在科技界，几乎没有什么事物能像“量子计算”这样，同时汇聚最深邃的物理学定律、数十亿美元的资本豪赌、以及最针锋相对的学术与商业争议。
如果你有机会走进加拿大量子计算公司 D-Wave 的实验室，首先映入眼帘的，大概率不是科幻电影里闪烁着霓虹光芒的超级电脑，而是一个长、宽、高各约 12 英尺（约 3.6 米）的巨大黑色立方体 。它静静地立在实验室中央，体型庞大得像一台工业级冰箱 。
在这一片死寂之中，你唯一能听到的，是机器内部规律发出的“呼哧、呼哧”（Whooshing）声 。
这低沉的呼吸声，来自其内部正在疯狂循环的稀释制冷机（Dilution Refrigerator） 。在这台巨兽的最核心、最底部，躺着一块仅有大拇指指甲盖大小的超导芯片 。为了让这颗芯片展现出最纯粹的量子效应，制冷机必须将温度降至 10 到 15 毫开尔文（mK）——这比宇宙深空的平均温度还要冷上百倍，已经无限逼近绝对零度 [3, 4]。不仅如此，芯片还被包裹在极度真空、屏蔽了所有电磁干扰和射频波的绝对结界中 。
就是这样一台巨大的“低温怪兽”，在 2011 年以 1000 万美元的天价，卖给了美国防务巨头洛克希德·马丁（Lockheed Martin）公司，轰动全球 [5, 6]。
然而，这台机器走入视野的那一刻，便被推上了风口浪尖：IBM、谷歌等巨头当时正致力于构建通用的“门型量子计算机”（Gate-Based Quantum Computer） [7, 8]；而 D-Wave 却另辟蹊径，坚定地走上了一条名为“量子退火”（Quantum Annealing）的独特道路 [1, 9, 10]。
这究竟是一场跨时代的科技革命，还是一场精妙商业包装下的高科技骗局？要想看清这场风暴的本质，我们需要从最古老的金属冶炼手艺聊起。
1. 从铁匠铺到演算法：退火，如何在经典与量子间跨越？
“退火”（Annealing）这个词，本属于传统的金属冶炼学。
在冷兵器时代，铁匠将一块粗糙的生铁烧至极高温度，使其内部杂乱无章的原子结构活跃起来，随后进行极其缓慢的冷却 。在这个过程中，原子们会慢条斯理地寻找自己最舒适的位置，最终结晶成排列整齐、能量最低、结构最稳定的晶体结构，以此消除内部应力，提升金属的韧性与导电性 。
而当数学家和计算机科学家面对极其复杂的“组合优化问题”时，他们发现：寻找最优解的过程，竟然与金属退火有着异曲同工之妙 [11, 12]。
想象一下，你需要规划一条经过几十个城市的物流配送路线，这就是经典的“旅行商问题” [13, 14]。每一个可能的路线组合，都对应着一个特定的“能量” [12, 15]。你的终极目标，就是在一片高低起伏的“能量景观”（Energy Landscape）中，找到那个最深、最低的峡谷——全局最小值（Global Minimum） [12, 14, 15]。
在经典计算机中，科学家们开发出了一种名为“模拟退火”（Simulated Annealing）的算法 [11, 16, 17]。它在程序中模拟了“加热再慢慢冷却”的过程：算法一开始被赋予极高的“温度”变量，允许它在地图上像无头苍蝇一样乱撞（甚至接受一些更差的局部解），以此跳出那些具有欺骗性的浅谷；随着“温度”降低，算法逐渐冷静下来，最终滑入某个深谷中 [11, 12]。
然而，模拟退火算法有一个致命的伤痛：如果两个山谷之间，隔着一座极高、极陡峭的山脊，算法就很难翻越过去 [15, 18]。它就像一个筋疲力尽的登山者，看着眼前高耸入云的山峰，只能绝望地困在当前的局部山谷里 [12, 15]。
这时候，物理学家的“外挂”到账了——为什么一定要爬山呢？在量子力学的世界里，我们能直接“穿山” [15, 19]。
