量子计算机不是「更快的 CPU」，也不是「核数更多的 GPU」。它换了一套物理资源：用振幅干涉挑出正确答案，而不是把同一条指令复制到上千个核上跑完再汇总。读完应能回答三件事：它比经典芯片多了什么、一次计算从制备到读出怎么走、为什么现在还很难卖成通用算力。
1. 先用厨房分清三种机器
中央处理器（central processing unit，CPU）擅长一条控制流：取指令、判断、改内存。图形处理器（graphics processing unit，GPU）擅长同一套运算打在海量同类数据上（单指令多线程）。量子处理器（quantum processing unit，QPU）既不「更会分支」，也不「复制同一动作」——它让系统处在多种可能的叠加里，再用干涉把错误路径的振幅互相抵消。
| CPU | GPU | QPU | |
|---|---|---|---|
| 比喻 | 一位主厨按食谱逐步做完一道菜 | 一条流水线，上千灶台同时翻同一个动作 | 多种菜谱先叠在同一口锅里，揭盖只剩一盘 |
| 并行是什么 | 少数复杂核，靠流水线与乱序 | 海量简单核，数据并行 | 振幅并行；不能把 $2^n$ 个答案一起读出来 |
| 读结果 | 寄存器里是确定比特 | 显存里是确定像素 / 向量 | 测量把态压成 0 或 1，要靠多次采样还原分布 |
| 怕什么 | 分支预测失败、缓存未命中 | 线程发散、显存带宽 | 退相干、门误差、读出破坏叠加 |
图书馆检索：CPU 是一位馆员按架号一本本翻；GPU 是一千位馆员各守一架、用同一套检索词同时扫；量子算法是馆员同时「走在所有过道里」，但你一问「书在哪」，他只能指向一条过道。算法的工作是让错误过道的振幅对消、正确过道变亮——不是让你一次性看见全部书名。
段末注释：CPU 优化控制流与延迟；GPU 优化同类数据的吞吐量；QPU 优化的是振幅的干涉图案。把量子机说成「指数级并行 CPU」会漏掉测量这一刀。
2. 量子比特多出来的不是核，是振幅
经典比特只取 $0$ 或 $1$。量子比特（quantum bit，qubit）可以处在
$$
|\psi\rangle = \alpha|0\rangle + \beta|1\rangle,\qquad |\alpha|^2 + |\beta|^2 = 1
$$
$|\alpha|^2$、$|\beta|^2$ 是测量得到 $0$、$1$ 的概率。$n$ 个比特的叠加可以同时承载 $2^n$ 个振幅，但测量一次只给出一个 $n$ 比特串。算力不在「状态多」，而在你能否设计出一门让正确答案振幅变大、错误答案振幅相消的线路。
纠缠（entanglement）让多比特不能再拆成各自独立的态：测其中一个，会立刻约束另一个的统计。干涉（interference）才是加速的引擎：没有对消，叠加只是一份很难读的概率表。
迷宫对照：CPU 打着手电走一条死胡同再回头；GPU 派许多探险者各走一条岔路，每人仍是经典的「在或不在」；量子探路者的错误岔路画成互相抵消的虚影，正确出口在测量闪光后留下一个实人。格罗弗算法（Grover’s algorithm）对无结构搜索的二次加速，就是这类「把错路抹暗」的干涉，不是把数据库复制了 $\sqrt{N}$ 份。
段末注释：qubit 是二维复向量，不是「0 和 1 同时为真」的逻辑或。测量给出的是样本，不是叠加本身。
3. 一次计算怎么走：制备 → 编码 → 操作 → 观测
完整工序与经典机的「加载—运算—写回」对应，但每一步都受物理约束。
3.1 制备：先把比特按到 $|0\rangle$
计算从已知初态开始，通常是全 $|0\rangle$。做不到这一点，后面的门都在未知偏置上转。
| 平台 | 怎么制备 | 时间尺度（量级） |
