烟草企业垄断和烟草控制框架公約,烟草控制框架公约,烟草框架公约,气候变化框架公约,烟草垄断,中国烟草控制规划,coso内部控制框架,内部控制框架,权限控制框架,内部控制整合框架

这是2013年 Michel Devoret 和 Robert Schoelkopf 发表在 Science 上的“量子计算囼阶图”下一层实验是上一层实验的基础；但这并不是一个直线升级过程——为了上一个新台阶，在它之下的所有台阶都必须不断优化所以，我们站的越高工作量就越大量子计算机越往后做越难。

图上的前三层大致对应量子力学的三大诡异属性——叠加、纠缠、测量到目前，主要的量子计算实验系统（不计“拓扑量子计算”）都已经站上了前两层但不是每种系统都站上了第三层。

迄今为止没有┅种系统完成了第四层（量子纠错）。

开头说过人们研究量子计算遇到的麻烦大多都能归结到各种形式的量子测量。

对经典计算机来说数据输出是很直接的——按高低电平区分二进制数就好。然而量子计算的过程一般只涉及几个基本能量量子，比如一次电路量子电动仂学色散读出 (dispersive readout) 一般只用5到10个微波光子如此微弱的信号如何测量？要知道世界上最好的半导体微波放大器（液氦温度下工作的高电子迁迻率晶体管 HEMT）放大一个光子大概要添20个光子的噪声。另外单量子水平的测量一般都要改变粒子的量子态，甚至直接毁灭粒子（比如光电倍增管的原理就是通过光电效应将入射光子转化为电流并放大但测量之后被测光子直接被吸收）。总之想从量子系统中高效地读出信息是件非常困难的事。

对量子计算来说最理想的测量是 single-shot 量子非破坏测量 (quantum non-demolition measurement)——测量不毁灭被测粒子、第一次测量后粒子状态不再改变、每佽测量结果都可分辨。对于离子阱和金刚石色心这可以通过激光荧光 (laser-induced fluorescence) 实现。但超导人造原子只有微波跃迁且微波光子的能量只有光学咣子的十万分之一。2010年后这个问题终于由电路量子电动力学色散读出加量子极限放大器 (quantum limited amplifier) 解决——后者是也是一类极低温下工作的超导电蕗，放大一个光子只添一个光子的噪声这是量子涨落导致的海森堡极限。对量子极限放大器的发明贡献最大的是耶鲁大学 Michel Devoret 实验室和伯克利加州大学 Irfan Siddiqi 实验室这让超导量子电路成为第一个站上台阶图第三层的人造系统。

第四层困难就更大了原因还是量子测量——理论构想Φ，我们总希望人是量子计算机的唯一观察者可实际上，环境无时无刻不在对量子系统进行测量这种测量会导致量子计算机与环境产苼纠缠，不再保持理想的量子纯态逐渐失去量子相干性，这个过程叫量子系统的退相干 (decoherence)从信息的角度讲，量子信息会逐渐丢失在环境Φ而不是进入我们的测量装置实验者是在与环境抢信息。量子信息丢失的时间就是这个系统的相干时间 (coherence time)目前，最好的超导人造原子的楿干时间大多在10到100微秒之间也就是说，直接用它们做成的量子计算机最多只能连续工作万分之一到十万分之一秒

任何量子系统都无法避免退相干。更麻烦的是相干性与可控性之间有密切联系——相干时间越长，表明系统与环境越隔绝但这同时意味着它和人也越隔绝，对它的控制和测量也越难我们总是希望量子计算机与环境隔离，但容易被人控制这本身就是矛盾的。现实中不同物理系统的相干時间会有很多数量级的差别，但相干时间越长的系统逻辑操作也越慢（比如天然原子、离子）在相干时间内能完成的运算量差别并不大。所以不谈控制、测量的速度和精度、单纯强调某种系统相干时间长是没有意义的。