1988 年，B. Apolloni 等人首次提出了将量子机制引入古典算法的想法 。而在 1998 年，两位日本物理学家门胁正史（T. Kadowaki）与西森秀稔（H. Nishimori）发表了那篇奠定现代量子退火算法基石的经典论文，首次正式提出了在横场 Ising 模型中进行量子退火的具体物理机制 [14, 16]。他们证明，在特定条件下，量子退火能够带你直达能量的最底层 [16, 20]。
2. 量子隧穿效应：穿墙而过的微观魔术
量子退火计算机能够战胜经典模拟退火的核心武器，正是量子隧穿效应（Quantum Tunneling） [15, 19]。
早在一篇具有里程碑意义的物理学前沿研究中，物理学家 Ray、Chakrabarti 和 Chakrabarti（1989年）就高瞻远瞩地提出：量子涨落可以通过隧穿效应，帮助系统逃离自旋玻璃（Spin Glass）崎岖能量景观中的局部极小值 [18, 21]。
他们指出，经典热运动的跃迁概率（模拟退火）仅取决于壁垒的高度 \\(\Delta\\)（即 \\(e^{-\frac{\Delta}{k_B T}}\\)） ；而量子隧穿概率不仅取决于高度 \\(\Delta\\)，还极大地取决于壁垒的宽度 \\(w\\)，大约为 \\(e^{-\frac{\sqrt{\Delta}w}{\Gamma}}\\)（其中 \\(\Gamma\\) 为隧穿场强度） 。
这在数学上拉开了恐怖的性能差距：
- 在经典模拟退火中，对于一个 \\(N\\) 自旋（Qubit）系统，其势垒高度 \\(\Delta\\) 通常随着系统规模 \\(N\\) 呈线性增长，这导致退火时间 \\(\tau\\) 随着 \\(N\\) 的增加呈指数暴涨，即 \\(\tau \propto e^N\\) 。
- 然而，如果壁垒足够窄（\\(w\\) 很小），量子退火的运行时间 \\(\tau\\) 仅以 \\(\tau \propto e^{\sqrt{N}}\\) 增长 。在特定极端情况下，当宽度 \\(w\\) 随着规模按 \\(1/\sqrt{N}\\) 递减时，计算时间 \\(\tau\\) 甚至可以做到与比特数 \\(N\\) 完全无关 ！
这意味着，如果障碍物非常高但足够狭窄，经典算法会被彻底卡死，而量子退火（Quantum Annealing, QA）则能借助量子涨落，直接穿透这些高耸的绝壁，瞬间到达更低的能量状态 [18, 22]。更让人兴奋的是，它在运行中并不像传统的量子算法那样，需要极其严苛、极难实现的量子纠错控制，这使得它的硬件规模化更加容易 。
3. 绝热定理与哈密顿演化：温和舞步下的工程阴影
在量子退火的框架下，有一种非常优雅的实现方式，被称为绝热量子计算（Adiabatic Quantum Computation, AQC） 。
2000 年，爱德华·法希（Edward Farhi）等人提出了 AQC 的概念 [24, 25]，它完全依赖于物理学中的绝热定理（Adiabatic Theorem） 。其操作逻辑就像一场编排精妙的现代舞，整个计算过程可以拆解为三个步骤：
- 确定终点：首先，科学家需要将目标数学问题翻译成物理语言，构建一个极其复杂的问题哈密顿量（Hamiltonian） \\(H_P\\)，使得该哈密顿量的最低能量状态（基态，Ground State）恰好对应着问题的最优解 [26, 27]。
- 设定起点：在芯片上准备一个结构非常简单、极易在实验室中制备且其基态已知的初始哈密顿量 \\(H_B\\) [26, 28]。
- 缓慢演化：系统从 \\(H_B\\) 启动，在总运行时间 \\(T\\) 内，通过随时间 \\(t\\)（或归一化时间 \\(s = t/T\\)）线性变化的公式，温和地过渡到问题哈密顿量 \\(H_P\\) ：
\\[H(t) = \left(1 – \frac{t}{T}\right)H_B + \frac{t}{T}H_P\\]
