谷歌用量子，重寫生命代碼？

來源：光子盒

1981年，理查德?費曼在加州理工學院的演講中留下預言：“自然不是古典的，若要模擬自然，你必須把它做成量子的。”這一哲學直覺，在四十余年后成為科技巨頭的行動綱領。

盡管AlphaFold等AI席卷蛋白質結構預測，但生物學界逐漸達成共識：經典AI抓的是數據相關性，而非物理因果性。當研究深入酶催化電子轉移、量子自旋對細胞功能的影響、藥物-受體亞原子相互作用時，經典計算與傳統AI開始力不從心。行業重心正轉向生命科學最硬核的底層物理邏輯。

Google近期正式啟動的REPLIQA項目，正是這一轉向的標志性事件。通過投入1000萬美元并聯合五所頂尖高校，Google 試圖利用量子力學的原生特性，去模擬那個同樣遵循量子力學的分子世界。這不僅是算力的競賽，更是一場關于人類能否用“自然的語言”去改寫健康與長壽命運的遠征。

為什么經典計算機模擬不了“一口氣”

生命科學的本質是化學，而化學的本質是量子力學。生物分子在細胞內的每一次相互作用，本質上都是電子云的重疊、能量級的躍遷以及自旋態的轉換。然而，經典計算機（包括現有的超級計算機和AI集群）在模擬這些過程時，正面臨著一種被稱為“維度災難”的指數級壁壘。

?P450酶與經典計算的指數級困境

細胞色素P450酶是生命科學中一個極具代表性的難題。作為人體肝臟中負責藥物代謝、毒素降解的核心酶類，P450酶負責人體75%以上藥物代謝，其活性中心鐵卟啉環在催化中多次發生氧化態與自旋態變化，電子轉移路徑極度復雜。

對于經典計算機而言，精確模擬P450酶的反應機制幾乎是不可能的任務。原因在于，描述 N 個電子的分子波函數，復雜度隨電子數指數增長。10 個電子尚可應對，100 個電子所需資源超過地球原子總數。主流 DFT 方法只能給出近似解，在多重自旋交叉、強關聯電子體系中能量誤差巨大，難以準確預測藥物代謝效率。

? 因果性與相關性的分水嶺

在REPLIQA的邏輯框架下，量子計算與AI展現出了本質的區別。目前的AI通過學習蛋白質數據庫中的靜態數據來“預測”結構，其成功建立在海量實驗數據的相關性之上。然而，預測并不等于模擬。

量子計算則具有“原生性”優勢。量子比特可以自然地映射分子系統中的電子軌道和自旋態。通過量子變分特征求解器（VQE）等算法，量子計算機可以直接在Hilbert空間中通過演化找到分子的最低能量基態。這種基于物理第一性原理的計算，處理的是生命系統的底層因果關系。

REPLIQA 生態圈：戰略卡位與高校聯盟

Google啟動REPLIQA項目并非偶然，而是基于其在量子硬件與AI交叉領域多年的積累。通過將1000萬美元注入學術界，Google 實際上是在為未來的量子醫療生態圈圈定領地。

?五大高校聯盟的戰略布局

REPLIQA選擇的五所高校展現了極強的互補性。哈佛大學與麻省理工學院（MIT）在量子算法的理論框架和量子化學軟件開發方面處于全球領先地位；加州大學圣巴巴拉分校（UCSB）則是Google量子硬件團隊的“母校”，緊鄰其超導量子芯片研發中心，負責算法在真機上的實現；加州大學圣地亞哥分校（UCSD）在蛋白質組學和藥物遞送方面具有深厚的生物應用背景。

最值得關注的是亞利桑那大學，該校由曾主導NASA小行星采樣任務的Dante Lauretta教授領銜。將太空探索級的精密分析技術引入到細胞微觀前沿，預示著REPLIQA將不僅關注“計算”，更關注如何通過量子傳感器（Quantum Sensors）實現對生物過程的“實時觀測”。