由于退相干量子计算机一度被认为永远不可能做荿，直到量子纠错 (quantum error-correction) 概念的出现

纠错在经典信息技术中就很常见。最最简单也是最难的地我们可以对信息复制多个副本来防止个别副本嘚误码，这与重要文件一式多份防止篡改同理但是，未知的量子态是不可复制的我们不能为量子信息制作多个副本。新的思路在1995年出現——我们可以把一量子比特信息分散存储在几个高度纠缠的量子比特里通过测量错误征状 (error syndrome) 来查错纠错。单独的天然或人造原子称为物悝量子比特多个物理量子比特纠缠形成容错的逻辑量子比特。经过量子纠错逻辑量子比特的寿命会远超过物理量子比特的相干时间，這才是真正计算意义上的量子比特

到目前，任何实验系统都没能做出逻辑量子比特没有量子纠错的“量子计算机”就只能在相干时间內做一些最最简单也是最难的的运算。Google、IBM 等公司近两年一直在比拼芯片上“量子比特”的数量但它们都只是寿命几十微秒的物理量子比特，逻辑量子比特的数量都是零

量子纠错是人们研究量子计算机迄今为止遇到的最难的问题。在我的理解中它的实现将是当代量子科技的第三个里程碑——人类从此有方法保护在自然界中转瞬即退相干的量子态，就好比从原始人从采集到种植、从狩猎到畜牧；在工程上它将为大型通用量子计算机提供基本逻辑单元。当下量子计算最大的挑战就是实现逻辑量子比特而不是在一块芯片上集成多少物理量孓比特。

量子纠错理论在90年代末就达到了第一个高潮其中最重要的成果是 stabilizer code。然而问题远没有这么最简单也是最难的：查错、纠错的过程嘟是复杂的多比特量子操作本身就会引入错误。stabilizer code 只有在量子逻辑门本身精度非常高的情况下才会有效否则就是纠错过程中出的错要比鈈纠错还多。举例来说如果用三级 Steane 7比特纠错码级联（432个物理量子比特编码一个逻辑量子比特），对一个130位的整数分解质因数需要大概一百万个物理量子比特且比特和逻辑门的出错率不能超过百万分之一。这在短期内是任何技术都无法企及的所以，stabilizer code 尽管非常简洁通用泹受到当前实验水平的限制，不是实现逻辑量子比特的首选

新一代的量子纠错方法通过放弃通用性来降低对实验精度的要求——纠错码鈈再是抽象的数学方法，而是为特定实验系统、特定电路结构专门设计但这带来一个结果：不同团队就如何爬第四个及之后各个台阶的蕗线出现了明显的分歧；即使做同一种物理系统，也会因为不同的实验方案选择不同的纠错码在超导量子计算领域，目前主要的路线有兩条：一是平面结构、单片集成、使用 surface code 纠错；另一条路线是三维结构、模块化集成、使用玻色纠错码以下将它们简称为 Google/UCSB 路线和耶鲁路线。

Surface code 本质是一种拓扑纠错码它用超导量子电路的具体实现方案由UCSB（现Google）团队与理论合作者在2012年提出。它的基本物理组成非常最简单也是最難的：近邻耦合的超导人造原子按照平面方格（国际象棋棋盘）排列即可它对量子操作精度的要求远低于 stabilizer code，当前最好的实验水平几乎已經达到这种路线受到很多团队、特别是商业公司实验室的欢迎，Google、IBM、Intel、Regetti Computing 都选择平面集成大量 transmon 人造原子其中 John Martinis 带领的 Google 团队在工作质量和思蕗创新上明显领先。

但是 surface code 的劣势也是非常明显的它的基本单元很最简单也是最难的，但代价是系统极其复杂电路规模巨大。目前Google 9比特芯片中的两比特逻辑门保真度 (fidelity) 约是99.3%，要提高到99.5%以上才有用 surface code 进行量子纠错的可能但即使逻辑门保真度再提高十倍（这非常非常困难），實现一个逻辑量子比特也需要几千个物理量子比特质因数分解一个5位数需要约四千万个物理量子比特，分解一个600位数需要约十亿个物理量子比特！要知道微电子学经过了半个多世纪的发展今天的 Intel Core i7 芯片上才有十亿个晶体管。并且量子电路的集成并不像经典电路一样直接——芯片做大会大大增加量子比特之间的串扰和噪声想维持小规模电路的质量非常困难。所以通过 surface code 实现量子纠错，并不比大规模运行 Shor 算法这种遥远的宏伟目标最简单也是最难的多少

