从经典计算到量子计算：为什么我们需要新的计算范式？

你正在用的智能手机，每秒可以执行上百亿次运算，足以把阿波罗11号登月飞船的导航计算机甩出几十万条街；你刷短视频时，平台算法在毫秒级时间内就从海量内容里挑出了你最可能喜欢的视频；你扫码支付时，加密系统在瞬间就完成了身份验证和资金划转，保障了交易的安全。我们正身处经典计算的黄金时代：从1946年重达27吨、每秒只能算5000次加法运算的ENIAC，到如今能装进口袋、运算能力超过当年全球所有计算机总和的智能手机，经典计算在不到80年的时间里完成了跨越式的进化，彻底改变了人类的生产和生活方式。

但你是否想过：当我们面对研发新药、设计新材料、破解复杂密码、优化全球物流网络这类难题时，哪怕用上全球最快的经典超级计算机，也要算上几年、几十年甚至几亿年？这些问题的共同特点是：变量极多、组合可能性呈指数级爆炸，经典计算的“串行+有限并行”的架构天生难以应对。这正是我们需要量子计算这个新范式的核心原因：它不是经典计算机的“升级版”，而是针对经典计算无法解决的特定难题，提供了一种完全不同的计算路径。

> English Summary: We are living in the golden age of classical computing, where smartphones in our pockets are billions of times more powerful than the navigation computers that took humans to the moon. But when facing problems like drug development, material design, cryptanalysis and global logistics optimization, even the world's fastest classical supercomputers would need years, decades or even billions of years to solve them. These problems share a common feature: too many variables and exponentially exploding combinations, which are inherently difficult for the "serial + limited parallel" architecture of classical computing. This is exactly why we need a new computing paradigm: quantum computing. It is not an "upgraded version" of classical computers, but provides a completely different computing path for specific problems that classical computing cannot solve.

---

1.1 经典计算的百年跃迁：从算盘到智能手机的进化史

经典计算的起源可以追溯到几百年前的计算工具，但真正意义上的“自动计算”是从工业革命后开始的。1642年，法国数学家布莱士·帕斯卡（Blaise Pascal）发明了机械加法器，可以通过齿轮的转动完成加减法运算，这是人类历史上第一台可以自动执行的计算机械；1822年，英国数学家查尔斯·巴贝奇（Charles Babbage）设计了“分析机（Analytical Engine）”，提出了“程序控制”的概念，甚至包含了现代计算机的输入、处理、存储、输出四个核心部分，但因为当时的机械制造水平限制，这台机器从未真正建成。

真正开启电子计算时代的标志是1946年问世的ENIAC（Electronic Numerical Integrator and Computer，电子数值积分计算机）。这台由美国军方资助的计算机重达27吨，占地170平方米，使用了18000个真空管，每秒可以执行5000次加法运算，主要用于计算弹道表，把原本需要人工计算几周的弹道数据缩短到几秒。虽然ENIAC的体积庞大、功耗极高、故障率也很高，但它证明了“用电子元件实现高速自动计算”的可行性，为后续的计算机发展奠定了基础。

1958年，德州仪器的工程师杰克·基尔比（Jack Kilby）发明了第一块集成电路（Integrated Circuit, IC），把多个晶体管、电阻、电容等元件集成在一块硅片上，解决了真空管体积大、功耗高、易损坏的问题，直接推动了计算机的小型化和性能提升。1971年，英特尔发布了第一款商用微处理器Intel 4004，集成了2300个晶体管，运算速度比ENIAC还快，直接把计算机的体积缩小到可以放进桌面，个人电脑（PC）时代由此开启。

> 📌 小知识（Sidebar for Digital Edition）： > ENIAC的运算速度是每秒5000次加法，而2023年发布的苹果A17 Pro芯片的运算速度超过每秒35万亿次，是ENIAC的70亿倍；ENIAC的功耗是150千瓦，相当于同时开150台微波炉，而A17 Pro的功耗只有几瓦，还不到一个节能灯泡的功耗。 > <!-- 纸书：页边注：ENIAC运算速度5000次/秒，A17 Pro超35万亿次/秒，是ENIAC的70亿倍 -->

