先备导航：你需要 025（隐形传态）、020（X/Y/Z 三件套）、059（魔术态）、072（量子网络）、030（两条跑道）。
下一篇预告：074《不算计算的量子技术：传感与原子钟》。

把秘密交给不可信的机器：盲计算

把日记本交给一位你不认识的会计，请他帮你算全年收支。他算得又快又好——但有一个要求你没法提：**"请别看我的数字。"**经典世界里这是刁难：会计要看见数字才能算。

量子世界做到了。服务器执行你的计算，从头到尾不知道自己在算什么——这不是信任承诺，是数学构造。本篇讲盲计算：量子云时代的隐私地基。

场景：量子云与"问题即秘密"

030 篇说过量子机的现实形态：又贵又稀缺，大家按小时租用（两条跑道）。但租用有一个隐私死结：你的输入本身可能就是你的全部家底——药厂提交的分子结构（043 篇那是核心竞争力）、机构的组合策略、医疗数据。把问题发给云端量子机，云平台看得一清二楚。

经典云计算对此的答案叫同态加密（把数据加密后直接在密文上运算）——能做，开销巨大。量子世界有自己的一套，思路更漂亮：加密的重量，让量子态自己扛。

核心构造：裹一层"量子一次性密码本"

071 篇的一次性密码本（真随机密钥、只许用一次、数学上不可破）有量子版：量子一次性密码本——把要保密的量子态，用随机的泡利操作"裹"一层：

每个量子比特配一对随机比特（a、b），对它施加 X^a Z^b（020 篇三件套成了加密器）——包出来的态与原态毫无统计相似，而密钥（a、b 的清单）只在客户端手里。

现在把"密态"发给服务器。服务器执行目标门 U 时遇到什么？加密层会"搅乱"门的效果——但妙处在于：搅乱的方式是可预测的。对一大类门，服务器执行 U 等效于"先解密、执行 U、再加密"——只要按规则同步更新密钥，客户端手里的密钥清单跟着演变，最后解密一次，得到正确结果。

服务器全程执行了每一个门，却从未握有解密密钥——会计算完了账，日记本上的一个数字都没看见。

两个坎：T 门与验证

**坎一：非 Clifford 门。**上面"密钥同步更新"的美事只对一部分门成立（023 篇的 Clifford 家族）。碰上 T 门这类"酵母"，密钥更新规则失效——硬闯会把计算搅乱。解法是 059 篇的老朋友回归：魔术态远程注入——客户端把"加密的魔术态"寄过去，服务器消耗它来完成 T 门。059 篇说魔术态是消耗性资源，这里多了一个身份：隐私计算的过路费。

**坎二：它会不会偷懒？**盲计算防的是"偷看"，不防"偷懒"——服务器糊弄着算错怎么办？（这不是抬杠：量子云按次收费，糊弄省成本。）防偷懒是另一个专门的问题——可验证性，方法论自成一章，批九 088 篇专讲。本篇只立界碑：盲=保密，验证=防骗，两件事两个解法。

代价账与现状（2026-11 视角）

代价三条，条条实在：

• 密钥消耗：每量子比特两位密钥、一次性不重用（071 篇的一次性哲学贯穿）——密钥分发量随计算规模线性增长；
• 多轮交互：客户端与服务器全程不断往来（密钥更新靠经典信道同步）——072 篇网络的时延在这里变成实际成本；
• 客户端不是零门槛：制备加密态、末端测量，都需要量子小设备——"我只有手机"的纯经典用户做不到全盲（折中方案用 072 篇的纠缠网络代劳部分工作，代价是安全性降档）。

现状一句话：原理已在小规模演示中站住，商业形态在等容错云与纠缠网（062 篇之后的事）——今天没有盲计算服务可买，但"量子云时代的数据合规"议题已经在把它排进行业日程。谁先把盲计算做成云服务的标配，谁就拿走"量子云界的隐私牌照"。

把类比拆掉

会计借了哪里：

• 不像之一：经典会计看数字才能算——"蒙眼记账"是刁难；量子态的加密是同构的：服务器操作密态与操作明态，数学上等效（门在加密层内外按规则对应）——蒙眼不是忍耐，是机制本身。
• 不像之二：会计算错要担责（账本可查）；盲计算里服务器错了未必立刻发现——"防偷看"的构造不附带"防算错"的构造，验证是 088 篇的独立工程。别把两层保险混成一层。

带走的行李

1. 量子一次性密码本：泡利三件套（020）当加密器，密态与明态统计上毫无相似；服务器执行门+密钥同步更新=算得动、看不见。
2. T 门是隐私的收费站：非 Clifford 门靠 059 篇魔术态远程注入绕行——魔术态多了"过路费"身份；盲（保密）与验证（防骗）是两件事（088 预告）。
3. 成本画像：密钥线性消耗+多轮交互+客户端量子门槛——原理已立、商业未至（2026-11 视角），它是量子云时代的合规地基。

下一站的钩子：量子技术造出来的第一件人人用得上的东西，不是计算机，是一块表——还有医院里那台看不见的"磁力显微镜"。不算计算的量子技术，为什么先改变了精度的天花板？074《不算计算的量子技术：传感与原子钟》。

#量子计算 #从硬币到纠错 #盲计算 #隐私计算