Majorana 2：我评估了微软新量子芯片的数据，以下是它带来的实质性改变

在评测之前，先来明确定义。传统的量子比特将量子信息储存在一个具体的点上——超导电路的电荷或通量——正因如此，任何微小的振动、磁场或宇宙射线都会在微秒内将其抹去。而拓扑量子比特则相反：它将信息编码在材料的整体属性中，分布在纳米线的两端，从而使局部干扰无法将其破坏。这种保护并非源于更强的屏蔽，而是源于状态的几何结构。

这正是微软近二十年来一直坚守的赌注，与此同时，谷歌和IBM则通过增加数量和纠错来扩展传统量子比特的规模。这就像是建造一座更厚实的桥梁与建造一座因其自身结构形状而更难被摧毁的桥梁之间的区别。

Majorana 2 是微软的第二代拓扑量子芯片，在 Majorana 1 发布仅一年后便问世。该公司报告称，其量子比特的可靠性比上一代提高了千倍，平均寿命为 20 秒，部分情况下可达一分钟，操作时间为一微秒，量子比特尺寸仅为百分之一毫米。

凭借这些数据，微软将其实现可扩展且具有商业价值的量子计算机的目标提前至 2029 年，即缩短了先前宣布的时间表的一半。此外，该芯片的开发得到了 Microsoft Discovery 的支持。Microsoft Discovery 是微软用于研发的智能体 AI 平台，该公司刚刚宣布该平台全面开放，并推出了一款需要 GitHub Copilot 账号运行的免费本地应用程序。

“与去年相比，我们现在处于什么水平？我们提升了一千倍，”微软技术研究员 Chetan Nayak 总结道。

头条新闻都聚焦于“好上一千倍”这一说法。而我感兴趣的则是另一行字：Majorana 1 使用铝作为超导体，而 Majorana 2 则使用铅——也就是用于屏蔽放射科诊室的同种材料。在量子计算机中，铅有助于保护量子比特免受使其失去稳定性的宇宙干扰。根据 Nayak 的说法，尽管解决这一改变所带来的权衡问题花费了数年时间，但它让设备质量得到了“巨大”的提升。

任何从事过硬件工作的人都懂得如何解读这句话。三个数量级的跨越极少源自某种全新的架构设计，而是来自于材料栈、制造工艺以及晶体结构中的精确杂质。Microsoft 量子业务企业副总裁 Zulfi Alam 将其形容为寻找配方：杂质太多会破坏晶体，而太少则无法将原子固定在原位。量子计算在很大程度上依然是一个制造工艺问题。

在这项公告之中还隐藏着第二个公告，我怀疑这才是微软真正想要推销的东西：Microsoft Discovery。这是一个AI智能体平台，其量子团队自身曾用它来管理工作流、自动执行测量、优化制造并识别出此前无人发现的故障。

让这一切具有可信度的细节并非口头说辞，而是其资产：分布在多个国家的物理学家、机械工程师和工艺工程师之间、采用不同格式的近二十年实验数据。‘通过在这些数据上运行AI智能体，它们能够建立起我们人类无法看出的关联，因为没有任何个人能对如此庞大的数据拥有如此广泛的洞察，’Alam表示。这绝非一个聊天机器人：它是一个针对历史档案的关联引擎，而这些历史档案没有任何人能完整读完。

这正是我们在将AI应用于 Geniales.co 自身项目的运营数据时，在较小尺度上看到的相同模式：当AI写出漂亮的文本时，价值并不会显现；只有当把十年来无人愿意整理的数据孤岛交给它时，价值才会真正显现。

第一项保留意见：可靠性并不等同于规模。二十秒的相干时间是一个非凡的数字，但一台具有商业实用价值的量子计算机需要数千个逻辑量子比特协同工作，而这一飞跃并不能从单个量子比特的寿命中推导出来。这个行业的历史充满了未能转化为实际成果的惊人指标。

第二项保留意见：外部验证。科学界在2025年对Majorana 1的证据进行了激烈辩论。Majorana 2带着一篇论文和好得多的数据而来，但真正的结论将由独立的重复实验做出，而不是新闻发布厅。

第三项保留意见：2029年是一个企业承诺，而该行业所有的量子路线图都至少调整过一次。将时间表缩短一半既引人瞩目，又充满风险。

一个信念：如果Microsoft成功了，拓扑量子比特将凭借效率获胜，而非蛮力。一个仅有百分之一毫米大小、能保持二十秒相干时间的量子比特，所需的误差校正比transmon少得多，这意味着机器会更小、更便宜且更容易制冷。这条漫长之路如果能走通，结果反而是捷径。

在短期内，你的技术栈不会有任何改变。没有人会在2029年将后端迁移到量子比特。在中期，则有两个具体的后果。

第一是密码学方面的。一台具有商业价值的量子计算机会加速向后量子密码学迁移的进程。如今任何使用RSA或椭圆曲线进行签名或加密、并希望在未来十年继续运行的系统，都应该已经制定了过渡计划。在受监管和交易型的游戏系统中——其中随机数生成器（RNG）的完整性和每笔奖金的可追溯性就是产品本身——这一讨论应该现在就展开，而不是等到2029年。

第二是优化方面的。首批能带来真实回报的应用将是材料模拟、化学和大型组合问题。这听起来很遥远，直到你把它落到实处：网络化渐进式累积奖池的风险管理（例如我们在 jack7.co 上为真人娱乐场牌桌开发的项目）就是一个不确定性下的优化问题。它现在并不需要量子计算机，但它属于这项技术能够很好解决的问题范畴。

我的实用建议一如既往：不要追逐硬件，要追逐问题的定义。无需占用预算，使用 GitHub Copilot 账号运行的免费本地 Microsoft Discovery 应用，是体验辅助研究流程的一个合理入口。

Majorana 2 是今年最扎实的量子领域发布，而其原因却并不显眼：改进源自材料和工艺，而非幻灯片。从铝到铅的转变、以秒衡量的相干性，以及内部可验证地使用智能体 AI 来管理二十年的数据，这些都表明该项目正在走向成熟，而不是在博取新闻头条。

话虽如此，我仍保持职业怀疑：规模化仍未得到证实，在第三方复制这些结果之前，2029年只是一个营销节点。如果非要我打分的话，那是 8.5 分（满分 10 分）：出色的工程设计，商业前景仍有待验证。

我们将从 KingNews.online 密切关注这一项目。如果说在多年构建不容出错的系统的过程中我学到了什么，那就是技术革命几乎从不会在宣布的那天到来，但它们总是从没人注意的地方悄然而至：在这种情况下，就是通过材料栈。