|---|---|---|
| 超导（transmon） | 稀释制冷到约 $10$–$20,\mathrm{mK}$；等能量弛豫，或测量后按结果做主动复位 | 弛豫微秒级；主动复位可压到亚微秒 |
| 离子阱 | 多普勒冷却 + 边带冷却到运动基态，再用光学泵浦打进选定超精细态 | 冷却与泵浦常在百微秒到毫秒 |
| 中性原子 | 磁光阱装载，光镊阵列捕获，光学泵浦到时钟态 | 装载较慢，泵浦快 |
| 光子 | 单光子源或压缩光准备模式；丢失等于比特消失 | 由源与损耗决定，门常是概率性的 |
超导芯片要先「冻到接近绝对零度」，不是为了算得快，而是为了让约瑟夫森结进入超导、并压低热激发。离子和原子用激光把内部态「泵」进确定能级，相当于把馆员强制送回大厅门口再出发。
3.2 编码：把问题写成线路或哈密顿量
经典程序写的是 if / for。量子程序写的是门序列，或把问题写成哈密顿量（Hamiltonian）再演化。分子基态、组合优化、周期查找，都要先映射成「作用在哪些比特上的哪些旋转」。编码错了，硬件再准也在解另一道题。
3.3 操作：用微波或激光做幺正旋转
单比特门是布洛赫球（Bloch sphere）上的旋转；双比特门制造纠缠。超导用微波脉冲（门时间纳秒到几十纳秒）；离子与原子用激光（常微秒到百微秒）。门必须尽量幺正（unitary）：可逆、不把信息漏到环境。漏一点，就是误差。
3.4 观测：测量一次只给一个比特串
测量把 $|\psi\rangle$ 按玻恩定则（Born rule）压到计算基上。超导常用色散读出（dispersive readout）：比特态把耦合谐振腔的频率挪一点，用探询微波读相位，约 $100$–$500,\mathrm{ns}$。离子常用态依赖荧光：亮态散射大量光子，暗态几乎不发光，约 $100$–$300,\mathrm{\mu s}$。
揭盖只能得到一盘菜。要估计整张概率表，必须重置、重跑、再测，用直方图还原。纠错码还要在计算中途测辅助比特，把症候群送给经典译码器——读出本身会破坏被测比特上的叠加，所以数据比特与辅助比特必须分开设计。
段末注释：制备给出已知起点；幺正门在相干时间内搬振幅；测量把量子态换成经典比特。没有多次采样，就没有可发布的答案分布。
4. 主流硬件路线与代表实现
没有单一赢家。比的是门速度、保真、连通、可扩展与纠错开销，不是谁的物理比特数字大。
| 路线 | 信息写在哪 | 代表实现 | 长处 | 代价 |
|---|---|---|---|---|
| 超导电路 | 约瑟夫森结的电荷/相位（transmon 等） | IBM、Google Quantum AI、Rigetti | 门快、可走芯片工艺、装机最多 | 毫开尔文、相干短、近邻连接 |
| 离子阱 | 囚禁离子的超精细或光学能级 | IonQ、Quantinuum | 保真高、天然可全连接 | 门慢、激光复杂、单阱规模难 |
| 中性原子 | 光镊阵列里的碱金属原子 | QuEra、Atom Computing、Pasqal | 比特数大、几何可重构 | 保真与串扰仍在追离子 |
| 光子 | 单光子路径/偏振，或连续变量压缩光 | PsiQuantum、Xanadu | 可室温、天生适合组网 | 光子丢失、部分门非确定性 |
| 半导体自旋 | 硅/锗量子点中的电子或核自旋 | Intel、SQC 等 | 憧憬 CMOS 产线 | 均匀性与电荷噪声 |
| 拓扑 | 非阿贝尔任意子（如马约拉纳方案） | Microsoft 等 | 理论上抗局域噪声 | 物理比特本身仍在验证 |
软件栈已经比硬件更「能摸」：IBM Qiskit、Google Cirq、Xanadu PennyLane 把线路编成脉冲或云任务。它们降低入门成本，不降低物理误差。
