“量子计算机将彻底变革药物研发、破解所有加密、解决气候变化。”这套说辞你已经听过。现在给出诚实的答案：在当今现有的硬件上，2026 年量子计算机究竟能做什么？
诚实的答案是微妙的——而且比炒作或怀疑所暗示的都更有趣。
如何看待量子技术的成熟度
量子应用分为三类：
- NISQ 时代的应用（当下）： 在当今 50–1000 量子比特、电路深度有限的含噪硬件上可运行的算法。结果可能是近似的。价值在于探索性或演示性。
- 近期应用（2–7 年）： 需要适度的纠错——数百到数千个逻辑量子比特。针对特定问题实例的实用加速开始出现。
- 长期应用（7–20 年以上）： 需要数百万个物理量子比特和完整的容错能力。具有变革性的影响。
炒作与现实之间的鸿沟，大多源于把这三类混为一谈。
现在能做什么（NISQ 时代）
量子化学模拟——有限的分子
是什么： 使用 VQE 模拟小分子的基态能量。
已演示： IBM 及其他团队已在真实 QPU 上计算了 H₂、LiH、BeH₂ 以及小型碳氢化合物的基态能量。对于 4–12 量子比特的问题，结果与经典方法一致。
当下的实用价值： 研究与基准测试。对于经典计算机也能精确模拟的分子而言，没有优势——但这些方法正在得到验证。
瓶颈： 扩展到具有实际制药意义的分子（50 个以上原子）需要数百个逻辑量子比特。在当前的含噪硬件上无法实现。
谁在做： IBM Quantum、IonQ（用于药物研发合作）、Quantinuum。
import hlquantum as hlq
# VQE for H2 — works today, results match classical
result = hlq.algorithms.vqe(molecule='H2', basis='sto-3g', backend='qiskit')
print(f"Ground state: {result.energy:.4f} Ha") # -1.1372 Ha
量子机器学习——概念验证
是什么： 用于分类的量子神经网络（QNN）和量子核方法。
已演示： 量子核已被证明在玩具数据集上可行。对于实际数据集，尚未证明量子相对经典 ML 具有优势。
当下的实用价值： 研究。“没有免费的午餐”问题依然适用——QML 中的量子优势（如果存在）将针对具有特定量子结构的特定数据。
正在浮现的现实用例： 对于源自量子物理实验的数据集，量子核可能具有内在的量子结构，量子 ML 比经典方法更善于利用这种结构。
谁在做： PennyLane/Xanadu（专注 QML）、IBM、Google（Quantum AI）。
优化基准测试（QAOA）
是什么： 将 QAOA 应用于 Max-Cut、投资组合优化、车辆路径规划。
已演示： QAOA 电路已在真实硬件上运行。在 p=1 时，NISQ 设备上可在 Max-Cut 上实现约 0.75 的近似比。
当下的实用价值： 对于真实规模的问题，尚无法与经典求解器（模拟退火、GUROBI）竞争。对研究和硬件基准测试有价值。
何时才重要： 当 p 大到足以带来显著优势时，电路对 NISQ 设备来说太深了。需要纠错。
随机电路采样（“量子霸权”主张）
是什么： 从随机量子电路中采样。
已演示： Google（2019 年，Sycamore）、IBM（2023 年，Eagle）、中国团队（2020 年、2021 年）。
实用价值： 目前没有——随机电路采样没有已知的应用。它是一项硬件基准，表明量子设备能做某些经典计算机难以模拟的事情。
为何重要： 它验证了量子硬件正在正确运行，并且对于某些电路规模，经典模拟正变得难以处理。
近期能做什么（2–7 年）
量子辅助药物研发
是什么： 利用量子模拟来建模蛋白质-配体的结合能，预测哪些候选药物值得合成。
为何重要： 每种获批药物的研发成本约为 25 亿美元。通过更好的计算筛选来减少失败的临床试验极具价值。
