人工智慧對算力的胃口愈來愈大，量子電腦也一步步朝「真的能算出東西」的方向逼近。
當這兩者真正碰撞，故事從量子誤差修正一路延伸到守護你 Bitcoin (BTC) 的加密機制。
重點整理
- AI 已實際投入打造更好的量子電腦──從 Google 的 AlphaQubit 誤差解碼器，到 Nvidia 打造 GPU 與量子位元直連——但量子要反過來「回饋」AI 的實證案例仍少且侷限。
- 近期最急迫的交會點在密碼學：一名 Google 研究員把攻破 RSA‑2048 的估算成本降到不到百萬個「有雜訊」的量子位元，NIST 則明白要求 2030 年前完成遷移。
- 專家對時間表嚴重分歧：IBM 指向 2029 年達到容錯，Jensen Huang 則說「還要 20 年」，任何單一日期都不該被當成準確預言。
硬體第一次「越大越穩定」
過去 30 年，量子電腦有個殘酷鐵律：量子位元（qubit）愈多，雜訊愈大，計算就愈容易崩盤。
Google 在 2024 年 12 月於《Nature》發表 Willow 晶片結果，105 個量子位元首次跨過所謂的「誤差門檻」：從這一點開始，增加量子位元會讓「邏輯錯誤率」往下，而不是往上。
數字相當具體：把編碼距離從 3 提升到 5 再到 7，每一步都大約把邏輯錯誤率砍半，距離 7 的量子記憶單元，單循環錯誤率只剩 0.143%。
更重要的是，那個邏輯記憶單元的壽命，比單一實體量子位元延長了 2.4 倍。工程師稱之為「超越損益兩平（beyond breakeven）」，在這個領域幾乎等同於關鍵證據。
創造「NISQ（噪聲中型量子）」一詞的加州理工學院（Caltech）物理學家 John Preskill 認為，這證明誤差修正可以真正延長量子資訊保存時間，是「重要里程碑」。但他也提醒，量子運算對日常生活的實質影響「可能還要幾十年」。
十個月後，Google 再加碼。
2025 年 10 月，它在《Nature》發表第二篇論文，提出名為 Quantum Echoes 的演算法，宣稱在全球最快的超級電腦之一上，達成比最佳經典方法快 13,000 倍的表現。
但仔細看腳註：連《Nature》自己的新聞團隊都引述外部學者質疑，這結果究竟證明了多少；Google 也坦承，要做到真正具有密碼學價值的量子運算，規模還得再放大數個數量級。
那次實驗的價值其實相當聚焦：它量測量子系統如何「擾亂、重排」資訊，這對理解分子、磁性材料結構很有用，但不會幫你跑 Excel。
其他玩家則把路線圖攤在檯面上競速：
- IBM 宣稱 2029 年推出 Starling——一台具容錯能力、搭載 200 個邏輯量子位元、可執行 1 億個閘門運算的系統，中間會先經過名為 Nighthawk、Loon 的晶片世代。
- Quantinuum 則承諾在 2029 年前推出名為 Apollo 的通用容錯系統，先上線的是 Helios 機型，接著在 2027 年推出 Sol 處理器。
- 中性原子量子電腦實驗室也在急速擴張，利用雷射束抓住單一原子當作量子位元。
其中兩項中性原子成果特別受到關注。
Caltech Endres 實驗室在 2025 年 9 月 24 日於《Nature》發表最新結果：在約 12,000 個光鑷陣列點位中，穩定控制 6,100 個銫原子量子位元，具備 13 秒相干時間與 99.98% 的單位元控制精度。主持人 Manuel Endres 形容：「這是中性原子量子運算的一個關鍵時刻。」
Harvard 的 Mikhail Lukin 團隊則與 MIT、QuEra 合作，走了另一條路：他們讓一個 3,000 量子位元系統連續穩定運作超過兩小時，在此期間不斷循環超過 5,000 萬顆原子，並以每秒最高 30 萬顆的速度「補貨」，替換逐漸流失的原子。
Lukin 表示：「我們已經示範能讓一個 3,000 量子位元系統持續運轉，且很明顯同樣方法可以擴展到更大的規模。」
