WAIC 2026 姚期智与 Gilles Brassard 对谈：量子、AI 与科学发现

主持人：今天邀请两位嘉宾围绕“量子的魔法”展开对谈。姚期智教授是图灵奖获得者，长期从事理论计算机科学、密码学和量子计算研究；Gilles Brassard 教授来自蒙特利尔大学，是量子密码学的开创者之一。

姚期智：很高兴能与一位相识三四十年的老朋友对谈。大家可能会问，为什么在 AI 大会上讨论量子？今天的论坛既关注商业应用、智能机器人和现实产业，也希望触及更基础的问题。

纪要：现在大家经常谈“AI for Science”，但我们也应该思考“Science for AI”。AI 看起来很强大，却未必是智能的终点。数学可以帮助我们研究抽象、结构化推理的极限；物理则让我们追问，人类从现实世界提取知识的方法是否已经穷尽。

纪要：量子 AI 还是一个新兴方向，目前尚未出现大规模、决定性的能力展示。但即使不与 AI 结合，量子计算和量子通信本身也已经表现出不同于经典体系的力量。这正是今天讨论量子信息的原因。Brassard 很早就以主流计算机科学家的身份进入量子信息研究，我想从科学发现本身的体验谈起。

姚期智：无论研究物理、数学还是计算机科学，最初的动力往往都是好奇心。是什么让研究者几十年面对那些在多数人看来既困难又痛苦的问题？原因是我们偶尔会获得巨大的回报：有人实现了一件原本看似不可能的事情，或者我们自己发现了一个完全出乎意料的结果。

纪要：这种体验有些像大语言模型预训练中的奖励，也像机器学习系统终于赢下一盘围棋。当研究者经历过几次这样的“魔法时刻”，就会被深深吸引，愿意继续研究很多年。你与量子相遇时，最重要的魔法时刻是什么？

Gilles Brassard：最神奇的时刻，就是我第一次遇见量子信息。1979 年，我在波多黎各圣胡安的海边游泳，一个素不相识的人走过来，告诉我，他的一位朋友发现可以利用量子力学制造不可伪造的钞票。这个人就是 Charles Bennett。

纪要：我们此前从未见过，但他在海边讲述的想法非常意外、非常令人兴奋。我几乎放下了当时正在做的其他事情，转向量子信息。那时它还是一片无人探索的领域，我可能是最早认真进入这个方向的计算机科学家之一。

姚期智：我的第一个魔法时刻来自物理学。本科三年级学习核物理时，我第一次接触量子力学。20 世纪 60 年代能找到的好教材很少，课本常常只给出数学公式和计算方法。当我读到不确定性原理时，始终无法接受一个缺少理性解释的结论，于是花了很多时间在图书馆找书、独立思考。

纪要：后来我终于觉得自己理解了它。我把关于量子力学为何反直觉却又成立的思考写成课程报告。交完报告后的下一节课，我逃课去和同学下围棋；很快有同学来找我，说老师急着见我。我原本以为会因为逃课受到处罚，结果老师非常欣赏那份报告，不但没有惩罚我，还给了我很好的成绩。这是我一直记得的第一次科学发现体验。

纪要：后来我离开物理、转向计算机科学，很多人说此前八年的物理训练浪费了。但我最终又回到量子计算，并经历了新的魔法时刻。只要是在认真提升自己，过去的投入就不会白费。

Gilles Brassard：你的物理训练当然没有浪费。1984 年，我与 Charles Bennett 提出量子密码学后，很长时间无法对所有可能的量子攻击给出完整安全证明。你最早提供了走向严格证明的关键工具，后来我的学生进一步完成了证明。物理洞见在其中是基础性的，而你后来在计算机科学上的工作同样重要。

姚期智：这体现了跨学科训练的力量。物理背景帮助我理解问题，也让我认识到，好的物理学家与擅长严格形式证明的人，评价标准并不完全相同。物理学首先追求发现真实世界的真相，然后寻找能够被共同体接受的表达方式。

Gilles Brassard：量子密码学正是跨学科的结果。当时物理和计算机科学彼此分离，物理与经典密码学也相距很远。Bennett 与我在海边相遇，实际上是两个学科通过两个人相遇。正是这次交汇产生了量子信息这个新领域。我们任何一个人只靠原有专业，都不可能单独完成这件事。

姚期智：量子密钥分发如今已经走向现实应用，这件事很令人惊讶。你们最初提出它时，接受的是高度抽象的复杂性理论训练；几十年后，它却成为能够服务真实世界的前沿产业。抽象训练对后来的突破有多大帮助？

Gilles Brassard：非常重要。我的经典复杂性理论训练让我能够理解并抓住这些想法。但这也是基础研究价值的典型案例：基础研究不是因为预先看见应用，也不是因为确信它会改变世界，而只是为了理解世界。

