量子优势：到底赢了什么

一条新闻说：量子处理器用几百秒，完成了经典超算要算上万年的任务。你点开论文，发现它算的是「从一个分布里采样」。这两句话之间的差距，就是这一节要讲的东西。

赢的是采样，不是解题

随机线路采样这类任务，目标是让量子设备产生一个特定的概率分布。线路里堆满随机的单比特门和双比特门，输出是一串比特。经典计算机要精确复现这个分布，代价随比特数与深度迅速上升——这是 量子优势 实验选择它的原因。

但它不产出任何有用的答案。几乎没有哪家公司靠采样一个分布做决策，也很少有科学问题正好需要这一个分布。它显示的是：在某个任务上，量子硬件跑到了经典算法够不着的地方，而不是量子计算机能解实际问题。

而且「够不着」是暂时的。玻色采样提出后，经典算法把可模拟规模往上推；随机线路采样也一样，张量网络等模拟方法在几年内把门槛压低。这不是谁造假，而是比较的基线一直在动。

四个问题，一条验证链

看到「量子霸权」或「量子优势」的标题，先问四件事：

1. 任务是什么？它对应哪个实际问题，还是专门构造的采样？
2. 经典基线是不是最新最好的？有没有用上张量网络、GPU 集群这类手段？
3. 结果怎么验证？验证方法本身依赖什么假设？
4. 资源账公开了吗？比特数、错误率、采样次数、总耗时各是多少？

其中验证最容易被略过。采样任务的输出是一个分布 $p(x)$，单次结果没有对错。要判断设备做得对不对，得比较实验分布与理想分布的差距，比如

问题是理想分布 $q$ 经典算不出来——算得出来就不叫优势了。所以实验通常退一步，用交叉熵或保真度估计，而这些估计又依赖噪声模型。验证的链条上带着假设，这是这类实验最容易被误读的地方。