2026年7月，上海。世界人工智能大会“思想者论坛”。
姚期智，2000年图灵奖得主、中国科学院院士、清华大学交叉信息研究院院长，发表了一场从理论计算机科学出发的演讲。核心判断只有一条：未来5到10年内，量子AI将正式登场，人类将拥有超越经典图灵机极限的全新认知工具。
AI的底层是图灵机，边界客观存在
姚期智首先追问了一个极少被认真对待的问题：AI的能力有无理论边界？
答案是有。
当前AI的强大源于计算范式的变革。传统计算机科学依赖数学分析和硬编码算法，机器学习则将“从数据中学习”纳入算法框架。围棋、蛋白质折叠预测、代码生成，皆由此而来。但AI的底层仍然是图灵机架构，只是多了一份数据集。图灵机无法解决的问题，AI同样无法解决。停机问题——判断程序是否无限运行——在理论上已被证明不可判定。
姚期智举了两个例子。公钥加密系统具有坚实的数学基础，已被证明可抵抗包括AI在内的任何计算机系统攻击。量子密钥分发利用物理定律构建通信方式，原则上能完全阻断任何纯计算机驱动的AI破解。
AI的算法始终运行在物理定律和数学定律划定的边界之内。姚期智认为这并非坏事——明确边界恰恰是构建安全可控的AI治理体系的理论基石。
AI for Science黄金期：3到5年
在量子AI到来之前，姚期智给出了一个中间阶段的时间表：未来3到5年，AI for Science将进入黄金期。
AI已不再是科研的辅助工具，开始成为主动发现者。谷歌研究院借助Gemini Deep Think解决了宇宙学领域一个悬而未决40年的积分问题。OpenAI的推理模型证伪了一个开放了80年的单位距离猜想。这些案例涉及的不是数据处理，而是严格的理论推演与真正的科学发现。
姚期智的判断是明确的：将AI应用于几乎任何领域都可能产生惊人成果。但窗口期有限。AI会不断抬高科研发表和成果评价的标准，先跑者占优。
量子AI的两条演进路径
从AI for Science到量子AI，路径清晰。
第一阶段是“AI加速量子计算”。量子计算40年来的最大瓶颈在于量子比特易受噪声干扰。通过机器学习和大量样本训练出的神经网络，已能成功“学到”量子纠错解码器的构建方法。这项技术帮助谷歌Willow等新型量子芯片将逻辑门错误率降至1%的临界阈值以下。
第二阶段才是“量子计算增强AI”。当机器学习不再运行于传统图灵机架构，而以量子机器为算力基础，直接处理、学习量子数据时，真正的量子AI才算登场。姚期智的原话是：届时人类将获得“超越现有图灵机极限的全新认知工具”。
5-10年：务实的时间表
姚期智给出了三个层次的时间判断。
短期：未来3到5年，AI for Science迎来黄金期。中期：未来5到10年，量子AI取得显著进展，开始投入实际应用。长期：十年内，量子AI将“点亮新的认知火种”。
他的原话值得细读：“随着时间的推移，大家终究会对常规AI的各种花样感到疲劳，它迟早会淡出头条。而我相信，届时量子AI将会登场，它将在人类科学探索的马拉松中点燃新的火花。”
姚期智还提及，中国在量子技术领域或许处于领跑地位。2016年发射的全球首颗量子科学实验卫星“墨子号”，以及纵横全国并连接海外的远距离量子密钥分发网络，都是证据。2025年图灵奖得主布拉萨德也在对谈中承认，中国在量子密码部署方面走在世界前列。
对科研与教育的启示
姚期智最后将话题拉回“人”。
五年后的AI将与今天截然不同。关键问题不是机器多强，而是人类如何与AI工具组成更高效的团队。即便是清华、麻省理工这样的顶尖机构，未来能否继续站在前沿，取决于师生能否快速适应新范式。有雄心的创业公司如果抓住机会，也可能取得惊人结果。
对年轻一代，姚期智的建议是：不必焦虑被机器取代，应锤炼AI尚不擅长的能力——洞察本质、提炼抽象模型、保持纯粹的好奇心。在可见的未来，AI不可能替代顶尖科学家。最重要的判断标准是：哪些工作是AI不能做的，然后向那个方向生长。
写在最后
姚期智的核心判断：AI强大，但有边界；边界之外，量子AI正在赶来。
AI for Science已在解决40年未解的数学难题。AI辅助量子纠错已帮助量子芯片跨越1%的错误率门槛。中国在量子密钥分发网络的部署已走在世界前列。
当然，量子计算的工程难题尚未攻克。量子比特稳定性、规模化、纠错能力——每一项都还有很长的路。姚期智说的是“5到10年内取得显著进展”，不是“5到10年内全面普及”。两者之间的差距需要清醒认识。
方向已明确。从“AI for Science”到“Science for AI”，从经典图灵机到量子机器，这是一条逻辑严密的技术演进路径，而非空泛愿景。
姚期智预判5-10年内量子AI登场。你认为这个时间表乐观还是保守？量子AI如果成真，哪个领域会最先被改变？欢迎在评论区留下判断。