1965年，英特尔联合创始人戈登·摩尔（Gordon Moore）提出了著名的“摩尔定律（Moore’s Law）”：集成电路上的晶体管数量每2年就会翻一番，同时成本会下降一半。这个预测在之后的50多年里几乎完全准确：从1971年Intel 4004的2300个晶体管，到2023年苹果M2 Ultra芯片的1340亿个晶体管，50多年里晶体管数量翻了超过10亿倍，经典计算的性能也随之提升了上亿倍，直接推动了互联网、移动通信、人工智能等所有数字技术的爆发。

```mermaid timeline title 经典计算发展历程（Classical Computing Evolution） 1642年 ： 帕斯卡加法器（Pascal's Calculator） 1822年 ： 分析机（Analytical Engine，巴贝奇） 1946年 ： ENIAC（第一台通用电子计算机） 1958年 ： 集成电路（Integrated Circuit） 1965年 ： 摩尔定律提出（Moore's Law Proposed） 1971年 ： 第一块商用微处理器（Intel 4004） 2007年 ： 第一代iPhone（移动计算时代开启） 2024年 ： 3nm工艺芯片，摩尔定律放缓 ```

> English Summary: The history of classical computing can be traced back to computing tools hundreds of years ago, but the real "automatic computing" started after the industrial revolution. The invention of the integrated circuit in 1958 and the commercial microprocessor in 1971 directly promoted the miniaturization and performance improvement of computers. In 1965, Gordon Moore, co-founder of Intel, proposed the famous "Moore's Law": the number of transistors on an integrated circuit doubles every 2 years, while the cost is halved. This prediction has been almost completely accurate for more than 50 years, directly promoting the explosion of all digital technologies such as the Internet, mobile communication and artificial intelligence.

---

1.2 摩尔定律的物理天花板：当硅基芯片走到原子级别

摩尔定律在过去50多年里是数字技术进步的核心驱动力，但它本质上是一个经验性预测，而非物理定律。随着晶体管尺寸不断缩小，我们正在逼近硅基芯片的物理极限，摩尔定律的放缓已经是不争的事实：从2010年左右开始，晶体管数量翻倍的时间从原来的2年延长到了2.5-3年，先进制程的研发成本也在指数级上升：建一座3nm工艺的晶圆厂需要超过300亿美元，是10年前10nm工艺晶圆厂成本的3倍多。

这种放缓背后是三个无法绕开的物理瓶颈，也被称为“功耗墙”“量子隧穿墙”和“制造成本墙”。

1.2.1 功耗墙：芯片越来越“热”

随着晶体管密度越来越高，芯片的功耗也在快速上升。目前高端CPU的功耗已经超过300瓦，相当于一个家庭用电器的功耗，而手机芯片虽然功耗只有几瓦，但散热面积很小，长时间高负载运行就会发烫，甚至降频。功耗墙的本质是：晶体管开关需要消耗能量，当芯片上有几百亿个晶体管同时高速开关时，产生的热量已经远远超过了现有散热技术能处理的上限。根据国际半导体路线图（IRDS）的预测，如果按照原来的速度提升晶体管密度，到2030年单个芯片的功耗将超过1000瓦，相当于一台微波炉的功耗，完全不具备实用性。

1.2.2 量子隧穿墙：电子开始“不听话”

经典计算机的核心是晶体管的开关特性：通过控制栅极的电压，让电流要么导通（代表1）要么截止（代表0）。但当晶体管的栅极长度缩小到10nm以下（也就是不到100个硅原子的长度）时，量子力学中的“量子隧穿效应（Quantum Tunneling Effect）”就会开始主导电流的行为：电子不再需要“翻越”栅极的能量壁垒，而是有一定概率直接“穿过去”，导致开关失效，0和1的区分变得模糊。

你可以把量子隧穿想象成往一堵墙上扔球：经典世界里，如果球的速度不够，就一定会被墙弹回来；但在量子世界里，球有一定概率直接穿墙而过，哪怕它的速度远低于翻墙需要的速度。当晶体管小到几个纳米的尺度时，电子几乎总会发生隧穿，开关完全失去控制，经典计算的逻辑基础就不复存在了。

> 💡 术语小贴士（电子版侧边栏）： > 量子隧穿效应（Quantum Tunneling Effect）：量子力学中的一种现象，微观粒子有一定概率穿过比自身能量更高的势垒，是经典物理无法解释的量子特性。当晶体管尺寸缩小到10nm以下时，量子隧穿效应会导致晶体管漏电，开关失效。 > <!-- 纸书：页边注：量子隧穿是微观粒子穿过能量壁垒的量子现象，会导致小尺寸晶体管漏电 -->

1.2.3 制造成本墙：先进制程越来越“贵”

除了物理层面的瓶颈，制造成本的上升也是摩尔定律放缓的重要原因。先进制程的研发需要投入大量的人力、物力和时间：3nm工艺的研发花了超过10年，投入了超过100亿美元，而2nm、1nm工艺的研发成本只会更高。同时，先进制程的光刻机也遇到了物理极限：目前最先进的EUV光刻机的波长是13.5nm，已经接近可见光的波长，再往下发展需要更短波长的光刻技术，比如高数值孔径EUV（High-NA EUV），但研发难度和成本都会再次飙升。

从物理层面来说，硅基晶体管的尺寸不可能无限缩小：一个硅原子的直径大约是0.2nm，当晶体管尺寸缩小到几个原子的尺度时，量子效应会完全主导电子 behavior，经典计算的“0和1”的逻辑基础将彻底失效。也就是说，我们正在逼近经典计算的物理极限，哪怕投入再多的钱，也不可能造出比原子还小的经典晶体管。

