在输入数据近乎随机且缺乏特殊数学结构的任务上,量子计算机无法以指数级优势超越普通计算机。这不仅仅是一项新的限制——这是由人工智能得出的证明。
2026年11月,美国初创公司Physical Superintelligence(PSI)宣布证明了一个假设,该假设由得克萨斯大学奥斯汀分校的斯科特·阿伦森和拉脱维亚大学的安德里斯·安拜尼斯于2011年提出。该假设断言:对于在布尔立方体上取值从0到1的低次多项式,总能找到一个具有显著影响的变量。证明由PSI基于Anthropic非公开模型的内部研究系统发现。全文通过了Lean系统的验证,阐释部分由斯坦福大学的研究人员盖伊·布兰克、乔丹·多克特、卡门·斯特拉斯尔和李-扬·谭准备。
该系统运行了四天:首先获得了完整证明,随后对其进行了两次改进,每个版本都被Lean无错误地接受。这不是在量子处理器上进行的实验,而是查询复杂度理论领域的一项纯数学证明。它表明,对于大多数随机输入,只需多项式数量的查询,就能以高精度用经典方法模拟一个对输入进行T次查询的量子算法。
想象一个巨大的仓库,里面有数十亿个箱子,而要找的物品随机放在某个地方,没有任何提示。经典搜索会一个接一个地翻找箱子。量子搜索看似可以一下子查看所有箱子——但该证明表明,如果没有像 Shor 因数分解算法那样的特殊结构,这种“窥视”只能带来多项式级的加速,而非指数级的加速。多项式中单个变量的影响保证了随机输入几乎总能通过少量比特被预测出来。
这一结果改变了对量子优越性边界的认识。现在清楚了:对于没有内置结构的任务——随机图、随机函数——不应期待指数级的优势。量子计算机在存在结构的地方仍保有优势,例如在密码学或具有特殊性质的优化问题中。这并不否定器件的实际建造,但会把努力引导向寻找这类结构化任务。
《New Scientist》12月2026年的文章和 arXiv 上8日的预印本详细描述了证明的过程及其对随机预言机世界中 BPP 与 BQP 类关系的推论。
量子优越性的轮廓如今更加清晰:它确实存在,但需要的不是随机性,而是隐藏的规律。


