人工智能對運算力愈來愈「食」，量子電腦亦一步步由實驗室走向可用系統。
兩者真正精彩位，其實喺佢哋會點樣「撞車」：由量子糾錯，到保護你手上 Bitcoin (BTC) 嘅加密機制，全都牽一髮動全身。
重點摘要
- AI 已經落場幫手起更好嘅量子電腦：由 Google 的 AlphaQubit 糾錯器，到 Nvidia 將 GPU 直接接上 qubit；相反，量子對 AI 嘅實際回報暫時仍然偏窄同未被充分驗證。
- 近期最尖銳嘅交鋒其實喺密碼學：Google 研究員將破解 RSA‑2048 所需 qubit 估算，大幅壓到百萬級帶雜訊 qubit 以下；NIST 已經開口，要求各界喺 2030 年前完成遷移「後量子」標準。
- 專家對時間表分歧極大，由 IBM 指 2029 年達至容錯，到黃仁勳講嘅「二十年」都有，任何單一日期都要用懷疑眼光睇。
硬件終於開始「聽話」
三十年嚟，量子電腦有個死症：愈砌得大就愈嘈，qubit 一多，噪音就爆燈，計算直接散晒。
Google 喺 2024 年 12 月於《Nature》發表 105 qubit「Willow」晶片實驗，首次跨過所謂「閾值」：再加 qubit，邏輯錯誤率唔係上升，而係反而下降。
具體數字幾清楚：將程式碼距離由 3 提升到 5 再到 7，每升一級，邏輯錯誤率大約砍半；距離 7 嘅量子記憶，每個運算周期錯誤率壓到 0.143%。
呢段記憶壽命仲比最佳單一物理 qubit 長 2.4 倍。工程師叫呢個做「超越收支平衡」，係現階段最接近「決定性證據」嘅指標。
創出「NISQ」一詞、定義咗整個時代嘅 John Preskill（加州理工學院）形容，證明糾錯可以延長 qubit 儲存訊息時間，係「重要里程碑」，但亦提醒市場：量子計算對日常生活嘅實際衝擊，「可能要等幾十年」。
十個月之後，Google 再推前一步。
它喺 2025 年 10 月再於《Nature》發表 另一篇論文，提出名為 Quantum Echoes 嘅演算法，聲稱比傳統超級電腦上最佳方法快 1.3 萬倍。
但細心睇內文，《Nature》新聞團隊指出，外界學者對實驗究竟證明咗幾多，態度保留；Google 自己亦承認，要做到具加密實用價值嘅量子機，仍然要再放大幾個數量級。
呢次實驗價值其實相當窄：主要係量度量子系統點樣「攪亂」資訊，有助理解分子、磁性結構，唔係用嚟幫你開 Excel。
其他玩家則喺公開路線圖上全速狂奔：
- IBM 預告 會喺 2029 年推出 Starling，一部具備 200 個邏輯 qubit、可以跑 1 億個 gate 嘅容錯量子機，中途會先出 Nighthawk 同 Loon 晶片。
- Quantinuum 承諾 2029 年前交付一部名為 Apollo 嘅通用、完全容錯系統；其 Helios 先行，名為 Sol 嘅處理器預計 2027 年登場。
- 中性原子實驗室則用鐳射困住單一原子做 qubit，規模急速擴大。
當中兩個中性原子實驗特別搶眼：
- Caltech Endres 實驗室喺 2025 年 9 月 24 日於《Nature》發表，用約 12,000 個光鑷陣列困住 6,100 個銫原子 qubit，實現 13 秒相干時間，同 99.98% 單 qubit 操控精度。主持人 Manuel Endres 形容係「中性原子量子計算嘅興奮時刻」。
- 哈佛 嘅 Mikhail Lukin 聯同 MIT 同 QuEra 走另一條路：他們連續運行一個 3,000 qubit 系統超過兩小時，總共周轉超過 5,000 萬粒原子，每秒可重新載入多達 30 萬粒，補上漂走嘅 qubit。Lukin 指出：「我哋證明咗 3,000 qubit 系統嘅連續運行，但好明顯呢個做法可以擴展到更大規模。」
當然，行業同時有警世故事。
