这两天量子计算圈子里最值得聊的，不是哪台机器又堆了多少比特，而是一条看起来"不太量子"的新闻：8 月 19 日，《Nature》新闻版报道，量子计算也开始"Vibe Coding"了。知乎翻译成人话就是——有人让 AI 智能体像老程序员"氛围编程"一样，用几句自然语言，把一整套量子实验从头跑到尾。
标题听着像炒作，仔细看完原始论文，我的结论是：这事是真的，而且比《Nature》的标题更大；但它降低的只是"动手"的门槛，"动脑"的门槛一点没降，甚至反而更值钱了。这篇就把真实进展、掺水的地方、以及对我们普通人意味着什么，一次说清楚。
一夜之间，AI 复现了 7 年前的里程碑实验
先说清楚主角。法国中性原子量子计算公司 Pasqal 的团队，把编程智能体 Claude Code 架在自家软件栈上，论文把这套系统称为 agentic workflow（智能体工作流），全程让人类留在决策环里、把关关键验证。arXiv按行业媒体的拆解，这条流程被拆成了六项工作：读论文提取实验协议、把协议编译成原子排布和激光脉冲序列、无噪声模拟、按真机当前噪声参数做含噪模拟、提交真机执行、回收数据做科学分析。知乎
最能说明问题的，是论文里的一个"陷阱测试"。团队让智能体复现 2019 年哈佛大学一篇里程碑论文里的 Z3 有序相，但他们心里清楚：这个相在自家机器上根本做不出来，是故意挖的坑。知乎智能体读完论文、调取真机的实时参数后给出了判断：Z3 不可行——需要的驱动频率得压到 0.087MHz，机器的序列长度上限装不下；但退一步的 Z2 相可行。改做 Z2 之后，它在不到 1 小时、总共只用了 3 条人类提示的情况下，就把实验提交上了真机队列。
后面发生的事是这条新闻真正的含金量所在：一夜过去，它在加拿大舍布鲁克的 56 原子设备和沙特阿拉伯的 96 原子设备上，复现了 7 年前那篇论文的密度关联函数，拟合出的关联长度是 4.2 个格点，与原文的 3.9 在统计误差范围内一致。知乎论文摘要对这个过程的概括更直接：从公开发表的论文或专利出发，一夜之间跑完整套真机实验。arXiv真机中途暂停、作业报错，它都自己恢复，全程无人值守。
换句话说，“用量子计算机做实验"这件事的入口，正在从"读十年书、进实验室、写几个月代码”，变成"把需求用自然语言说清楚"。
但论文更值钱的部分，是两次被完整记录的失败
如果故事停在上面，那就是又一篇"AI 颠覆 XX"的通稿。这篇论文真正值得高看一眼的，是它把自己翻车的两次经历原原本本写了下来。
第一次，团队让智能体复现一篇三角晶格阻挫磁性的理论论文。智能体对三个量子相能不能做的判断全部正确，但在选"测量什么"的时候出了问题：原论文详细讨论了 4 个观测量，它只保留了最容易计算的两个，真正能证明物理结论的"交错磁化"，是研究者指出后才补上的。知乎论文作者给这种失误起了个名字，叫"认知窄化"——这个案例前后对话了 43 轮才做对。
第二次更隐蔽。一个图着色算法的测试里，真机数据的约束违例率异常高，智能体自信地给出了一个物理诊断：里德堡阻塞泄漏，是硬件的问题。听起来很专业，对吧？但真正的原因只是工作流里的一个标签 bug——原子坐标的顺序和测量比特串的顺序错了位，让本来有效的解看起来违反了约束。知乎一套貌似合理的物理故事，差点把一个软件错误永久掩盖，只有专家逐条核对原始数据与图的映射关系才能拆穿。
两次失败指向同一个结论：智能体降低的是执行门槛，判断门槛一点没降。知乎论文摘要也承认，人工干预对保证科学有效性至关重要：一次实验里智能体选了不合适的观测量，另一次它构造了一个貌似合理但错误的硬件诊断，两次失败都只有领域专家复核才被发现。arXiv过去你既要有判断力、又要花大量时间在工程上；现在工程部分被折叠掉了，"提出假设、判断测得对不对、解释数据意味着什么"这些环节，反而比任何时候都更依赖人。
为什么这个时间点很关键：它正好撞上了行业的"复现危机"
单看 Pasqal 这一件事，可能只是个漂亮的演示。但放到整个领域的背景下，它的意义会放大。
就在这条报道的前两天，一项更扎心的分析公布了：德国雷根斯堡应用技术大学的 Wolfgang Mauerer 团队，人工核查了过去 5 年的 127 篇量子计算论文，又用程序自动化扫描了近 5000 篇。人工核查的 127 篇里，仅 24.4% 提供了勉强可以尝试运行的代码，而这些代码里 64.5% 根本跑不起来。知乎
放大到近 5000 篇的样本，也只有 26.8% 留下了足够别人尝试复现的信息。知乎New Scientist 直接用了"复现危机"这个词。
为什么会这样？研究者点出的关键原因，不只是作者的懈怠——量子机器本身太"善变"了。知乎传统计算机上写的代码换台机器照样跑，而今天两台量子计算机的噪声、参数、脾气可能完全不一样，在这台上成立的结果，换一台就可能不成立。
