AI的下一站：QPU，英伟达已布局

在过去的几年里，美国、中国和欧洲的政府都增加了对量子信息研究与开发的投资。

而就在最近一次的GTC大会上，英伟达CEO黄仁勋再次提及QPU。这也预示着，量子计算的商业应用已进入倒计时阶段，仅在一周之内，谷歌和英伟达相继宣布了与量子计算相关的技术突破。

01

QPU是什么？

QPU（Quantum Processing Unit，即量子处理单元）是量子计算机的核心组件，基于量子叠加与纠缠原理实现计算功能，其算力随量子比特数n呈指数级（2ⁿ）增长。当前QPU主要技术实现方案包括超导量子、离子阱、量子点等物理体系，并在混合量子-经典计算架构中展现出解决复杂问题的潜力。

量子计算是一种革命性计算技术，利用量子物理特性处理和解决信息问题，其在量子计算机上运行，而量子计算机是专门设计的电子设备，允许在量子尺度上操纵物体。在量子尺度下，物体行为与日常经验迥异，量子计算通过编写程序利用这些独特量子行为，执行传统计算机无法完成的任务。

量子计算最核心的突破在于量子比特（Qubits）的特性，不同于经典比特（0或1），量子比特可处于叠加态，同时为0和1，使量子计算机能并行探索多种可能性。

从技术实现路径看，量子计算硬件主要分为两类。

第一类是基于微观结构构建分立能级系统的“人造粒子”路线，如超导量子计算、硅半导体量子计算。优势在于可扩展性强，易与现有集成电路技术耦合，但面临量子门保真度与比特控制难题。超导量子计算是基于超导约瑟夫森结构建二能级系统，如transmon、fluxonium等构型。优势是可扩展性强、易操控、与集成电路兼容性好，是当前最成熟的主流量线之一。例如，IBM持续刷新比特规模与操控精度，谷歌通过“悬铃木”芯片展示量子优势。硅半导体量子计算是利用硅基量子点中电子的自旋构建量子比特，核心优势是可扩展性强、与现有CMOS工艺高度兼容，适合大规模量产，但受限于同位素材料加工与栅格串扰，可扩展性仍面临挑战。

第二类是直接操控微观粒子的“天然粒子”路线，如离子阱量子计算、中性原子量子计算、光量子计算。特点是比特全同性好、逻辑门精度高，却在大规模系统构建上存在挑战。离子阱量子计算是通过射频电场囚禁带电离子，利用离子基态与激发态构建二能级系统。核心优势是量子比特全连接性好、操控精度极高、相干时间长，是目前门保真度最高的路线之一，但面临大规模扩展与高集成度测控难题。中性原子量子计算是通过激光“光镊”在超高真空腔中囚禁中性原子，激发至里德堡态构建二能级系统。核心优势是相干时间长、保真度高，且可扩展性优于离子阱，近年来在比特规模上增长最快。光量子计算是利用光子的偏振、相位等自由度构建量子比特，核心优势是相干时间长、可室温运行、测控简单，分为“逻辑门型”（通用计算）与“专用型”（如玻色采样、相干伊辛系统，用于组合优化）两类。

这两大阵营各有特点和优势，目前处于并行发展阶段，共同推动量子计算技术的快速发展。行业规划显示，2029年IBM计划交付200逻辑量子比特系统，2033年扩展至数千逻辑比特规模。

02

QPU与AI天然契合

全球知名前沿科技咨询机构ICV在《2024Global Quantum Computing Industry Development Prospect》中认为，2027年末-2028年初会是全行业一个重要的时间点，专用量子计算机将逐渐解决特定问题，如组合优化、量子化学、机器学习，引导材料设计和药物开发。

量子计算与人工智能的融合被视为下一代计算革命的重要方向。量智融合的核心并非单向技术叠加，而是多领域、多学科的横向连接，依托协同创新实现非线性增长。量子计算有望突破当前 AI 模型训练的算力瓶颈，提升算法效率；另一方面，量子比特易受环境干扰，需复杂校准和纠错算法才能正常运行。而人工智能则能在量子控制、误差校正、算法设计等方面可以反向赋能量子技术，为量子系统的稳定性和可扩展性提供新路径。

当前量子信息与人工智能的结合主要有两个方向：一是 AI for Science（科学智能），例如谷歌曾用量子人工智能优化纠错码；二是量子计算赋能机器学习，未来量子计算机成熟后，将为 AI 提供算力支持。

更重要的是在能效方面，QPU理论功耗低于经典处理器，混合系统被视为降低整体能耗的有效路径。通过采用量子计算技术，可以有效解决当前智算数据中心的能耗问题。

03

英伟达已布局QPU方案

作为AI领域的龙头，英伟达自然不能缺席QPU这一领域。今年6月，在法国巴黎举行的GTC大会上，英伟达CEO黄仁勋表示，量子计算领域正迎来历史性拐点，预测下一代超级计算机将配备与GPU相连的QPU。

