如果你问的是全球总生产力，我的判断是：

不是 10 倍、也不是 100 倍。
更像是这样一个区间：刚实现时接近 1.00x；大规模商业化后的 10–20 年内，全球生产力大约 1.1x–1.5x；非常乐观的长期上限，也许接近 2x，但我不会把它当作主线情景。 因为量子计算不是“把所有电脑都换成更快的电脑”，而是对某些特定问题提供显著加速。McKinsey 也把量子计算定义为只对“certain applications”带来显著性能提升；Nature Reviews Physics 的综述则明确说，量子优化的优势是问题相关的，很多场景仍需要严格基准测试，远不是所有优化问题都会天然赢过经典算法。(McKinsey & Company)

我会把时间尺度分开看：

1）“刚刚实现通用量子计算机”时：约 1.00x–1.05x。
原因很简单：哪怕第一台容错通用量子机问世，真正卡住经济的往往不是算力本身，而是软件、人才、工艺链、行业验证、监管和组织重构。BCG 在 2024 年的更新里专门下调了对近端价值创造的预期，理由就是硬件进展仍难、而且经典计算和 AI 的竞争比原先预想更强；它同时强调，量子到 2040 年的全球经济价值更像 4500 亿到 8500 亿美元，不是“立刻重写全球经济”。以 IMF 预测的 2026 年全球名义 GDP 约 123.58 万亿美元做参照，这个量级对应的是低个位数百分比，而且还是多年累积扩散后的效果，不是首年冲击。(BCG Global)

2）进入成熟扩散期后：约 1.1x–1.5x。
这是我认为最现实的主区间。支持这个判断的核心不是“量子无所不能”，而是它会先在少数高价值行业撬动较大增量。McKinsey 2025 年认为，到 2035 年量子技术三大支柱合计可形成最高 970 亿美元收入，其中量子计算占大头，且受影响最大的行业主要是化学、生命科学、金融、交通/出行；McKinsey 2024 年版本还估计，最早受益的四个行业到 2035 年可能有最高 2 万亿美元 value at stake。这更像是“重塑少数关键行业，再慢慢传导到全经济”，所以对全球总生产力的影响更可能是一两成到五成，而不是瞬间翻倍。(McKinsey & Company)

3）为什么我不给 5x、10x 这种数字。
因为量子计算最有希望先改写的是化学/材料模拟、某些金融与组合优化、部分密码学相关任务，而不是零售、建筑、餐饮、护理、教育、运输装卸、制造现场管理这些占了大量就业和 GDP 的领域。化学方向的综述提到，量子算法在电子结构、化学动力学、光谱学和化学信息学等经典上难处理的问题上最有前景，但也明确说，量子硬件“仍处于 infancy”，对有用计算还没有全面超越经典系统。换句话说，量子更像是给文明增加一个非常强的专用引擎，不是把整台经济机器整体换成超光速版本。(科学直接)

4）什么情况下才可能接近 2x。
只有在量子计算不仅直接提升算题效率，还间接解锁新材料、新催化剂、新药物、更好的电池、更高效的化工流程，甚至帮助其他通用技术突破时，全球生产力才有机会接近翻倍。IBM 也把化学、材料、药物看作最早、最重要的价值场景之一，因为这些问题常常是经典超算也很吃力的。也就是说，真正大的增益不是“财务模型跑快 100 倍”，而是“你因此发明出更便宜的工业路线或更强的材料”。这条路径存在，但它要靠产业扩散，不会在量子机点亮的那一天自动发生。(IBM Research)

所以我的一句话答案是：

如果“通用量子计算机实现”只表示技术上做出来了，全球生产力几乎不变；如果它成熟并扩散进关键行业，我估计是 1.1x–1.5x；极乐观、而且伴随材料与能源连锁突破时，才可能逼近 2x。
我认为“全球生产力提升 10 倍以上”非常不现实。 量子计算更像电网里新加了一座高价值专用发电站，不像把整个人类经济直接切换到另一个物理层级。(McKinsey & Company)

假如跟人工智能结合呢，会提升多少倍？

如果把问题限定为**“通用、容错量子计算机已经实现，并且和先进 AI 深度结合”，我对全球总生产力**的主观判断是：

5 年内：1.05x–1.2x
10–20 年：1.3x–2.0x
非常乐观的长期上限：2x–3x

我不认为仅靠“AI + 通用量子”这一个组合，就能把整个人类总生产力直接拉到 10x。现有宏观研究对 AI 单独 的中期影响本来就偏“明显但不爆炸”：IMF 2025 年模型里，AI 在未来十年把全球 GDP 水平抬高的大致区间是 1.3% 到 4%；IMF 另一篇关于欧洲的论文则给出更保守的结果——5 年累计约 1% 的生产率提升。与此同时，NIST 对量子计算的官方说明也很克制：量子计算最有希望的方向是分子、化学和材料模拟以及部分优化问题，但大多数真正有用的应用仍是“多年甚至几十年以后”，而且当前早期演示“还没有证明真正有用”。(国际货币基金组织电子图书馆)

关键点在于：AI 和量子不会简单相乘。
它们的关系更像“AI 负责提方案、筛候选、自动化研发流程；量子负责把经典计算最难算的那一小块——特别是量子体系本身——算得更准”。这会在药物、催化剂、电池、半导体材料、复杂优化上形成强耦合，但不会同时把建筑、餐饮、护理、物流装卸、教育、司法、地方治理这些大量经济部门一起提到 10 倍效率。NIST 直接把量子计算的潜在“killer apps”指向了新药、化学催化剂、材料科学；而 Nature 的综述则强调，量子机器学习和量子优化都仍面临重大障碍，优势需要逐问题、逐基准去证明。(NIST)

我更愿意把它拆成两层看：

对全经济：1.3x–2.0x 更像主线。
这已经很大了。原因不是所有工作都变成量子加速，而是少数关键行业先被重写，然后逐步外溢到全经济。比如，AI 已经在推动材料发现、自动化实验室和“自驱实验”这类研发流程加速；如果再叠加量子对分子和材料体系的高精度模拟，研发链会从“提想法 → 做筛选 → 做实验 → 回传训练”形成更短闭环。Science Robotics 的综述直接把 AI + 自动化实验室 描述为能加速生命科学和材料发现；NIST 也认为量子模拟最可能先在复杂材料和化学问题上创造价值。(科学网)

对局部高价值任务：5x–50x 甚至更高，不奇怪。
最可能出现大倍数提升的，不是“全社会平均工作效率”，而是科研和设计环节。例如：药物先导分子筛选、催化剂设计、材料逆向设计、复杂工业优化、部分密码学与安全迁移、某些 AI 模型训练/推断子模块。这里 AI 负责大规模生成与搜索，量子负责把最难的物理/化学求解环节拉开差距。Nature 和 NIST 的公开材料都支持“材料、化学、量子体系模拟”会是最现实的先发区；但 Nature 同时提醒，量子机器学习的实际优势目前仍远未普遍坐实。(NIST)

所以一句话说：

AI + 通用量子 对全人类总生产力，我会给 1.3x–2.0x 作为主判断；
对科研/药物/材料/某些优化领域的局部生产力，我会给 5x–50x；
只有在它再叠加机器人、廉价能源、自动化实验室、制造自动化这些“把认知突破变成物质产出”的系统后，整个人类生产力才更有可能进一步逼近 3x 以上。这一点从今天 AI 宏观影响仍偏温和、而量子优势又高度任务相关这两条证据上看，是更稳妥的判断。(国际货币基金组织电子图书馆)

本文仅供参考