微软宣布三年后建成商用级量子计算机：靴子能否落地？

本文来自微信公众号： 心智观察所 ，作者：心智观察所

微软最近发布了新一代量子芯片Majorana 2。官方宣称，这颗芯片上的量子比特的平均存活时间达到惊人的20秒，可靠性比上一代提升了1000倍。微软据此放了一句狠话“2029年，我们将拥有一台具有商业价值的可扩展量子计算机。”就在去年，业界对此主流预期还是“十年以后”。现在，微软直接把时间缩短一半。

在这颗芯片的研发过程中，微软大量借助了自家AI平台“Microsoft Discovery”的代理型AI，让AI团队像人类科研小组一样分工协作，自主分析海量实验数据、提出假设、优化制造工艺。一个是量子计算的硬件突破，一个是人工智能的软件助攻，两个最前沿的赛道正在相互成就。

什么是量子芯片？

量子芯片操纵的是量子比特。一个量子比特可以处于0和1的叠加态，测量之前，它像一枚旋转的硬币，同时携带0和1的可能。两个量子比特的叠加态可以包含00、01、10、11四种可能，三个比特则对应八种……以此类推，n个量子比特的量子态是2ⁿ维的。再通过精心设计的操作，由量子门（量子计算中的逻辑门）操纵量子态的相位，使得概率幅在叠加中发生干涉，将正确的答案放大出来。这就是人们称量子计算机拥有“指数级算力”的原因。

除此之外，两个纠缠的量子比特还有一种奇特的关联，测量其中一个，另一个的状态会瞬间确定，无论它们相隔多远。利用这些量子特性，量子计算机有望完成经典计算机很难高效完成的任务。

量子芯片就是专门用来产生、操控和测量这些量子比特的处理器。它所用的不是传统的晶体管，而是用超导电路、囚禁离子、光子乃至拓扑材料来捕捉量子态，让它们按照人所设定的逻辑，即量子门，进行计算。

量子芯片的弱点

量子比特虽然强大，但它具有极其敏感、极度脆弱的致命弱点。

一个量子比特的叠加态，稍微受到一点外界干扰，比如温度波动、电磁辐射和宇宙射线，就会瞬间坍缩成一个确定的0或1，从而丧失并行计算的能力。这种现象叫退相干。

在微软的Majorana 1芯片之前，主流超导量子比特的寿命通常只有几十微秒。也就是说，刚刚把它准备好，还没算几步，它就死了。因此，衡量量子芯片好坏的一个关键指标，就是量子比特的寿命，也称相干时间。

微软这次宣称量子比特的寿命达到20秒，在业内引发了地震般的反响。因为对于量子操作来说，20秒已经是天文数字。要知道，执行一个量子门操作只需要一微秒（百万分之一秒）。20秒意味着可以进行两千万次操作，从理论上讲足够运行相当复杂的量子算法了。微软甚至打了一个形象的比方：“这一改进差不多相当于发明一种手机电池，手机原本只能用一天，现在充一次电可用近三年。”

20秒只是平均值，部分量子比特甚至能维持一分钟。而上一代Majorana 1的寿命只能达到毫秒级别，所以微软才说“可靠性提升了1000倍”。

那么，微软是怎么做到的？答案隐藏在它的技术路线里：拓扑量子计算。

微软的秘密武器：拓扑量子比特

大多数主流量子芯片，比如谷歌、IBM，使用的是超导量子比特。它的技术相对成熟，但为了规避环境干扰，需要极低的温度，接近绝对零度-273°C，而且寿命短，容易出错。

微软花了20年走了另一条更难，但从理论上讲更有优势的路：拓扑量子比特。

在纸上打一个孔或两个孔，把纸揉成一团，纸会变形，孔却始终在那儿，一个孔不会变成两个孔，两个孔不会变成一个孔，纸上有多少个孔就是一种拓扑不变量。再比如将两根绳子编织在一起，绳子彼此交换位置的顺序也是一种拓扑不变量。拓扑量子比特正是利用了拓扑不变性来保护量子比特信息，信息并非存储在特定的粒子上，而是存储在准粒子（粒子系统的某种集体激发）相互交换位置所成的编织纹理之中。这种存储方式是非局域的，也就是说，比如噪声和热量这样的小扰动很难破坏整体的拓扑结构。因此，拓扑量子比特天生就对环境噪声不敏感，稳定性远超其他类型的量子比特。

微软使用的这种准粒子有一个传奇的名字：马约拉纳（Majorana）子。1937年，意大利物理学家埃托雷·马约拉纳预言，有一种奇特的费米子，其反粒子就是它自己。目前这种粒子还没被发现。21世纪初，科学家们开始在凝聚态物理中寻找它的模拟：一种叫做马约拉纳零能模的准粒子。马约拉纳零能模在二维空间中交换位置时，总体的量子态会发生变化，交换的顺序影响最终结果，类似于头发的编法不同，最后的辫子不一样。

1997年，任职于俄罗斯朗道研究所的物理学家Alexei Kitaev首次提出将马约拉纳子用于拓扑量子计算的理论。2005年，微软成立StationQ，Kitaev当时是核心成员之一，微软从此投身于这条技术路线，前后花了将近20年。2025年，微软发布了第一代Majorana芯片，证明拓扑量子比特在原理上的可行性，他们革命性地使用了拓扑超导体，可以创造一种全新的物质状态，从而实现更稳定的量子计算。今天的Majorana 2则是把原理变成了实实在在的性能飞跃。