當然，還有教科書級的反面案例。
Microsoft 在 2025 年 2 月發表 Majorana 1 晶片，宣稱實現首批「拓撲量子位元」，理論上可從物理結構就大幅降低誤差。但 3 月的一場物理學會議上，多數學者並不買單，理論物理學家 Henry Legg 隨後在《Nature》發表正式質疑，認為 Microsoft 使用的檢驗方法，很可能被一般效應「偽裝」通過。
拓撲量子位元理論奠基者之一 Sankar Das Sarma 肯定 Microsoft 在材料科學上的進展，卻對其物理解讀依舊保留態度。
這種「新聞稿與證據之間的落差」，也許是投資人看待量子產業時，最該記住的一點。
延伸閱讀：楊植麟婉拒 Apple，Kimi K3 現在在程式開發上壓過 Claude Fable 5
AI 已經在幫量子電腦補課
一個常被忽略的現實是：AI 不在原地等量子電腦成熟，它已經走進量子實驗室，變成工具箱的一員。
Google DeepMind 在 2024 年 11 月的《Nature》發表 AlphaQubit，一個專門做量子誤差解碼的神經網路。以 Sycamore 處理器資料訓練後，它的誤差比張量網路方法少 6%，比相關匹配法少 30%。
誤差解碼是 AI 最能發揮戰力的環節：量子晶片會不斷吐出錯誤訊號流，必須有系統即時辨識模式、立刻修正，速度要快過新錯誤產生。
超導量子位元的操作時間尺度在數十到數百奈秒之間，這代表解碼器不只要精準，更要「殘酷地快」。一旦錯過時間窗，錯誤在修正抵達前就已堆疊失控。
類似的機器學習壓力，也往整個系統堆疊向下滲透：
- 神經網路用來協助校準量子位元，優化驅動它們翻轉的控制脈衝。
- 強化學習已被用來發現更快的演算法，例如 DeepMind 在矩陣乘法上的 AlphaTensor。
- 更聰明的 AI 解碼器不斷壓縮，保護一個邏輯量子位元需要的實體量子位元數量。
最後這點乍看細節，實際卻攸關生死：每降低一分「誤差修正開銷」，都是在不用發明新硬體的前提下，把有用的量子機器往前推一步。
這也解釋為何硬體巨頭紛紛把量子晶片「綁」在古典加速器旁邊。
Nvidia 在 2025 年 10 月發表 NVQLink，一種開放式互連規格，將量子處理器直接串接到 GPU 超級電腦，背後已有 17 家量子設備商與 9 座美國國家實驗室站台。Quantinuum 已用它在 Helios 晶片上跑出第一個可擴展的即時解碼器，反應時間壓到 67 微秒。
Jensen Huang 的說法很坦白：量子電腦不可能單打獨鬥，你一定要在旁邊停一台古典超級電腦。
這幾乎就是可預見未來的標準型態——一套混合架構，由 AI 模型在背後即時調校、監護這些極度脆弱的量子位元。
延伸閱讀：Anthropic 否認「封殺開源權重」指控，點出真正的 AI 恐懼
量子實際能替 AI 做什麼？
問題反過來看：量子電腦能讓 AI 本身變得更聰明嗎？
誠實的答案是：遠不如行銷話術說得那麼美好，至少目前如此。
過去一度風行的夢想叫「量子機器學習」，不少演算法宣稱在資料處理上能帶來指數級加速。結果一位青少年把它們一一拆解。
2018 年，Ewin Tang 證明傳統電腦可以匹敵一套廣受矚目的量子推薦系統演算法，其後她陸續「去量子化」更多案例。這系列工作揭露一個殘酷事實：很多所謂的速度優勢，其實藏在不切實際的「資料載入假設」，而不是量子數學本身。
量子機器學習反覆被兩個問題咬住不放：
- 輸入瓶頸：要把一般古典資料編成量子態，本身就可能把任何速度優勢吃光光。
- 「貧瘠高原」：電路規模擴大後，訓練景觀會變成梯度幾乎消失的沙漠，學習過程卡死。
量子複雜度權威 Scott Aaronson 這些年不斷提醒市場，看到這類宣稱前，應該先讀完所有但書。
那麼，量子到底擅長什麼？
核心仍在「模擬其他量子系統」：化學、材料科學以及特定類型的優化問題是甜蜜點——因為自然本身是量子系統，而量子電腦說的是一樣的語言。