2022年，英伟达便宣布启动经典-量子混合计算机项目，提出需构建GPU-QPU低延迟连接架构与统一编程模型。通过建立GPU与QPU之间的快速低延迟连接通道，实现经典计算资源对量子电路的实时优化与校准。该系统的核心技术工具包cuQuantum已实现商用，被亚马逊云科技、Menten AI等机构应用于量子电路模拟与药物研发优化。

在最近华盛顿召开的GTC大会上，英伟达公布了量子领域关键突破，推出NVQLink，实现量子计算机QPU和GPU的直接通信。黄仁勋指出，量子计算的QPU已获得空前支持，目前包括17家量子计算公司和8个美国能源部DOE国家实验室均已接入英伟达生态。

NVQLink本质上是一种开放系统架构，专门用于将GPU计算的极致性能与量子处理器紧密耦合，构建加速的量子超级计算机。从技术参数看，它实现了低于4.0微秒的延迟（FPGA到GPU到FPGA往返），以及高达400 Gb/s的GPU-QPU吞吐量。这一速度对量子纠错至关重要，因为量子态极其脆弱，必须在极短时间内完成检测和修正。

量子计算机虽理论速度快，但面临"太脆弱"的致命问题：热噪声和电磁干扰易导致计算出错，错误会累积使结果不可靠。而量子纠错可能是全球最密集的并行计算任务之一，这正是GPU的用武之地。

当前NISQ（含噪声中等规模量子）时代的量子比特极其脆弱，其发展受限于错误纠正、校准和控制等经典计算任务，解决这一瓶颈需要巨大经典算力。未来，每个NVIDIA GPU科学超级计算机都将与量子处理器紧密耦合，NVQLink负责硬件层面的高速互联，CUDA-Q则负责软件层面的统一编程和管理。

CUDA-Q作为NVIDIA推出的开源量子-经典混合计算软件平台，被定位为"量子计算的CUDA"。其混合编程模型允许在单个量子程序中协同计算GPU、CPU和QPU资源，使开发者能编写可无缝运行于三者之间的代码，并为量子纠错提供专属方案，显著降低量子计算开发门槛。

产业实践中，NVIDIA通过CUDA-Q平台已连接德国于利希中心、日本ABCI-Q等超算系统，构建QPU与GPU协同计算生态。在混合架构中，QPU负责执行量子算法核心模块，经典处理器处理数据预处理与结果优化。

英伟达的战略极具智慧——不自研量子计算机，而是聚焦自身最擅长的领域：构建量子与经典计算之间的桥梁。让量子计算芯片的厂商都主动买英伟达的GPU，搭配在一起用。

04

中国量子计算产业：多路线并进

中国在这一领域也齐头并进，不逞多让。

玻色量子专注于光量子技术路线，目前已完成六轮融资。公司负责人表示，通用量子计算机实现困难，但专用量子计算机有望在3-5年内实现商业化。目前，公司已在金融、通信、生命科学、AI、电力能源和材料化工等领域进行市场化探索，如与药企合作推进生命科学应用，与华夏银行、平安银行开展金融风控合作。

图灵量子同样采用光量子技术路线。其智算事业部销售总监葛志斌介绍，公司成立于2021年，四年内完成五轮融资，最近一次融资于2024年7月21日完成亿元战略轮融资，由盛世投资领投，重点用于光子芯片产品化研发和产业化加速。2021年11月7日，上海交大无锡光子芯片联合研究中心正式签约，图灵量子依托上海交大无锡光子芯片研究院开始建设国内首条光子芯片中试线，总投资6.5亿元。中试线的关键设备已于2024年1月开始进场，标志着中国在光子芯片领域迈入实质性产业化阶段。

国盾量子则选择超导路线。其量子计算相关负责人张栩菁表示，量子计算与AI相互促进，结合后将产生"1+1>2"的效果。目前全球已有4台量子计算机实现量子优越性，包括加拿大的北极光、谷歌的悬铃木、中国的"九章"光量子计算机和"祖冲之"超导量子计算机系列。

中国移动近期发布"五岳量智"量子人工智能平台、《量子AI赋能金融与生物医药应用白皮书》以及量智融合算力开放计划，显示其对量子技术的进一步加码布局。中国移动自2019年开始布局量子科技，目前已牵头承担多项重大科研任务，攻关量子科技相关的基础软件和应用算法。

中国科学院院士、中国科学技术大学教授潘建伟表示，预计通过5-10年时间解决量子计算纠错问题，到2035年或2040年构建出容错的通用量子计算机构。

中国量子计算产业的多路线并进，特别是光量子技术路线的快速发展，不仅推动了量子计算的商业化进程，也为后摩尔时代的计算技术变革提供了重要支撑。随着光子芯片技术的突破和量子计算应用的拓展，中国有望在这一领域占据全球领先地位。