你知道嗎？

在我們每天習以為常的AI對話背后，正在發生一件幾乎沒有人注意到的事：

有一個被全球數億人使用的AI大模型，參數高達80億個。它會寫代碼、會做數學、會寫詩、會陪你聊心事。但有一天，研究人員問了它一個非常簡單的問題：

"太陽系里，哪些行星擁有行星環？"

它的回答是：只有土星。——錯了。

事實上，木星、土星、天王星、海王星，所有四顆類木行星都有環。只是除了土星之外，其他三顆的環太暗淡，需要專業望遠鏡才能看到。

但奇怪的事情發生了。

幾個月后，研究人員讓這個完全沒有重新訓練過的AI再回答一次同樣的題。這一次，它答對了。

中間發生了什么？沒有人給它喂新的數據，沒有人調整它原來的80億個參數。研究人員只做了一件事——他們把這個AI的一小部分推理過程，接到了一臺運行在比外太空還冷的環境里的機器上。

那臺機器，叫"量子計算機"。

今天我們要聊的，可能會改變你對"AI到底是什么"的全部認知。因為這不只是一次技術升級——這是人類第一次，在真實的硬件上，看到量子力學與人工智能握手的那一瞬間。

要理解這件事的重量，我們得先回到2022年。

那一年的11月，ChatGPT橫空出世。短短兩個月內，它成為人類歷史上用戶增長最快的產品。從那之后的三年里，AI仿佛被按下了"加速鍵"——參數從百億漲到千億，又漲到萬億；訓練成本從百萬美元漲到億美元，又漲到數十億美元。

但很少有人告訴你：這條路，正在走到盡頭。

打個比方。

如果你想造一棟更高的樓，最樸素的辦法就是不斷往上加層。10層、20層、100層……但你遲早會遇到一個問題：地基。當樓超過某個高度，舊的地基會承受不住，整棟樓會變得越來越脆弱、越來越貴、越來越難維護。

今天的AI正面臨這個問題。

工程師們發現，每次讓模型變大一倍，需要的算力可能要變大4倍，需要的電力可能要變大8倍，需要的錢要變大十幾倍——而能力，只多了一點點。

行業里有一個被反復討論的詞，叫做"算力撞墻"。

我們造了世界上最大的圖書館（數據），雇了世界上最多的圖書管理員（參數），蓋了世界上最大的圖書館大樓（數據中心）。但讀者的問題越來越刁鉆，而這棟樓，似乎已經蓋不動了。

于是科學家們開始問一個非常根本的問題：

如果我們換一種地基呢？

不是更大的經典計算機，而是——一種完全不同物理原理的計算機。

故事其實要追溯到一個比ChatGPT早40年的預言。

1981年，麻省理工學院舉辦了一場關于"計算物理學"的會議。會上，一位頭發花白、說話語速極快、隨時隨地都在講冷笑話的科學家，做了一場后來被反復引用的演講。

他就是理查德·費曼—20世紀最偉大的物理學家之一，諾貝爾物理學獎得主。費曼說了一段在當時被認為"有點離譜"的話。他大意是：

"宇宙本質上不是經典的，宇宙本質上是量子的。如果你想用計算機模擬宇宙，你最好用一臺量子的計算機來模擬它，因為它看起來不是個簡單的活兒。"

那時候，量子計算機還不存在。這只是一個物理學家的直覺。

但費曼提出了一個讓所有人都無法反駁的事實：經典計算機要模擬一個量子系統，會消耗指數級別的資源。比如，要模擬50個粒子的量子行為，你可能需要一臺地球都裝不下的超級計算機。

