祛魅：什么时候不该用量子

有人拿着一份「量子赋能」方案来找你：把排班、物流、投资组合全交给量子计算机，说它能同时试遍所有组合。先别急着签。绝大多数这类问题，经典计算机更便宜，也更准。

同一句话，在采购场景里的三个变体

「同时试所有答案」「NP 难就能解」「量子等于更快」这三句，在《十二条误区》那节已经逐条拆开。这里只提醒它们的采购版本：把平方根加速写成「指数加速」；把某一类哈密顿量的专用模拟器说成「通用量子计算机」；把演示级的采样任务包装成「行业解决方案」。三个变体的共同点是：不给你经典基线，也不给你误差棒。

四个问题，先问再谈

1. 这个问题的经典最好算法是什么，复杂度多少？
2. 已知的量子算法给它的是多项式加速、平方根加速，还是只有启发式？
3. 在我的数据规模上，输入输出与常数因子会不会把优势吃掉？
4. 我现在有足够的逻辑比特和保真度吗？

四个问题里有一个答不上来，就先别谈量子。量子优势通常出现在「问题结构正好对上算法」的地方，而不是「问题足够难」的地方。截至 2026 年公开报道的量级，能稳定展示优势的任务仍然很窄，多数还停留在专门构造的采样问题上。