量子优势的实用评估：NISQ 应用、成本权衡与路线图

理论优势（complexity）：
  算法复杂度上量子 < 经典（如 Shor 指数优势）
  → 数学上成立，不一定能物理实现

演示优势（demonstration）：
  在真实量子硬件上跑出「经典难以复现」的结果
  → 如随机电路采样（量子霸权实验）

实用优势（practical）：
  在「有价值的问题」上量子赢了经典
  → 用户愿意付钱的结果
→ 三层次级递进：理论 → 演示 → 实用

- 量子霸权（supremacy）：演示「某问题量子比经典快」（采样类）
- 量子优势（advantage）：更广，含实用价值
- 量子实用性（utility）：「值得部署」的边界
→ 报道常把「演示」包装成「实用」，要看清是哪一层

对用户有意义 = 
  问题有价值（商业/科学）
  + 量子真更快（公平对比）
  + 成本可承受
→ 三层齐备才是「实用优势」

NISQ 现状：
  - 数百 ~ 上千 qubit（物理）
  - 有噪声：门错误率 1e-2 ~ 1e-3
  - 无纠错（或纠错刚起步）
  - 运行深度受限（几十~几百层门）
→ 能跑「浅电路算法」，跑不了「深算法」（Shor 需要容错）

能做：
  - 变分算法（VQE/QAOA）：浅电路 + 经典优化
  - 采样/随机电路：演示霸权
  - 模拟小系统：物理原理验证
  - 量子传感/通信（不受深度限制）
做不了：
  - Shor 破解 RSA（需容错 + 数千逻辑 qubit）
  - 精确量子化学（大分子）
→ NISQ = 「探索 + 验证 + 专用」，不是「通用大算力」

- 技术路线图的中继站（积累工程能力）
- 混合算法的实验场（经典 + 量子）
- 逼出「误差缓解」技术（见错误缓解篇）
→ NISQ 是「走向容错」的必经阶段，不是终点

1. 量子模拟（最有前景）：
   分子/材料/物理系统 → 天然指数编码
   经典数值方法（DMC/DMRG）受限处 → 量子优势
   证据：模拟「简单性」已有；实用化学需容错
   → 理论优势明确，实用待容错

2. 组合优化（退火/QAOA）：
   调度/路径/图问题
   经典启发式（模拟退火/禁忌）很强 → 优势不确定
   退火对特定问题有「常数/多项式」级提升
   → 优势「温和」，需公平对比

3. 量子 ML：
   QML 的量子优势「理论上有、实用未证实」
   数据编码/量子核方法 → 尚无明确实用赢点
   → 研究前沿，商业证据弱

4. 密码破解（Shor）：
   对 RSA/ECC 指数优势（理论最强）
   但需要容错 + 巨大资源 → 遥远
   → 今天最大的影响是「推动后量子迁移」（见后量子篇）
→ 模拟「最可靠」，优化「温和」，ML「未证实」，密码「遥远但迫使迁移」

Q1. 问题有「量子结构」吗？
    - 能否指数/超线性编码进量子态？
    - 纯暴力/随机搜索？→ 只有 Grover 二次（弱）

Q2. 经典基线是什么？
    - 与「最优经典算法」比（不是教科书算法）
    - 经典在进步：量子 vs 经典是「动态竞速」

Q3. 量子实现真实吗？
    - 包含噪声、编译、纠错开销
    - 理论复杂度 ≠ 实际成本

Q4. 端到端成本谁低？
    - 时间、能源、金钱、工程
    - 量子 + 经典混合 vs 纯经典

Q5. 结果有用吗？
    - 精度的增益是否「业务可感知」
    - 次优解 vs 最优解的价值差
→ 五问都过才是「实用优势」

- Grover 二次加速：黑盒贵 → 实际优势被稀释
- 采样霸权：采样快，但「用采样的应用」经典可近似
- VQE 声称优势：未与最优经典变分/张量网络比
→ 评估要「端到端、对最优经典、含真实成本」

1. 硬件成本：稀释制冷机/真空/激光（百万~亿级）
2. 运维成本：专业团队、校准、故障
3. 资源成本：qubit 数、门数、T 门（容错预算）
4. 时间成本：排队、编译、误差缓解
5. 工程成本：SDK、算法、集成
→ 量子是「贵 + 慢 + 稀缺」的资源

