“量子计算机目前还无法解决任何真正有价值的现实问题。”Google Quantum AI软件工程经理叶平近期在一场公开演讲中直言，他表示，目前量子计算机仍停留在实验室阶段，尚无法解决任何具有实际价值的问题，尽管如此，产业正逐步向可商用的关键转折点发展。

叶平指出，量子计算机目前尚未落地，其瓶颈在于“容错能力”。由于量子系统极易受到环境干扰，数据在运算过程中容易产生错误，需要依赖量子错误纠正机制。

然而，尽管相关理论已发展超过20年，“真正能在实体硬件上展示量子错误纠正的成果，大约是一年前才出现”，显示其技术仍处于早期阶段。

量子应用落地的5个阶段

尽管外界普遍看好量子计算发展潜力，但目前学界与产业对“量子优势”的定义存在分歧。

过去学界认为，只有当量子计算机在速度上达到“指数级优于传统计算机”时，才算具备优势。然而，站在企业的角度，对于量子优势的看法更务实，不一定要指数级的性能提升，“只要比现有计算机快一点、便宜一点，就是实际的优势”，他说。

这种分歧也体现在Q-Day的定义上。在后续交流座谈中，国内知名量子科学家、中原大学量子信息中心主任张庆瑞提到，各界对Q-Day有不同的看法：一派认为Q-Day是指量子计算机技术已可破解主流加密技术，另一派则认为Q-Day是量子计算机整个生态系统成熟的时间。

叶平进一步说明，目前Google提出量子应用发展的5个阶段，在此之前是长期的量子信息科学的基础研究。第一阶段是在抽象环境下发掘新的量子算法；第二阶段是找出具有优势的适用场景；第三阶段是将量子优势转化为实际应用；第四阶段是优化（降低量子比特数量与计算成本）；第五阶段是应用部署。

叶平指出，目前多数技术仍停留在前二至三阶段之间，距离大规模商业化仍有一段距离。

即便已有潜在算法，然而，要从实验室走向真实世界，应用到现实问题仍是一大挑战。

他举例，量子算法通常有严格限制条件，现实世界问题往往难以完全符合，“你会发现很多真实问题，无法直接套用既有量子模型，这中间存在很大的差距。”

目前有几个被看好的应用领域，例如新药研发、电池材料、核能模拟，但这些仍需要进一步验证与调整。

成本逐渐下降，硬件与算法的交汇

尽管挑战重重，叶平强调，量子应用的可行性正在提升。

他以知名的算法Shor为例，过去25年所需量子资源已下降约三个数量级，显示算法的持续优化已降低实现门槛；而另一方面，量子硬件能力也在不断提升。

“当硬件能力与应用需求在某个时间点交汇，量子应用就会开始真正落地”，叶平说。

不过，他也坦言，量子应用开发面临“集体行动的困境”。

因为算法一旦被发现，很难建立长期竞争优势（除专利外），这导致企业投入的动力不足。“有些企业可能会选择观望，等待学界先做出突破，而不是自己投入大量资源”，他说。

尽管面临重重挑战、集体行动的困境，叶平认为，现在正是投入量子领域的时机。“问题还很多、挑战还很大，但现在是学生与研究者入场的最佳时刻”。

从叶平分享的内容来看，Google对于量子应用的态度务实审慎，虽然短期内还无法商用，但长期的发展潜力巨大。

在AI带动算力需求激增的同时，量子计算被视为下一代关键技术之一。尽管距离真正改变产业仍需时间，但从算法、硬件到应用场景的逐步推进，全球科技巨头已提前布局。