霸权 vs 有用的优势
有两个说法经常被混为一谈，我们先把它们说清楚。量子霸权指的是量子计算机在*某项*任务上的速度超过了任何经典计算机所能达到的速度——哪怕这项任务是人为造出来、毫无用处的。这是一个物理学上的里程碑：证明硬件能够进入一个经典机器难以跟上的领域。有用的量子优势则是一个高得多的门槛：在解决人们真正想解决的问题上，比最好的经典方法更快、更便宜或更好。前者在一项人为设计的任务上可以说已经得到了证明。后者在任何实际问题上都还没有被清楚地实现，而这道鸿沟正是本指南要讲的全部故事。
打个比方：想象有一台机器，能以一种独特而古怪、没有任何人或计算机能预测或复现的方式洗一副牌。这确实很难，也确实新奇——但没有人需要那种特定的洗牌结果。证明你*能*做到这件无法模仿的事，就是霸权。做一件银行、化学家或物流规划师愿意为之买单的事，才是优势。这是两种不同的主张，而把它们混为一谈，正是量子新闻误导你的最常见方式。
那些采样实验
那些上了头条的演示都是采样实验。这个想法很巧妙：构造一个由随机门组成的量子线路，运行它，然后测量输出。由于量子比特的振幅以一种复杂的方式发生干涉，所测得的比特串分布对经典计算机来说极难复现。你并不是在要求这台机器算出一个有用的答案——你是在要求它从一个由量子硬件本身所定义的分布中产生样本。整件事的关键在于：人们相信，用经典方法模拟那个分布所需的时间长到不切实际。
谷歌 2019 年的 Sycamore 实验用了 53 个超导量子比特，宣称一项经典超级计算机要花上数千年的任务，它大约 200 秒就完成了。后来，光子实验（九章）和规模更大的超导实验，用一项相关的、叫做玻色采样的任务做出了类似的宣称。这些都是在真实的 NISQ 时代硬件上完成的、严谨的真实实验——这些机器有噪声，没有纠错。最后这一点很重要：这些结果依赖于噪声的*具体细节*，而不是一次干净的、容错的计算。
它们证明了什么、又没证明什么
它们真正展示的是：一台可编程的量子设备能够被驱动进入一个其行为难以用经典方法模仿的领域，并且在这个领域里，计算的量子本质——许多量子比特之间的叠加与干涉——确实在发挥实质性的作用。这是一个有意义的工程与物理结果。它是一个证据，说明把这些机器扩大规模是值得去追求的。
它们没有展示的是：任何有用的计算、任何Shor式的对密码学的威胁，甚至连一道永久的经典-量子鸿沟也算不上。来自经典阵营的反击既猛烈又有效。在 Sycamore 之后，改进的经典算法、对大规模算力的巧妙运用（以及张量网络方法）大幅削减了估算出的模拟时间——在某些分析中，从数千年降到了几天甚至更短。诚实的总结是：这是一个*移动的靶子*——每一个量子宣称都会招来一次经典反攻，而那条边界一直在移动。
有用的优势可能最先出现在哪里
如果人为设计的采样没什么用，那么*真正的*优势可能出现在哪里？最可信的早期候选是量子模拟——用一个可控的量子系统去研究另一个量子系统，比如分子和材料。这正是量子计算最初的设想，也恰好发挥了这类机器的天然强项：在经典计算机上模拟量子化学，正是那种规模一上去就难以承受的问题。诸如 VQE 和 QAOA 这样的近期方法，试图从今天这些有噪声的硬件中榨取价值，不过到目前为止，它们还没有决定性地击败最好的经典方法。
对于另外那些常被引用的'应用场景'，要当心。Grover 算法对于无结构搜索只能带来二次加速（大致是 √N 而不是 N）——理论上有帮助，但很容易被运行一台量子计算机的额外开销抵消掉，所以它很少是稳赢的一手。那种戏剧性的*指数级*加速，只局限于像通过 Shor 算法做因数分解这样的特殊结构化问题，而这些都需要尚不存在的、大规模的容错机器。你将看到的大多数关于优化和机器学习的'量子优势'宣称，要么是推测性的，要么尚未得到证明。
一份怀疑者的核对清单
要给一条量子优势的标题做压力测试，你并不需要一个物理学学位。你只需要问几个尖锐的问题。重点不在于愤世嫉俗——量子计算是真实的，也在不断进步——而在于把一个真正的结果和营销话术区分开来，把一个人为设计的基准测试和任何人真正会遇到的问题区分开来。
- 这项任务是有用的，还是人为造出来的？把一个随机线路采样得更快，不等于解决了一个有人愿意为之买单的问题。问一问：到底回答了什么真实的问题？
- 它是在和什么作比较？这个宣称应该是在*好的*经典硬件上击败了*已知最好的*经典算法——而不是去比一个故意挑得很慢、显得低能的基准。
- 是二次加速还是指数级加速？一个 √N（二次）加速常常会被额外开销吃掉。只有结构化的、指数级的加速（Shor 式的）才明显具有变革性——而它们需要我们尚未拥有的硬件。
- 它需要容错吗——而他们有吗？如果这个宣称悄悄地假定了大量经过纠错的逻辑量子比特，那它就是一个关于未来的预测，而不是从今天的 NISQ 机器上得出的结果。
- 它扛过经典阵营的反击了吗？一个'经典上不可能'的结果是一场赌注。查一查：在那之后，改进的经典算法是否已经把差距追平了——它们经常会。