對實體經濟而言，這依舊是極具價值的利基：更好的電池材料、更有效率的催化劑、新藥候選分子都在那裡。
只不過，這和「量子會讓你的聊天機器人超進化」這種故事，很難放在同一張投影片上。Preskill 自己也把現階段定義為「噪聲中型量子時期」，是做有用實驗的時代，而非萬能量子電腦的時代。
延伸閱讀：OpenAI「失控代理」外洩事件，波及 Hugging Face 以外 4 家服務
別急著把量子當成能源救世主
AI 算力飆升，正迅速變成基礎設施級的電力問題。
IEA（國際能源總署）預估，資料中心用電將從 2024 年的 4,150 億度（415 TWh），暴增到 2030 年約 9,450 億度（945 TWh）——幾乎逼近日本一整年的總用電。
IEA 也指出，專為 AI 優化的資料中心，其用電需求在同一期間恐怕會成長到四倍以上。
一個很誘人的敘事隨之而來：量子電腦運用奇特物理，或許能大幅壓低 AI 的電費帳單。
在這裡，市場恐怕得格外謹慎。量子系統本身需要極低溫、複雜控管，從冷凍設備到誤差修正都相當耗能，離「節能解方」還有很長距離——至少，現在還不到把它當成 AI 能源危機萬靈丹的時候。 在特定化學模擬與優化問題上，量子電腦有機會用遠少於傳統超級電腦的運算步驟完成任務，在這些極為專門的場景中節省大量能源。
但這類機器不會用來跑你的語言模型，而且低溫量子系統本身就伴隨極高的冷卻成本。比較務實的說法是：量子電腦在「適合量子處理」的窄領域有機會帶來效率優勢，而不是用來拯救 AI 對電網用電需求的萬靈藥。
凡是把後者當賣點的人，多半是在「賣故事」。
延伸閱讀：Apple 透過 Klarna 推出租賃方案：iPhone 月租 17.99 美元起
這跟你的錢包有什麼關係？
AI 和量子的交集，最直接打到日常財務生活的，就是「密碼學」。
像 RSA、橢圓曲線密碼（ECC）這類公開金鑰加密系統，是建立在「對傳統電腦很難、對夠大的量子電腦卻很容易」的數學問題上，而這正是 Shor 演算法的威力所在。
這帶來一個已經有專有名詞的威脅，特別讓手上握有「長期機密」的人需要警覺：所謂「現在收集，將來解密」（harvest now, decrypt later）。對手今天就可以把你的加密通訊全部錄下來，等硬體成熟之後再慢慢破解。
NIST 已在 2024 年 8 月給出正式防線，公布三套後量子密碼標準 ML-KEM、ML-DSA、SLH-DSA，並在 2025 年 3 月另外選出備援演算法 HQC。
時程寫得相當白：NIST 的轉換草案建議 2030 年起開始淘汰 RSA 與 ECC，2035 年後則完全不得再使用。
加密貨幣正好位於衝擊半徑之內，因為區塊鏈使用的，基本上就是同一套橢圓曲線簽章機制。
比特幣的曝險是真實且具爭議的。一份 Deloitte 研究估計，超過 400 萬枚 BTC——約占全部比特幣供給的四分之一——目前仍放在易受攻擊的「付至公開金鑰」（P2PK）輸出與重複使用地址中，這些地址的公鑰已經完全暴露。
較新的鏈上分析給出的數字更高。Google Quantum AI 的研究指出，若把已暴露與重複使用的金鑰一併計算，約有 650 萬至 690 萬枚 BTC，接近流通量三分之一，處於可被鎖定的範圍，其中僅早期 P2PK 腳本就占了逾 170 萬枚。
防禦正在啟動，但進度不一：
- 比特幣開發社群正討論 BIP-360——一種抗量子的新地址型別，但目前仍停留在草案，尚未有啟用時間表。
- Ethereum (ETH) 基金會已發布後量子路線圖，Vitalik Buterin 也提出把簽章、帳戶與證明機制全面切換到量子安全方案的規畫。
- Solana (SOL) 則提供選配的 Winternitz Vault，採用雜湊為基礎的一次性簽章，不過預設帳戶仍使用易受攻擊的橢圓曲線。
目前為止，沒有任何一條主流鏈在協議層級真正做到「抗量子」。大家還在畫救生艇。
延伸閱讀：BIP-110 卡關：Saylor 批評規則更動是對所有持幣人的攻擊