现在把两件事接起来看：量子计算最缺的，恰恰是"把论文变成能在具体机器上跑起来的实验"的翻译能力，以及"换台机器也能复现"的标准化能力——而 AI 智能体擅长的正是这种繁琐、可重复、跨设备适配的工程活。方向是互相咬合的，这不是巧合，是需求撞上了工具。
当然也要把话说全：Pasqal 这篇论文只有 3 个案例、没有系统性定量基准；"vibe coding"仅仅是《Nature》起的标签，论文自己的用词是 agentic workflow，并且从头到尾强调研究者在决策环内；3 个案例也全部跑在中性原子这一条技术路线上，能不能搬到超导、离子阱平台，论文没有回答。知乎把它当成"量子计算从此人人可玩"的证据，是过度解读。
国内的节奏也没慢：工具和钱都在进场
这条线在国内已经有回声。8 月 14 日，国内团队酉术量子把一套叫 Quantum-Practices 的开源插件，上线到了 DeepSeek 平台。小红书按其官方账号的介绍，这套插件能解释量子概念、能写代码、能连真实算力跑算法，还能解热方程、Black-Scholes 等 20 余类方程问题，同时支持以 Skill 形式挂到 Claude Code 等智能体上。最让我有好感的一句是它承认边界：模拟结果不等同于真实量子硬件表现。
钱的动向更能说明行业的温度。根据投中嘉川 CVSource 数据，仅今年一季度，国内量子赛道融资总额就达 32.04 亿元，超过了 2025 年全年。36氪中性原子路线的国内公司原子矩阵 8 月 21 日官宣完成数亿元 A+ 轮融资，一年内四轮融资总额接近 10 亿元。微博
资本市场那边，6 月 4 日全球最大量子独角兽 Quantinuum 登陆纳斯达克，营收只有 3090 万美元、净亏 1.93 亿美元，市值却超过了 150 亿美元。36氪
最有戏剧性的信号是黄仁勋：2025 年初他还断言量子计算需要 10 到 20 年，到了同年 3 月的 GTC"量子日"，他公开修正了自己的判断，转头投了三家覆盖不同技术路线的量子公司。36氪
不过热闹归热闹，也要清醒：拨开热钱去打捞真实需求，这个行业的买单者仍以科研机构为主，金融、医药更多停留在算法层面的合作。36氪郭光灿院士的判断是，通用量子计算机大概还要 10 年。所以现在的量子计算，更像"确定会有、但不知道哪天到"的长期资产，而不是马上能变现的风口。
那么，这事和屏幕前的你有什么关系
分成三类人说：
如果你是程序员或 AI 从业者，这是最该动手的一群人。门槛降低是真实发生的：有测试显示，前沿商用模型几乎不需要任何额外增强——Claude 3.5 Sonnet 在 264 道量子代码题的基准上，通过率就有 95%。知乎你现在就可以装一个 PennyLane 或 Qiskit，让 AI 陪你写第一个量子线路，再用国内外的云平台免费额度跑一跑。但要带着清醒去：你能更快"跑起来"，不代表你懂"为什么对"——那 43 轮对话的教训，就是给所有想抄近路的人准备的。
如果你是科技行业的观察者，这条新闻提供了一个很好的判断框架：以后再看到"AI+量子"的宣传，别问"AI 能不能自动做研究"，问三个具体问题——它接管的是链条里的哪一段？人在哪一步介入？失败案例敢不敢公开？三个问题都答得上来的，才值得多看一眼。
如果你在关注相关公司的股票或融资，记住一个数据组合就够了：行业融资在创新高，但商业化收入还几乎都在科研采购里；Quantinuum 超高市销率的定价，买的是"下一个 AI 级革命"的预期，不是当期业绩。窗口是真实的，泡沫也是真实的，这两件事同时成立。
值得继续盯的三个信号
最后给想持续跟进的朋友留个观察清单：
第一，Pasqal 团队还用一个独立的智能体，扫描了 633 篇里德堡原子阵列的理论论文：近一半在今天公开可用的真机上就能开展实验，其余论文卡住的硬件升级方向也被整理了出来。arXiv据行业媒体统计，做不了的那一半里约 85% 卡在同样两项硬件能力上：XY 型相互作用和局域寻址。知乎下一代机器如果补上这两块，"纸上理论"变"真机实验"的速度会再上一个台阶。
第二，复现标准会不会成为行业硬门槛。Mauerer 团队已经给出了可复现性论文的模板，如果主流期刊和基金开始要求"可复现包"，整个领域的玩法会变。
第三，IBM 计划 2028 年前后建成集成约 200 个逻辑量子比特的量子计算原型机，而国内企业的目标是 2030 年达到同等量级。36氪这两个时间点之间的竞赛，才是真正决定格局的事。
量子计算最有趣的地方在于：当写代码、跑实验都不再是门槛，下一批走进这个领域的人，拼的就不再是谁会用工具，而是谁问得出好问题。门槛没有消失，它只是从手上，搬到了脑子里。
