超導(dǎo)量子計(jì)算機(jī)重大突破。

隨著生成式AI模型對(duì)算力需求的指數(shù)級(jí)增長(zhǎng)，在數(shù)字化轉(zhuǎn)型的深水區(qū)，算力已成為企業(yè)核心競(jìng)爭(zhēng)力的底層支撐。以CPU、GPU為核心的經(jīng)典計(jì)算架構(gòu)，經(jīng)典計(jì)算架構(gòu)的物理極限逐漸顯現(xiàn)。當(dāng)前，企業(yè)級(jí)算力底座正遭遇高性能計(jì)算（HPC）能耗激增、算力增長(zhǎng)瓶頸的雙重桎梏。

與此同時(shí)，量子計(jì)算正從一個(gè)高度專業(yè)化的研究領(lǐng)域，迅猛發(fā)展為可能重塑未來算力格局的戰(zhàn)略性技術(shù)。兩者之間的交叉融合——“AI for Quantum”與“Quantum for AI”——正成為學(xué)界與產(chǎn)業(yè)界共同探索的前沿方向。

在此背景下，量子計(jì)算與企業(yè)級(jí)AI的深度融合，不再是實(shí)驗(yàn)室中的理論推演，而是成為重構(gòu)產(chǎn)業(yè)規(guī)則、催生萬億級(jí)市場(chǎng)的核心力量。這種加速迭代的趨勢(shì)，正在推動(dòng)全球產(chǎn)業(yè)進(jìn)入“量子增強(qiáng)智能”的新紀(jì)元。

量子技術(shù)重構(gòu)算力新范式

數(shù)年前，當(dāng)英偉達(dá)創(chuàng)始人兼CEO黃仁勛在一次采訪中簡(jiǎn)要談及對(duì)量子計(jì)算的看法時(shí)，其言論竟在次日導(dǎo)致美國(guó)所有量子計(jì)算上市公司的總市值蒸發(fā)約60%。這個(gè)常被引述的軼事，深刻反映了資本市場(chǎng)對(duì)新興技術(shù)的敏感，以及當(dāng)時(shí)量子計(jì)算與以GPU為代表的AI算力之間若即若離、甚至被部分視為競(jìng)爭(zhēng)的關(guān)系。然而，時(shí)間快進(jìn)至當(dāng)下，故事的腳本已然翻新。在近期的英偉達(dá)GTC大會(huì)上，黃仁勛親自發(fā)布了“CUDA Quantum”和“NVLink for Quantum”兩款產(chǎn)品，其核心目標(biāo)直指“如何將AI數(shù)據(jù)中心與量子計(jì)算連接起來”。

從“沖擊者”到“連接者”，角色的轉(zhuǎn)變揭示了一個(gè)根本性的共識(shí)：人工智能的下一波浪潮，或許不再僅僅依賴于經(jīng)典計(jì)算單元（CPU/GPU）的堆疊與工藝微縮，而可能依賴于一種全新的計(jì)算范式——量子計(jì)算。正如中國(guó)科學(xué)技術(shù)大學(xué)教授、“祖沖之號(hào)”量子計(jì)算總師朱曉波所言——量子計(jì)算有可能為人類提供一種硅基半導(dǎo)體無法提供的算力。而在他看來，人腦的工作模式本身就具有量子特性，“量子計(jì)算是人類通向AGI的必要條件之一?！敝鞎圆〝嘌浴Ｓ绕湓谔幚砣斯ぶ悄?、生物制藥、密碼分析等領(lǐng)域的特定復(fù)雜問題時(shí)，量子計(jì)算有望帶來指數(shù)級(jí)的加速能力。