所以費曼說：與其用經典計算機吃力地"翻譯"量子世界，不如直接用量子去算量子。

這句話，在40多年后的今天，正在被一群研究AI的科學家以另一種方式實現——他們不是要用量子計算機模擬物理粒子。

他們是要用量子計算機，模擬"思考"本身。

要看懂這次實驗，你需要先想象一下故事的舞臺。

在紐約州約克鎮高地，IBM的研究中心里，有一臺奇怪的機器。

它看起來不像電腦。它像一個倒掛的金屬吊燈，由黃銅色的層層圓盤構成，從天花板懸下，外面包裹著冰冷的金屬真空罐。罐子里面伸出無數根細細的、像章魚觸手一樣的線纜。

這臺機器叫IBM Quantum System Two。它的內部，被冷卻到了約15毫開爾文——也就是零下273.135攝氏度，比宇宙深空的背景溫度（約2.7K）還要低。

這是一件非常反直覺的事：人類制造出來的這臺機器內部，比宇宙中絕大多數地方都冷。

為什么要這么冷？

因為這臺機器里跑的不是普通的電路，而是156個量子比特。

普通比特你已經見過——它要么是0，要么是1，像一個硬幣要么是正面要么是反面。但量子比特不一樣。它可以是0，可以是1，也可以是同時是0和1——這種狀態叫做"疊加"。

繼續用硬幣打比方：

普通比特，是一枚落在桌上的硬幣，要么正面朝上，要么反面朝上。

量子比特，是一枚正在空中旋轉的硬幣——在你看它之前，它既不是正面，也不是反面，而是兩種可能性的某種"混合"。

更神奇的是，多個量子比特之間還可以"糾纏"——它們的狀態相互捆綁，就像兩枚硬幣不管隔多遠，旋轉得永遠同步。

但是，這種"旋轉中"的狀態極其脆弱。只要有一絲熱擾動、一絲電磁干擾、一絲外界的"風"，硬幣就會"摔在桌上"，疊加狀態就會坍縮，量子優勢就會消失。這種現象，叫"退相干"。

所以工程師們必須把這臺機器藏在比外太空還冷、屏蔽掉一切電磁波的地方，才能讓那156枚"旋轉的硬幣"，多堅持那么幾微秒。

——而這幾微秒，就是這次AI實驗全部的時間窗口。

現在我們終于可以回到故事的主角。

來自西班牙的一家叫Multiverse Computing的公司，做了一件讓整個AI圈都沒預料到的事。

他們沒有重新造一個AI。他們沒有重新訓練那個80億參數的Llama3.1模型。他們做的事，更像是外科手術：

他們在AI模型內部的某一層，插入了一個非常非常小的量子模塊，叫做"凱萊幺正適配器"（簡稱CUA）。

這個模塊有多小？

原始模型：80億個參數

量子模塊：6000個參數

比例：約0.000075%

這相當于什么概念？

想象你有一輛波音747客機，全身有大約600萬個零件。你給它加了一個螺絲釘——飛機的總重量幾乎沒變，氣動外形幾乎沒變。但奇跡般地，它真的飛得更穩了一點。

而這"穩了一點"，體現在一個叫"困惑度"（簡稱PPL）的指標上——降低了1.4%。

困惑度聽起來很玄，其實直覺很簡單：它衡量AI"對下一個詞到底有多迷茫"。困惑度越低，AI越不困惑，預測越準確。1.4%的降低，在AI領域不算翻天覆地，但它確實是真實的、可測量的、可復現的。

而這一切，沒有改動原始模型的任何一個參數——原始的80億權重，完全凍結、原封不動。只是那6000個量子參數，在IBM那臺零下270度的機器上"協助"了一下推理。

講到這里，你可能已經開始激動了。

但真正的科學，恰恰始于"激動之后的冷靜"。

我們必須誠實地說出這項研究的幾個邊界——而且，是研究團隊自己主動說出來的。

?這些量子電路，理論上經典計算機也能模擬

是的，你沒看錯。

研究中用到的所有量子電路，在數學上都可以用經典計算機模擬出來。也就是說，這項研究并不是宣稱"量子計算機做到了經典計算機做不到的事"——那種狀態叫"量子優越性"，本次研究不屬于這一類。

那意義在哪里？

意義在于：研究人員第一次把一個真實的量子計算機模塊，集成進了一個真實的、生產級規模的AI模型，并跑通了端到端的推理。從理論紙面到真實硬件，這是一個巨大的工程鴻溝，而它現在被跨越了。