摩尔定律的放缓并不意味着计算能力的提升会停止，但它意味着我们不能再依赖“缩小晶体管尺寸”这个路径来提升计算能力，必须寻找新的计算范式，而量子计算正是目前最有希望的方向。

> English Summary: Moore's Law has been the core driving force for the progress of digital technology in the past 50 years, but it is essentially an empirical prediction rather than a physical law. With the continuous shrinking of transistor size, we are approaching the physical limit of silicon-based chips, and the slowdown of Moore's Law is an indisputable fact. There are three unavoidable physical bottlenecks behind this slowdown: the power wall, the quantum tunneling wall and the manufacturing cost wall. When the size of transistors shrinks to the scale of a few atoms, quantum effects will completely dominate the behavior of electrons, and the logical foundation of classical computing's "0 and 1" will completely fail. This means we are approaching the physical limit of classical computing, and we must find a new computing paradigm, and quantum computing is currently the most promising direction.

---

1.3 经典计算的“不可能三角”：三类无法高效解决的问题

很多人会问：“经典计算已经很够用了，为什么要发展量子计算？”答案很简单：经典计算并不是万能的，有三类问题它天生难以高效解决，哪怕用上全球所有的经典计算资源，也要花上超过宇宙年龄的时间才能得到结果。这三类问题分别是：大数分解类问题、量子多体系统模拟类问题、大规模组合优化类问题，它们也是量子计算

它们也是量子计算最先落地的核心应用场景。要理解量子计算的价值，我们首先要搞懂：经典计算到底“卡”在了什么地方？我们可以把经典计算的瓶颈总结为“不可能三角”——这里的“不可能三角”并非经济学中常用的概念，而是指三类计算问题：当问题的规模超过一定阈值后，经典计算的处理时间会从“几年”变成“几亿年”，哪怕把全球所有经典计算机的资源加在一起，也无法在人类可接受的时间内得到结果。这三类问题，正是量子计算的核心用武之地。

> English Summary: They are also the core application scenarios where quantum computing will first land. To understand the value of quantum computing, we first need to understand where classical computing is "stuck". We can summarize the bottlenecks of classical computing as the "impossible triangle" - this is not the concept commonly used in economics, but refers to three types of computational problems: when the scale of the problem exceeds a certain threshold, the processing time of classical computing will change from "years" to "hundreds of millions of years", even if all the resources of classical computers around the world are combined, it is impossible to get results within a time acceptable to humans. These three types of problems are exactly the core battlefield of quantum computing.

---

1.3 经典计算的“不可能三角”：三类无法高效解决的问题

经典计算的“串行处理+有限并行”架构，在通用计算场景下已经足够高效，但在面对三类特定问题时，会遭遇本质性的效率天花板：无论怎么提升晶体管密度、提高主频、增加并行核心数，都无法突破指数级增长的计算复杂度。我们逐一来拆解这三类问题的具体表现、实际影响和经典计算的无力之处。

1.3.1 第一类：大数分解问题——现代加密体系的“阿喀琉斯之踵”

大数分解问题是经典计算最广为人知的瓶颈，也是目前全球数字安全体系的核心依赖。它的核心逻辑可以用一个简单的类比理解：把两个非常大的质数相乘非常简单，哪怕这两个质数有几百位，经典计算机也可以在几毫秒内算出结果；但反过来，给你一个由两个大质数相乘得到的合数，让你分解出原来的两个质数，经典计算的机会就非常渺茫。

目前全球通用的非对称加密标准RSA加密算法，正是基于大数分解的难度设计的：RSA的密钥生成逻辑是随机选择两个超大质数$p$和$q$，计算它们的乘积$N=p \times q$，将$N$作为公钥公开，任何人都可以用公钥加密信息；但只有持有$p$和$q$的接收方，才能用私钥解密信息。因为攻击者如果只有公钥$N$，就需要分解$N$得到$p$和$q$才能解密，而经典计算下分解大数的时间会随着$N$的位数增加呈指数级上升。

我们用实际数据来量化这种难度：目前全球通用的RSA-2048密钥是一个617位的十进制数（2048位二进制），如果用目前世界上最快的经典