从百比特芯片到整机交付,这家量子计算公司正将量子算力推向可调用服务

AI小蝌蚪行业资讯📡 量子位2026-10-20507 阅读💛 101 收藏
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

从百比特芯片到整机交付,这家量子计算公司正将量子算力推向可调用服务

同步搭建千比特规模量子算力云平台

克雷西 发自 凹非寺
量子位 | 公众号QbitAI

算力越来越难抢了。

一块英伟达Blackwell GPU的云端租金,短短两个月就涨了48%。

哪怕是OpenAI,也同样受到算力掣肘。

其CFO Sarah Friar公开表示,公司在「非常艰难地取舍项目」,想做的事太多,算力不够,只能砍掉一部分。

但算力焦虑,不只是关于供给和价格的问题。

分子结构模拟、大规模组合优化,这些任务的计算量随问题规模指数级增长,GPU堆得再多也不够用。

这个天花板,由GPU的计算范式决定。

对于这类缺乏有效数学化简手段的「NP」难题,经典计算很棘手。哪怕对一个每种变量只引入2种可能性的组合问题,100个变量就将导致2^100(约1.27×10^30,超过一百万亿亿亿)种可能的组合。经典计算只能逐个或成组地遍历所有可能性。

就算把全世界的GPU堆在一起,穷举一遍也要算上数万年。

要突破这道墙,需要一种从底层逻辑就不一样的算力,才能在指数级膨胀的计算空间里找到出路。

量子计算提供的,就是这样一种从底层逻辑就不同的算力。

量子比特可以同时处于0和1的叠加态,彼此之间还能纠缠关联。每多一个量子比特,计算空间的维度就翻一倍。

叠加性和纠缠性相结合,使得我们可以将上述「爆炸性」增长的组合可能性快速编码到这个指数级增长的计算空间内。再通过合理设计的量子算法,我们可以将有用的结果通过量子干涉「浮现」出来。

量子处理器(QPU)就是沿着这条路发展起来的,被视为继CPU和GPU之后的第三种算力。

CPU和GPU难以企及之处,正是QPU有望大显身手的领域。

经典算力堆量解决不了的问题,换一种计算范式,也许就有了出路。

GPU够不到的天花板

经典算力无能为力的问题,已经不胜枚举。

分子结构计算是最典型的一类。

一个中等大小的蛋白质分子,包含数以万计的电子(这还只是在考虑外层电子的情况下),要模拟这些电子之间的量子行为,经典计算机需要追踪的状态数量会随电子数量指数级增长。

哪怕动用全球现有算力的总和,要精确模拟这样一个分子的量子行为,经典计算机依然束手无策。

事实上,全球超算有很大一部分算力就花在量子化学计算上,但即便如此,能解决的问题仍然有限。

经典计算机只能逐一尝试,规模一大就彻底算不动。

不只是规模问题,密码学的情况更微妙。

以RSA为代表的公钥加密算法,其安全性建立在「经典计算机解不动大数分解」这个前提上。

一旦量子计算机达到足够规模,Shor算法(量子质因数分解算法)理论上可以在可接受的时间内完成大数分解,现有加密体系的根基就会被动摇。

这些问题的背后,统统指向经典计算的能力边界。

前面已经介绍过,量子计算正是解决这些问题的一剂良方。

不过还有一个问题,QPU和现有算力之间到底是什么关系?

相干科技创始人兼CEO金贻荣,在超导量子电路领域做了近20年,同时担任北京量子信息科学研究院生态建设团队负责人。

根据他的判断,未来的算力格局会是多种计算能力并存。

「未来要解决的多半是复杂问题,而复杂问题很难靠单一技术解决,需要多种技术结合。我判断未来会是融合计算,量子计算和经典超算、智算等多种算力结合,形成新的计算生态。」

这种融合和AI的关系尤其紧密。

AI训练中大量的优化任务,比如大规模参数搜索、模型架构探索,底层都涉及组合爆炸。

几百个超参数的调优空间、数十亿参数的梯度寻优,搜索空间随变量数量成倍膨胀,恰好落在QPU擅长的区间里。

不过,这并不意味着QPU马上就能帮到AI。

金贻荣认为,量子计算属于计算层,是底层能力;AI属于应用层,建立在计算之上。有了更强的计算能力,才会有更好的AI。而当前我们仍处在量子计算工程化的关键阶段,仍在与「噪声」做激烈的斗争。

为此他表示,眼下比较现实的方向,是先用AI帮助量子计算做校准、参数优化和故障诊断。借助AI尽快提升量子计算的能力,从而让量子计算更快反向赋能AI。

量子计算规模化,还差些什么?