?巨頭博弈：不同的路徑，共同的終點

在量子生命科學這條賽道上，Google并不孤單。全球科技巨頭正根據各自的技術底座，形成三條截然不同的推進路線。

NVIDIA：GPU驅動的“混合模擬”路線

NVIDIA推出的CUDA-Q平臺旨在利用強大的GPU集群去模擬量子電路。通過與Terra Quantum和AstraZeneca的合作，NVIDIA證明了在量子真機完全成熟前，利用經典算力進行“量子加速”的藥物篩選已經具備商業價值。其開發的ADAPT-GQE框架在生成復雜分子訓練數據時，實現了234倍的速度提升。

Microsoft & Quantinuum：糾錯驅動的“邏輯量子”路線

微軟的策略側重于量子糾錯（QEC）。2024年，微軟與Quantinuum合作，在離子阱系統上成功創建了12個高可靠性的邏輯量子比特，并演示了端到端的化學催化模擬。微軟的愿景是直接跨過含噪聲的NISQ時代，為制藥巨頭提供“科學級的量子優勢”。

IBM：應用驅動的“十年計劃”路線

IBM 通過其量子網絡與Moderna、勃林格殷格翰等制藥巨頭建立了緊密的垂直合作關系。IBM的重心在于利用其不斷迭代的Eagle和Heron處理器，在真實的mRNA二級結構預測和癌癥光動力療法模擬中尋找落點。

從NISQ到量子效用：現實主義者的路徑

量子計算正從“全勝論”轉向“效用論”。Hartmut Neven提出的“量子效用”概念，正是REPLIQA計劃的靈魂所在：即便沒有完美的糾錯計算機，我們能否在當前的含噪聲硬件上產生有意義的科學輸出？

?Willow 芯片：量子效用的硬件基石

2024年底，Google量子AI團隊發布了“Willow”超導處理器。這款芯片的重大突破在于證明了：隨著量子比特數量的增加，通過糾錯架構，錯誤率能夠實際上降低。這一“低于閾值”的運行結果，使得Google能夠宣稱其已跨過了量子計算的“盈虧平衡點”。

Willow處理器在基準測試中展示了驚人的性能：完成某項隨機線路取樣任務只需不到5分鐘，而當今最強的超級計算機則需要10兆億年。盡管這項任務本身不具備直接的生物學意義，但它證明了硬件層面的“量子效用”已經開啟。REPLIQA計劃的任務，就是將這種抽象的算力轉化為生物分子層面的“模擬效用”。

?量子傳感器：比量子計算更早落地

相比于量子計算，量子傳感器可能更早地改變生命科學的實驗范式。目前的醫療診斷依賴于對大規模分子群體的平均化測量。而量子傳感器利用量子相干性，能夠探測到單個原子級別的磁場和電場變化。在REPLIQA框架下，研究人員正在開發“混合傳感器”，將具有極端靈敏度的量子粒子（如金剛石中的NV色心）與生物界面耦合。這種技術允許科學家以前所未有的精度觀察活體細胞內的代謝過程。正如Hartmut Neven所言，觀察本身就是理解的第一步。

?落地時間表：三個階段的量子革命

根據DARPA的QBI計劃和各大公司的路線圖，量子計算在生命科學領域的落地可劃分為三個階段：

當前(2024-2026)：Foundational Research（基礎研究期）重點是開發量子增強的AI算法和初步的傳感器原型。Google的REPLIQA和微軟的邏輯量子比特實驗均處于此階段。

中期(2027-2030)：Quantum Utility Emergence（效用涌現期）預計量子計算將在小分子的精確電子結構計算中超越經典HPC，開始進入藥物研發的特定環節。

長期(2033+)：Utility-Scale Operation（規模效用期）DARPA預測到2033年將出現能夠處理工業級復雜問題的糾錯量子計算機，屆時諸如蛋白質-配體全動力學模擬將成為可能。

AI 是終點還是起點？

AlphaFold 3的發布標志著生物大分子結構預測進入了“谷歌時代”。然而，在這一光環下，學術界開始揭開AI在分子建模上的深層缺陷，這恰恰為量子計算提供了生態位。

近期的研究指出，AlphaFold 3等模型在預測蛋白質-配體相互作用時表現出驚人的不一致性。在對抗性實驗中，當研究人員通過計算機手段去掉蛋白結合位點上的關鍵氨基酸，甚至用龐大的側鏈阻塞結合位點時，AI模型依然會將藥物分子預測在原來的位置。

