1.2 量子计算与经典计算的本质区别

1.2 量子计算与经典计算的本质区别

本节摘要：别以为量子计算机只是一台"更快的经典计算机"——它们的差别不在速度档位，而在描述状态的语言。经典 n 比特任一时刻只有 n 个确定值，量子 n 比特的状态由 2^n 个概率幅张成；前者随比特数线性增长，后者指数爆炸。本节算给你看这个差距有多大，再解释为什么"状态空间大"不等于"算力大"——中间隔着干涉与测量两道关。

从一道算术题说起

拿三个比特做实验。经典情形，三个比特在任一时刻的状态就是三个格子里的确定值，比如 011。想描述"三个比特所有可能的取值"，你列一张 8 行的表就够了——但注意，机器本身在任一时刻只处于其中一行。

量子情形完全不同。三个量子比特的状态要写成 |ψ⟩ = α₀|000⟩ + α₁|001⟩ + …… + α₇|111⟩，8 个概率幅一个都不能少，否则状态没有完整定义。描述它，你必须把 8 个复数全部写出。比特数翻倍，这张概率幅表就从 8 行变 16 行、32 行……每加一个量子比特，状态空间的维度翻一倍。

把这张增长表算到物理极限附近，差距就不再抽象：

数值演算只到 50 就撑爆了今天所有经典计算机的内存——这就是经典计算机模拟量子系统的天花板：几十个量子比特的完美模拟已经做不到，而真实量子器件轻松拥有上百个物理比特。2020 年前后的"量子霸权/量子优势"实验，本质都是利用这道模拟鸿沟做文章（第 7.2 节会复盘那些实验的成色）。

状态空间对比图

图：经典三比特与量子三比特的状态空间形态

左边的经典机器，8 行表只是"可能性的目录"，机器每次只走一行；右边的量子系统，8 个振幅全是"现在时"，每一个都能被门操作增减——这是两种截然不同的物理实在。

干涉：把状态空间优势变成算力的桥

如果只看"振幅多"，很容易得出"量子计算机并行尝试所有答案"的错误结论——错误在于你读不出。测量时，2^n 维的振幅矢量瞬间坍缩成一个 n 比特结果，一次测量只给一个样本，而且样本服从 |振幅|² 分布。

真正的桥是干涉。振幅是复数，带相位，可以相加也可以相抵。算法设计者的工作，是安排一串量子门，让所有指向错误答案的振幅路径互相抵消（相位相反），指向正确答案的振幅路径互相加强（相位相同）。这和波纹水池里的水波叠加是同一个数学：两列波同相则浪更高，反相则水面平静。

所以更准确的口号是：量子计算不是"同时尝试所有答案"，而是"让错误答案在测量前自我湮灭"。 第四章你会看到三个具体算法如何执行这个口号——Deutsch-Jozsa 用一次干涉分辨函数性质，Grover 迭代着放大振幅，Shor 用傅里叶变换读出周期。

操作与读出的三条硬差异

这三条里，不可克隆对工程的影响最容易被低估：经典容错靠多副本对账，量子容错连"对账"的资格都没有——你不能把一个量子态复制三份投票。第 5.3 节的量子纠错码就是在给这个困局找出路。

一段可运行的对照实验

用几百字代码在经典计算机上模拟 3 比特，你能直观摸到两种范式的差别。下面用 Python 风格伪代码模拟"3 量子比特均匀叠加态"的测量分布：

import random, math

# 3 比特均匀叠加：每个基态振幅 1/sqrt(8)
n = 3
dim = 2 ** n                      # 8 个基态
amp = [1 / math.sqrt(dim)] * dim  # 8 个概率幅，全部相同

# 测量：概率 = 振幅模平方；均匀叠加下每个基态概率 1/8
counts = [0] * dim
for _ in range(8000):
    r = random.random()
    acc = 0.0
    for i, a in enumerate(amp):
        acc += a * a
        if r < acc:
            counts[i] += 1
            break

print(counts)   # 每项都接近 1000：8 个结果平分 8000 次测量
​

注意模拟代码里那行 2 ** n：模拟器必须显式扛住 8 个振幅，而真实量子系统"天生免费"地拥有它们。模拟的代价随 n 指数上涨，量子器件的代价随 n 线性上涨——这道成本曲线的交叉，就是整个领域的经济叙事。

本节要点回顾

• 状态空间：经典 n 比特是 n 个确定值，量子 n 比特是 2^n 个概率幅；50 比特已超经典内存极限。
• 振幅不是概率：振幅是复数、带相位、可干涉；测量概率是振幅的模平方。
• 干涉是桥：把状态空间优势兑现为算力的唯一通道，是让错误答案的振幅相消。
• 三条硬差异：门全可逆、状态不可克隆、读出必须坍缩——它们共同塑造了量子算法与纠错方案的形态。

下一节把镜头拉远：这条"数学先于机器"的技术路线，是怎么一步步走到今天的。

一道容易答错的思考题

问：既然量子 n 比特拥有 2^n 个振幅，能不能用它来"免费存储"海量经典数据，比如把一部电影编码进几百个量子比特？

答：编码进去不难（数学上 2^n 个振幅确实装得下），难的是读出来。测量一次只返回一个 n 比特基态标签，想读回电影，平均要测 2^(n-1) 次，而每次测量之前还得重新制备状态——制备本身的开销没有省。这个例子把本节的核心再敲了一遍：状态空间的优势必须经由干涉兑换成特定问题的步数节省，才叫算力；直接当存储用，是负收益。量子计算不是更大的仓库，是更聪明的路线选择。

再补一组可以自己动手验证的数字：用任何语言模拟 30 比特的均匀叠加态，光分配振幅数组就要 16 GB 内存；同样的叠加在真实设备上只是"每个比特过一遍 H 门"，30 个门而已。跑一遍这个小实验，指数鸿沟就不再是纸面谈资。