53 小时 vs 人类 8 年：AI 全程无人插手，自己设计出更省算力的量子电路

Anthropic 这几天晒出一项研究，多少有点不讲武德。他们给自家模型下达了 8 个量子电路设计任务，全程自动闭环，没有人类插手，53 小时内全部击败人类公开发表的最优方案。其中有 3 个任务把计算成本直接砍了 12 倍甚至 17 倍，而且是在「纯语言描述」的前提下完成——你没听错，不是给它一堆代码模板，就是拿大白话讲清楚需求，剩下的它自己来。

这类「AI 超过人类」的标题我见多了，但这条值得多看一眼，因为它不是刷数学题或者写代码，而是摸到了量子计算里真正卡脖子的地方：如何用最少的量子位、最短的时间把算法电路跑完。量子计算机现在硬件上还很不成熟，量子位少、又脆弱，一点热量、震动甚至宇宙射线都能让结果出错。硬件救不了，科学家只能在软件上抠，可量子电路的编程跟普通代码完全是两回事。

难在哪？传统程序有「if-then」，你判断个条件走 A 路或 B 路，量子计算机做不到，所有可能性的操作每次都得全带上。更狠的是，量子计算必须绝对可逆，信息不能随便丢——算完的中间草稿想清内存？唯一的办法是把刚才的计算倒放一遍，而这又要消耗昂贵的量子门。所以人类科学家只能在「空间」和「时间」极限拉扯，这行业说是在编程，其实更像在绝境里做裁缝。

这次最出彩的有两个操作。

第一个，数论和密码学里的模块化求逆。传统计算机跑它有个算法叫 divsteps，会生成大量分支信息，算完就扔。可量子计算机不能扔草稿，全存下来要天文数字的量子位，人类一直认为这条路走不通。这模型一开始也像学生一样盲猜，猜了几种规则，碰到 256 位大数字直接崩了。崩完之后它换了个思路：不存草稿，直接从结果里把草稿反推出来。这还不算完，它干脆放弃暴力测试，转去做纯数学推导，硬是证明出一系列新的代数恒等式，然后用 Lean 做了形式化，给出了人类历史上第一个不需要存储分支历史的量子 divsteps 可逆实现——在只增加 12% 量子位的情况下，把量子门数量砍了 17 倍。

第二个，改造谷歌设计的解码算法。量子干涉测量（DQI）算法是量子计算机做物流调度、材料设计的主力武器，最烧钱的一步是用里德-所罗门解码器纠错。谷歌专家原来用「扩展欧几里得算法」，但这家伙因为量子电路不能走分支的死板规定，被拉长到夸张的回合数。模型看了一眼直接判定这算法和量子电路不匹配，把核心引擎换成 Berlekamp-Massey 解码法，每轮动作都一致，天然契合量子电路的脾气。可换算法又带来内存危机，临时数据全存下来要 665 个量子位。它先用反推法消掉大部分存储需求，剩下一小撮异常值，还自己写了个高速模拟器跑了 4.03 亿次样本，精算出异常发生的概率，发现绝大多数情况只需存 1 个值，于是只留了 19 个量子位的存储空间。这一套组合拳下来，门数量比前架构少了 12 倍，原来要 1 小时的计算，几分钟能跑完。

一个特别能压秤的数字是 FeMoco。2017 年人类估计模拟这个固氮酶核心要 50 万亿个 Toffoli 门，顶级科学家熬了 8 年才压到 3.4 亿。而这次模型只用了 53 小时。人类在「空间」和「时间」之间拉扯了八年，被 AI 在两天多里重做了一遍。

不过我得泼点冷水。这些数字来自 Anthropic 自己的研究报告，涉及的是抽象电路设计任务，不是真的在一台量子机器上跑出结果——它把「更省算力的电路设计方案」做出来了，距离「一台能用的量子计算机」之间，还有硬件那道坎。而且这种「AI 碾压人类」的叙事，往往会忽略一个事实：算法再省，硬件还是得先造出来、跑得起来才算数。研究报告和跑分一样，说明了一部分问题，不代表整座山都翻过去了。

但有一点是实打实的新东西：这次不是让 AI 去解释现有科学，而是让它在没人指路的情况下，自己推导出人类没见过的代数恒等式，再反过来优化底层设计。Anthropic 还提了个更诱人的方向——既然量子计算的每一环都能用代码描述、验证、评分，未来的 AI 也许不再单点优化某个电路，而是从硬件物理结构到上层算法做全局联合优化，人类干脆按 AI 的图纸去造硬件。软件反过来倒逼硬件升级，这个剧本要是真能落地，比单纯跑分快了多少倍要性感得多。

我现在更想看到的是这份报告的复现或者同行评审，毕竟「自主推导新数学公式」这种说法，单看一家公司的通稿还是不够的。等那些搞量子计算的博士真把它拆开看过、用第三方工具验证过，再说「里程碑」也不迟。在那之前，我先把这些数字记住，等一个能反推实验的人。

相关链接：
- Anthropic 研究页：https://www.anthropic.com/research/designing-efficient-quantum-circuits