别被忽悠了：量子机器学习真的能把大模型训练成本砍到零头吗？

上周在三牌楼那家开了二十年的皮肚面店跟南邮的师兄碰头，他刚从实验室出来，白大褂上还沾着点低温冷却液的印子，拍着塑料桌子跟我说他们组上周在超导量子处理器上跑了个小样本图像分类任务，比实验室里那块A100快了整整120倍。

我筷子都停了。

后来回办公室翻了他发我的实验报告，才发现这数字的水分比皮肚面里的油还大。

你以为的“量子加速”，可能只是实验室里的数字游戏

现在刷科技类的内容，十个有八个在吹量子机器学习。好像只要把现在跑大模型的GPU换成量子处理器，训练成本就能从几千万砍到几千块，几个月就能搞出比GPT强十倍的通用人工智能。

说实话，这理解从根上就错了。

经典机器学习的逻辑，就像你手里拿支笔在草稿纸上算算术，一次只能算一道题，算完一道再算下一道，优势是算得准、算得稳。量子计算的那个“叠加态”特性，根本不是能同时算完所有题的答案，更像是你手里的笔能同时画出所有可能的解题路径，最后你只需要从这堆路径里挑出正确的那一条就行。听着很美对吧？但这里有个所有人都不会主动提的前提：目前所有公开的量子机器学习加速案例，都建立在“提前把所有待处理的数据全部编码到量子态里”的基础上。

那个师兄的实验为什么快120倍？因为他用的数据集总共才128张手写数字图片。为了把这128张图片转换成能被量子处理器识别的量子态，他带着两个研究生花了整整三个通宵调参数、校准比特。如果把这编码的时间算进总耗时里，别说比A100快，比我办公室那台用了五年的3090旧机器慢三倍都不止。

这就像你为了跑100米拿冠军，提前花三个月把跑步机调到最快档，然后站上去让机器带着你往前冲，转头就说自己比博尔特快两倍。多少有点不讲道理。

超导量子处理器实验室实验场景

真的有用的地方，根本不是大家天天吹的大模型训练

我最烦现在有些科普内容张嘴就说量子机器学习要颠覆大模型。拉倒吧。

大模型是什么？是万亿级的参数，是PB级的训练数据，是对计算精度、计算稳定性要求拉满的系统。现在全球最先进的量子计算机，能稳定保持相干性的比特数也就几百个，还得待在接近绝对零度的屏蔽舱里，稍微有点震动、有点温度波动，整个量子态直接就坍缩了。要把大模型的参数全部编码到量子态里，需要的稳定比特数得是现在的几百万倍。这事儿别说现在，我退休之前能不能看见都不好说。

那量子机器学习真的能落地的场景在哪？根本不是跟经典机器学习抢大模型、抢推荐系统这些通用任务的饭碗。它的优势，从根上就跟经典计算不一样。

去年我跟一个做创新药的团队聊，他们现在用带200多比特的超导处理器跑小分子药物的结合能预测。经典计算机算这个有多麻烦？要把每个分子里的原子、电子拆成几万个网格点，一点点模拟电子云的相互作用，跑一次完整的模拟要两三周，还得靠一堆近似算法凑精度。但用量子机器学习就不一样了——因为要模拟的分子本身就是遵循量子力学规则的系统，相当于直接用量子系统的物理特性来算量子系统的问题，省掉了经典计算机里所有绕弯的近似步骤。同样的预测精度下，他们现在的耗时比经典方法砍了70%，关键是整个过程根本不需要提前编码海量的外部数据。

量子机器学习分子结合能预测流程示意图

这种场景才是真的能吃到量子计算红利的地方。就像你要算一道关于水的物理题，总不能拿个铁盒子装着水去算流体方程吧？直接把水倒在容器里测一测，比什么模型算得都准。

现在踩的坑，比之前的元宇宙还实在

很多人对量子机器学习的第二个误解，是觉得它就像当年从CPU换到GPU那样，只要换个硬件，现有的机器学习算法就能无缝迁移。

根本不是。

经典机器学习整套的核心逻辑——反向传播、梯度下降、交叉熵损失——这些东西放到量子系统里，很多根本就不成立。因为量子测量是会直接坍缩量子态的，你算到一半想测一下当前的梯度是多少，整个系统直接就回到初始状态了，之前攒了半天的计算结果全白搭。现在很多人发论文吹的“量子机器学习算法”，其实就是把经典算法里的某一个小步骤换成了量子版本，剩下90%的计算还是在经典CPU上跑。说穿了就是个带了个量子小配件的经典算法，跟真正由量子计算驱动的机器学习，差了十万八千里。

上周翻arXiv的预印本，看到个很有意思的统计：近三年发的量子机器学习相关论文里，有60%以上的实验结果，是用经典计算机模拟出来的理想量子效果，根本没碰过真实的量子硬件。为啥？因为真实的量子硬件太娇贵了，用一次要排好几个月的队，还有各种噪声干扰，跑出来的结果根本达不到论文里写的理想值。这就像你在家用跑步机模拟跑了个全马，转头就去报国际马拉松，说自己已经达到专业选手水平了，多少有点自欺欺人。

之前还有个做ToB的创业公司找我聊，说他们要用量子机器学习做短视频平台的用户推荐系统。我当时听完都愣了。推荐系统是什么场景？每秒要处理几十万次用户请求，延迟要求是毫秒级。你那量子处理器在零下273度的屏蔽舱里放着，等你把量子态校准稳定，用户都已经刷完三条视频划走了，你推荐个啥？

当然，这也不是说量子机器学习就是个纯骗局。就像2010年的时候，大家刚试着把GPU插到主板上跑深度学习，那时候谁也想不到十几年后能搞出ChatGPT。现在的量子机器学习，就处在那个“刚把显卡插好，还不知道能玩什么游戏”的阶段。它现在能做好的事，从来不是那些需要海量数据、海量参数的通用任务，是那些经典计算机天生就有短板的量子尺度问题——比如药物分子模拟、新材料的能带结构计算、特定类型的密码分析。

昨天跟那个南邮的师兄通电话，他说他们实验室最近换了个新的量子芯片，相干时间从100微秒涨到了300微秒。说这话的时候他声音都亮了。

我也挺开心的。

技术这东西从来不是靠PPT吹出来的，是一点点磨出来的。别听那些人吹什么马上就要颠覆世界，也别觉得这东西全是忽悠。

慢慢来。

路还长。