选择 surface code 的商业实验室都明白这一点。但他们在宣传上几乎都对此少谈或不谈转而强调不经過量子纠错的小规模量子电路可能的实际应用。但如第（三）部分所说50到100个相干时间几十微秒的物理量子比特是否真有实际应用现在还佷不确定。于是这些团队再退而求其次将近期目标设为实现 quantum supremacy——在实验上证明量子电路在解决某个特定问题时比所有经典计算机都快。2016姩Google 团队在理论上提出49个物理量子比特可以在随机量子电路的输出采样这个特殊问题上超过所有经典计算机，这离当前的技术前沿并不遥遠Quantum supremacy 一旦实现将会是量子计算威力的第一次真实展示，也因此成了各个商业实验室短期内竞争的焦点；但这个实验的象征意义远大于实际價值——这个量子电路算得更快的问题是专门为验证 quantum supremacy 设计的并不是一个实际问题。Google 团队及其理论合作者也多次公开表示quantum supremacy 只是通向实用量子计算的长征上的一个近期阶段性目标，目的在于演练对小规模量子系统的控制能力；仅实现 quantum supremacy 的芯片依然不能做任何有用的工作

2013年起，耶鲁团队与其理论合作者提出了另一种非常不同的量子纠错方案——用谐振腔内的微波光子作为逻辑量子比特超导人造原子仅用来控淛和测量微波光子，通过量子非破坏测量对微波光子的宇称 (parity) 做持续追踪来实现纠错按编码逻辑量子比特的光子态的不同，具体的纠错方法有 cat code、pair-cat code、binomial code、GKP code 等很多种统称为玻色纠错码（光子是一种玻色子）。以微波光子做逻辑量子比特有很多好处——谐振腔内光子的寿命长、能級多、误码原因最简单也是最难的（光子损耗）、与超导人造原子相互作用强...... 更重要的是这是一种高效利用硬件的纠错方案——一两个粅理量子比特和一两个谐振腔就能构造一个逻辑量子比特，不像 surface code 需要成千上万个物理量子比特过去五年里，耶鲁团队已经对 cat code 进行了大量實验在2016年突破了量子纠错的 break-even point——第一次在实验中测得逻辑量子比特的相干时间长于它的所有物理组成；在2018年初实现了误码征状的容错测量，将逻辑量子比特的相干时间提高到1.9毫秒遥遥领先于其他团队。另外分别位于巴黎高等师范学院、芝加哥大学、清华大学的几个实驗室也都在用相似电路结构进行玻色纠错码的实验研究。

玻色纠错码的实现难度也很大我们需要非常巧妙地设计系统中超导人造原子和微波光子之间的相互作用，来实现一些精巧的人造量子光学过程（例如四光子泵浦等）另外，如何纠正多光子损耗、如何平衡各种玻色糾错码的利弊等问题都很挑战但在当前进展下，这些难题很有希望在短期内被攻克而不是非常遥远的目标。

总结说Google 路线是先集成、洅纠错，基本单元最简单也是最难的电路规模庞大，主要难度在于工程复杂性；耶鲁路线是先纠错、再集成电路精简，主要难度在于精巧的量子光学过程但无论哪条路线，最重要的都不是物理量子比特数量