當(dāng)前，以大語言模型（LLM）為代表的AI發(fā)展，其核心驅(qū)動(dòng)力之一被認(rèn)為是“縮放定律”（ScalingLaw）——即模型性能隨著參數(shù)量、訓(xùn)練數(shù)據(jù)量和計(jì)算量的增加而可預(yù)測(cè)地提升，也就是所謂的“大力出奇跡”。然而，這個(gè)“力”的供給正面臨經(jīng)典物理的嚴(yán)峻挑戰(zhàn)。根據(jù)國(guó)際半導(dǎo)體技術(shù)路線圖（ITRS）的過往預(yù)測(cè)以及產(chǎn)業(yè)現(xiàn)實(shí)，傳統(tǒng)硅基CMOS晶體管的微縮已逼近物理極限，功耗墻、存儲(chǔ)墻、可靠性等問題的制約日益凸顯。盡管先進(jìn)封裝、Chiplet、存算一體等技術(shù)創(chuàng)新仍在持續(xù)推動(dòng)算力增長(zhǎng)，但其本質(zhì)仍是經(jīng)典框架內(nèi)的漸進(jìn)式改良。

朱曉波指出：“當(dāng)我們用算力去解決問題時(shí)，如果算力只是線性或多項(xiàng)式級(jí)增長(zhǎng)，而問題的難度卻是指數(shù)級(jí)增加的，那么前者永遠(yuǎn)追不上后者?！盇I未來若要邁向更高級(jí)的通用人工智能（AGI），所需處理的復(fù)雜性問題（如全尺度物理世界模擬、高維組合優(yōu)化、復(fù)雜因果推理）的難度很可能是指數(shù)增長(zhǎng)的。經(jīng)典算力的線性增長(zhǎng)模式將難以為繼。

量子計(jì)算的潛力在于，其算力的增長(zhǎng)在理想情況下可與量子比特?cái)?shù)量呈指數(shù)關(guān)聯(lián)。例如，在量子機(jī)器學(xué)習(xí)（QML）的一些理論模型中，利用量子特征映射和量子內(nèi)核，有可能更快地處理高維數(shù)據(jù)或發(fā)現(xiàn)經(jīng)典機(jī)器學(xué)習(xí)難以識(shí)別的數(shù)據(jù)模式。盡管通用量子機(jī)器學(xué)習(xí)仍處于早期研究階段，但一些特定應(yīng)用已展現(xiàn)出前景。例如，在藥物發(fā)現(xiàn)和材料設(shè)計(jì)中，量子計(jì)算可用于更精確地模擬分子間的相互作用（求解電子結(jié)構(gòu)的薛定諤方程），這本身就是一項(xiàng)對(duì)經(jīng)典計(jì)算機(jī)而言計(jì)算量隨原子數(shù)指數(shù)增長(zhǎng)的任務(wù)。這類模擬的突破，可以直接賦能AI制藥和AI材料科學(xué)，提供更高質(zhì)量的訓(xùn)練數(shù)據(jù)或更精確的物理模型。

另一方面，量子計(jì)算與AI的融合不是單方面的。AI也可以為量子計(jì)算的發(fā)展提供技術(shù)支持。

研制量子計(jì)算機(jī)本身，尤其是當(dāng)前主流的含噪聲中等規(guī)模量子（NISQ）設(shè)備，極度需要先進(jìn)的計(jì)算工具，而AI正是關(guān)鍵之一。量子系統(tǒng)極其脆弱，極易受到環(huán)境噪聲的干擾。

為了進(jìn)行有效的量子計(jì)算，尤其是實(shí)現(xiàn)容錯(cuò)量子計(jì)算，量子糾錯(cuò)（QEC）是必不可少的核心技術(shù)。量子糾錯(cuò)要求持續(xù)監(jiān)測(cè)量子比特的狀態(tài)（通過輔助比特進(jìn)行“綜合征”測(cè)量），并實(shí)時(shí)解碼這些測(cè)量結(jié)果以推斷錯(cuò)誤發(fā)生的位置和類型，從而進(jìn)行糾正。這個(gè)解碼過程本身就是一個(gè)復(fù)雜的、對(duì)實(shí)時(shí)性要求極高的計(jì)算問題。

