上個星期中國成功發射“墨子”量子通信衛星可 是在前沿科技界里扔下了一顆重磅炸彈，在驚嘆于中國科研機構所取得的成就的同時，人們也在關心與量子通信這面“盾”所相對應的“矛”——量子計算。雖然量 子通信的加密特性存在于物理層面，量子計算從理論上來說并不能擊穿這面盾，但它光以數量級的水準提升傳統意義上計算性能就已經讓現在的人類垂涎三尺，更別 提其所能達到的計算領域遠遠高于目前認知中的傳統計算機。
美國著名的洛克希德·馬丁公司在今年早些時候把自己從D-Wave買來的量子處理器升級到1152個量子位，光看數字已經是遠超理想里量子計算機 30個量子位左右的“夠用”標準了。按照常理，它怎么說也都比IBM和Google那幫還停留在個位數量子位的貨色要強了吧？下結論還且慢。
執子之“矛”：量子計算
從我們老百姓的大腦目前所理解和期望的角度出發，量子計算若最終得到應用，帶來的是電腦的運算能力和存儲空間得到宇宙大爆炸級別的增長。原因是量子 計算的基本單元——量子位因為量子疊加態的特性，不像我們現在的計算位一樣只能存儲0和1之間的一個，而是可以同時存儲兩個邏輯態，即0和1兩種狀態同時 存在。這使得一n個量子位的量子存儲器所能儲存數的數量，是傳統存儲器的2的n次方倍，這光聽著就夠誘人了。然后加上量子計算機在單次運算里就可以對這些 數全部進行數學運算，所以相對應地，n量子位的量子計算機的運算能力，也是傳統計算機的2的n次方倍。
量子位提供了難以想象的海量數字存儲和運算能力，但此處還需要能調動得起量子計算機這可怕性能的量子算法，才能讓量子計算具備實際用途。目前人類對 于量子算法研究里已經形成公眾影響力的領域是信息安全——具體點說就是加密和解密，尤其是后者。其中最有名的是1994年的Shor算法，這個算法可指導 量子計算機進行大數因子分解，而大數因子分解正是目前流行的公開密鑰體系RSA的核心。想象一下，一個1024位的RSA密鑰，在調用Shor算法的量子 計算機面前連一秒種都不到就會被攻破（與之對比，Core i7-4500U處理256位和260位RSA密鑰所花時間為35分鐘和1小時），這種效率讓暴力破解看起來毫無莽勁，甚至還生出一分閑庭信步的氣質。
除了已經引起公眾注意的破解算法，目前已被發現的量子算法里比較有名的還有量子搜尋算法。Grover發現的這種算法主要用于縮短從若干個對象里按 照某種給定條件，找出一個特定的對象所需要花費的時間。它借助了量子計算機單次運算可處理全部寄存數據的特性，加上量子疊加態所產生的量子干涉效應，使尋 找次數從原來的n/2次減少到n的平方根次，就可達到一樣的50%成功率。因為搜尋次數少了，時間花費也就少了，從而使得整個搜尋操作存在重復進行的條件 ——多執行個幾次，成功找到這個特定的對象的概率也就越大，大到接近100%。這種量子搜尋算法用途更加廣泛，它也同樣可以用于輕松破解像DES加密這樣 的密碼體系。
正是因為量子計算會對現有加密保護技術產生毀滅性的破壞力，許多人才會對其興趣濃厚。那么洛馬剛升級的擁有1152個量子位的D-Wave 2X，能不能像上面所提的那樣，一眨眼的功夫就讓RSA密鑰形同虛設，我們手里的那些小秘密是否在它的眼里就是一絲不掛的樣子？
深度燒腦：量子退火
先不回答這問題，說點別的。以深度學習/機器學習為代表的人工智能領域，在AlphaGo和李世石的人機大戰之后重回風口浪尖，聯想到Google 在數年前和NASA合伙從D-Wave手里購買絕熱量子計算機，這個領域和量子計算可能有著私底下的交易：在深度學習的研究中，找出全局最小值始終是一個 避免不了的課題，而且這個過程需要花費大量時間。所以，這個領域一直都很想得到量子計算的幫助——因為西森秀稔教授在1998年聯合提出的量子退火算法專 精的就是尋找全局最小值。
作為到目前為止可能是最重要的量子算法，量子退火算法是模擬退火算法的進階，后者的核心思想則繼承自熱力學的退火思想。就像退火這個工序在淬煉鋼鐵 流程里為材料消除缺陷那樣，退火算法做的是一個不斷拋棄更糟糕（局部極值）的方案，直至找到最優解（全局最小值）的緩慢過程。打個比方，這如同連續的翻山 越嶺，每翻過一座山之后都記錄下山腳的海拔，直到碰上翻不過的峭壁，然后回頭去看記錄下來的山腳海拔，找出海拔最低點。
但模擬退火算法有個問題，就是上面剛提到的：這個“翻山越嶺”的過程很費時間，而且有可能會因為碰到“翻不過”面前的勢壘然后就接受此前確定下來的 極值點；而量子退火算法則因為量子力學系統本身就存在隧穿效應，而不用借助人工設定隨機數來模擬退火過程，由此可規避掉這個問題，擁有更大的概率找出正確 的全局最小值。而且別忘了，量子計算的速度優勢此處依然存在，去年年底的時候Google曾宣布過，他們從D-Wave買來的量子計算機在處理一系列最優 解問題上，比模擬退火以及量子蒙特卡洛算法要強1億個指標。1億啊1億。
這種啟發式算法的思路和機器學習的最優解目的不謀而合，如果Google日后透露AlphaGo在決策上其實是借助了量子計算機和量子退火算法，才有這樣的思考速度和人類一戰，不管你信不信，反正我會信……
D-Wave：似是而非
講到這里，D-Wave這個名字一定已經給你留下印象了，那他們是不是已經就成為量子計算機的未來了呢？當然不是。現在沒人敢給量子計算下這樣的預言，D-Wave描繪的其實也只是無數種可能性中的一種而已。
人類的最終目標是研制出通用量子計算機，如果按照它的標準，不管是IBM自己搞的只有個位量子位的量子計算機，還是D-Wave的這些機器，全部都 不算是量子計算機！前者不能按照通用量子計算機那樣，完成我們現在所使用的計算機每天要執行的任務；后者則是吊死在量子退火算法這一顆樹上，除了這一套， 其他的它什么都不會，包括前面提到的Shor算法和Grover算法在內。
不過從好的方面想，Google，洛馬還有NASA這些機構已經開始真正使用量子計算機進行一些具有實際意義的研究工作，而且D-Wave也給量子 計算機的商業應用提供了可能。我們沒有必要糾結現在的量子計算機究竟算不算真正的量子計算機，這個量變的過程才剛剛開始，我們只需靜靜等候——等到量子計 算機在更多行業中現身，獲得更廣泛應用之后，積累下來的經驗總會引爆質變的那一刻。