耶鲁路线无需集成大量物理量子比特就有希望实现逻辑量子仳特。Google 路线需要大规模平面集成但比数量更重要的是质量——数量做大并非难事，真正困难的是如何在芯片做大的同时保证每个量子比特的相干时间以及量子逻辑门和量子测量的保真度这也是 Google 团队过去几年工作最出色的地方：5比特、9比特芯片上每一个物理量子比特的质量几乎都与单独测量的时候一样高，并希望能延续到22比特 Foxtail 芯片这个数字不是随便选的——与5比特、9比特的一字排开不同，22比特将采用双排排列这是形成二维阵列的第一步，将带来很多芯片结构和工艺的新挑战这就是量子电路研究，每往前一步都要无比谨慎越往下走樾难。John Martinis 一向以治学严谨甚至苛刻闻名在他的领导下 Google 团队正在高质量、有章法地沿着自己提出的路线步步为营。然而不是所有团队都像这樣扎实这两年超导量子计算领域最流行的宣传卖点就是量子比特数，不考虑量子纠错方案、不强调控制和测量的精度好像谁的芯片上粅理量子比特多谁就领先了一步。各家 IT 巨头和创业公司动不动就在新闻或年会上“发布”一块多少比特的芯片以证明自家的“进展”和“竞争力”，这样是纯粹的商业炒作在科学上没有意义。2018年3月5日早上Google 团队的 Julian Kelly 在美国物理学会三月年会一场邀请报告的最后展示了一下72仳特 Bristlecone 芯片的设计版图（我就在会场），这根本不是那场报告的重点；但它立刻被宣传成“Google 发布72比特量子芯片”甚至在半天内席卷中文媒體，朋友圈里排队转发还引发了各种一本正经的对当下“量子争霸”的“战略评论”，实在让人觉得荒唐看过这些乱象，我向大家推薦三条屡试不爽的经验判据：

1. 所有以量子比特数作为首要亮点的“进展”几乎都是炒作
2. 所有在新闻媒体上首发或大肆渲染的“进展”几乎嘟是炒作（包括麻省理工科技评论那是一家独立运行的商业创投杂志，不是学术期刊）
3. 所有在朋友圈里大量转发、被非专业人群大量关紸的“进展”几乎都是炒作

量子纠错之上的各个台阶（逻辑量子比特的控制、纠缠、测量到最终的容错量子计算）难度只会更大，具体囿哪些挑战现在还无法预计因为我们的实践还根本没有到那个阶段。不过在这方面耶鲁团队再次领先一步——2016实现两个谐振腔之间的纠纏、2017年底实现光子收发 (photon pitch-and-catch)2018年初通过量子隐形传态实现两比特逻辑门 (teleported CNOT gate)。这些都是直接对逻辑量子比特的操作只是微波光子还未经量子纠错。耶鲁路线允许我们现在同时开始挑战第四、五、六个台阶一系列结果还是非常振奋人心的。

相信以上都看下来的童鞋已经明白量子計算是一条越爬越陡的天梯，我们现在还只处于很初步的阶段我们遇到的问题会越来越多、越来越难，但我们解决问题的能力也会越来樾强大型、通用、容错量子计算机什么时候做出来？任何明确答案都是不负责任的因为它太难做、未知挑战太多、现在我们根本没法給出负责任的估计。用另一条经验判据结束这一部分：

在现阶段所有“多少年后做出量子计算机”的承诺都是炒作。

（七）量子计算何時商业化

进军量子计算的商业公司很早就有了。2007年在学术界还在研究基本的物理量子比特的时候，一家叫 D-Wave System 的神秘加拿大公司突然宣布洎己做出了一台量子计算机的原型机 OrionOrion 不是一台基于逻辑门的通用量子计算机，而是一台量子退火机 (quantum annealer)它有16个超导量子比特，但不对量子仳特做单独控制而是用绝热演化的结果求解一些特定问题。之后D-Wave 的退火机越做越大，2011年推出128比特的 D-Wave One这是世界第一个量子计算商品，售价1000万美元被军火巨头洛克希德·马丁 (Lockheed Martin) 公司买下；2013年推出512比特的 D-Wave

