目錄

• 你可能想知道的事
• 主要議題
• 重要見解表
• 後續……

你可能想知道的事

AI 驅動電路設計的進展是否會顯著降低對比特幣發動量子攻擊所需的實際資源？

量子資源基準的降低對轉向後量子密碼學的時程與緊迫性意味著什麼？

主要議題

與 AI 編碼代理協作的研究人員已大幅降低用以估算對保護比特幣與以太坊之橢圓曲線密碼（elliptic-curve cryptography）發動量子攻擊成本的關鍵資源基準。在 Eigen Labs 主辦的一場公開競賽中，超過 100 名參與者為 secp256k1（用於交易簽名的橢圓曲線）開發並測試了量子電路設計。該項工作將一個複合指標——以邏輯量子位數乘以 Toffoli 閘數計算——約降低了 86%，把分數從 107.5 億降至 14.96 億。

競賽聚焦於使用量子電腦從公開金鑰推導私鑰所需的特定子程式。參賽者產出能執行相關計算的電路，並驗證這些電路的正確性；測試程序並未恢復任何實際私鑰。評估量化了每個候選設計所需的邏輯量子位（量子記憶）數量與量子計算深度（以 Toffoli 閘為單位，一種常被引用的多量子位閘）的多少。

研究中報告的一個領先電路使用了 1,151 個邏輯量子位和約 130 萬個 Toffoli 閘。後來的設計將報告的閘數推低到一百萬以下。這些數據相較於先前發表的基準有改善，儘管與其他團隊的結果（例如早期的 Google Quantum AI 基準）直接比較，會因計數慣例、測試假設與實作細節的差異而複雜化。研究人員明確警告，這類方法論差異限制了直接逐項比較的意義。

降低資源分數具有重要意義，因為它減少了執行該子程式（對完整密碼破解至關重要）所需的估計量子記憶乘以閘工作量總和。然而，報告的基準並未考慮對真實錢包發動完整端到端攻擊所需的全部硬體成本。實務上，額外的資源因素——如錯誤更正開銷、實體量子位數、相干時間與工程挑戰——仍然是讓實際部署的量子攻擊變得可行之前的重大障礙。

參與者的流程也展示了一種新穎的協作工作流程，將人類專業知識與 AI 生成的程式碼和建議混合。主辦方將此方法描述為一種「開放自動研究（Open Autoresearch）】：一個由驗證者門控的研究流程，人類貢獻者與 AI 代理反覆提出、實作、測試並分享針對單一可量測目標的改進。該模式使許多貢獻者能比孤立作業更快地收斂至高效的電路設計。

除了技術結果外，該工作對防禦規劃也有啟示。雖然足夠強大的量子電腦（常稱為「Q 日」）的確切到來時間仍不確定，研究人員認為，遷移至不易受攻擊的經典公鑰演算法之外的方案已在進行中。像 NIST 這樣的標準機構已在定義與標準化後量子替代方案方面取得進展。例如草案指引建議在 2030 年後棄用 112 位安全水準的經典公鑰演算法，並在 2035 年後禁止使用，凸顯組織在政策與工程時程上必須考量的因素。

產業參與者正透過投資攻防兩端的研究作出回應。該報告是加密與金融公司資助研究以釐清技術版圖並加速緩解策略的更大趨勢的一部分。近期承諾包括產業團體與公司對量子抗性系統與區塊鏈基礎設施相關強化工作的數百萬美元資助。

總之，競賽結果顯示，針對性演算法與電路層級的優化——在 AI 協助開發的放大下——可以實質降低某些關鍵量子子程式的估計資源成本。這些改進本身並不意味著實際可行的量子攻擊即將到來，但確實縮小了需要關注的時間窗，並加強了主動採用後量子密碼學的理由。

重要見解表

後續……

展望未來，最可操作的優先事項是加速在保護長期機密的系統中實際部署後量子密碼學標準。雖然電路層級的優化縮小了一些資源差距，實際世界的安全仍依賴於及時遷移、穩健的實作與謹慎的風險管理。持續對量子抗性演算法、安全系統設計與標準採用的投資，將隨著量子硬體的進展降低風險暴露。

同樣重要的是推進用以評估量子威脅時程的工具與方法。標準化的基準實務、透明的報告慣例與可重現的驗證流程，將使不同研究間的比較更具意義，並協助組織優先排列防禦。此項工作中使用的協作式、AI 擴充研究模式顯示出一條具成效的路徑：結合人類監督與自動化的生成與測試，以在保持嚴格驗證的同時加速進展。

最後，錯誤更正、容錯架構與可擴展量子硬體的研究仍然至關重要。這些領域決定了理論上的資源減少何時會轉化為實際能力。持續的跨學科合作——包括密碼學、硬體工程與軟體工具——將提供在量子技術成熟時維持安全的最佳機會。 主動遷移與以證據為基礎的準備措施是面對演進中量子風險的審慎回應。