?兩道題答對，不等于全面碾壓

兩道題對了，并不能證明量子AI已經比經典AI強。它只能說明：在受控條件下，量子模塊可以讓AI的行為朝著正確的方向偏移。

這是"概念驗證"，不是"碾壓級勝利"。

?它還沒有通過同行評審

這項研究的完整內容，目前發布在arXiv上——一個全球科學家分享"預印本"的網站。預印本意味著：論文已經寫完，但還沒有經過其他獨立科學家的審查與挑戰。

這是非常重要的科學素養：在科學的世界里，"我發現了"和"科學界確認你發現了"之間，往往隔著幾個月甚至幾年的嚴格審查。

?量子計算機短期內不會取代GPU

這次實驗里，量子計算機不是替代GPU集群——它是作為"插件"嵌入到由經典GPU運行的大模型中。這是一種"經典-量子混合"架構，而不是"量子取代經典"。

打個比方：

這就像第一輛汽車被發明時，它跑得比馬還慢，還會拋錨。但沒人會因此說"汽車沒用"，也沒人會因此說"馬車時代結束了"。

這是1886年的奔馳一號車。不是2026年的特斯拉。

但請記住——1886年那輛跑得比馬還慢的車，最終改變了整個20世紀的人類文明。

在這次研究的論文里，研究團隊還埋藏了一個非常容易被忽略的發現——但它可能才是整篇論文里最讓人后背發涼的地方。

他們發現了一個叫做"噪聲-表達能力相變臨界點"的現象。

聽起來很拗口，我用最簡單的比喻告訴你：

燒水。

水在99℃的時候，還是水。

水在99.5℃的時候，還是水。

水在99.9℃的時候，還是水。

但當溫度跨過100℃的那一瞬間——它突然不再是水了。它變成了蒸汽。它的體積瞬間膨脹1600倍。它的物理性質完全改變。

這種現象，物理學家叫做"相變"。

研究團隊發現：當量子比特數量超過某個臨界值時，量子增強對AI的提升效果，不是線性增長的，而是相變式的爆發。

也就是說，今天我們看到的"1.4%的改進"，可能只是一鍋水在60℃、70℃時的狀態。一旦量子比特規模、量子相干時間、量子糾錯能力跨過那條線——整鍋水，會突然沸騰。

那時候的AI，會變成什么樣子？——沒有人知道。

但所有研究量子計算的科學家，都在屏住呼吸，等著那一刻到來。

讓我們最后退一步，從宇宙的尺度來看這件事。

人類用了大約5000年，發展出了數學。

用了大約400年，發展出了現代物理學。

用了大約100年，發展出了量子力學。

用了大約80年，發展出了經典計算機。

用了大約3年，讓AI走進了每個人的日常。

而就在過去的幾個月里，人類做了一件前所未有的事：

他們把"量子力學"——這個描述宇宙最底層運行規律的理論——

和"人工智能"——這個人類自己創造出的最復雜的工具——

第一次，在真實的硬件上，讓它們握上了手。

它們的握手，目前只讓一個AI模型多答對了兩道題。

它們的握手，目前只讓困惑度下降了1.4%。

但如果你愿意往后退一萬年來看這件事——

這可能是人類用宇宙的語言，第一次反過來"教導"自己制造出的智能。

1610年，伽利略用一架自制的、放大率只有30倍的小望遠鏡，第一次看到了木星的四顆衛星。

那個發現，本身只是"看到了幾顆星星"。

但它真正顛覆的，不是"天上有多少顆星"——而是地球到底在不在宇宙中心這個問題。

今天的1.4%，也許就是2026年版本的"木星衛星"。

它本身只是個數字。但它顛覆的，可能不是"AI能不能多答對兩道題"——而是：

當我們說AI在"思考"的時候，它用的到底是什么？

是經典的0和1？

還是有朝一日——是那枚永遠在旋轉、永遠在疊加、永遠不確定的，量子硬幣？

故事，才剛剛開始。