2023年，谷歌研究團(tuán)隊(duì)在《自然》雜志上發(fā)表論文，詳細(xì)介紹了他們?nèi)绾卫蒙疃壬窠?jīng)網(wǎng)絡(luò)（一種AI方法）來優(yōu)化其超導(dǎo)量子處理器上的表面碼糾錯(cuò)解碼器。與傳統(tǒng)算法相比，AI解碼器能在更短時(shí)間內(nèi)獲得更高精度的解碼結(jié)果，從而提高了糾錯(cuò)的效率和容錯(cuò)閾值。這正是在量子計(jì)算硬件研制中，“AI for Quantum”的一個(gè)典型范例。

此外，AI還被用于優(yōu)化量子比特的控制脈沖、校準(zhǔn)復(fù)雜的量子門操作、以及從噪聲數(shù)據(jù)中提取更純凈的量子信號(hào)等。正如朱曉波所言——也許造一臺(tái)量子計(jì)算機(jī)，最終需要另一臺(tái)量子計(jì)算機(jī)提供的算力，而這整個(gè)過程都離不開人工智能。

量子計(jì)算與AI的融合在產(chǎn)業(yè)層面也已開始。英偉達(dá)推出的“CUDAQuantum”是一個(gè)開源的混合編程模型，允許開發(fā)者在同一程序中編寫經(jīng)典CPU、GPU和量子處理單元（QPU）的代碼。這為算法研究者探索混合量子-經(jīng)典算法（如變分量子算法VQE、量子近似優(yōu)化算法QAOA）提供了統(tǒng)一的工具鏈，而這些算法被認(rèn)為是NISQ時(shí)代最有希望展示實(shí)用價(jià)值的途徑。IBM、谷歌、亞馬遜（通過Braket服務(wù)）、微軟（AzureQuantum）等云服務(wù)商也紛紛提供了量子計(jì)算與經(jīng)典AI/云計(jì)算資源的集成訪問。

多條技術(shù)路線齊頭并進(jìn)

盡管前景誘人，但通向?qū)嵱没孔佑?jì)算的道路布滿荊棘。當(dāng)前，量子計(jì)算尚未像經(jīng)典計(jì)算機(jī)那樣收斂于單一技術(shù)路徑，多種物理體系在并行發(fā)展，各有優(yōu)劣。對(duì)此，香港城市大學(xué)講席教授、量子科學(xué)家區(qū)澤宇指出，“我們還沒有找到一個(gè)像經(jīng)典計(jì)算機(jī)那樣‘歸一’的、絕對(duì)主導(dǎo)的平臺(tái)?！痹谶@場(chǎng)競(jìng)賽中，超導(dǎo)和硅基（CMOS）路線目前備受關(guān)注，而光量子等路線則面臨著獨(dú)特的物理挑戰(zhàn)。

技術(shù)路線的多元化迭代，為企業(yè)級(jí)融合應(yīng)用提供了差異化選擇空間。超導(dǎo)量子計(jì)算是目前業(yè)內(nèi)比較常見，技術(shù)成熟度也最高的一種方面。其利用在極低溫下（通常在10毫開爾文左右，接近絕對(duì)零度）呈現(xiàn)零電阻特性的超導(dǎo)電路來構(gòu)造人工原子。

2025年12月，中國(guó)超導(dǎo)量子處理器“祖沖之3.2號(hào)”實(shí)現(xiàn)了“低于閾值、越糾越對(duì)”的核心目標(biāo)，荷蘭Quantware發(fā)布的VIO-40K架構(gòu)成功突破萬級(jí)比特門檻，為企業(yè)級(jí)應(yīng)用提供了硬件基礎(chǔ)。IBM推出的QiskitRuntime框架，支持PyTorch/TensorFlow量子擴(kuò)展，已服務(wù)全球超過120家金融服務(wù)機(jī)構(gòu)，其基于超導(dǎo)量子比特開發(fā)的腫瘤邊緣檢測(cè)算法，在北美完成臨床驗(yàn)證，對(duì)比傳統(tǒng)GPU集群節(jié)省了72%的初診時(shí)間.......