- 云算力按需、极便宜（GPU/CPU）
- 算法库成熟、数值方法强（张量网络/MC）
- 增长快（经典在摩尔定律/专用加速下也在进步）
→ 经典是「动态靶」：量子要超过的不是「今天」的经典

量子上量子值 = 量子端收益 - 量子端成本
  收益：精度/速度/新能力
  成本：硬件 + 时间 + 工程
→ 只有当「收益远大于成本」才值得
  模拟：收益高（新材料价值）→ 值得等容错
  优化：收益温和 → 多数场景经典够用
→ 成本对比决定「何时上量子」

2019 Google：Sycamore 随机电路采样「量子霸权」
  → 53 qubit 采样，声称经典难以复现
  → 后续：经典算法跟进（张量网络），差距缩小
  → 教训：霸权是「演示」，不是「实用」

2023 IBM：127 qubit 实用规模实验（误差缓解后）
  → 「实用」里程碑：用缓解技术跑出可信物理结果
  → 但仍是「经典可交叉验证」的小系统

2023-2024 纠错进展：逻辑 qubit 初步（Google/Quantinuum）
  → 距离扩展：从逻辑噪声改善到「逻辑 < 物理」阈值
  → 向「容错」迈出第一步

- 每个「霸权/突破」都要问：
  ① 经典算法是否已跟进？
  ② 问题是否实用价值？
  ③ 是演示还是实用？
- 量子进展是「渐进」的：纠错、缓解、集成各自进步
→ 里程碑的意义是「趋势」，不是「瞬间超越」

金融：
  - 组合优化/风险模拟（退火 + 变分）
  - 兴趣高但「证明优势」仍在早期
制药/化学：
  - 分子模拟/药物设计（最理性，等容错）
  - 长期投入、关注路线图
材料/能源：
  - 电池/催化剂/超导（模拟应用）
  - 政府 + 产业联合（长期）
物流/制造：
  - 调度/路径优化（退火近期试点）
  - 优势「温和」，与经典并行
网络安全：
  - 后量子迁移（今天就必须做！）
  - 与「量子破解」无关，是「防未来」
→ 行业差异：越依赖「模拟/材料」越长期，越依赖「优化」越谨慎

多数行业「试点」而非「生产」：
  - 退火/变分跑通「demo 问题」
  - 生产落地还需「证明端到端胜出」
→ 诚实看待：量子行业应用 = 布局 + 试点，不是「已替代经典」

近期（0~5 年）：
  - 纠错从「逻辑<物理」到「实用容错」早期
  - 退火/变分：更多「工程试点」
  - 后量子迁移落地
中期（5~10 年）：
  - 容错量子计算机（几千逻辑 qubit）
  - 实用化学模拟有望
  - 专用加速（采样/优化）成型
远期（10+ 年）：
  - 大规模容错 → 通用量子优势
  - 关键：纠错速度 + 经典追赶速度
→ 共识：容错是「实用优势」的前提，时间线在「5~15 年」量级

- 纠错进展（门保真度提升）决定「何时容错」
- 经典算法的追赶（张量网络等）压缩「优势窗口」
- 硬件工程（规模化/良率）决定「成本曲线」
→ 时间线是「区间」不是「承诺」，年年更新

Q1. 我的问题「量子结构」强吗？
    - 模拟类（分子/材料）→ 值得长期
    - 优化类 → 先等「证明端到端胜出」
    - 普通计算 → 不值得

Q2. 等得起吗？
    - 容错前「实用优势」有限
    - 等不起 → 先用经典最优算法 + 监控量子

Q3. 代价与风险？
    - 投入 = 人才 + 硬件/云 + 时间
    - 风险 = 时间线延误 + 经典追平
→ 模拟依赖强的行业：布局 + 研究
  其余：监控 + 试点，不重仓

1. 后量子迁移（网络安全）——今天必须
2. 量子人才/能力建设——低成本、高价值
3. 问题清单梳理——识别「未来可用量子的地方」
4. 与量子云试点——跑通 demo、积累经验
→ 这些不赌容错时间，先建立「量子就绪」