根据绝热定理，如果系统最初处于 \\(H_B\\) 的基态，且这个过渡过程进行得足够缓慢（满足绝热条件），那么系统就会死死贴着能量的最底层滑动，最终当演化结束时，系统必定会停留在复杂问题哈密顿量 \\(H_P\\) 的基态上 [26, 29]。此时，读取所有比特的上下指向，你就得到了那个复杂问题的最优解 [26, 30]。
绝热量子计算在数学上已经被证明与传统的基于量子门电路的通用量子计算是多项式等价（Polynomially Equivalent）的，拥有极强的计算潜力 [5, 26]。然而，这场完美的舞步在现实工程中却面临着致命的物理制约。
绝热算法的运行速度（即算法的时间复杂度）严重依赖于系统的最小能隙（Minimum Spectral Gap） \\(g_{min}\\) [30, 31]。具体来说，总计算时间被限制在 \\(T = O(1/g_{min}^2)\\) [30, 32]。
当系统在演化中途行进到关键的“临界 tipping point”时，量子效应最为剧烈，而此时基态与第一激发态的距离 \\(g_{min}\\) 会缩得极窄 。任何来自微弱外部环境的热量侵扰（热消相干），或者演化速度稍微过快带来的非绝热扰动，都会瞬间给系统充能，将其踢出基态，导致计算彻底失败 。更残酷的是，随着计算比特规模的扩大，临界点处的能隙会呈指数级缩小，这使得在大规模芯片上维持完美的绝热演化变得极其困难 。
4. 从Ising模型到QUBO：手把手教你给量子比特下命令
要想让 D-Wave 替我们解决实际问题，首先必须学会用它的语言与它对话。而量子退火计算机的核心语言，其实非常纯粹——那就是自旋（Spin） [34, 35]。
这要追溯到 20 世纪初的德国。当时，物理学家恩斯特·伊辛（Ernst Ising）为了解释物质的磁性，提出了著名的 Ising 模型 [35, 36]。在这一模型中，原子的自旋被简化为向上（+1）或向下（-1）两种状态 [35, 36]。而在 D-Wave 的超导芯片上，工程师们用超导微型金属环路（Superconducting Loops）物理地再现了这一模型 ：每个环路中循环的超导电流，就代表一个“通量比特”（Flux Qubit），其电流方向的不同，对应着自旋的“向上”或“向下” 。
在计算机科学和运筹学中，与 Ising 模型等价的数学表达被称为 QUBO（Quadratic Unconstrained Binary Optimization，二次无约束二值优化） [27, 38]。
QUBO 的变量只有 \\(0\\) 和 \\(1\\) [27, 38]。它之所以备受程序员喜爱，是因为在二进制数学中，有一个神奇的代数特性：\\(x^2 = x\\)（因为 \\(0^2=0\\) 且 \\(1^2=1\\)） [38, 39]。由于这一特性，所有的线性项（单自旋的偏置 bias）都可以自然地写在二次矩阵的对角线上，而所有的耦合项（自旋之间的相互作用 coupler）则写在非对角线上 [39, 40]。
当我们使用量子退火解决问题时，我们的编程工作本质上就是：设置每个比特的偏置（Biases/Weights，即 \\(A_i\\)）以及比特之间的耦合强度（Couplers/Strengths，即 \\(B_{ij}\\)） 。
为了让这个过程更易理解，D-Wave 官方教程曾给出了一个非常经典的“朋友圈 friend or enemy”问题案例 ：
假设有四个角色 Xavier (X)、Yolanda (Y)、Zeke (Z) 和 Wanda (W)，他们之间有如下关系 ：
- X 和 Y 是好朋友，我们希望他们持有相同的取值（即同为0，或同为1） 。
- Y 和 Z 是死对头，我们希望他们持有不同的取值（即一个是0，另一个是1） 。
- Z 和 W 是好朋友，我们希望他们持有相同的取值 。