多個(gè)案例已經(jīng)證實(shí)了超導(dǎo)很有可能是量子計(jì)算的“未來”。談及量子計(jì)算未來的技術(shù)路線，神州數(shù)碼聯(lián)席董事長(zhǎng)兼CEO王冰峰認(rèn)為，超導(dǎo)是目前最受矚目，也最樂觀的路線，但同時(shí)也可能是“過度樂觀”的，“量子計(jì)算技術(shù)尚未收斂，超導(dǎo)路線雖備受矚目且進(jìn)展顯著，但仍面臨工程化、cooling系統(tǒng)，布線、qubits的壽命，噪音，I/O瓶頸等相關(guān)挑戰(zhàn)”王冰峰強(qiáng)調(diào)。

這恰恰點(diǎn)出了其核心矛盾：前景廣闊，但工程難度極高。朱曉波教授將之比作攀登“珠穆朗瑪峰”，而非無法突破的“天花板”。

單就超導(dǎo)技術(shù)發(fā)展來看，目前還存在三個(gè)挑戰(zhàn)。

除了超導(dǎo)技術(shù)之外，硅基（CMOS）路線依托成熟產(chǎn)業(yè)基礎(chǔ)成為了量子計(jì)算的“潛力股”。硅基量子計(jì)算，特別是利用硅中摻雜磷原子或硅-28同位素中的量子點(diǎn)來定義量子比特，其最大優(yōu)勢(shì)在于與全球萬億美元規(guī)模的半導(dǎo)體產(chǎn)業(yè)生態(tài)高度兼容。而英特爾則是這一路線的堅(jiān)定推動(dòng)者。

相較于超導(dǎo)的技術(shù)路徑，硅基路線的潛在優(yōu)勢(shì)有三點(diǎn)。

首先是制造可擴(kuò)展性：理論上可以直接利用或略微改造現(xiàn)有的CMOS生產(chǎn)線進(jìn)行大規(guī)模制造，這是其他路線難以比擬的成本和規(guī)模優(yōu)勢(shì)。其次是量子比特穩(wěn)定性，硅中的自旋量子比特相干時(shí)間相對(duì)較長(zhǎng)；第三是硅基路線更容易設(shè)想將量子比特與控制電子學(xué)（CMOS電路）單片集成，從而簡(jiǎn)化系統(tǒng)復(fù)雜度?！坝诎雽?dǎo)體產(chǎn)業(yè)積累的硅基CMOS等技術(shù)，由于對(duì)現(xiàn)有半導(dǎo)體產(chǎn)業(yè)已有積累的利用，可能具備被低估的規(guī)?；瘽摿??！蓖醣逯赋?。

然而，王冰峰提到其關(guān)鍵瓶頸在于“柵極保真度”。操控硅自旋量子比特通常依賴精密的微波或電脈沖，其操控速度相對(duì)超導(dǎo)較慢（微秒量級(jí)），且實(shí)現(xiàn)高保真度的雙量子比特門尤為困難。目前業(yè)界領(lǐng)先水平正在向錯(cuò)誤率百分之一努力，與超導(dǎo)路線的千分之一仍有差距。

從推動(dòng)新技術(shù)商業(yè)化落地發(fā)展的視角出發(fā)，王冰峰認(rèn)為，應(yīng)該突破“建造通用量子計(jì)算機(jī)- Quantum Computer”的固有框架，轉(zhuǎn)向關(guān)注“Quantum Computing 來解決何種實(shí)際問題”，尤其現(xiàn)在加速計(jì)算和量子計(jì)算的Hybird也將加速整體計(jì)算能力的發(fā)展?！盎蛟S通用的、容錯(cuò)的量子計(jì)算機(jī)仍需要較長(zhǎng)時(shí)間的技術(shù)驗(yàn)證和突破，但在不斷探索的過程中，我們將發(fā)現(xiàn)更多未知方向和可能?！蓖醣迦缡钦f。

