如果《黑客帝国》里的机器真实存在，它们或许会面临一个颇为现实的困扰：算力尚未正式投入工作，就得先耗费大量资源来准备自己的“燃料”。
这听起来有些离奇，却正是未来量子计算机可能遭遇的困境。
近日，Google Quantum AI 在《Science》期刊上发表了论文《Magic state cultivation on a superconducting quantum processor》，宣布首次在真实量子处理器 Willow 上成功实现了Magic State Cultivation（魔态培育）。
这项技术针对的是量子计算中一种昂贵且特殊的“燃料”——魔态。
（图片链接）
别被这个名称吓到。
MagicState（魔态）并非什么神秘事物，在量子计算领域，它指的是一类拥有特殊量子资源的量子态。
如果把量子计算机比作工厂，那么常规的量子纠错操作就像是已成熟的基础设备，而魔态则是一种昂贵、稀缺、却又必不可少的特殊耗材。
（图片链接）
它并非用于所有计算任务，但却是量子计算机迈向通用、容错计算的关键资源之一。
早在2004年，研究人员就已认识到，要让量子计算机执行通用计算，必须拥有高质量的非Clifford量子资源。
魔态蒸馏（MagicState Distillation）是过去二十年间用来解决这一问题的传统方法。
（图片链接）
其思路与“提纯”过程类似。
先准备一些质量较低的魔态，然后通过量子纠错、测量和筛选等步骤，去除其中的错误部分，最终获得数量较少但质量较高的魔态。
这就像酿造葡萄酒的过程。
如果初始葡萄品质不一，就需要经过发酵、过滤、检测和提纯等工序，剔除不符合要求的成分。但在量子计算机中，每一次“过滤”都需要付出代价。
一些资源估算甚至认为，未来的容错量子计算机可能需要将高达95%的计算容量用于魔态生产。
这意味着量子计算机将陷入一种尴尬局面：机器所消耗的大部分资源并非直接用于解决实际问题，而是用于产生解决这些问题所需的“能源”。
而且，魔态还是一种消耗品。一旦被用于实现非Clifford操作，就不能像普通量子比特那样重复使用。
过去二十年里，研究人员一直在努力降低“魔态税”，而这次谷歌找到了另一种方案。
这次谷歌并未提出全新的量子纠错技术，而是首次将以往仅存在于理论或模拟中的想法应用于真实量子芯片。
这种方法被称为Magic State Cultivation（魔态培育）。
2024年，Craig Gidney、Noah Shutty 和 Cody Jones 已在理论上提出了这一概念。
（图片链接）
传统的魔态蒸馏是不断对一批批原料进行提炼，而魔态培育则是挑选一颗优质种子，然后逐步培育。
研究人员首先创造出存在一定概率错误的T态，并将其放入精心设计的量子纠错区域。在此过程中，周围的量子比特会被持续用于测量。
一旦发现错误，就将其消除，并在检查后继续推进。纠错编码不断扩展，剩余的状态也变得越来越可靠。到2024年，理论研究已采用状态矢量模拟、稳定子模拟、错误枚举和Monte Carlo等方法，对该方案进行了资源估算。
魔态培育真正改变的，并非简单地堆砌更多量子比特，而是设法让同等数量的量子比特完成更多真正有用的计算。
谷歌这次是首次在Willow量子处理器上实际运行这套方案。
（图片链接）
所使用的处理器是谷歌生产的Willow。研究人员将带有噪声的量子态注入芯片上的一个小区域，并通过大量高度同步的测量来识别并消除这些错误。
最终保留下来的T态逻辑保真度达到99.99%，错误率比未经处理时低了40多倍，实验后仅保留约8%的尝试。
99.99%的逻辑保真度意味着，经过一系列纠错后，量子资源已非常接近理想状态，可作为未来容错量子计算的可靠组件。
如果魔态培育最终能够规模化，它节省的将不是一个实验指标，而是一大片原本被纠错操作占用的计算空间。
谷歌还完成了从Color Code到Surface Code的编码转换，并将一个distance-3的Color Code中的量子态转移到了distance-5的Surface Code上。
（图片链接）
这里的distance可粗略理解为量子纠错编码对错误的抵抗能力。通常，编码距离越大，错误防护能力越强，但也会消耗更多物理量子比特和操作资源。
谷歌的方法是使用Color Code来培养魔态，再通过code switching将培养好的量子态接入Surface Code。
一种过去仅停留在理论上的低成本高质量魔态生产方法，首次在真实量子芯片上得到了验证。
先别急着兴奋。
这一成果要从实验室走向产业应用，还有很长的路要走。
Google Quantum AI 负责人 Hartmut Neven 此前预测，未来五年内将看到真正的商业量子计算应用，并特别提到了药物研发、电池和新能源材料等领域。谷歌也将化学、药物发现、优化和密码学视为量子计算的重要潜在应用方向。
（图片链接）
谷歌已与制药公司Boehringer Ingelheim合作，尝试用量子计算模拟人体内的重要酶类Cytochrome P450。该酶影响药物在体内的代谢过程，研究表明，未来容错量子计算机有望以更高精度处理P450的关键电子结构问题。
Hartmut Neven对此相当乐观。他在2025年接受路透社采访时表示，谷歌希望在未来五年看到“只有量子计算机才能实现”的实际应用，并提及了新药、先进电池和新能源。
不过，在人工智能领域，量子计算的应用距离普通人的日常生活，可能比今天的生成式AI要远得多。短期内，你不会因为Magic State Cultivation的突破，就发现GPT或Gemini突然快了一倍。
（图片链接）
它所能改变的是更深层次的东西，即降低未来容错量子计算机的运行成本，包括解决一些传统计算机难以处理的问题，如复杂量子系统模拟、材料与化学问题以及组合优化问题等。
这也是为什么人工智能行业对算力需求越高，大家对量子计算的关注就越多。
NVIDIA CEO Jensen Huang 对实用化量子计算的未来应用持谨慎态度，认为可能需要15到30年才能实现。
至于这条路要走多久，目前尚无定论。
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。