罗盘 / 量子计算算法应用鸿沟
暗星档案 · 未点亮的星量子计算算法应用鸿沟
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
量子计算算法应用鸿沟T6 量级 · 行星
机器造出来了，能解决的真问题在哪
暗星编号DS-0990
轴E · 能量与能力前沿
领域ai-computing
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
量子硬件近年在纠错、比特数上持续突破（如IonQ与Ansys在36比特机上完成医疗器械模拟，据称比经典高性能计算快12%；谷歌Quantum Echoes算法在分子模拟上展示万倍级加速），但这些多是特定构造下的演示案例，距离能稳定解决制药、材料、金融等领域真实规模问题的“实用量子优势”仍有巨大鸿沟。行业共识是当前噪声中等规模量子（NISQ）设备与容错、应用级量子（FASQ）机器之间横亘着算法成熟度、纠错规模化、可验证性等多重台阶。攻破意味着量子计算从“物理学奇迹”变成“解决不了就没人用的真工具”。
卡在哪 · 机制级卡点
量子门保真度约99%-99.9%，经过成千上万次操作后误差会累积到不可用；多数号称“量子优势”的演示问题本身是为量子硬件特意构造的，尚未证明能迁移到工业界真正关心的规模化问题上；缺乏成熟、可验证、可规模化的量子算法库，多数实际工作负载仍需与经典计算混合完成。
谁在攻
IBM（公开路线图预期2026年前后出现首批经过验证的量子优势案例）；IonQ与Ansys合作的医疗器械模拟项目；谷歌量子AI团队（Quantum Echoes算法）
怎么参与
量子算法、量子信息方向的课程与研究课题；关注IBM Quantum、IonQ等平台的开发者社区与公开挑战赛