Microsoft 喺 2025 年 2 月高調宣佈 Majorana 1 晶片，自稱實現首批「拓撲 qubit」，理論上由物理結構本身抗噪。結果 3 月學術會議上，多數物理學家並唔買帳；理論學者 Henry Legg 其後喺《Nature》發表正式質疑，指相關測試其實可以被一般效應誤導。
當年推動拓撲 qubit 理論嘅重量級人物 Sankar Das Sarma 讚揚 Microsoft 嘅材料研發進展，但對其展示嘅物理證據仍保持冷淡。
傳訊同證據之間嘅落差，可能係投資者睇量子領域時，最應該記住嘅一課。
延伸閱讀：楊植麟拒絕加入 Apple——佢嘅 Kimi K3 點樣喺編碼上壓倒 Claude Fable 5
AI 已經喺幫手打造量子電腦
主流報道經常忽略一個轉折位：AI 唔係等量子成熟先入場，佢而家已經係量子實驗室檯面上嘅工具。
Google 旗下 DeepMind 喺 2024 年 11 月於《Nature》發表 AlphaQubit——一個用神經網絡做量子糾錯嘅 decoder。佢喺 Sycamore 處理器數據上訓練，相比 tensor network 方法錯誤少 6%，比 correlated matching 少 30%。
Decoder 正正係 AI 發揮功用嘅前線：量子晶片會吐出一串串錯誤訊號，系統要即時讀出 pattern，喺新錯誤累積前完成修正。
超導 qubit 喺十至幾百納秒尺度運作，decoder 唔單要準，仲要快到近乎殘酷；捉唔緊個時間窗，錯誤就會喺你出手前已經「利疊利」。
類似嘅機器學習壓力，喺整個量子技術棧都開始出現：
- 神經網絡幫手校準 qubit，同優化控制脈衝；
- 強化學習已被用嚟搵更快演算法，包括 DeepMind 喺矩陣乘法上嘅 AlphaTensor；
- AI decoder 持續壓縮保護一個邏輯 qubit 所需嘅物理 qubit 數量。
呢點表面聽落細微，其實對時間表影響極大：每減少一點「開銷」，都可以喺唔發明任何新 qubit 嘅情況下，將「實用級」量子機拉近一步。
呢個制約都解釋到點解硬件巨頭紛紛將量子晶片，同傳統加速器「綁死」一齊。
Nvidia 喺 2025 年 10 月推出 NVQLink，一個開放式互聯標準，將量子處理器對接至 GPU 超級電腦，背後有 17 間量子企業同 9 間美國國家實驗室撐場。Quantinuum 就用 NVQLink 為其 Helios 晶片跑出首個可擴展、實時 decoder，反應時間壓到 67 微秒。
黃仁勳嘅說法相當直接：量子電腦唔會單獨運行，你一定要喺隔籬停泊一部傳統超級電腦。
至少喺可見將來，我哋會見到嘅係一種混合架構：AI 模型實時幫 qubit 調參、校準、睇門口，盡量延長呢啲脆弱量子位嘅「壽命」。
延伸閱讀：Anthropic 否認「封殺開源權重」指控，並公開真正憂慮
量子可以幫 AI 咩？現實遠比宣傳冷靜
反過來問：量子電腦可以令 AI 本身變得更聰明嗎？
認真答一句：至少喺目前階段，遠遠追唔上市場營銷講到咁誇張。
過去幾年嘅「大夢」，係所謂「量子機器學習」，聲稱喺數據任務上可以帶來指數級提速——結果被一位少年高手用數學錘爆。
Ewin Tang 喺 2018 年證明，經典電腦可以匹敵一個備受吹捧嘅量子推薦演算法，其後再「去量子化」幾個類似方案。佢嘅工作揭示：好多被吹捧嘅加速，其實藏喺對數據載入方式嘅不切實際假設，而唔係量子數學本身。
兩個問題，持續困擾量子機器學習：
- 輸入瓶頸：要將傳統數據轉成量子態，喺計算開始之前，就足以吞噬所有理論加速；
- 荒漠高原（barren plateaus）：當量子電路變大，訓練景觀會變得一片平坦，梯度接近零，學習幾乎無從下手。
量子複雜度權威 Scott Aaronson 多年嚟不停提醒外界，要認真逐條細則咁睇清呢啲宣稱。
咁量子到底真正擅長咩？