在代数上，我们可以分别为这三对关系设计局部的自旋能量函数 ：
- 朋友关系（如 X 和 Y）：我们使用 \\(x + y – 2xy\\) 这一局部函数 。当他们相同时（00 或 11），能量为最小的 0；当他们不同时（01 或 10），能量为较高的 1 [43, 44]。
- 敌人关系（如 Y 和 Z）：我们使用 \\(2yz – y – z + 1\\) 。当他们不同时（01 或 10），能量为最小的 0；当他们相同时（00 或 11），能量为较高的 1 。
通过将这些局部自旋相互作用整合在一张关系网络图上，并累加它们的系数，我们得到了一个整体的 BQM（Binary Quadratic Model，二值二次模型） [38, 46]。
在 D-Wave 的 Leap 云平台和 Ocean SDK Python API 中，你甚至只需要几行 Python 代码就能定义这个耦合矩阵 [47, 48]。当程序通过云端发送给 D-Wave 的物理芯片后，这些代数数字会在微秒间被转换成物理电压、电流和局部磁场控制信号 [47, 49]。
经过一次极短的退火循环，芯片最终会吐出两个能量最低（基态能量为 \\(-3\\)）的完美答案：0011（X, Y 为 0；Z, W 为 1）以及 1100（X, Y 为 1；Z, W 为 0） 。在两种情况中，所有的朋友和敌人约束都得到了完美的满足 ！
5. 商业狂飙与学术审判：D-Wave、IBM与资本市场的多重博弈
尽管量子退火在解决这类特定组合优化问题上展现出了无与伦比的优雅，但围绕其“真实性能”的争论，却在过去十几年中演变成了一场极其惨烈的舆论风暴。
风暴的源头在于一个量子计算领域最核心的终极之问：D-Wave 的机器，真的比我们手头的经典计算机跑得更快吗？ [25, 51]
2014 年，由苏黎世联邦理工学院（ETH Zurich）著名物理学家 Matthias Troyer 领衔的联合研究团队，在顶级期刊《Science》上发表了一篇针对 D-Wave 芯片性能的严谨评测报告 [51, 52]。这篇报告得出了一个让 D-Wave 尴尬的结论：在所有的测试基准下，D-Wave 的芯片均未表现出优于经典计算机的“量子加速（Quantum Speedup）” [20, 51]。
尽管 2015 年谷歌宣布，D-Wave 2X 在运行特定人为设计的硬核优化问题时，速度比经典模拟退火快了整整 1 亿倍 。但学术界很快反驳称：这些问题是专门为了契合 D-Wave 的拓扑结构“量身定制”的，在实际工业场景中毫无用武之处。
更具杀伤力的打击来自金融市场。
做空机构 Kerrisdale Capital 发布了一份针对 D-Wave 的长篇指控报告，字眼极其辛辣，直指其涉嫌“欺诈（Fraud）” 。报告毫不客气地写道：D-Wave 的高估值高得荒谬，其客户增长已经完全停滞，其量子退火技术实际上是一条“商业死胡同（Commercial Dead End）” 。
做空报告最核心的攻击点在于 D-Wave 所谓的“混合求解器（Hybrid Solver）”——即结合了经典计算与量子退火的计算方案 。Kerrisdale 称，他们采访了一位 D-Wave 的前硬件工程师，当被问及“在混合方案中加入量子部分到底有什么增益”时，该工程师调侃道：“我想唯一的增益，就是我们在营销部门可以用‘量子’这个词来当卖点。” 另一位前员工甚至直言，没有任何铁证能证明任何实际优化问题在 D-Wave 的系统上跑得比经典机更快 。
不仅如此，D-Wave 曾高调宣称自己在一项“三维磁性材料模拟（Ising 模型模拟）”的现实问题上实现了量子霸权，仅用几分钟就完成了经典超级计算机需要 100 万年才能算完的任务 [54, 55]。
