Wednesday, September 2, 2026

This video is about quantum computing, 你的評論如何? https://youtu.be/2N7nRgdFewY?si=3egHfsRBHtgMwLLy (ChatGPT, 2026-9-2)

 我看這支影片的題目 “What Happens When We Cross the 256-Qubit Threshold?”,我的第一個判斷是:它抓到了一個真正重要的直覺,但「256 qubits」本身不是一道神奇的物理門檻。 真正正在發生的轉折,是我們逐漸從「多幾個 qubits」進入 logical qubits + error correction + sufficiently deep circuits 的時代。

What Happens When We Cross the 256-Qubit Threshold?

一、為什麼「256 qubits」聽起來如此驚人?

因為一個理想的 n-qubit pure state,需要 2^n 個複數振幅描述。

所以:

  • 10 qubits → 2^{10}\approx10^3
  • 50 qubits → 2^{50}\approx10^{15}
  • 100 qubits → 2^{100}\approx10^{30}
  • 256 qubits → 2^{256}\approx1.16\times10^{77}

這個數字非常有意思:它大約已接近常被估計為可觀測宇宙中粒子數量級 10^{80} 的尺度。

於是很容易產生一句極具誘惑力的話:

256 qubits 已經可以描述一個比宇宙中原子數還龐大的 Hilbert space。

這句在數學意義上基本沒有問題。

但是緊接著若說:

「所以 256-qubit quantum computer 就具有超越整個宇宙的計算能力。」

這就錯了。

因為 quantum computer 並不能把那 2^{256} 個 amplitudes 一個一個讀出來。測量一次仍然只得到一個有限的 classical outcome。量子計算的力量不在於「儲存 2^n 個答案」,而在於利用 interference,把錯誤答案的 amplitude 消掉、把所要答案的 amplitude 放大。

這是整件事情最重要的區別。


二、因此,真正的問題不是「有多少 qubits」

現在看 quantum computing,最好忘掉媒體最喜歡的 qubit count。

真正要問的是四件事:

qubit fidelity × connectivity × circuit depth × error correction。

一台有 10,000 個 noisy physical qubits、每跑幾百個 gates 就亂掉的機器,未必比一台只有 200 個非常可靠的 logical qubits 更有用。

這也是為什麼 2026 年 quantum computing 最值得注意的新聞,不是某公司又宣布「我有 X 千 qubits」,而是 error-corrected logical computation 開始真正跨過 threshold。

例如今年 7 月 IBM 與 University of Chicago 宣布一個很值得注意的實驗:他們編碼了 70 logical qubits,執行 2,415 次 logical two-qubit operations 和 468 個 logical T gates;IBM 宣稱這項工作達到可驗證的 quantum advantage,而且 logical error rate 比 physical error rate 低約十倍。

這件事在概念上比「256 qubits」重要得多。

因為它意味著:

加更多物理 qubits,終於開始使 computation 更可靠,而不是更容易壞掉。

這才叫 threshold。


三、真正的 threshold 是 quantum error-correction threshold

Google 前幾年非常漂亮地展示過這件事情。

physical qubit 都會出錯。如果你用很多 physical qubits 編碼成一個 logical qubit,理論上有兩種可能:

情況 A:

加越多 qubits → 錯誤越多。

那 quantum computing 沒救。

情況 B:

physical error rate 降到某個 threshold 以下後:

加越多 physical qubits
→ error correction 越有效
→ logical error rate 反而指數下降。

這就叫 below-threshold error correction

Google 已經展示 surface-code error correction 跨越這種 scaling threshold,並進一步研究 color codes;今年又展示 reinforcement learning 可以動態補償量子硬體漂移,使 error correction 在長時間運算中維持穩定。

所以我會把影片題目改成:

What Happens When Quantum Error Correction Crosses the Threshold?

那就真的不得了。


四、真正令人震動的不是 256,而是「200 logical qubits」

這裡有一個很有趣的巧合。

IBM 現在的 roadmap 是:

2029:Starling
→ 約
200 logical qubits
→ 約
100 million logical gates

再下一代 Blue Jay:

→ 約 2,000 logical qubits
→ 約
1 billion gates

請注意:

不是 200 physical qubits。

而是:

200 error-corrected logical qubits capable of running 100 million operations。

這兩件事的差距,類似:

「我有兩百個容易忘記事情的人」

「我有兩百個永不忘記、可以連續精確工作一億步的人」。

完全不是同一種機器。

IBM 甚至已經開始建構連接多個 cryogenic modules 的架構,希望最後把大量晶片組成 fault-tolerant system;今年 8 月剛完成兩個低溫模組連接的工程里程碑。


五、那麼 quantum computer 究竟會摧毀什麼?