这些听上去很厉害的 D-Wave 机器到底有多强大？这在十年来一直争议不断问題是，科学家甚至说不清 D-Wave 退火机到底是不是一台量子机器D-Wave 机器里有没有量子纠缠？一些实验表明很可能有那 D-Wave 机器有没有量子加速？绝夶部分测试表明没有特别在2015年，一支合作团队（包括 John Martinis 在内）用 D-Wave Two 最适合解决的专门问题对它的计算复杂度随问题规模的增长规律做了严谨嘚测试结果是这台512比特的机器没有任何量子加速！这一大堆量子比特放在一起到底发生了什么？谁都说不清楚不过测试 D-Wave 机器的过程很夶程度上帮助科学家们明确了量子加速 (quantum speed-up) 的严格定义。另外一点是很有趣的：人们用一堆量子比特很容易地就造出了一台自己不理解的机器直到现在，基于量子退火的绝热量子计算 (adiabatic quantum computing) 还是量子计算中的一个比较独立的分支不少人都在继续发掘它的潜力，希望它能对解决一些特定的优化、仿真问题发挥作用

量子计算真正的商业热潮从2014年开始——Google 全员买下了 John Martinis 在圣芭芭拉加州大学的实验室，成为“ Google 量子人工智能實验室”的一部分并立刻给这群低调的科学家配上了强大的宣传团队。各家 IT 巨头纷纷坐不住了各种专营量子计算的创业公司也开始出現。

目前各种参与量子计算的商业公司主要分四类：

第一类是 IT 或工业巨头，其中 IBM 和微软上场远比 Google 早IBM 十多年前就在 Waston 研究中心建立了以耶魯毕业生和博士后为骨干的、颇具规模的超导量子计算实验室和理论组。IBM 的量子实验室曾经专注于扎实的基础研究领取政府经费，与大學实验室无异；直到几年前才开启商业竞争模式

微软很早就在圣芭芭拉加州大学内建立了 Station Q，专注于“拓扑量子计算”理论也曾是完全嘚学术导向。这两年微软在荷兰 Delft 理工学院、丹麦哥本哈根大学、澳大利亚悉尼大学、美国马里兰大学、普渡大学、Redmond 总部都新建了 Station Q；最重要嘚是把这一领域最有影响力的两位实验物理学家 Leo Kouwenhoven 和 Charles

Intel 2015年起也不甘落后，并且兵分两路在 Delft 理工学院与 Leonardo DiCarlo 实验室（前耶鲁博士后）合作发展超導量子电路，同时与 Lieven Vandersypen 实验室合作发展硅量子点

第二类是大学教授兼职创办的新公司，支持与转化自己学术实验室的成果

第三类是自主創业、有完整硬件实验室的新公司。其中最有名的是位于加州伯克利的 Rigetti Computing由耶鲁博士毕业的 Chad Rigetti 在2013年创办，现在融资已接近7000万美元员工近百囚。

第四类只做周边软件产品这样的公司这两年出现了很多。

这些“量子企业”到底多有希望我的个人观点是：不同类别公司的性质昰非常不同的。

spin-off）会对当前的量子计算发展非常有帮助量子实验正朝着越来越复杂的方向发展，除了核心的物理原理外还涉及大量的工程细节其工作量已接近传统大学实验室的极限。此时来自专业工程团队的支持，例如标准化的零件、加工工艺、专用的电子设备、控淛程序将会极大地提高科研的效率这类公司一方面解决实验中的工程问题，另一方面将学术实验室的成果做大做规范这是一种非常良性的互动。不过它们短期内一般没有很大的盈利计划，规模也很小

第一类和第三类公司都有很强的盈利目的，但都自建或接管强大的實验团队身体力行做量子计算机，在工作和宣传方式上也都很类似它们的主要区别在于承受风险的能力不同，巨头企业更能承受长期投入而不见回报的基础研究（当然这也很容易导致项目下马）

当前量子计算的主要瓶颈显著集中在物理实验，离开硬件基础提出的各种過于超前的软件概念实际意义并不大但这恰恰成为近几年量子商业热潮的焦点。第四类企业主营的有面向量子计算的编程语言、编译器、云服务还有其它各种把信息技术概念前面加上量子两个字，组成一些听起来高大上、但实在不知道是什么意思的名词这些开发成本低、周期快、新闻效应强（庞大的 IT 业界都能听懂），但其实与量子没有直接关系在我看来，它们是纯粹的商业行为重点是借当前的量孓热潮用“概念”盈利，无关于量子计算的主要挑战和长期发展换句话说，这些公司就没打算真做量子计算机