当前状态： IBM 及制药合作伙伴（Pfizer、AstraZeneca、JSR）正在量子硬件上对多达约 50 量子比特的分子运行 VQE。仍属演示性质——对于具有商业相关性的分子，经典方法仍然更准确。
何时成真： 当逻辑量子比特数达到约 1,000–5,000 时。届时量子模拟在关键分子类别上可超越经典方法。目前估计：5–10 年。
量子金融：蒙特卡洛加速
是什么： 量子振幅估计理论上可将蒙特卡洛积分从 O(1/ε²) 加速到 O(1/ε)——这种二次加速对期权定价和风险模拟极为重要。
当前状态： Goldman Sachs、JPMorgan 和 BBVA 正在积极研究这一点。已完成小规模演示。尚未达到生产规模。
何时成真： 需要适度的容错能力（数千个逻辑量子比特）。对于实用的金融加速，估计需要 5–15 年。
材料科学：电池与太阳能电池设计
是什么： 对锂空气电池、固氮催化剂（替代哈伯-博施法）以及光伏材料的候选材料进行量子模拟。
为何重要： 更好的电池 = 电动车革命。高效的 N₂ 固定 = 大幅降低化肥的能耗（目前占全球能源消耗的 1–2%）。这些都是万亿美元级的问题。
当前状态： Microsoft（StationQ）、IBM，以及 QunaSys 和 Good Chemistry 等初创公司正在追求这一方向。属于早期研究阶段。
何时成真： 5–20 年，取决于目标精度和分子大小。
什么需要完整的容错能力（7–20 年以上）
用 Shor 算法破解 RSA/ECC
是什么： 分解 RSA-2048 背后的大素数。
所需条件： 约 4,000 个逻辑量子比特（每个需要约 1,000 个物理量子比特 = 约 400 万个物理量子比特）。当前状态：数百个物理量子比特，且噪声很大。
时间线： 大多数估计认为威胁 RSA 的量子计算机将在 2030–2040 年出现。有人说永远不会——在这种规模下，工程挑战可能无法解决。
现在该做什么： 无论时间线如何，迁移到后量子密码学。这一转变需要数年时间，而 HNDL 攻击正在当下发生。
大规模的 Grover 搜索
是什么： 为搜索无序数据库、解决 NP 难问题提供二次加速。
所需条件： 深层的纠错电路。二次加速意味着对于大 N，√N 仍然非常庞大——常数因子必须有利于量子硬件。
时间线： 长期研究。
气候建模与流体动力学
是什么： 用于求解微分方程的量子算法（HHL 算法）可加速气候模拟、流体动力学和金融建模。
所需条件： 完整的容错能力。HHL 算法有巨大的开销，即使在理论上，其实际优势也远不明朗。
时间线： 这是最具推测性的一类。用于求解 PDE 的量子优势在实践中仍未得到证实。
诚实的结论
| 应用 | 当今是否有量子优势？ | 时间范围 |
|---|---|---|
| 随机电路采样 | 微乎其微，无应用 | 当下（仅研究） |
| 小分子的 VQE | 无经典优势 | 3–5 年可用于有用的分子 |
| 用于优化的 QAOA | 无经典优势 | 5–10 年 |
| QML / 量子核 | 对真实数据无优势 | 不确定 |
| 药物研发 | 无 | 7–10 年 |
| 金融（蒙特卡洛） | 无 | 5–10 年 |
| 材料模拟 | 无 | 7–15 年 |
| 密码学（Shor 算法） | 无 | 10–20 年以上 |
最直接的量子价值不在于运行算法——而在于尽早学习这个领域。IBM、Google、NVIDIA、AWS、IonQ 以及数十家初创公司都在招聘量子工程师。这套技能——电路设计、变分算法、量子-经典混合工作流——确实稀缺。这一缺口终将缩小，而那些尽早学习的人将占据有利位置。
第二直接的价值是后量子密码学——这是一个带有量子威胁的经典软件问题，所需采取的行动明确而紧迫。
至于其他一切：硬件是真实的，进展是真实的，炒作为时过早，而发展轨迹陡峭向上。