量子算力的计算原理已经成立,但从实验室走到产业,距离还很远。

最绕不开的一道门槛就是成本。

量子计算机造价高昂,运维流程复杂,芯片需要在接近绝对零度的极低温环境中运行,配套的测控系统、低温线路和校准软件都是重资产投入。

对大多数想用量子算力的团队来说,自己买一台整机并不现实。

即便通过云服务或租用等方式解决了成本问题,编程方式仍然是一道障碍。

经典计算的开发者写Python、写C++,面对的是经过几十年发展的成熟编程语言和开发工具链。

量子计算完全不同。

使用者需要把计算任务拆解成一个个量子门,再手动编排这些量子门的执行顺序和作用对象,组成一条量子线路。

这个过程类似于直接用汇编语言编程。

用金贻荣的话说,「使用量子计算基本要手动编写一个个量子门组成的线路,好比过去必须懂机器码、懂汇编才能编程。而汇编有很高的门槛,这种状态下很难形成广泛的生态。」

除了用户使用门槛,硬件层面同样还没准备好。

过去几年,量子计算机的量子比特数从几十扩展到了几百、再到上千,但比特数量并不等于算力。

精度不够、错误率没降下来,规模再大也无法投入实用。

想要把实验室原型机,做成能稳定运行的整机产品,中间还需要大量的系统工程。

能调用多少算力,要看可用比特有多少、单位时间能跑多少层线路,这由芯片、测控、软件和校准共同决定,任何一环跟不上,算力都无法有效输出。

尽管还未大规模落地,量子计算目前已经在金融风控、分子模拟等场景中开始探索。

当然,这些探索大多还停留在验证阶段,真正大规模的应用爆发,还要等基础设施再成熟一步。

至于成熟之后会长成什么样,目前行业还没有统一共识。

就像Transformer出现之前,很少有人想到今天会有这么多AI Agent;互联网刚出现时,大家以为它主要用来做数字图书馆。

言外之意,量子计算真正的大规模应用场景,还有非常大的想象空间。

从芯片,到量子云服务

要把量子算力从实验室推向产业,成本、易用性、工程等问题需要同时推进解决。

国内已经有企业在沿着这条路走。

相干科技2023年10月成立,孵化于北京量子信息科学研究院的超导量子计算团队。公司的业务,是把量子算力变成一种可以交付的服务。

这依赖芯片、测控、整机和平台等环节协同推进。

其中,芯片是底层核心。

相干科技走的是超导路线,用钽作为核心超导电路材料,结合蓝宝石和高阻硅衬底优化工艺。

钽表面能形成致密的氧化层,有助于抑制造成量子比特退相干的噪声。配合蓝宝石和高阻硅衬底的工艺优化,表面介电损耗可以降到很低。再通过超高真空磁控溅射技术,生长出平整、低缺陷的超导钽膜,有助于提高晶圆级的量子比特一致性。

这条技术路线在该团队早期发展阶段就得到过验证。

金贻荣在北京量子院时期与团队一起攻克了干法刻蚀和表面处理的难题,做出过503微秒长寿命的超导量子比特芯片。

此后,团队针对多比特芯片寿命下降的问题持续优化工艺。

到目前为止,相干科技的量子芯片已经做到百比特规模,芯片寿命超过100微秒,单比特门平均保真度超过99.9%,两比特门保真度突破99.5%。

而且,芯片团队已打通了全流程制备渠道,每个工艺步骤都不依赖单一制备平台。

公司正在建设自主芯片产线,建成后芯片的设计、工艺迭代、流片与封装都可以在内部完成,从而缩短下一代更大规模、更高性能芯片的迭代周期。

芯片有了,下一步是把芯片装进整机。

相干科技目前的方案支持10到1000个量子比特的独立操控和测量,覆盖芯片、测控硬件和软件的系统集成,可以本地部署也可以上云。

其测控电子学解决方案也已在100量子比特以上规模的处理器上完成系统级验证,单比特门保真度可达99.99%以上,两比特门保真度可达99.8%以上,读取保真度可达99%以上。