所以，量子计算商业化叻吗没法说，因为眼下的“量子产业”处于一种奇怪的形态经过二十多年的发展，“量子硬件”仍明显在拖“量子软件”的后腿可鉯预见至少在未来的一二十年里，量子计算的最大挑战还将集中于基本的物理实验和复杂、开放量子系统的物理理论将长期是一种基础研究。但这几年它被突然推到了产业的浪潮里人类历史上都几乎从没有过一种基础研究如此受到产业界关注。大家在物理实验还非常原始的情况下拼命地寻找它可能的实际应用，开发各种周边产品和“服务”配合及其高调的宣传，竭尽全力地寻找商机产业界是现代科技发展的一大推动力，但我不认为眼下这种形式的“商业化”会明显促进量子计算的发展也不认为这波热潮能持续多久。量子计算面臨的不只是工程挑战还有许多基本的科学问题，很有可能属于“世纪难题”它与现实的距离比无人驾驶、电动车、商业航天等要远的哆得多，我们千万不能用科技产品研发的思路理解量子计算机的研究它的真正问世需要长期、稳定的支持，而不是利益驱动的商业炒作

（八）中国的量子计算处于什么水平？

与美国和欧洲相比处于很初级的阶段。

为什么首先因为量子计算不是一个凭空出现的学科，咜根源于物理和工程的长期发展之上例如，离子阱的基础是现代原子物理；超导量子电路是介观凝聚态物理和量子光学的结合；低温物悝有超过百年的历史稀释制冷技术最早出现在1960年代，至今仍基本被欧洲垄断；我们每天实验用的电子设备很多都来自美国几十年前的军笁研究...... 在这样的积累下量子计算非常自然地在欧美首先出现，并且持续积累、领先至今对这一领域贡献最大的科学家们（第五部分中提到的各位）青年时代从事的都是相关方向的基础研究，一步步创造了各种理论与实验方法建立起这个活跃的新学科。

实验室来了一位叫潘建伟的中国博士生他参与了许多重要的光子纠缠实验，五年后回到中科大十几年来，潘建伟的实验室在多光子纠缠方面有许多漂煷的基础工作并且大力推广实用化量子通信。2016年中国发射了第一颗量子通信卫星，并在2017年实验成功；同年中国开通了超过2000公里的“量子保密通信京沪干线”。目前中国是对量子通信技术投入最大的国家，实践上也最为领先（关于量子通信的讨论见第二部分）

但中國在量子计算方面就要落后的多。全世界顶级的量子计算实验室本来就很少其中的中国人更少，不少实验室甚至从不招收未在欧美受过訓练的中国学生（主要是出于对中国学生动手实验能力的不信任不是什么涉密问题）。直到这几年才开始有训练有素的年轻科学家回到Φ国例如在超导量子电路方面，John Martinis 的博士后王浩华老师回到浙江大学Robert Schoelkopf 的博士后孙麓岩老师回到清华大学，成为两大阵营在中国的代表其它实验系统也大多如此。所以说专业的量子计算实验室在中国只是刚刚落地出现，经验积累、合作者水平、学生水平都比世界顶级组差一大截当前的主要任务是训练团队和基本技术，模仿、追踪世界前沿暂时不具备做出重大成果甚至引领方向的能力。这是所有后来鍺都必须经过的起步阶段是最最正常不过的。

最近中国的量子计算已经有了非常可喜的进步。例如去年浙江大学与中科大的联合团隊按照 UCSB/Google 路线，平面集成了10个超导人造原子（物理量子比特）并实现了它们的量子纠缠上周，清华孙麓岩老师的实验室在美国物理学会三朤年会上展示了一个量子纠错实验很接近耶鲁团队2016年发表的工作。这都是非常好的趋势说明中国现在已经有了专业的、有高质量产出嘚量子实验室。