其中一个关键改进是材料变了：第一代Majorana芯片的拓扑超导体用铝为材料，第二代改用铅。铅本身常用作辐射屏蔽材料，用它做超导体，可以大大加厚量子比特的护盾，保护脆弱的量子态免受宇宙射线干扰。这个听来似乎不算颠覆的改动，辅以AI对数百个工艺参数的优化，最终带来了1000倍的可靠性提升。

然而，目前Majorana 2只集成了12个量子比特。要想实现具有商业价值的通用量子计算机，业内普遍认为至少需要数百万个量子比特。从12到100万，中间还有无数工程和物理难题需要攻克。微软敢说2029年，表明他们对自己的拓扑路线非常有信心，因为从理论上讲，拓扑量子比特的纠错开销远低于其他主流方案，一旦付诸实践，有望比其他方案更快落地。

AI立功：代理型AI如何加速量子芯片研发

微软这次之所以能在可靠性上实现1000倍飞跃，还有一个不可忽视的“助攻”：代理型AI。微软拥有Microsoft Discovery的平台。这个平台的核心能力是部署代理型AI，也就是多个AI智能体可以分别扮演不同的角色，比如数据分析员、实验设计员、文献研究员，在人类科学家的指导下自主完成科研工作流。

事情要从Majorana芯片最核心的材料说起。第一代Majorana使用铝作为超导体，而第二代改用铅。更换材料牵一发而动全身，团队花了数年时间才摸索清楚各种权衡。要找到那个精确的掺杂配方，需要成百上千次实验。而现在，AI首先通过模拟圈出高概率目标，理想情况下，只需要实验一次。

这还只是开始。量子芯片的制造涉及软件、架构、材料堆栈、工艺、测量等无数环节，一个参数的改动可能引发连锁反应。人类工程师很难同时盯住所有变量，但AI代理可以。更关键的是，微软量子团队积累了近二十年的海量实验数据，格式五花八门，分散在不同国家、不同专业背景的科学家手里。AI代理能够重新综合并找到我们人类看不见的关联，因为没有任何一个人拥有那么广阔的视野。

AI的另一个杀手锏是加速实验。创建拓扑量子态需要同时调整几百个电压参数，然后进行测量，而测量恰恰是量子计算中最耗时、最精细的环节。以前，一个科学家手动完成一轮测量可能要花几周。团队曾尝试用早期的机器学习方法进行自动化，但没能成功。直到他们利用Microsoft Discovery平台训练出一个专用AI代理，将整个周期缩短了若干个数量级。AI可以并行扫描整个参数空间，自动判断哪个地方才是一切可以正常运转的最低点，然后精准定位。

最后，AI还帮团队解决了“幽灵噪声”问题。有一次，实验数据总是不对劲，科学家们排查了很久都没有头绪。后来一个AI代理综合了物理模型、设备日志和工艺知识，从原始数据中揪出了一个未经校准的温度传感器，它一直在悄悄破坏测量结果。

可以说，没有AI的参与，Majorana 2的1000倍性能飞升可能要再花好几年才能实现。这也印证了一个正在形成的共识：量子计算和人工智能可以相互成就。AI加速量子计算硬件的研发，量子计算机未来又反哺AI，为机器学习提供指数级算力。

靴子能落地吗？

在这个竞技场中，微软不是唯一的选手。通往“量子彼岸”的道路不止拓扑量子芯片一条，还有超导量子芯片、囚禁离子芯片、光量子芯片和硅自旋量子比特。各国政府也在加码投入。中国在量子通信和量子计算领域都有大规模布局；美国向量子计算公司大量拨款；欧盟也启动了“量子旗舰”计划。

2029年，微软真的能做出商用级量子计算机吗？英国萨里大学的物理学教授Paul Stevenson评价道，在制造可靠量子比特方面，微软看来已经取得了突破，如果成果经得起检验，这个时间听来合理。但与此同时，也有不少科学家希望看到更多经过同行评审的详细数据，因为微软此次发表的相关论文尚未完成同行评审。

当然，在微软的高调宣言和狂欢背后，也有几个问题值得冷静思考。第一，20秒够用吗？20秒的量子比特寿命，较之几十微秒而言，确实是惊人的飞跃。但实用级别的量子算法需要数以亿计的量子门操作。即便按一微秒一次算，20秒也只能跑两千万步，距离破解RSA密码、精确模拟药物分子所需要的数字还有好几个数量级的差距。须知退相干是物理定律定下的限制，是工程技术永远无法彻底摆脱的。第二，编译成本问题。每次用量子计算机解决一个问题，都先要在经典计算机上做一套编译，把问题翻译成特定的量子电路，再根据量子芯片的参数求解方程以得到量子门对应的电磁脉冲序列。这套编译过程不具有普适性，一次一编译，而且编译过程本身消耗的经典计算机算力可能接近，甚至会超过直接用经典方法求解的成本。第三，万一量子计算机报出的答案错了呢？人无法用经典计算机加以验证，假如能验证，也就不需要量子计算机了。最后答案错了，也不知错在何处。

建成商用级量子计算机的美梦，犹如一只悬空的靴子，迟迟不能落地。有朝一日纵使落地，可能不过是一声闷响。纵观科学史，科技的进步有时更像“无心插柳柳成荫，有心栽花花不成”。被人寄予厚望的，不一定能实现，而出路和突破，或许偏偏就在意想不到之处。

参考文献

https://news.microsoft.com/source/features/innovation/majorana-2-microsoft-discovery-agentic-ai/

https://www.bluequbit.io/blog/quantum-chips

https://www.bbc.com/news/articles/cj4p7gyvp52o

https://zhuanlan.zhihu.com/p/2035004303467917427?share_code=14f9XN3e5wlBq&utm_psn=2035105136662553502&utm_source=wechat_session&utm_medium=social&s_r=0&wechatShare=1