测控能力是相干科技最早建立起来的技术基础。

公司成立之初先从量子测控切入,靠测控系统和低温测控线路建立产品收入和工程经验。

从2024年到2025年,其测控业务收入从300多万元增长至3100万元,客户包括中国科学院相关机构、清华大学、粤港澳大湾区量子科学中心等。

这些持续交付的测控订单,为整机研发积累了工程经验,也为公司提供了资金缓冲。

今年,相干科技的目标是完成百比特规模整机的交付。

整机之上,相干科技在同步搭建千比特规模的量子算力云平台。

金贻荣觉得这个交付形态和今天的AI很像。

前沿的大模型大多只能通过云服务调用,看重数据安全的用户则会选择私有化部署。量子计算也会这样,以高水平的云服务为主,结合定制化、私有化部署的整机。

相干科技正在建设自有算力平台,用户可通过图形化界面拖拽搭建量子线路,也可以通过API提交计算任务。平台还计划为AI Agent预留接口,并探索用自然语言提交量子计算任务。

这样做的目标,是让用户不需要深入了解量子计算背后原理,也能调用量子算力。

应用端,相干科技已经布局了金融、超算、气象等多个领域。

金融领域或许是走得最快的一个。

金融业务中天然存在大量组合优化问题,比如从几千只股票中选出最优的投资组合,或者在实时交易中对上百种衍生品同时定价……

这些任务的计算量随变量数量指数级增长,和经典计算碰到的天花板是同一类困境。

金融机构又有足够的付费意愿,愿意为更快、更精确的计算买单。

据介绍,量子算力服务在金融领域可应用于智能风控、反洗钱、投资组合优化、金融衍生品定价等15个业务场景。

超算领域,相干科技正在做量子与经典融合计算的应用验证。

而在气象领域,复杂微分方程求解和大规模数据处理,也是量子计算有可能发力的场景。

除了做硬件和平台,相干科技目前也在推动开发者生态的建设。

2025年12月,公司协办了「第二届量子云计算研讨会」,与北京量子院联合推动Quafu量子云平台建设。

2026年,又参与协办首届「Quafu杯」量子计算真机挑战赛,挑战赛要求参赛者在真实的量子硬件上测试和迭代算法,和模拟器环境相比,对算法的工程可行性有更严格的检验。

因为只有让算法开发者尽早接触真机,下游应用生态才有可能慢慢长出来。

芯片、整机、云平台、开发者生态……相干科技成立三年,在量子计算「下一公里」的各关键环节都已经落子。

量子计算走向规模化应用这条路上,已经有选手站上了起跑线。

版权所有,未经授权不得以任何形式转载及使用,违者必究。
克雷西
  • 退差价、约保养、订球场、跟客服磨赔偿,千问Go什么都想管2026-10-13
  • 单轮23亿,累计43亿,无问芯穹刷新国产AI Infra赛道融资双重纪录2026-10-13
  • AI算力之争不靠堆卡!浪潮信息捅破智算「能力天花板」,还瓦解了「产能焦虑」2026-09-22
  • DeepSeek新论文公开Agent训练!梁文锋署名2026-09-23

文章评论(12)

南山客26 天前

内容翔实,正好需要,先收藏再看。

回复
陈皮话梅糖26 天前

这篇文章分析得很透彻,收藏了!

回复
墨向阳26 天前

收藏了,以后慢慢研究。

回复
星寻梦26 天前

很有价值的分享,感谢整理。

回复
松听风26 天前

实话,说的不明不白

回复
杨丽华26 天前

整理得太全面了,省了我不少时间。

回复
月沐雨26 天前

写得挺用心的,支持一下。

回复
雪知秋26 天前

实测过类似工具,作者说的基本属实。

回复
风倚栏26 天前

收藏了,以后慢慢研究。

回复
风拾光26 天前

这个观点很中肯,深有同感。

回复
林观澜26 天前

很有价值的分享,感谢整理。

回复
杨丽华26 天前

这个比较实用,已转发给同事。

回复