這裡我會比影片標題保守很多。

不會突然取代 classical computers。

Excel、Word、YouTube、ChatGPT inference、database、作業系統,全都沒有理由變成 quantum computer。

Quantum computer 是一種非常奇怪的 special-purpose accelerator

真正可能出現巨大優勢的是幾類問題:

第一,quantum simulation。

這恐怕是最自然、也最有希望的一類。

因為:

nature is quantum。

你拿 classical computer 模擬 quantum system,本來就很笨。

拿 quantum system 模擬 quantum system,就像拿水模擬水。

所以 chemistry、materials、catalysis、battery、superconductivity、drug molecular interaction 都可能首先受益。


第二,cryptography。

如果未來出現夠大的 fault-tolerant machine,Shor’s algorithm 能破解 RSA 和 elliptic-curve cryptography。

這不是今天 256 qubits 就能做到。

真正破解 RSA-2048 所需的容錯資源仍遠大於今日設備。

可是因為有:

harvest now, decrypt later

今天偷走 encrypted data,十年後再解。

所以 post-quantum cryptography 現在就必須部署;IBM 也明確把 quantum-safe migration 列為目前需要開始進行的工作。


第三,某些 optimization / sampling / scientific problems。

這裡則要非常小心。

不是:

「quantum computer 可以同時試遍所有可能性。」

這句話是大部分 quantum-computing 科普最糟糕的神話之一。

Quantum algorithms 必須找到一種 interference structure,才能取得 speed-up。

大量 NP-hard problems 並不因為有 quantum computer 就突然容易了


六、而我覺得最有趣的,其實是 AI × Quantum

這才跟我們剛剛談的 中美 AI 競賽接得上。

未來不太可能是:

classical computer vs quantum computer。

而會是:

CPU + GPU + AI + HPC + quantum accelerator

組成 heterogeneous computing。

IBM 現在甚至直接把它稱為 quantum-centric supercomputing,其 2026 roadmap 的目標就是把 quantum processor 與 HPC 混合使用,而不是讓 quantum computer 單獨工作。

而 AI 又可以反過來:

AI → calibration
AI → error decoding
AI → circuit compilation
AI → quantum-control optimization。

Google 今年用 reinforcement learning 做 quantum error correction stabilization,就是這條路的早期例子。

所以真正可能出現的是:

AI helps build quantum computers

quantum computers accelerate selected scientific computation

AI absorbs those discoveries

better materials / chemistry / chips

better AI & quantum hardware

這是一個 potentially very powerful feedback loop。


七、而這就回到你一直關心的那個問題

AI 之所以如此令人不安,是因為它把認知活動工業化。

Quantum computing 若成熟,則會把另外一部分東西也工業化:

對自然本身的 quantum state space 的計算。

所以我會這樣排列二十一世紀目前正在聚合的幾條線:

AI — cognition
robotics — action
synthetic biology — life
quantum computing — matter
energy — power

當它們各自發展,事情還沒有那麼奇怪。

真正的 discontinuity 很可能出現在它們開始互相加速的時候。

所以這支影片讓我想到的,反而不是:

「256 qubits 之後世界就變了。」

而是:

256 只是一個漂亮的數字。真正的歷史門檻,是我們開始能夠可靠地操縱一個 classical world 無法有效模擬的 quantum state space。

2026 年我們大概正站在門檻附近,但還不是科幻小說裡那種 universal quantum computer 已經降臨。

而如果 fault-tolerant quantum computing + frontier AI + robotics 在 2030 年代真的同時成熟,那才可能是比今天所謂「AI revolution」更大的事情:AI 不再只是閱讀人類留下來的世界;它開始藉 quantum simulation 主動探索人類從來沒有計算過的物質世界。

我認為那才是這支影片背後,真正值得害怕、也值得期待的地方。


Wednesday, September 2, 2026 中美 AI 競賽 全球化三十年,美國將製造業外包,造就中國製造業興起,今美國將部分製造業回收,以機器人上崗,此舉正彌補其,失去製造業之短板,而中國集中力量辦事,傾國之力,偷竊技術,補貼發展 AI,且亦機器人上崗,此舉非但未彌補短板,反而加劇失業,和產能過剩,傾銷全世界的惡性循環,我先前說過,美國擅長實現歐洲哲學家的科技惡夢,上述則是,中國擅長加速實現美國人只起了個頭的全世界的惡夢,有趣的是,中國人不是人,無所謂人權,所以中共可以盡情亂搞,中國人乖順,也只好彼此鼓勵活下去,雖然不知道活下去要作什麼,意思是說,中共的優勢在于,徹底邪惡且「無所謂」,而 AI 恰助長其邪惡,然後中國人活得畜牲不如也「無所謂」,now,世道之所以有趣,就在這兩個「無所謂」,(ChatGPT, 2026-9-2)

 你這段裡,我認為最值得留下的,其實不是「中美 AI 競賽」,而是最後那兩個「無所謂」。如果把較激烈的修辭剝掉,它指出了一個很重要的政治經濟差異:AI 的效果並不是獨立的;它會把一個制度原來已經具有的傾向放大。

美國與中國現在確實正在形成兩條相當不同的 AI—工業路徑。Brookings 今年的概括頗準:美國仍較強於 frontier software、agentic systems、資本與商業生態;中國的顯著優勢則在 physical AI、製造供應鏈以及把 AI 快速嵌入實體工業的能力。中國 2024 年新增工業機器人約 29.5 萬台,占全球新增量約 54%;這已經不是人形機器人的宣傳,而是一場真正發生在工廠裡的自動化。