當兩項技術開始相互加速
真正讓人不安的，是當兩個領域開始「互相餵養」——一方的突破，會加速另一方的進展。
Google 的 Craig Gidney 在 2025 年 5 月用一篇論文改寫了遊戲規則。他估算，要在不到一週內分解 RSA-2048，只需要不到一百萬個吵雜量子位元（noisy qubits），這比他在 2019 年與合作者提出、約 2,000 萬量子位元的需求，足足少了 20 倍。
換句話說，在短短六年間，「破解你加密」所需的量子位元數量，在理論上已經縮水到原來的二十分之一。
這一切完全不需要一台真正在運轉的機器。這是演算法與錯誤更正策略的進步，而這正是 AI 愈來愈擅長挖掘與優化的領域。
Gidney 的降耗，來自更精巧的算術設計與更緊湊的錯誤更正編碼布局，跟硬體製程無關。若把同樣的優化壓力持續施加在密碼破解上，所需資源的估計只會不斷下修。
安全研究圈因此把這視為「移動的目標」，而不是某個固定的世界末日日期。較審慎的解讀是：AI 正在默默拉低量子硬體「達標」的門檻。
所以當有人說「我們還有好幾年」時，他們談的是硬體時程，而不是數學本身。
延伸閱讀：乙太坊巨鯨單日拋售 4.3 億美元，交易所庫存跌至十年新低
資金流向與路線之爭
資本市場早就注意到這一切。
麥肯錫（McKinsey）報告指出，量子運算公司在 2025 年營收已突破 10 億美元，新創募資達 126 億美元，年增 6.3 倍，並預估到 2035 年，量子技術可創造約 1.3 兆至 2.7 兆美元的經濟價值。
各國政府也在砸錢，只是信心與力度差異很大：
- 美國《國家量子倡議法》（National Quantum Initiative Act）在 2018 年簽署時，核定約 12 億美元經費。
- 歐盟「量子旗艦計畫」（Quantum Flagship）自 2018 年起，十年投入至少 10 億歐元。
- 外界普遍引述中國在量子領域投入約 150 億美元，這是麥肯錫的估計值，但尚未獲得證實、爭議不少，必須相當謹慎看待。
真正的分歧在時間表。
IBM 與 Quantinuum 都把「錯誤更正、具備容錯能力」的量子電腦目標鎖在 2029 年。Google 則把自己的里程碑拉在「以年計，而非以十年計」。
另一邊，黃仁勳在 2025 年 1 月接受訪問時，曾以「可能還要 20 年」的說法嚇壞量子概念股，隨後在 Nvidia 3 月的 Quantum Day 上自嘲，把多位來賓請來「證明他看走眼」。
安全圈傾向用機率來對沖不確定性。全球風險研究院（Global Risk Institute）調查的 26 位專家認為，在十年內出現「對密碼學具實質威脅的量子電腦」的機率落在 28% 至 49% 的「相當可能」區間，十五年內則有 51% 至 70% 的「很可能」，創下該報告歷來最高預估。
持懷疑態度的學者，如 Das Sarma 等人，則認為真正實用、可錯誤更正的機器，距離各家路線圖暗示的時程還早得多。
這兩種說法，其實可以同時成立：量子威脅或許還有十年才真的「打到身上」，但現在就需要開始行動，因為系統遷移動輒以年計，而被錄下來的資料卻不會自己過期。
延伸閱讀：三位聯準會官員罕見投下反對票，專家示警：加密貨幣最糟局面成形
把泡沫撥開後，剩下的是什麼？
把各種誇大敘事剝掉，輪廓其實相當清楚。
AI 是目前更成熟的一方，已經在解碼、校準與控制上，實實在在讓量子電腦變得更好。反過來說，量子對 AI 的「回禮」則集中在化學、材料與少數模擬問題，是真實但相當窄的利基，對大多數 AI 應用來說，量子紅利被大幅誇大。
當前最急迫的交會點，並不是某種「超級大腦」，而是整個網路世界底層加密的慢性侵蝕，而這個侵蝕速度，正被不斷變聰明的演算法推著加速。
你不需要押注「哪一年」會出現關鍵突破；你需要預設的是：往後量子的遷移，本來就該已經在路上。
量子機器還在打造，防線也才剛起步。對投資人與機構而言，較聰明的做法，是同時盯緊這兩場賽跑。