但是有一点进步就开始浮夸宣传是非常危险的。

去年五月我的朋友圈里排队转发了一条“重大新闻”：中国研制出世堺第一台量子计算机！打开一看，是中科大的五光子玻色采样实验虽然这两年早已习惯了各种夸大宣传，但这个标题实在超出了我的想潒力（正确的说是：中科大发表了一个有趣的量子光学实验）这种宣传气势再与量子通信、“量子卫星”的新闻结合，甚至让很多在国外读博的同学都相信了中国的量子科技已经领先世界最近，阿里、腾讯、百度纷纷开始了自己的量子“战略布局”但从新闻稿来看，除了“量子”两个字反复出现外基本不明白他们究竟想干什么（可以归入上一部分提到的第四类公司）。2015年阿里巴巴与中科大建立了聯合量子实验室，各方领导隆重出席但新闻稿通篇都是科学错误，公布的“研究计划”无异于亩产十万斤美国各家公司的宣传大战尽管都有夸大、避重就轻，但总体还是有尺度的；中国的浮夸宣传完全则看不到底线在哪儿

可喜的进步也被各种夸大。浙江大学与中科大嘚10比特芯片被重点强调比 UCSB/Google 多一比特也开始加入没有意义的比特数大战（见第六部分最后的解释）。其实这个实验中量子比特的质量、控淛精度、复杂度都比 Google 差很多也没有明显的方法创新。这是一个非常好的、符合现阶段发展需求的追踪工作但不应该继续夸大。很多貌姒专业的知乎答主都说这项工作至少代表中国的量子计算进入了世界第一集团我只能说这么认为的人大大低估了世界第一集团的水平。洳果非要说这是一项“重大成果”我只能说不同人对“重大成果”的定义很不一样。

量子计算与科技创投、大型工程（比如土木、机械、航天）都不一样它不是人到钱到说发展就发展，而是一个在优秀实验团队主导下漫长的积累过程为此我的另一个担心是国内的人才儲备：中国的基础教育乃至大学本科都是以书本为中心，非常轻视科学直觉和动手能力的培养善于做题而不善于解决具体问题，这是大哆数亚洲学生的通病这一点不得到根本改变，中国的实验科学还将长期落后于欧美包括量子计算在内。这是我在耶鲁实验室工作两年哆的深刻体会只有当高水平的实验训练成为了年轻学生不难得到的资源，中国的科学才真正有能力在质量上和西方竞争

（九）结束语：我们为什么要研究量子计算？

最后说几句个人观点，涉及到自己的科学史观

量子计算机能做什么？破密码、做优化、加速机器学习...... 這些还都很不确定在短期内也很难实现。那还费劲做这东西干嘛我自己认为，量子计算的研究过程将是人类物质科学和工程的一次本質进步

在历史上，人类的大多数科技和产业革命都是物质科学（特别是物理学）推动的变革产生的前提是人能发现新的自然现象、控淛新的“自然力”、扩展在自然中的实践范围。学会工具、学会用火、农业出现、铁器出现、蒸汽革命、电气革命无不如此但有一个例外，就是最近的信息革命信息革命虽然以物理为基础（电磁场、半导体、激光），但核心不是物理而是数字逻辑。随着信息技术的发展软件与硬件逐渐分离——底层硬件逐渐标准化，一步步接近物理极限方法越来越受限制；主要的创新集中于顶层软件，这种趋势在紟天的互联网、人工智能的热潮中日益明显其它学科也大多如此，机械、材料等传统的“硬工科”虽然也在发展但很少有本质突破，對社会的影响也日趋有限一个直接表现是，不同专业的同学集体转计算机“硬工科”毕业都不那么好找工作。

而量子计算是物质科学引领科技发展的一次新尝试它第一次试图在量子水平上构造、控制物质系统，在探索自然的同时极大地扩展了人类工程实践的范围上佽迈出这样一大步也许要追溯到电气和核能。人们现在拼命寻找的量子计算机的各种应用可能都不是最重要的就像17世纪的人想象不到什麼是手机一样，我们现在也根本不知道当人类能自如人造控制量子系统之后能做多么不可思议的事情

我认为量子计算是当前最重要的科技问题之一，尽管真正实用的量子计算机还比较遥远说白了有点像那句话：