構(gòu)建未來新圖景

無論哪條路線，一個(gè)核心共識(shí)是：容錯(cuò)量子計(jì)算是最終目標(biāo)，而量子糾錯(cuò)是實(shí)現(xiàn)容錯(cuò)的必經(jīng)之路。目前，表面碼是被研究最廣泛的一種糾錯(cuò)方案，但它需要大量的物理量子比特來編碼一個(gè)邏輯量子比特。因此，短期內(nèi)突破千個(gè)、乃至百萬個(gè)高性能物理量子比特的集成和控制，是各技術(shù)路線的共同競(jìng)賽焦點(diǎn)。

在王冰峰看來，量子計(jì)算在近期就有望在特定領(lǐng)域提供幫助。而這些應(yīng)用中，走在最前面的就是量子化學(xué)與材料模擬。這是目前業(yè)內(nèi)公認(rèn)的“殺手級(jí)應(yīng)用”候選。精確計(jì)算分子結(jié)構(gòu)、反應(yīng)路徑、材料屬性等，對(duì)藥物研發(fā)（靶點(diǎn)篩選、藥物設(shè)計(jì)）、新能源材料（催化劑、電池材料）、化工行業(yè)具有革命性意義。例如，2022年，IBM與化學(xué)公司合作，使用量子計(jì)算機(jī)模擬了氫化鋰（LiH）等小分子的基態(tài)能量。雖然規(guī)模尚小，但驗(yàn)證了路徑的可行性。波士頓咨詢集團(tuán)報(bào)告預(yù)測(cè)，量子計(jì)算可能在2030年代中期為化學(xué)和材料行業(yè)創(chuàng)造高達(dá)200-500億美元的價(jià)值。

除此之外，在短期內(nèi)，量子計(jì)算還在組合優(yōu)化、量子機(jī)器學(xué)習(xí)增強(qiáng)、量子傳感與計(jì)量等方面已經(jīng)有諸如應(yīng)用案例落地。而從長(zhǎng)遠(yuǎn)角度上看，量子計(jì)算還能在密碼學(xué)、人工智能、基礎(chǔ)科學(xué)發(fā)現(xiàn)等方面做出貢獻(xiàn)。

這些應(yīng)用并非需要等待“完美”的通用量子計(jì)算機(jī)才能落地，而是隨著量子比特?cái)?shù)量和質(zhì)量的穩(wěn)步提升，通過混合量子-經(jīng)典算法，逐步顯示出其價(jià)值。王冰峰提到，業(yè)內(nèi)有一種預(yù)測(cè)，到2030年左右，可實(shí)用的容錯(cuò)量子計(jì)算技術(shù)有望出現(xiàn)。這里的“實(shí)用”可能首先體現(xiàn)在針對(duì)上述某一類問題的專用量子處理器或量子-經(jīng)典混合系統(tǒng)上。

展望未來，王冰峰認(rèn)為，量子計(jì)算是長(zhǎng)周期、高投入的硬科技賽道，需要耐心資本。其投資不應(yīng)僅局限于硬件公司，還應(yīng)關(guān)注軟件算法、量子云服務(wù)、糾錯(cuò)技術(shù)、專用軟件開發(fā)工具、以及后量子密碼安全等更廣泛的生態(tài)系統(tǒng)環(huán)節(jié)。評(píng)估技術(shù)路線時(shí)，需深入理解其物理原理、工程瓶頸和團(tuán)隊(duì)的執(zhí)行力，警惕過度炒作的概念。投資應(yīng)伴隨技術(shù)成熟度的曲線，從支持基礎(chǔ)研發(fā)，到推動(dòng)特定應(yīng)用驗(yàn)證，再到規(guī)模化商業(yè)落地。