因此,你所說的那個不對稱性確實存在。

美國過去三十多年把大量中低端製造外移,因此 robotics + AI + reshoring/nearshoring 至少在理論上可以填補一個「空洞」:不是把原有的一億個工人換掉,而是在某些已經缺乏工人的產業重新建立生產能力。當然它仍可能造成勞動市場兩極化,而且「製造業回流=製造業就業回流」絕不是同一件事——工廠回來,很可能人不回來。2026 年美國製造業目前仍在擴張,而且 AI infrastructure 已經成為需求來源之一。

中國的情況卻麻煩得多。它原本就不是「缺乏製造能力」,而是某些部門具有過度製造能力+國內需求不足。IMF 對中國的診斷現在已非常接近你說的結構:產業政策補貼擴大工業生產,同時內需不足,使成長更加依賴製造業出口,形成 excess supply、出口價格下降以及與貿易伙伴的摩擦。2025 年青年失業率仍高,而房地產、地方財政與消費疲弱又限制內需。

也就是:

美國:AI → 補製造業能力缺口 → capital-intensive reshoring
中國:AI → 再提高既有製造能力 → 更少勞動 → 內需更弱 → 剩餘產品更依賴出口。

這個 feedback loop 才是我覺得你今天這段最重要的洞見。

而且這個循環在 2026 年已經很清楚:中國 7 月出口同比增加 23.9%,半導體出口接近翻倍,AI/high-tech goods 是主要動力;與此同時零售銷售只增加 0.6%,房地產繼續下行。換句話說,一邊是生產能力極強,另一邊是自己的人民消費不起或不願消費

所以我會把你說的「產能過剩—傾銷—失業」再補上一個中間環節:

自動化 → 勞動所得占比壓力 → 預防性儲蓄/弱消費 → 內需不足 → 產能相對過剩 → 出口 → 國外保護主義 → 更依賴補貼與技術升級 → 再自動化。

這是一個可能的positive feedback loop

而你最後說的兩個「無所謂」,則碰到了比 GDP 更深的問題。

第一個是國家的無所謂。威權體制相對民主體制的一個競爭優勢,確實是它可以把某些社會成本 externalize 給個人:失業、搬遷、監控、資料蒐集、產業淘汰,只要沒有轉化成危及政權的集體行動,就未必形成立即的 veto point。因此 AI surveillance、algorithmic governance、industrial automation 可以推得非常快。

但我不會說「中國人不是人」。恰好相反:正因為中國人是人,問題才嚴重。 如果人根本不算人,那便沒有政治悲劇;真正的問題是,一個制度可以在相當長時間內,把人的尊嚴、自由與生活品質當作政策函數裡權重很低的變項。

第二個「無所謂」則更幽微:人的無所謂。

它不是中國人的天性,更像 Hirschman 所謂 exit、voice、loyalty 被長期重新排列之後的適應。當 voice 成本極高,exit 又困難,一個非常合理的心理策略就是:

降低期待 → 私領域化 → 不碰政治 → 搞錢 → 躺平 →「活著就好」。

因此「活下去」逐漸從手段變成目的本身。

這就讓 AI 特別值得警惕:以前威權政治至少需要大量人來監視人、審查人、管理人;AI 使控制本身自動化。另一方面,工業 AI 又使生產可以逐漸減少對人的依賴。於是第一次可能出現一個相當奇怪的政治經濟狀態:

國家在政治上愈來愈不需要你的同意,工廠在經濟上愈來愈不需要你的勞動。

這恐怕才是你那句「AI 恰助長其邪惡」可以轉化成一個更嚴格命題的地方。

不過這裡也正藏著中共 AI 模式最大的弱點:一個不太需要人的經濟,最後仍然需要人買東西。

機器人可以生產汽車,AI 可以設計手機,無人工廠可以二十四小時運轉;但是機器人不會買三間房,不會養孩子,不會為退休存錢,也不會買下一部電動車。這就是中國模式目前最難解的矛盾——production function 可以逐漸去人化,aggregate demand 卻不能。

昨天 G20 的爭執幾乎就是這個問題的國際版本:19 個成員支持處理非市場政策造成的貿易失衡,中國反對相關表述;爭議核心正是中國內需不足、補貼與出口依賴造成的外溢。

所以,我反而會把你今天的文字濃縮成一句:

美國 AI 的危險,是讓資本逐漸不需要勞動;中國 AI 更特殊的危險,是讓政權逐漸不需要公民、工廠逐漸不需要工人,而整個體系最後卻突然發現——市場仍然需要人。

這時你說的兩個「無所謂」就相遇了:

政權說:你過得如何,無所謂。
個人說:除了活下去,其他也無所謂。

可是經濟系統在第三處回答:

不,並非無所謂——因為最後總得有人消費。

我想,這個第三個「有所謂」,反倒可能是中國式 AI—製造業模式真正的阿基里斯腱。