近期权用算法也要按硬件代际切开：肖尔算法（Shor’s algorithm）分解大整数、格罗弗搜索，都要容错量子计算（fault-tolerant quantum computing，FTQC）。今天能在真机上反复跑的，多是变分量子本征求解器（variational quantum eigensolver，VQE）和量子近似优化算法（quantum approximate optimization algorithm，QAOA）这类浅线路 + 经典优化器的混合回路。
段末注释：NISQ（noisy intermediate-scale quantum，嘈杂中等规模量子）指大约几十到上千物理比特、尚无完整纠错的机器。它适合探路和基准，不等于已经替代 GPU 做生产计算。
5. 商业化卡在哪，而不是「再加几个比特」
2026 年的诚实图景：云上能租到超导、离子、原子机器；制药、材料、金融在做试点；还没有一条生产工作负载被量子机稳定打败成熟经典求解器。卡点是系统工程，不是营销口径里的比特数。
相干时间对线路深度。 超导 $T_1$ 常在几十到一百微秒量级。门再快，深度一深，态就先「忘记」自己是谁。离子更稳、门更慢，深线路照样贵。
物理比特到逻辑比特的开销。 表面码一类方案里，一枚可用的逻辑比特往往要成百上千枚物理比特托着。报「一千物理比特」和「能跑肖尔分解 RSA-2048」之间，隔着纠错阈值、魔术态蒸馏和连通拓扑。
实时译码。 纠错要在每个周期（超导约微秒）读出症候群并在相干时间内反馈。数据率可接近骨干网量级；线缆延迟和热负载会把「外挂一台超算来译码」卡死。这是经典控制平面的瓶颈，不是再画一张线路图能跳过的。
稀释制冷与布线。 每个超导比特要微波线、滤波、放大。比特数涨，冷量、串扰和接头先爆。离子和原子则把复杂度推到激光相位噪声与真空系统。
算法与常数。 二次加速在常数和数据加载成本面前经常消失；VQE 会碰到贫瘠高原（barren plateau），优化器在平坦损失面上空转。分子稍大、优化稍深，NISQ 就不够用。
企业侧真正已经在花钱的，常常不是「用量子机赚钱」，而是后量子密码（post-quantum cryptography，PQC）迁移：数据可以先偷后解，密钥算法必须先换。
段末注释：商业化在这里指可重复、可验收、能替换一条已有经典流水线。云上的演示和论文基准都还不是这一条。
6. 现在能做什么，不能指望什么
| 场景 | 2026 年能做什么 | 还不能指望 |
|---|---|---|
| 化学 / 材料 | 小分子、模型哈密顿量的 VQE 与量子模拟试点 | 药学相关大分子的生产级能量计算 |
| 组合优化 | QAOA 当硬件基准，对照 Gurobi / 退火 | 物流排程上稳定优于经典求解器 |
| 密码 | 催 PQC 升级 | 用肖尔算法拆互联网上的 RSA |
| 科研采样 | 随机线路采样等「量子优势」实验 | 把优势翻译成可计费业务 |
判断句可以收成一句：量子机是一台振幅干涉器，外加一台必须跟上节拍的经典控制器。CPU 管控制流，GPU 管吞吐，QPU 管你是否设计得出会相长的路径。三条线会长期共存，不会互相吞掉。
7. 依据与边界
硬件对比与读出时间尺度综合自公开综述与厂商路线（超导色散读出、离子荧光探测、中性原子光镊阵列）。具体保真与比特数按月在变，正文只锁机制与数量级，不把某一季的新闻数字写成定理。
社区工具：线路层用 Qiskit / Cirq / PennyLane 即可复现「制备—门—采样」；它们不提供纠错后的逻辑比特。NISQ 混合算法（VQE、QAOA）的风险是：噪声与贫瘠高原会让经典优化器收敛到不可用的解，看起来像在「跑量子」，验收时仍输给 GPU 上的成熟求解器。