簡單講：模擬其他量子系統。化學、材料科學同某啲優化問題，天然就喺量子甜蜜點，因為大自然自己就係量子，量子機器用嘅亦係同一套語言。
呢個係真實、具商業價值嘅利基市場：更高效電池、更好催化劑，以至新藥候選分子，都同呢度有關。
只不過，呢唔係市場最愛聽、可以炒起股價嗰種「量子會令你 chatbot 開掛」故事。Preskill 自己都將現階段定性為「嘈雜、中尺度量子」（NISQ）時代：一個做有用實驗，而唔係擁有完備通用量子機嘅過渡期。
延伸閱讀：OpenAI「失控代理」事件：除咗 Hugging Face，仲潛入咗四個服務
別被過度承諾：AI 能耗問題，量子未必係救世主
AI 嘅用電胃口，已經變成基建級難題。
國際能源署（IEA）估算，數據中心到 2030 年耗電量可達約 9,450 億度（TWh），較 2024 年嘅 4,150 億度多逾一倍，接近日本全年用電水平。
IEA 又指，專為 AI 優化嘅數據中心，未來幾年電力需求更可能翻多幾番。
呢度好容易引申出一個「美好故事」：量子電腦用上奇特物理效應，未來或者可以大幅壓低能源帳單。
呢類說法，尤其值得保持戒心。
量子機理論上可以喺某啲特定計算上換來能效優勢，但要喺實際金融、雲運算業務規模落地，涉及冷卻、控制電子學同基礎設施成本，遠比一條「每秒算力」曲線複雜。現階段，任何將量子包裝成 AI 能源問題「萬靈藥」嘅說法，都應該先打個折扣，再搵細節。 在特定化學運算與優化問題上，量子電腦有機會以遠少於傳統超級電腦的運算步驟完成任務，從而在這些極窄範疇內大幅節省能源。
但它們不會幫你跑大型語言模型，而低溫量子系統本身就要付出高昂冷卻成本。現實的說法，只能是：在「量子友好型」問題上做到針對性效率提升，而不是替 AI 暴漲的用電需求找救世主。
誰把後者當賣點，大多是在賣故事。
延伸閱讀：Apple 透過 Klarna 推出租機服務 iPhone 月費 17.99 美元起
這如何影響你錢包？
AI 與量子真正會撞向你日常財務生活的一點，是密碼學。
公鑰加密（例如 RSA、橢圓曲線密碼 ECC）靠的是「對傳統電腦很難、對足夠強的量子電腦卻很容易」的數學問題——多虧 Shor 演算法。
這孕育出一個已經有名字的風險，尤其令任何有「長壽命秘密」的人應該緊張：所謂「先收集、後解密」（harvest now, decrypt later）。對手今日就可以把你的加密流量全部錄下來，等將來量子硬件成熟再慢慢破解。
NIST 已在 2024 年 8 月拍板防線，公布 三套後量子加密標準：ML-KEM、ML-DSA、SLH-DSA，其後在 2025 年 3 月再選出後備演算法 HQC。
時鐘寫得很清楚：NIST 的遷移指引草案，計劃在 2030 年開始貶廢 RSA 及 ECC，到 2035 年完全停用。
加密貨幣正好站在衝擊圓心——因為區塊鏈同樣是建基於橢圓曲線簽署機制。
比特幣的風險是真實存在，但程度見仁見智。德勤（Deloitte） 的研究估算，超過 400 萬顆 BTC、約佔全部比特幣 25%，現時仍存放在易受攻擊的 pay‑to‑public‑key（P2PK）輸出地址及重複使用地址上，這些地方的公鑰早已曝光。
較新的鏈上分析數字更高。Google Quantum AI 的研究指，若把所有已曝光與重複使用的公鑰都計算在內，風險資產約有 650 萬至 690 萬顆 BTC，接近流通量三分之一，其中約 170 萬顆集中在早期 P2PK 腳本。
防禦工作已經展開，但進度參差：
- 比特幣開發者正討論 BIP‑360，把量子抗性引入新地址類型，但仍停留在草案，未有啟動時間表。
- 以太坊 (ETH) 基金會已發表後量子路線圖，Vitalik Buterin 亦提出將簽名、帳戶及證明等核心結構全面遷移至量子安全方案。
- Solana (SOL) 提供可選用的 Winternitz Vault，採用基於雜湊的一次性簽名技術，但預設帳戶仍用脆弱的橢圓曲線。