但这很快引发了学术界的无情反弹。Kerrisdale 指出，这一模拟所用的 Ising 模型，正是 IBM 在 2023 年宣称实现“量子效用（Quantum Utility）”时使用过的同一物理模型 。事实上，IBM 的量子效用声明发布没多久，就被其他研究小组用经典电脑上的高效算法在极短时间内无情超越 。D-Wave 的 100 万年神话，被认为也将面临一模一样的科学“打脸”，因为对于物理学家以外的普通人来说，这些高度简化的 Ising 物理模型几乎毫无商业价值 。
事实上，这股做空与指控潮正在席卷整个量子板块。 Rigetti Computing、IonQ 以及 Quantum Computing Inc (QCI) 等走不同技术路线的上市量子硬件公司，近年来也都遭遇了类似的指控 。例如 QCI 被曝光声称与 NASA 签订了大量合同，但实际上根据 NASA 官方数据，他们仅有一笔价值区区 26,000 美元的微型合同 。
难怪有专家在视频中调侃道：“也许目前量子计算唯一的真正突破，就是成功让投资人的钱在两个平行世界里同时消失了。”
6. 在不确定性中寻找最优解：量子退火的现实版图与跨界自救
那么，量子退火以及 D-Wave 真的只是一场高科技肥皂泡吗？
历史往往不是非黑即白的。如果我们剥离商业营销的浮夸喧嚣，从纯粹的科学与工程角度来看，D-Wave 和量子退火依然在工业界扎下了深厚的根基。
在早期 D-Wave 2000Q 的 Chimera（奇美拉）拓扑架构中，每个单元包含由 8 个 Flux 比特和 16 个耦合器组成的 4×4 紧密网格 。为了解决实际的大型逻辑问题，程序员需要将逻辑变量“嵌入（Embedding）”到硬件中，将其强行绑定成一条由数个物理比特组成的“链（Chain）” [5, 57]。而随着新一代 Advantage 处理器及 Pegasus 连接拓扑的推出，这一硬件瓶颈正在被不断拓宽 。
如今，全球开发者已经基于 D-Wave 开发出了超过 250 种早期量子应用 [2, 9]：
- 放射治疗（Radiotherapy）剂量优化：在癌症放疗中，如何微调数十束放射线的照射角度与剂量，以最大化消灭癌细胞并保护健康组织 。
- 交通流调配（Traffic Flow）：优化大都市中的出租车路由和物流车队排班 。
- 基础科学模拟：在脑网络（Brain Connectomes）中进行社区检测 [58, 59]，或在凝聚态物理中模拟复杂的相变。
- 机器学习采样：作为高效的玻尔兹曼采样器，加速生成式人工智能的概率分布学习 [10, 60]。
不可否认，由于量子退火架构天生缺乏精确控制量子门操作和量子傅里叶变换的能力，它无法运行诸如 Shor 算法（大数分解，门型计算机的杀手锏）等通用算法 。
面对这一理论局限，D-Wave 自己也已经意识到了生存危机。在 Qubits 2021 技术大会上，D-Wave 正式宣布了其下一代技术路线图：他们将不再偏执于单一的退火路线，而是正式跨界，同步研发通用的门型量子计算机，致力于支持 Shor 算法、QAOA 和 VQE 等门级算法 。这一华丽的转身，宣告了量子退火与门电路阵营之间，由对立走向了共存与融合 [62, 63]。
绝热演化的过程虽然缓慢，但只要时间足够长，系统终会找到那条通往最低能量的正确道路 [20, 26]。
人类探索量子计算的旅程也是如此。在这个充满噪杂、争议、资本泡沫与科学求真的时代，我们正像那一颗颗在绝对零度中不断尝试穿隧屏障的超导比特——虽然眼前的壁垒高耸且迷雾重重，但在量子隧穿的信念下，我们终将穿透大自然的奥秘，抵达那条属于未来的全局最优解。
既然我们了解了量子退火、QUBO 矩阵和自旋锁定的完整物理机制，您想尝试用 D-Wave 官方的 Ocean SDK 写一段简单的 Python 脚本，在经典电脑上模拟运行一下“朋友与敌人（Ising 协同优化）”的问题吗？我可以为您演示如何一步步构建这个模型。