Dear friend，Google Quantum AI 是 Google 內部研究與建造量子電腦的團隊，由 Hartmut Neven 領導。它的目標不是製造一台「什麼都比傳統電腦快」的機器，而是建造一部容錯、可擴展的量子電腦，專門處理某些傳統超級電腦實際上無法完成的問題。Google 將硬體、量子錯誤校正、演算法、控制系統與開源軟體視為同一項工程。
一、量子電腦到底不同在哪裡？
普通電腦的 bit 是 0 或 1。量子電腦的 qubit 可以處於 0 與 1 的疊加狀態，而且不同 qubit 可以彼此糾纏。
但常見的說法——「量子電腦同時試遍所有答案」——並不十分準確。真正的關鍵是：
量子演算法安排許多可能路徑彼此干涉，
讓不需要的答案相消，讓需要的答案增強。
因此，量子電腦不是更快的 laptop，而是另一種計算物理學。它只可能在某些問題上產生巨大優勢，例如：
- 模擬分子、材料與量子系統；
- 某些密碼學與數論問題；
- 特定最佳化和取樣問題；
- 探索傳統電腦難以追蹤的多體量子動力學。
Google 尤其看重化學、藥物、電池、材料與肥料製造等潛在用途，但這些大多仍是研究方向，不是現成產品。
二、Google 的硬體路線：超導 qubits
Google 使用的是超導量子位元。晶片必須放在極低溫的稀釋冷凍機中，使電路表現出量子性質。
它的重要處理器包括：
Sycamore
2019年，Google 用 Sycamore 執行一項隨機量子電路取樣實驗，宣稱達成 quantum supremacy，也就是量子裝置在一項特定人工任務上勝過當時的傳統超級電腦。
那次成果的重要性在於證明「量子硬體有可能跨越古典模擬界限」，但它並未解決有用的現實問題；後來傳統演算法也顯著縮小了原先宣稱的差距。
Willow
2024年12月，Google 公布 Willow，一枚具有105個超導 qubits 的處理器。Willow 最重要的成績不是單純增加 qubit 數，而是展現了低於錯誤校正閾值的操作：當 Google 使用更多實體 qubits 建構更大的 surface code 時，logical qubit 的錯誤率反而下降。
這是量子計算史上的關鍵轉折。
因為量子電腦長期面臨一個荒謬困境：
qubit 愈多，錯誤也愈多；
電腦愈大，反而愈不能計算。
Willow 的成果表示，在適當條件下，增加 qubits 可以用來壓低錯誤，而不只是製造更多錯誤。Nature 將這項成果視為重要的錯誤校正里程碑。
三、真正的核心：logical qubit，而不是 physical qubit
媒體通常比較哪家公司有幾百、幾千個 qubits，但裸露的 physical qubit 非常脆弱，會受到熱、電磁干擾、材料缺陷與控制誤差影響。
實用量子電腦所需的是 logical qubit：
用許多容易出錯的 physical qubits，
共同編碼一個比較可靠的 logical qubit。
可以把它想成一段重要口述歷史：一個人的記憶可能出錯，但若由許多相互核對的證人保存，就能辨認並修正個別錯誤。
Google 採用的主要方法是 surface code。它反覆測量錯誤症候，而不直接破壞 qubit 中保存的量子資訊。Google 在2023年先證明，擴大 surface code 可以抑制錯誤；Willow 則進一步跨過 threshold，使較大的 logical qubit 比較小的 logical qubit 更可靠。
但是必須冷靜看待：
Google 已證明錯誤校正可以開始向正確方向擴展；
它尚未建造出大量、長時間、可執行複雜演算法的 logical qubits。
Willow 不是一台已經可以設計新藥的通用量子電腦，而是證明通往那種電腦的某一條路，至少沒有在物理上立即斷掉。
四、2025年的 Quantum Echoes
2025年10月，Google 在 Willow 上展示 Quantum Echoes，並稱之為第一個「可驗證的量子優勢」演算法。
它測量一種稱為 out-of-time-order correlator, OTOC 的量，用來觀察量子資訊如何在複雜系統中擴散或 scrambling。簡化來說：
- 讓量子系統向前演化；
- 對其中一部分施加擾動；
- 嘗試把系統反向演化；
