从Chat到Act，量子算力推动AI智能体崛起

2026年的国际消费电子展（CES）上，首次出现一个全新的“CES Foundry”专区。在这里，人工智能与量子计算的融合，开始展示其重塑世界的潜在计算力。

当大模型（LLM）的竞争进入白热化，业界开始意识到：单纯的参数堆叠已遭遇瓶颈，真正的下一代AI是能够自主决策、解决极端复杂问题的AI智能体（AI Agents）。而这需要更强大的引擎。

中信出版集团新书《AI智能体的崛起》揭示了这一核心命题：量子计算将如何成为AI智能体的“核动力”，推动AI从被动的Chat（对话生成）向主动的Act（自主行动）实现关键跃迁。

一、量子计算视角的降维打击

AI智能体要在动态、复杂的现实世界中运行，其所需的计算复杂度远超今日的想象。理解进化的关键，在于理解量子计算与我们习以为常的经典计算有何本质不同。

1.量子叠加

经典计算机的运作单元是比特（Bit），它非0即1。这就像我们在走迷宫，经典计算机必须尝试一条路径，遇到死胡同返回，再尝试另一条，如此往复，直到找到出口。

量子计算的核心是量子比特（Qubit）。量子叠加是指量子系统在被观测时，能够同时处于多种可能状态。

基于量子叠加原理，一个量子比特可以同时处于0和1的状态，或者这两个状态的任何组合。这意味着量子计算机不需要像经典计算机那样按顺序处理数据。

对于AI智能体而言，这是一种质变。量子计算机凭借其处于叠加态的量子比特，可以同时探索多条路径，大幅缩短了找到出口所需的时间。

在量子计算的加持下，未来的AI智能体在进行供应链决策或金融风控时，不需要逐一模拟无数种可能性，而是能够利用量子叠加态，同时计算出所有可能的情景。这种能力开启了同时处理海量数据的大门，彻底颠覆了经典计算按顺序处理数据的模式。

2.量子纠缠

当两个或多个量子比特发生纠缠后，一个量子比特的状态会瞬间影响另一个，无论它们相距多远。

这种特性引出了量子并行性。如果说经典计算是一次读一个词，那么量子计算就像是一次性阅读一本书的好几页内容。这种并行处理能力，是未来AI智能体解决极端复杂问题（如模拟完整的生态系统、实时优化特大城市交通网）的基础。

3.量子霸权

量子霸权”（Quantum Supremacy）指量子计算机在处理特定任务时，性能超越了当今最强大的经典超级计算机。

谷歌的Sycamore量子处理器在2019年实现了量子霸权，它仅用200秒就完成了一项特定计算，而当时最先进的超级计算机完成同样的任务大约需要1万年之久。

对于AI智能体来说，量子霸权的实现意味着它们将不再受限于算力瓶颈，可以承担那些目前来看遥不可及的任务，屹立于解决科学、金融乃至更广阔领域尖端难题的最前线。

二、量子算法定义的未来

AI智能体要从空谈走向实干，必须掌握高效算法的工具。目前主要有两大奠基性的量子算法，它们分别在安全性和数据处理两个维度上，为AI智能体的崛起铺平了道路，同时也带来了挑战。

1.Shor算法：悬在加密体系头顶的达摩克利斯之剑

在AI智能体互联的未来，安全是信任的基石。然而，著名的Shor算法证明了量子计算机执行整数分解的速度，指数级快于已知的最佳经典算法。

当前的互联网安全协议（如RSA加密）依赖于大数分解的困难性。Shor算法的出现，意味着能够高效运行该算法的量子计算机，将使现有的加密系统变得不堪一击。

这迫使AI智能体必须进化——不仅要利用量子计算的能力，还要构建抗量子密码学（Post-Quantum Cryptography）防御体系。

AI智能体必须与时俱进，整合并采用抗量子计算的加密方法。在未来量子计算无处不在的环境中，这对于确保AI智能体能够安全运行至关重要。

2.Grover算法：在数据海洋中精准“捞针”

如果说Shor算法是矛，Grover算法就是AI智能体的“眼”。

在无结构数据库（如海量的非结构化文本、图像数据）中查找特定信息，经典算法平均需要N/2次操作，而Grover算法利用量子力学原理，大约仅需√10次操作即可完成。

Grover算法对于大数据时代的AI智能体至关重要。它不仅能极大地提升数据库检索效率，还可以用于处理各种模式识别和优化挑战14。这意味着AI智能体在面对混乱、庞杂的现实世界数据时，能够以惊人的速度精准定位关键信息，从而做出明智决策。

三、量子计算引爆AI智能体

量子计算与人工智能的结合，不是简单的叠加，而是指数级的爆发。这种融合将赋予AI智能体前所未有的“行动力”。

1.从“大数据”到“量子数据”的质变

传统机器学习依赖于海量数据训练，随着模型参数和数据规模的增加，经典计算机面临严重的算力瓶颈。量子计算凭借其高效处理大规模复杂数据集的能力，可以突破这一限制。量子增强的机器学习算法（Quantum-Enhanced Machine Learning）将更抗噪、更快速、更准确。

量子算法处理海量数据集的能力，可以显著增强机器学习模型的能力。这种协同作用会彻底改变气候建模等领域。

2.垂直领域的颠覆性应用

AI智能体的“行动”能力，将在量子计算的加持下，在具体产业中落地生根：

药物发现与生命科学：这是量子AI最令人兴奋的战场。经典计算机无法精确模拟复杂的分子结构，而量子模拟能够以极高的精度模拟分子和化学反应。

使用IBM的量子计算机模拟一种小分子蛋白质的分子结构，这项任务用传统的计算方法是无法做到的。未来的AI智能体将能够自主设计新药，大幅缩短研发周期，降低成本。

金融与风险管理：在金融领域，AI智能体利用Grover算法等工具，可以极大地提升风险评估水平，实时优化复杂的投资组合。

物流与供应链：面对全球化复杂的供应链网络，量子AI智能体能够解决经典算力无法处理的大规模优化问题，规划出真正的全局最优路径。

四、AI智能体的终极形态

AI发展的终极目标不仅仅是生成文本（Chat），而是具备在复杂环境中进行记忆、感知、推理和自主行动（Act）的能力。量子计算正是实现这一跨越的关键拼图。

虽然量子计算前景广阔，但量子AI并不会完全取代经典计算，而是增强它。

未来的计算架构将是“混合模式”：经典计算机继续负责通用任务、日常数据处理和逻辑控制。而量子计算机作为“特种部队”，专门处理高度复杂的优化任务、分子模拟或破解密码。AI智能体作为“指挥官”，在经典与量子资源之间进行调度，整合两者的优势来解决问题。

AI与量子融合是双向的。

不仅量子计算在加速AI，AI也在反过来帮助量子计算落地。最新的研究表明，人工智能技术可以辅助开发和优化量子算法，通过自动化编程，大幅降低量子计算的开发门槛。例如，利用机器学习模型（如扩散模型）来生成灵活且精确的量子电路，能让量子计算机更适应不同的硬件配置。

这种“AI设计量子，量子增强AI”的循环，可能会加速“技术奇点”的到来。

原书名：The Rise of AI Agents: Integrating AI, Blockchain Technologies, and Quantum Computing

注：头图AI生成

本文来自微信公众号“大数据文摘”，作者：[英] 佩塔尔·拉丹利耶夫（Petar Radanliev），译者：董世敏许盛辉译，36氪经授权发布。