今天，简中自媒体被一篇Google量子计算芯片Willow相关的科研论文刷屏了，标题是《Quantum Error Correction Below the Surface Code Threshold》。这篇文章激发了广泛的讨论，甚至有激进观点预测，20年后Nvidia的终端价值（terminal value）可能会变成零。这种观点听着刺激，但未免有些夸张。作为曾经研究过相关领域的人，我也特意看了这篇论文，总体感觉是：科研价值确实很高，但要说量子计算马上取代Nvidia，恐怕还言之过早。
科研价值：Willow是量子计算领域的里程碑
从科研角度看，这篇论文的潜在意义确实“非常非常高”。自2014年成立Quantum AI实验室以来，Google就一直致力于推动量子计算从理论走向实际应用。这十年间，他们在超导量子比特硬件研发方面取得了一系列突破，为量子计算奠定了实验基础。然而，量子计算最大的难题之一是噪声问题：无论是温度、磁场，还是宇宙辐射，都会干扰量子比特的表现，导致计算结果偏差。这也是当前量子计算面临的主要技术瓶颈。
更重要的是，通常情况下，量子比特数量越多，错误率也会随之增加。然而，Willow芯片却实现了一个颠覆性的突破——随着量子比特数量的增加，
逻辑错误率反而呈指数级下降！
Google通过一系列硬件和系统优化，例如延长量子比特的退相干时间、优化解码算法（包括神经网络和实时解码器）、以及分析稀有错误来源，进一步利用表面码（surface code）来抑制逻辑错误。研究中，他们还展示了实时解码器如何在快速循环中实现高效纠错。最终，Willow系统的容错能力得到了显著提高，
可以说是第一次证明了量子计算在概念上是“可用的”。
如果要找一个类比，Google 2018年至2024年的一系列研究工作，或许可以被视为量子计算领域的“晶体管发明时刻”，在理论上开辟了未来产业化的可能性。具体有几个非常大的进步：
-
qubit life time从20us 提高到了100us
-
证明了error correction的可行性，更大的系统，更多的redundancy的确降低了error rate，并且提高了logical qubit的life time
-
证明了tunable coupler的有效性，直接的理解是，可以提高qubit的yield，造出来时候不好，但是可以tune得更好
-
用以上几个进步，做了更大更深的random circuit sampling这个task，比classical的best case快了10^25倍；但是这个task本身没有application
距离实用化还有很长的路
不过，科研的突破与实际应用之间总是有一段很长的路要走。虽然这项研究验证了容错量子计算的可行性，但要真正实现实用化，仍需要多年甚至几十年的技术积累和硬件优化。例如，这次研究的处理器只有105个量子比特，而实现许多实际应用需要上千甚至上百万个量子比特。此外，这篇论文展示的任务仍属于“量子入门级”问题（比如Sampling），与实际问题（如因数分解）还有相当大的差距。
其实这篇论文自己都通过这张图说明了目前没有commercial value，然后指出了之后的方向
从乐观角度看，研究量子计算的人总是自嘲，量子计算离大规模量产还有50年，但现在这49年的倒计时可能终于开始了。
Nvidia的潜在角色
最后，不得不提Nvidia的量子计算布局。在Bill Dally的领导下，Nvidia的量子研究团队规模已达到100至200人，堪称目前全球产业界最强大的团队之一。结合Nvidia在AI领域的成功，手握充足的资金和硬件研发能力，他们对量子计算的投入也极为可观。
未来，倘若量子计算真的提前到来，谁最有可能推动量子计算的商业化？很可能还是Nvidia。
欢迎加入共识粉碎机活动群，我们会定期发布内容和活动
我们正在发售两篇报告，其内容是：
大模型进展如何改变光通信格局，以及CPO和OIO影响
