如果《黑客帝国》里的机器真的存在，它们或许会面临一个现实的困扰：算力还没开始运转，就得先消耗大量资源来准备“燃料”。
这听起来有些离奇，但恰恰是未来量子计算机可能遇到的状况。
最近，Google Quantum AI 在《Science》上发布了论文《Magic state cultivation on a superconducting quantum processor》，宣称在真实的量子处理器 Willow 上首次实现了Magic State Cultivation（魔态培育）。
这项技术瞄准的，正是量子计算中一种昂贵且特殊的“燃料”——魔态。
带有魔力的“魔态”
先别被这个名称吓到。
MagicState（魔态）并非什么神秘事物，在量子计算领域，它指的是具有特殊量子资源的一类量子态。
如果把量子计算机比作工厂，普通量子纠错操作就像是已经相对成熟的基础设备，而魔态则是一种昂贵、稀缺却又不可或缺的特殊耗材。
它不是用于所有计算，却是量子计算机迈向通用、容错计算的关键资源之一。
早在2004年，研究人员就已经认识到，要让量子计算机进行通用计算，必须拥有高质量的非Clifford量子资源。
魔态蒸馏（MagicState Distillation）是过去二十年里用来解决这一问题的一种方法。
它所采用的方法与思路和“提纯”类似。
先准备一些质量较差的魔态，然后通过量子纠错、测量和筛选的过程去除其中的错误部分，最终得到数量少但质量高的魔态。
这和酿造葡萄酒的过程类似。
如果初始阶段的葡萄品质不一致，就需要经过发酵、过滤、检测和提纯等一系列工序去除不符合要求的部分。但在量子计算机中，每一个“过滤”动作都并非免费。
一些资源估算甚至认为，未来容错量子计算机可能需要将高达95%的计算容量用于魔态生产。
也就是说，量子计算机可能陷入一种尴尬境地：机器消耗的大部分资源并非直接用于解决实际问题，而是用于产生解决问题所需的能源。
而且魔态还是一种消耗品。一旦它被用于实现相应的非Clifford操作，就不能像普通量子比特那样被回收重复使用。
在过去二十年里，研究人员一直在努力降低“魔态税”，而这次谷歌找到了另一种方式。
把“种子”养大
这次谷歌并没有提出一种全新的量子纠错技术，而是将以往只存在于理论或模拟中的想法首次应用于真实的量子芯片上。
这种方法被称为Magic State Cultivation（魔态培育）。
2024年，Craig Gidney、Noah Shutty和Cody Jones已经在理论上提出了这一概念。
传统的魔态蒸馏是不断对一批批原料进行提炼的过程，而魔态培育则是挑选一颗优质种子后慢慢培育的过程。
研究人员首先创建出存在一定概率错误的T态，并将其放入经过精心设计的量子纠错区域中。在此过程中，周围的量子比特会被不断用于测量。
发现错误后需将其消除，并在检查后才允许继续。纠错编码不断增加，剩余的状态变得越来越可靠。到2024年，理论研究已经使用了状态矢量模拟、稳定子模拟、错误枚举和Monte Carlo等方法来进行该方案的资源估算。
魔态培育真正改变的，不是简单地堆砌更多量子比特，而是设法让同样数量的量子比特完成更多真正有用的计算。
谷歌这次是首次在Willow量子处理器上将这套方案真正付诸实践。
使用的处理器是谷歌生产的Willow处理器。研究人员在芯片上一个很小的区域注入了带有噪声的量子态，并通过大量高度同步化的测量来识别并消除这些错误。
最终保留的T态逻辑保真度达到99.99%，错误率比未经处理时低了40多倍，经过实验后仅保留了约8%的尝试。
99.99%的逻辑保真度意味着，经过一系列错误校正后，量子资源已非常接近理想状态，可作为未来容错量子计算中的可靠组件。
如果魔态培育最终能够规模化，它节省下来的不是一个实验指标，而是一大片原本被纠错操作占用的计算空间。
谷歌还完成了从Color Code到Surface Code的编码转换，并将一个distance-3的Color Code中的量子态转移到了distance-5的Surface Code上。
这里的distance可以粗略理解为量子纠错编码对错误的抵抗能力。一般来说，编码距离越大，错误防护能力越强，但同时也会消耗更多物理量子比特和操作资源。
谷歌的方法是使用Color Code来培养魔态，再通过code switching将培养好的量子态接入Surface Code中。
以往停留在理论上的低成本制造高质量魔态的方法，首次在真实量子芯片上成功实现。
与产业之间的距离
先别急着兴奋。
这项成果从实验室走向产业实践仍有很长的路要走。
Google Quantum AI的负责人Hartmut Neven在之前的预测中表示，未来五年内将看到真正的商业量子计算应用，并特别提到了药物研发、电池和新能源材料等领域。谷歌也将化学、药物发现、优化和密码学视为量子计算的重要潜在应用领域。
谷歌已与制药公司Boehringer Ingelheim合作，尝试使用量子计算模拟人体内的重要酶类Cytochrome P450。该酶影响药物在人体内的代谢过程，研究表明未来容错量子计算机有望以更高精度处理P450的关键电子结构问题。
Google Quantum AI负责人Hartmut Neven对此相当乐观。他在2025年接受路透社采访时表示，谷歌希望在未来五年看到“只有量子计算机才能实现”的实际应用，并点名了新药、先进电池和新能源。
不过，在人工智能领域，量子计算的应用距离普通人的日常生活，可能比今天的生成式AI要远得多。短期内你不会因为Magic State Cultivation的突破，就发现GPT或Gemini突然快了一倍。
它所能改变的是更深层次的东西，即降低未来容错量子计算机运行的成本，包括解决一些传统计算机难以处理的问题，如复杂量子系统模拟、材料与化学问题以及某些组合优化问题等。
这也是为什么人工智能行业对算力需求更高，大家越来越关注量子计算。
NVIDIA CEO Jensen Huang对实用化量子计算的未来应用持谨慎态度，认为可能需要等到15-30年之后才能实现。
至于这条路要走多长时间，目前尚无定论。
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。