現階段，沒有任何一條主流鏈在協議層面真正達到量子安全。大家都還在畫救生艇的設計圖。
延伸閱讀：BIP-110 擱置不前 Saylor 指斥規則變更是「對所有持幣者的攻擊」
當兩種技術互相「加速」
最具威脅感的情境，是兩個領域的突破互相推波助瀾。
Google 的 Craig Gidney 在 2025 年 5 月重寫了那道算式。他估算，要在一星期內破解 RSA‑2048，所需的「嘈雜」量子位可減至不到一百萬個，比他與合著者在 2019 年預測的 2,000 萬個足足少了約 20 倍。
換言之，要破解你加密的量子位門檻，在短短六年間於理論上被拉低了二十倍。
這一切都不需要真的造出那部機器——屬於演算法和糾錯架構的進步，而這正是 AI 越來越擅長優化的領域。
Gidney 的突破來自更聰明的算術流程及更緊湊的糾錯碼佈局，而非新硬件。若把同樣的優化壓力投向密碼分析，資源需求的估算只會不斷下修。
安全界因此把量子威脅視為一個「移動靶」，而不是單一的世界末日日期。較審慎的解讀是：AI 正靜靜地把量子硬件必須跨過的門檻一步步壓低。
所以，「我們還有好多年」這句話，其實只是對硬件時間表的判斷，與數學風險並不等同。
延伸閱讀：以太坊巨鯨單日拋售 4.3 億美元 交易所庫存跌至十年低位
資金流向與路線分歧
資本市場早已嗅到這股風向。
麥肯錫（McKinsey）報告指，量子運算企業在 2025 年收入突破 10 億美元；創投資金更在一年內急增 6.3 倍至 126 億美元，並預測到 2035 年整體經濟價值或達 1.3 兆至 2.7 兆美元。
各國政府亦在下注，但信心與力度落差極大：
- 美國《國家量子計劃法案》在 2018 年簽署時，一口氣授權約 12 億美元撥款。
- 歐盟「Quantum Flagship」旗艦計劃，從 2018 年起十年間至少投入 10 億歐元。
- 中國的投入常見估算約 150 億美元，出自麥肯錫推算，但未經官方證實且備受爭議，應抱持審慎態度看待。
真正爭論最烈的是時間表。
IBM 和 Quantinuum 都把「容錯量子電腦」的目標鎖定在 2029 年。Google 則表明看的是「以年計」而非「以十年計」的路線。
然後是 黃仁勳。他在 2025 年 1 月一席話，稱實用量子電腦恐怕還要 20 年，嚇得量子概念股一度震盪；其後在 Nvidia 3 月舉行的 Quantum Day 上又半開玩笑「自我否定」，說自己請來嘉賓，就是要解釋為何他看錯時間表。
安全社群則用機率「對沖」。Global Risk Institute 的調查訪問 26 位專家，認為「具密碼學破壞力」的量子電腦在 10 年內問世的機率為 28% 至 49%（「相當可能」），在 15 年內達 51% 至 70%（「很可能」），是該報告歷來最悲觀的一次。
持懷疑態度者如 Das Sarma 則認為，真正實用、完全糾錯的量子機器，距離各家路線圖所畫的年份仍遠。
兩邊的說法其實可以同時成立：威脅也許還有十年才全面浮現，但要現在就開始行動，因為遷移要花很多年，而被「收集起來」的加密數據並不會自己過期。
延伸閱讀：三位聯儲官員投下反對票 專家指加密市場正處「最壞配置」
現實圖像：既不是末日，也不是救世主
把炒作移開，輪廓其實頗清晰。
AI 是兩者之中較成熟的一方，如今已在幫量子電腦做解碼、校準與控制，大幅改善效能。量子對 AI 的回饋則較狹窄：在化學模擬與精細模擬場景上確有看頭，但在大部分領域被嚴重誇大。
真正急迫的交集，並不是什麼「超級大腦」，而是支撐整個互聯網的加密基礎，正被不斷進步的演算法慢慢侵蝕，而 AI 正在加快這個侵蝕速度。
你不需要押注一個精確年份；你需要假設：遷移工作理應已經在進行中。
量子機器仍在打造，它們的防線亦一樣。對任何在乎數據與資產安全的個人與機構來說，明智的做法，是同時盯緊這兩場賽跑。