，即电子、光子等微观粒子的表现形式。经过物理学家们几十年的争吵，此时结论已经昭昭然：物质的微观层面，经典力学已经是穷途末路了。相反，量子世界充满了不确定性，并不能准确测量。
　　这片充满混沌的量子世界，是现有计算机的盲区。
　　另一方面，当费曼试图用经典计算机来模拟量子系统时，却遭遇了“指数减慢”的问题。计算机内电路的集成度越高，热耗越严重，巨量能耗成为禁锢计算能力的死结。
　　早在20世纪80年代初，费曼等少数物理学家就有个奇思妙想，利用量子叠加和量子纠缠两个奇特的量子特性，构建“量子计算”。同时，费曼还意图让计算机科学家和物理学家联手合作，共同研究量子计算机的物理实现与算法。
　　事情出现真正的进展，要等到1994年了。贝尔实验室的彼得·秀尔研究出一套“秀尔算法”，证明量子电脑可以进行离散对数计算，才有计算机学者开始走进量子力学的世界。
　　所谓“秀尔算法”，就是大数的分解。例如，一个300位的整数，分解成若干个质数的乘积。最强大的经典计算机，可能要“算到爆炸”，如果这套算法能在量子计算机上运算，也许可以把时间大大缩短，甚至以秒而记。
　　算力差别为何如此巨大？这要回到物理学的根基上来看。牛顿力学告诉我们，物质之间的引力和运动，是可以精确测量的。但当真正深入微观世界，物理学家们发现，粒子和周围的环境互动，不仅处于“测不准”状态，更是一种叠加状态。
　　我们把粒子（光子或电子等）想象成一枚硬币，扔出去，双手压住，对我们来说，它要么是正面，要么是反面，二者只取其一。但在微观层面，它既是正面，也可以是反面，两者共存。这种量子叠加态以概率形式而存在，只有在测量后，量子才会坍缩为经典的确定状态。同时，两者还处于纠缠状态，用爱因斯坦的话说—会产生遥远距离上的诡异互动。
　　计算机的计算取决于1或0的判定。经典计算机只能取其一，非1即0；而量子计算机两个都要，既是1，又是0，即所谓双态系统。如果把经典计算机看成是单一乐器，那量子计算机就是一个交响乐团。
　　想象一座迷宫，现有的计算机只能挨个尝试，一条路线不通，换一条从头再来。量子计算机却能同时将所有路线走完，找到最优结果，热量消耗也更低。
　　一幅宏大而美好的蓝图吸引了众多国家、学术机构和商业公司，纷纷参与到竞赛中来。
　　算力即权力的时代，这是致命的诱惑。

那么近，那么远

　　进入2010年代，量子计算破土而出。美国、中国、日本均开始发力。商业机构方面，IBM、谷歌、英特尔和微软等科技巨头纷纷入局。

想象一座迷宫，现有的计算机只能挨个尝试，一条路线不通，换一条从头再来。量子计算机却能同时将所有路线走完，找到最优结果，热量消耗也更低。

　　2019年10月，谷歌宣传在“量子优越性”（量子霸权）上实现重大突破，不过发生了一段尴尬的小插曲，合作方NASA官网率先公布了论文，又紧急撤下，疑似同行评审未完成。一个月后，该论文登上了《自然》杂志150周年版的封面。
　　论文的实验用了一个名叫Sycamore（无花果）的量子处理器进行，处理器由铝、铟、硅晶片和超导体等材料组成，共有53量子比特（初始量子比特为54个，但其中一个无法正常工作），包含在二维网格内，每个比特与其他四个相连，以保證足够的连通性。
　　所谓实验，看上去很简单，对量子电路产生的随机数字采样若干次，得出给定字符串出现的概率，并确认为真随机数。无论是日常通信，还是金融交易，乃至国家机密，都需要随机数来保护，但现有计算机条件下，本质上无法获得真随机数—它们算不出下一时刻将出现哪个数列。
　　如果生成字符串的概率分布由量子电路决定，而量子处于叠加状态，以概率形式存在，那么测量这些量子比特的时候，就好像是蒙上眼睛、伸手从盒子中摸出量子分布的随机字符串，没机会摸得中。因此，只有量子计算机的量子特性加持，才能生成真正意义上的随机数—也达到了真正意义上的“保密”效果。
　　Sycamore确实在合理的错误阈值之内快速完成了该项计算任务，谷歌宣称，经典计算机最强如Summit这样的超算，也需要1万年才能完成。 　　不过，现实还没那么乐观。谷歌自身措辞也较为谨慎，声明这种量子优越性仅限特定领域。换句话说，它目前只在随机数生成上具备压倒性的优势，象征意义大于实用意义。当然，所有伟大发明诞生之初无不如此。
　　对于所有的量子计算机来说，只有在几种非常特殊的情况如计算异常复杂时，它们才能大放异彩。这意味着量子计算机只为了解决或验证特殊问题而存在，距离“通用”还很遥远。
　　量子芯片十分脆弱，任何温度波动、电磁波、声波和物理振动都属于噪声信号，会破坏量子比特并导致误差。
　　经典计算机能容忍些许噪声问题，保存两三个备份，剔出错误比特。对于量子计算机，目前的纠错机制还不完善，需要调动过多计算能力来纠正错误，负担极其沉重。