- 測量它能否「回聲般」返回，以及擾動如何傳遍整個系統。
Google 報告稱，Willow 執行相關計算比可比較的傳統方法快約一萬倍，且結果可以由另一台類似量子裝置重複驗證。
「可驗證」很重要。早期量子優勢實驗有一個認識論難題：
假如答案複雜到傳統電腦不能計算，
我們怎麼知道量子電腦沒有算錯？
Quantum Echoes 嘗試建立一種可重複、可交叉檢驗的輸出，而不是只宣稱完成了一項無法核對的計算。
不過，學界對其「第一個可驗證量子優勢」的措辭仍有爭議，包括它究竟代表多大程度的實用價值，以及未來的古典模擬方法是否還會縮小差距。
所以比較準確的說法是：
Quantum Echoes 是從人工 benchmark 向科學用途移動的一步，
還不是量子電腦已進入普遍商業應用的證明。
五、Google Quantum AI 的六階段路線
Google 公開的 roadmap，大致從物理量子優勢走向：
- 超越傳統計算的物理實驗；
- 一個能隨規模增加而降低錯誤的 logical qubit；
- 長壽命 logical qubit；
- logical gate；
- 多個 logical qubits 組成的工程化系統；
- 大規模、容錯且具有商業與科學用途的量子電腦。
Google 認為自己已跨過前兩個重要節點，但後面每一步都非常困難。
要從一個受控的 logical qubit，走到數百或數千個高品質 logical qubits，可能需要數十萬甚至更多 physical qubits，加上龐大的低溫、布線、控制、校準和即時解碼系統。確切數量會隨演算法、硬體品質與錯誤校正碼而變，不能只以今天的 qubit 數線性推算。
六、Quantum AI 中的「AI」是什麼？
Google Quantum AI 不是在說「量子電腦已經讓 Gemini 變成超級智慧」。Quantum 與 AI 目前主要有三種關係。
第一，AI 幫助控制量子電腦。機器學習可用於校準 qubits、辨認噪音、選擇硬體參數與解碼錯誤。Google 已開發 transformer 型錯誤解碼器，也研究 reinforcement learning 控制量子錯誤校正。
第二，AI 幫助設計量子演算法與電路。例如尋找更短的電路、較有效率的編譯方式，減少在脆弱硬體上的運算步驟。
第三，未來可能用量子電腦處理某些機器學習問題，但所謂 quantum machine learning 目前尚未證明會普遍超越傳統 AI。對今天的大型語言模型而言，GPU、TPU 與傳統分散式計算仍然是核心。
所以：
Google Quantum AI 不是 Gemini 的量子大腦；
它是 AI、控制工程與量子物理共同建造的一種新計算裝置。
七、一般人能不能使用？
Google 提供開源工具：
- Cirq：設計、模擬及編寫量子電路；
- Qualtran：研究較大型、容錯量子演算法及其資源需求；
- OpenFermion：量子化學和費米子系統；
- TensorFlow Quantum：量子機器學習研究工具。
這些工具可以公開使用，但 Google 真正的量子硬體存取目前仍有限，通常需要研究合作、Google sponsor 與核准資格，不像某些商業雲端服務那樣讓所有人自由租用。
八、我的判斷
Google Quantum AI 最值得注意的，不是它曾用幾分鐘完成一個據稱超級電腦要花天文時間的 benchmark。這類數字很戲劇化，也容易因古典演算法進步而改寫。
真正重要的是：
它正在把量子計算的問題，從「能不能產生量子奇蹟」，轉成「能不能工程化地抑制錯誤」。
Sycamore 證明量子系統可能進入古典電腦難以模擬的區域；Willow 證明較大的錯誤校正碼可以比較小的更可靠；Quantum Echoes 則試圖證明量子優勢可以產生可重複、並可能與科學問題相關的資訊。
然而，我們仍在量子計算的「真空管時代」，甚至更早。它已不是純粹幻想，但也遠不是一台可取代 laptop、GPU 或超級電腦的成熟機器。
用我們最近的語言來說，普通電腦主要把世界轉成確定的 0 與 1；量子電腦則讓疊加、糾纏與干涉本身成為計算資源。但是，最後仍須測量，仍須把量子可能性壓回一個古典結果：
它讓世界在計算過程中暫時「無所住」，
卻必須在答案出現時，重新落入一個所在。
