本周，微软正式推出其第二代量子芯片——Majorana 2，凭借一组令人震撼的数字引发行业震动：量子比特可靠性较第一代提升1000倍，平均量子比特寿命达到20秒，而行业普遍标准仅为微秒级。同时，微软更新了路线图，目标在2029年前实现商用可扩展量子计算机。这些数字的背后，不仅是拓扑量子计算的技术突破，更是一次AI代理（agentic AI）深度参与研发的典型案例。
量子比特革命：从微秒到20秒
量子比特（qubit）是量子计算的基本单元，其寿命（coherence time）直接决定了计算精度和可执行的操作复杂度。传统超导量子比特的寿命通常在数十到数百微秒，而Majorana 2基于拓扑马约拉纳费米子（Majorana fermion）架构，天然具有更强的抗环境噪声能力。微软声称，其量子比特平均寿命达到20秒，意味着在误差校正前可执行的操作数量提升了数个数量级。这一进展使量子计算机有望在无需极端纠错的情况下运行实用级算法。
“20秒的量子比特寿命，相当于从沙漏计时跨越到钟表计时，这为量子化学模拟、密码学和大规模优化提供了前所未有的窗口。”——业内分析师评论
Majorana 2的底层支柱：Microsoft Discovery中的AI代理
原文指出，Majorana 2的诞生离不开微软内部的AI研发平台——Microsoft Discovery。该平台集成了多个专业AI代理，每个代理擅长不同领域：材料科学代理负责筛选潜在超导材料，器件物理代理负责仿真量子点结构，制造工艺代理则优化纳米线生长参数。这些AI代理并非简单执行预设规则，而是具备自主决策能力：它们可以提出实验假设、设计验证流程、分析结果并迭代优化。
例如，在寻找零能量模式（zero-energy mode）所需的精确材料界面时，传统方法需要研究人员手动尝试数百种组合，耗时数年。而Agentic AI可以在数天内完成数百万组参数扫描，并自动推荐最有可能成功的拓扑相区。微软表示，Majorana 2芯片中多个关键设计决策正是由AI代理主导完成。
编者按：AI代理正从“工具”进化为“合作者”
Majorana 2的案例清晰展示了agentic AI在科学研究中的角色转变。过去，AI主要用于数据分析或加速模拟，但其行动仍受限于人类设定的框架。而“代理型AI”具有目标导向、自主决策、持续学习的能力，可以像一位真正的科研同事一样提出新想法并推动实验闭环。微软将这种模式称为“AI-driven R&D”，并认为这是半导体、医药、材料科学等复杂度极高的领域实现指数级创新的关键。
值得关注的是，微软并非唯一押注agentic AI的公司。谷歌DeepMind的“AlphaFold”已证明AI在蛋白质折叠中的自主发现能力，而英伟达的“Nemo”平台也在芯片设计中将AI代理用于自动布局布线。不过，Majorana 2的独特之处在于，其物理基础本身就是利用AI代理从零探索的拓扑系统，这种“AI发现+AI制造”的闭环代表着研发范式的根本变革。
2029年商用路线图：现实还是野心？
微软此次同步更新了时间表：计划在2029年前推出“商用可扩展量子计算机”。对比行业，IBM预计2033年实现百万量子比特系统，Google则在2030年前后提出纠错量子处理器。微软的路径高度依赖Majorana拓扑比特的低错误率和长寿命，但其难点在于制造一致性和扩大量子比特数量。目前Majorana 2仅包含8个拓扑量子比特，距百万级系统仍有巨大鸿沟。不过，AI代理在制造过程中的持续参与，有望加速工艺良率提升。
业界普遍认为，即使2029年的目标存在不确定性，Majorana 2已将量子计算竞争推入新阶段——不再单纯比拼量子比特数量，而是追求单位比特的可靠性和集成度。而AI代理作为研发加速器，正成为所有玩家不可忽视的变量。
本文编译自AI News
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接