　　此外，叠加态只能维持在未测量之前，测量后，它便坍缩了，成为确定的值：1或0。所以，在不知道量子比特的状态下，如何才能确定它是否出错，是另一个棘手的问题。
　　容错算法、误差抑制，甚至开发降低“噪声”的特殊材料……构想与思路不断涌现，面对纠错问题，科学界乐观大于疑虑。
　　实验室里的科学家们说，量子计算机可解释宇宙中最深的奥秘—暗物质、黑洞、人脑。人类无法解决的问题，在量子计算机到来的时代，将迎刃而解。

模拟大脑

　　回到费曼那里，计算机的本质是什么？模拟自然，而自然之中，人类又俨然站在进化的顶端。
　　宇宙、世界与生命的更多奥秘，隐藏在经典计算机无法触及的地带。像药物分子的反应稳定性和化学反应活性，都无法依靠经典计算机来模拟，除非我们大大地简化它。
　　费曼并未目睹量子计算机，但他的构想，正成为现实。对于一些小型量子计算机来说，量子模拟已经显现价值。多伦多大学的Alan Aspuru-Guzik团队研发了一套量子算法，有噪声的情况下，量子计算机可快速找到分子的低能量状态。IBMTJ Watson研究中心的量子信息科学家Jay Gambetta团队，用6个量子比特的量子计算机，计算了氢化锂和氢化铍等分子的电子结构。它再次证明，量子计算机在微观级别的物质模拟上，具备天然的优势。

量子计算机的运算模式更接近大脑。近年来种种研究也揭示出，大脑具备量子形态。

　　量子计算机较有可能应用在天气预测领域。大气系统的不确定性，导致经典计算机难以建立准确的模型。即便最顶尖的分析工具，也只能对天气作出猜测。而量子计算机是真正意义上的模拟计算机（费曼观点），量子特性可以重现真实的气象状况，并发挥运算的优势，更准确地预测气候环境如何相互影响、坏天气何时出现。
　　人类的大脑，就像是自然的最后一块高地，量子计算即将对它进行冲击。人工智能的最大障碍不是数据，也不是算法，而是计算能耗。阿尔法狗花5个小时下一盘围棋，所耗能量相当于一个成年人300天的消耗。
　　野心最大的自然是谷歌，它早早成立了量子人工智能工作室。人工智能是量子计算机无法避开的话题，中国科学院院士潘建伟曾说，量子计算机最终将拓展到量子人工智能领域。
　　经典计算机模拟人脑，有点“不自量力”。毕竟人脑有近千亿个神经元，构成一个至少100万亿个连接点（突触）的网络，堪称宇宙最复杂的网络。意识与思想的诞生，并非源于单独部件，而是一个庞杂网络中模块、中枢节点和神经递质的暗箱配合。
　　抛开经典计算机的算力极限，1和0的运算模式也是模拟大脑从未成功的原因。大脑意识从来不是在“是與否”（1和0）的绝对对立中产生，而是来自混沌、模糊的中间态。人脑的“不可测”，彰显了人和机器人的本质区别。
　　而量子计算机的运算模式更接近大脑。近年来种种研究也揭示出，大脑具备量子形态。由量子计算给人工智能“赋能”，就像长者给舞狮点睛一样，造物瞬间拥有了“灵魂”。
　　基于此，潘建伟断言：“不到量子人工智能的时代，我是一点儿不担心人工智能会取代人类。”
　　机器人的觉醒，由科幻作品和流行学说长期演绎。现在，量子计算打出了一道光，照见这样一种可能性：终有一天，机器脱离造物主的指令（程序），冲开意识的阀门。