這種現象表明，AI并沒有真正學習到電荷相互作用、范德華力或空間位阻等物理規律，而是在利用“模式記憶”進行推斷。當遇到全新的候選藥物或從未見過的突變蛋白時，這種預測極易產生致命的誤導。

量子計算與AI 并非競爭關系，而是“互補性協同”。一個理想的新藥研發管線應該是：由AI模型在數以億計的化學空間中進行初步篩選，剔除明顯不合格的候選者；隨后，由量子計算引擎（如 REPLIQA 正在開發的算法）對最有潛力的前100個分子進行“第一性原理模擬”，精確評估結合能和反應動力學。

這種“AI發現方向，量子鎖定細節”的組合，正是REPLIQA 強調的“Quantum-enhanced AI algorithms”的本質。它將制藥從“大數法則”帶向“精確物理”。

量子相干性與生命過程的隱秘交集

REPLIQA計劃的一個前沿假設是：生命可能已經進化到在某些關鍵環節利用量子力學效應的地步。這種“量子生物學”的視角，為量子技術在醫療領域的應用打開了全新的想象空間。

量子自旋是電子和原子核的本征屬性。近期研究暗示，某些酶催化反應（包括上文提到的P450酶）的速率可能受到外部磁場引發的自旋態變化的影響。這意味著，生命體內的化學平衡可能是在量子相干態下維持的。

Hartmut Neven早在2014年就開始研究同位素效應對神經遞質與受體結合的影響。通過改變神經遞質原子的同位素（即改變其原子核自旋），觀察其對神經受體激活程度的差異。如果這種效應被證實，我們將可以利用量子手段設計出對自旋極其敏感的“量子藥物”，其藥效和副作用控制將達到分子級精準。

在光合作用過程中，光子被葉綠素吸收后產生的激發能（激子），幾乎以100%的效率轉移到反應中心。經典模型無法解釋如此高效的能量傳遞。科學家發現，激子在捕光復合體中可能處于量子相干狀態，通過“量子隨機行走”同時探索多條路徑，從而找到能耗最低的最優解。量子計算模擬這些過程，不僅能幫助我們設計新型太陽能電池，還能在治療涉及能量代謝異常的疾病（如線粒體疾病）時提供關鍵指導。

重塑“造物主”的實驗室

費曼的直覺，在 REPLIQA 中升維，人類將建立數字原子實驗室，原子躍遷、化學鍵斷裂/形成在量子系統中精準復現。

這不僅是加速，更是看見：當我們能再現P450活性中心每一次電子云變化，就擁有了窺探生命底層的“微觀透視鏡”。

這場遠征漫長且務實。REPLIQA定位基礎研究，短期內不會帶來“癌癥神藥”，也不會讓抗衰老藥物一夜上市。但它標志著認知范式的躍遷：模擬自然，不僅是理智的挑戰，更是改寫生命命運的科學捷徑。

[1]https://blog.google/innovation-and-ai/models-and-research/quantum-computing/repliqa-quantum-computing-life-sciences/

[2]https://arxiv.org/html/2508.18446v1

[3]https://nexco.ch/blog/The-Limitations-of-Protein-Ligand-Co-folding-with-AlphaFold-3,-Unveiled

[4]https://cryptonews.net/news/analytics/32772103/

[5]https://pmc.ncbi.nlm.nih.gov/articles/PMC2757081/

[6]https://developer.nvidia.com/blog/nvidia-cuda-q-powers-quantum-applications-research/

[7]https://azure.microsoft.com/en-us/blog/quantum/2024/09/10/microsoft-and-quantinuum-create-12-logical-qubits-and-demonstrate-a-hybrid-end-to-end-chemistry-simulation/

[8]https://www.ibm.com/case-studies/moderna

[9]https://www.nist.gov/quantum-information-science/quantum-sensing-explained

[10]https://trendsresearch.org/insight/googles-quantum-breakthrough-redefines-the-future-of-computation/?srsltid=AfmBOopmqMqCCnLs2Ue2oAQ4blSRuPa_fT4DoUAvY9S7pcSILNFbkv6x

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）