纪要：爱因斯坦研究相对论、玻尔等人创立量子理论时，不可能知道它们会对社会产生多深远的影响。我与 Bennett 开始研究量子密码时，也完全没想到四十年后它会变得如此真实，特别是在中国获得大规模关注。我们当时只是在讨论一些看起来很疯狂的想法，并从理解自然中获得乐趣。

纪要：所以，不要过早追问一项研究将来有什么用。如果问题本身重要、研究者对它真正兴奋，就值得研究；后来能产生应用当然更好，但不应把应用作为好奇心驱动研究的前置条件。

姚期智：中国现在很关注如何发现和培养青年科学人才。你培养过很多优秀学生，从经验看，什么方式最有效？

Gilles Brassard：要对意外出现的事物保持开放，不要预设所有结果。量子隐形传态就是一个例子。我们原本在研究一个没那么重要的问题，并没有试图发明隐形传态；它却在研究过程中突然出现。如果一开始把“发明量子隐形传态”设成任务，反而可能永远做不出来，因为它看起来太不可能了。想法出现时，研究者必须有能力接住它，而不是强行要求思想按计划发生。

姚期智：我有类似感受。对于真正有潜力的年轻人，不应过分塑造他们。更重要的是提供好的环境，让他们能够从不同来源吸收知识，并与高水平的同龄人共同工作。只要环境足够好，他们会自然成长。

Gilles Brassard：我成功的另一个原因，是让自己被非常聪明的学生包围，并允许他们研究真正感兴趣的东西。我从不要求学生替我完成自己的项目，这是我的原则。学生可以自由寻找问题，做出结果后再来和我讨论。

纪要：有一次，我像往年一样在量子信息课上讲授关于自然非局域性的经典证明。第二天，我最优秀的一位学生找到我，给出一个反例，证明我多年来反复讲授的理解有问题。短短几分钟，他改变了我对现实的整体认识。优秀的学生不只是接受知识，也可能推翻导师的既有判断。

姚期智：量子信息与 AI 已经成为计算机科学最热门的两个方向。未来五年，量子技术会出现戏剧性的进展，还是仍然需要长期等待？

Gilles Brassard：我不愿给出具体年份或事件预测，但量子技术的多个方向会越来越重要。量子信息通常分为三部分：量子通信、量子计算和量子传感。

纪要：量子密码属于量子通信，它已经能够运行，中国在实际部署方面走在世界前列。量子传感利用量子效应制造更精确的测量设备，可以测量时间、温度及其他物理量；目前最精确的时钟已经受益于量子效应。

纪要：量子计算最具戏剧性。按照目前已知算法，它可以在某些任务上实现相对于经典方法的指数级加速，例如大整数分解。但必须强调，这并没有得到绝对证明：我们没有证明量子计算机必然更高效，也没有证明经典计算机不能实时模拟量子计算机。

纪要：我们已经知道量子计算机能够完成一些非常惊人的计算，只是成熟设备还没有出现。随着近年技术持续进步，问题已经不再是“会不会造出来”，而是“何时以及如何造出来”。我无法给出时间，但对量子信息的未来非常乐观；它会带来积极和消极两方面影响。

Gilles Brassard：那么，你认为五年后的 AI 会怎样？

姚期智：五年后的 AI 会与今天非常不同。当前把 AI 应用到很多领域都能产生惊人结果，这种繁荣还会持续。但不是因为 AI 会停止进步，恰恰是因为 AI 会继续进步，科研发表、学术认可、教职和终身教职的标准都会被大幅抬高。

纪要：我们正在进入范式变化期，所有人都在寻找“人类 + AI 工具”的最佳组合。旧秩序不再自动有效。今天在 MIT 或清华处于领先位置，五年后未必仍然领先，结果取决于教师和学生是否真正投入创新。传统名校甚至可能因为习惯了过去的成功模式而背上包袱；相反，一个充满危机感和野心的创业团队，可能更愿意冒险，并取得意外突破。

纪要：只要仍在科研和创新领域，就必须保持适应世界变化的能力。

Gilles Brassard：我同意，但还想强调：无论使用什么工具，研究者都应该选择自己真正觉得兴奋的问题，不要因为一个方向流行才去做。如果 AI 能帮助你，那当然更好；但真正的出发点仍应是你对问题本身的兴趣。

纪要：这场对谈从量子切入，最终回到同一条科学创新逻辑：重大突破往往来自好奇心驱动的长期探索，在跨学科交汇和开放的人才环境中出现，并通过持续适应新工具走向现实。量子和 AI 都会改变研究能力，但决定研究者能走多远的，仍是对真实问题的兴趣、接受意外结果的开放性，以及推翻既有方法的勇气。