AI和量子计算要合体了?我帮你把这个故事拆开看看
4月23日，2026智能量子峰会，科大讯飞董事长刘庆峰说了一句话，「量子计算，或许是AI下一个十年的答案。」
怎么说呢，这种感觉叫做，「这个故事，我好像听过很多遍了。」
我随便数了一下，量子计算作为「下一个时代的计算基础」这个叙事，大概是这么演进过来的。
1990年代，量子计算的理论框架逐渐成型，当时的预测是，量子计算机会在「未来20年」里打破RSA加密体系，让现有的互联网安全体系全面崩溃。
2000年代，「量子通信」的概念开始热起来，和量子计算捆绑在一起。
2010年代，谷歌、IBM开始大力投入量子硬件，「量子霸权」成为热词。2019年，谷歌宣布他们的量子处理器在200秒内完成了经典超级计算机需要1万年才能完成的计算。
那道「1万年的题」是谷歌自己专门为量子计算机设计的，在真实业务里没有任何应用价值。IBM随后说他们的经典计算机其实也能在几天内做完。
规律是什么？每隔几年，量子计算就会和当时最热的技术词汇结合，制造一波叙事。AI现在是最热的词，所以「量子+AI」是这个时代最应景的故事。
我说这些，不是要否认量子计算本身，是想帮你建立一个判断框架。
量子计算机和经典计算机的区别，不是「更快的计算机」，而是「用完全不同的方式处理特定类型问题的机器」。
经典计算机用0和1处理信息，量子计算机用量子比特，可以同时处于0和1的叠加态，理论上可以同时探索指数级数量的解空间。
这让它在某些特定问题上有天然优势，比如大数分解（破解加密用的）、分子模拟（搞新材料和新药用的）、特定的组合优化问题。
但量子计算机目前面对一个非常根本的工程挑战，量子比特极度不稳定，需要在接近绝对零度的环境（大约负273摄氏度）下运行，稍微有一点点环境干扰就会「退相干」，导致计算出错。
现在最好的量子处理器，有效量子比特数在数百到数千个，错误率依然偏高，要完成有商业价值的计算，需要的量子比特规模还差好几个数量级。
这不是说技术没进步，是说和「替代GPU集群来训练大模型」这件事之间，距离还非常远。
「量子+AI」这个词组，其实混入了至少三种不同的东西，它们的成熟度完全不一样。
第一种，用AI来优化量子电路设计。这个是真实存在的，而且现在就在用。量子芯片的电路布局非常复杂，用机器学习来帮助设计更好的量子线路，已经是量子计算研究里的一个活跃方向。这个方向是AI在服务量子，不是量子在加速AI。
第二种，量子机器学习算法。这是一个学术研究领域，理论上量子计算可以加速某些机器学习中的矩阵运算，让训练更快。但目前这些算法几乎都还停留在论文里，要在真实量子硬件上跑起来，还需要解决大量的工程问题。
第三种，用量子计算机来训练大语言模型。这是大部分普通人听到「量子+AI」时脑子里浮现的画面，也是目前距离现实最远的一种理解。大语言模型的训练需要的是高吞吐量的矩阵乘法，经典的GPU在这件事上有天然优势。量子计算机在这条路上要追上来，需要的技术突破是系统性的，不是一两个研究进展能搞定的。
刘庆峰说量子是AI的下一条路，他的出发点可能是第一种和第二种，但很多人听到的是第三种。
为什么这个时间节点，「AI需要量子」的叙事开始被认真讨论了？
GPT-6的训练用了大约10万张H100显卡，花了超过20亿美元。下一代模型呢？可能要20万张，30万张。这不只是钱的问题，是能耗、散热、供应链的综合压力。全球最大的几个AI公司已经在讨论如何建造核电站来满足自己的电力需求了。
经典算力的扩展路径是清晰的，就是堆更多GPU，但这条路的边际成本在快速上升，而且物理上有极限。
量子计算是候选之一，但不是唯一的候选，也不一定是最近的那个出口。
神经形态芯片、光子计算、新型内存架构，这些方向也在被认真探索。而且有几个方向离商业化更近，只是没有「量子」这个词来得神秘好听。
这件事给了我一个想法，想跟你分享一个判断「A+B」科技叙事的小方法。
每隔一段时间，科技圈就会出现「某个热词+另一个热词=未来」的故事。AI+区块链、AI+元宇宙、AI+量子，它们长得都很像。
第一个问题，A解决了B的什么具体问题？不是泛泛的「提升效率」，是一个具体的、可以量化的问题。如果说不出来，或者只能给出一个很学术的场景，那这个故事大概率还停留在概念阶段。
第二个问题，现在有没有在真实业务里跑的案例？不是实验室的论文，不是政府的示范项目，是商业公司在用、有付费用户、有可以核查的数据的案例。如果没有，故事还没落地。
第三个问题，说这件事的人，从这件事里能得到什么？刘庆峰在量子峰会上说量子是下一条路，科大讯飞本身在布局量子业务，所以这句话不是纯粹中立的技术判断，是有立场的。不是说他说的是错的，是说你要把这个背景放进去一起考虑。
用这三个问题去筛「量子+AI」，目前的答案是，有真实的小规模应用（第一个问题有部分答案），但没有大规模的真实商业案例（第二个问题暂时没有），而且说这件事的人大多有直接利益关联（第三个问题答案明确）。
结论是，这是一个值得持续关注的方向，但现在还不是「合体了」的时候。
永远对世界保持好奇，但好奇之后，要自己把故事拆开看看。
夜雨聆风
