量子退火是当前量子计算领域最接近商用落地的技术路径之一，专门针对组合优化类问题求解，而O(n²)的时间复杂度是其在适配场景下最核心的性能优势标识。
要理解这一复杂度的由来，首先需要明确量子退火的适配问题边界：绝大多数量子退火求解器的输入格式为二次无约束二元优化问题（QUBO），即问题可以抽象为n个取值为0或1的变量，以及变量两两之间的耦合权重，求解目标是找到一组变量取值让整体加权和最小。这类问题覆盖了工业界绝大多数的优化需求，从供应链调度、金融投资组合优化到芯片布局、自动驾驶路径规划均属于此类范畴。
量子退火的O(n²)复杂度，针对的正是n变量稠密QUBO问题的期望求解时间。相较于经典模拟退火需要逐次迭代遍历所有变量耦合项、收敛迭代次数随问题规模指数级上升的特性，量子退火利用量子隧穿效应跨越局域极小值的能量壁垒，同时通过量子比特的物理耦合天然并行处理所有变量间的相互作用，最终理想状态下的收敛时间仅与变量规模的平方成正比。这一复杂度属于多项式级别的友好范畴，对比经典算法针对同类NP难问题普遍的指数级最坏复杂度，已经实现了质的效率跃升。
当然需要明确的是，O(n²)并不是量子退火的通用复杂度：如果问题的能量景观过于崎岖，高壁垒局域极小值的数量随变量规模指数增长，量子隧穿的效率也会随之下降，复杂度可能进一步升高；同时当前NISQ（噪声中等规模量子）阶段的退火硬件还存在读取误差、耦合误差等问题，实际落地时还需要叠加误差修正、变量嵌入的额外开销，当前商用设备的实际运行效率接近但尚未达到理想的O(n²)水平。
即便如此，这一复杂度标识已经为量子退火的商用价值提供了核心支撑：当问题规模在数百到数千变量区间时，O(n²)的复杂度意味着求解时间可以控制在毫秒到秒级，完全满足工业场景的实时性需求。当前全球头部量子退火企业已经在物流路径优化、电网负荷调度等场景落地了相关应用，对比经典求解方案实现了10到100倍的效率提升。
不同于大众对量子算法“必须实现指数级加速”的认知误区，量子退火的O(n²)多项式加速，恰恰是量子技术从实验室走向产业端的最务实路径：对于绝大多数工业优化场景而言，稳定的多项式级效率提升，已经足够解决过去无法处理的大规模实时优化需求，也是未来3到5年量子计算落地的核心方向。

本文由AI大模型（Doubao-Seed-1.6）结合行业知识与创新视角深度思考后创作。