量子计算等待自己的“英伟达”

界面新闻记者 | 周末
界面新闻编辑 | 文姝琪

2024年初，玻色量子的管理层在制定年度OKR时，定下了一个看起来颇为“保守”的目标：至少卖出一台量子计算机。

在彼时的行业语境下，量子计算机仍是被线缆缠绕、躺在实验室里的精密科研仪器。甚至在许多同行眼中，能完成实验室指标已属不易，谈论“卖货”似乎为时尚早。

但随后的市场反馈让团队措手不及。订单数倍于预期，实验室里“手搓”样机已无法应对真实的商业需求。2025年底，这家创业公司在深圳投建、落地了一座工厂，也是国内首个规模化专用光量子计算机制造工厂。

这条从实验室仓促延伸至工厂的流水线，折射出一个被主流叙事长期忽视的可能性：在完美的通用型量子计算机诞生前的NISQ（含噪声中等规模量子）时代，并不那么完美的专用型量子计算机或许已经撕开了商业化的口子。

非共识道路

在中国量子计算企业中，玻色量子是个非典型样本。

本源量子背靠中科大，图灵量子依托上海交大，国盾量子有国资背景，这几乎是行业的标准配置。玻色量子却是一家纯民营企业，由斯坦福毕业的文凯和在航天领域工作数年的马寅创立。

玻色量子初创的历程也和行业主流迥异。2020年创业之初，当大多数同行还在纠结于选择超导、离子阱还是光量子等技术路径时，玻色量子做出了一个更底层的“反共识”决策：在通用与专用的岔路口，押注后者。

马寅在接受界面新闻专访时坦言，这一决策的逻辑极其朴素——“有机会立刻能用”。

在量子计算领域，研制实用的通用型量子计算机被视为主流的终极目标。其试图通过操纵天然的基本粒子（如超导路线的约瑟夫森结、离子阱路线的离子等）构建物理比特，进而实现量子计算。物理量子比特数是衡量技术水平的核心指标。

问题在于，量子比特极易出错，往往需要海量的物理比特才能纠错出一个稳定的“逻辑比特”，实现相对一致和准确的计算。

业内的一个共识是，应用落地至少面临10到20年的硬门槛。巨头也步履维艰——IBM将实现2000个量子比特的规划推到了2033年；谷歌虽然拥有了105个量子比特的芯片，但距其设定的1000比特里程碑仍无确切时间表。

“量子计算机目前还处于做装置的阶段。”国仪量子的一位技术人员告诉界面新闻，“现在国内大家能做到的比特数可能也在十个这样一个量级，保真度也很难到99%——也就是每次做两比特门，有1%的概率出误差。”

马寅从客户数据得到的真实反馈是：至少实现1000个纠错编码后的计算比特，才能对比经典计算机形成量子优势。

面对漫长的技术爬坡期，玻色量子选择了一条更为垂直的路径——相干光量子计算机。

作为一种专用型光量子计算机，其不追求构建复杂的逻辑门，而是利用光量子的物理特性，专门用于求解组合优化等问题。关键的差异在于：专用型量子计算机不需要构建复杂的逻辑门，也就绕开了通用型量子计算机面临的纠错难题。

一名从事通用型量子计算研究的技术人员对界面新闻表示，通用型量子计算机的参数可以任意变更，改变软件即可实现不同功能，但技术难度极高；专用型量子计算机的器件相对固定，只能针对一类问题，但不需要很精确的操作，而是用自由度换准确率和其他能力。

马寅用一个更直观的比喻来概括这种差异：如果通用型量子计算机是无所不能的CPU，玻色量子要做的就是量子时代的GPU。GPU通过集成数千个计算核心实现大规模并行计算，虽然控制逻辑相对简单，却极其擅长处理图形渲染等高度并行的任务。

而相干光量子计算机的计算优势建立在统计物理学规律之上。

经典计算机在解决复杂的组合优化问题时，往往需要遍历所有可能的解，算力消耗和时间成本呈指数级上升。相干光量子计算机则构建一个“空间光路+光纤光路”的异构光路体系架构，使其在演化过程中自动坍缩至哈密顿量的最低能量态；这一物理状态，恰好对应了数学问题中的“最优解”，让答案自动涌现。

效法英伟达

避开了纠错与噪声难题，并不意味着专用型量子计算这条路没有门槛。

量子计算机的硬件开发难度极高。与半导体芯片追求纳米级制程不同，光量子芯片的难点不在工艺精度，而更像是一个“半科学、半工程”的问题。光刻、蚀刻、参数调教……每一道工序都缺乏成熟的工业标准，只能一步步摸索，但好在可以借鉴光通信、光模块芯片的工业基础。

而在硬件之外，前些年的量子计算的生态几乎是一片荒原：没有编译器，没有框架，更没有开发者来研发算法。

马寅想到的参照系是英伟达。GPU的崛起并非只靠硬件，还仰赖CUDA编译器、Transformer框架，以及人工智能浪潮下成千上万写算法的开发者。

“硬件跟算法的双向奔赴”，他反复强调这句话，“单纯从硬件角度来谈只能是一个片面的观点。”

玻色量子的应对是复刻英伟达的结构，在硬件之上搭建Kaiwu SDK编译器，对标CUDA；再往上是基于玻尔兹曼机的量子AI框架；最上层是面向各行业的应用算法。

编译器的核心设计逻辑，是大大降低开发者的使用门槛，让AI开发者无需学习量子物理的技术原理，即可登录PyTorch按照标准框架基于Python开发量子算法，以调用量子计算机真机算力。

“开发者的接口甚至都没有改变。”马寅说。这是他所谓“迁移型生态”的核心，现阶段的量子计算生态无力培养太多新人，只能争取让原有的AI开发者更多地参与来。

据马寅透露，与客户的合作，本质上是基于算法的跑通——因为有了算法需求，才有了硬件部署。

值得注意的是，无论通用型还是专用型，现阶段的量子计算机还不能独自上路。

专用型量子计算机擅长解决组合优化问题，但一个完整的计算任务仍然需要经典计算机的参与。马寅将其称为“协同合作”：先在上层做任务分解，一些步骤适合经典计算机做，另一些适合量子计算机，“中间还可能存在交替计算”。

这实际上也是行业的主流选择。英伟达此前发布的CUDA-Q平台，允许在单个量子程序中协同使用 GPU、CPU 和 QPU 资源进行计算。2025年10月发布的NVQLink，更是一种旨在将量子处理器与它们有效运行所需的AI超级计算机连接起来的互连技术。

英伟达NVQLink技术示意图。图片来源：英伟达官网 商业化试水

生态尚未成型，但商业化的尝试已经开始。超算中心成了量子计算企业争夺的第一批客户。

量子退火公司D-Wave曾以1264万美元向德国于利希超算中心出售了一台专用型量子计算机，被视为专用型路线商业化的标志性事件。而多名通用型量子计算领域的从业人员告诉界面新闻，在地方超算这一路径上他们也多有交付和产出。

玻色量子瞄准同一市场，2025年就曾中标成都超算中心项目，将一台自研相干光量子计算机部署在超算集群中，成为国内首台部署国家超算中心的专用量子计算机。

1000量子比特相干光量子计算机模型（1:10）。图片来源：界面新闻记者拍摄

马寅透露，其他多地超算中心的部署计划也已提上日程。

不过，超算中心的合作究竟能带来多少实际价值，行业内部也有不同声音。

一家通用型量子计算企业也曾向地方超算中心交付量子计算机，并搭建了量超混合计算的云平台。其技术人员对界面新闻表示，“整体还是比较符合市政府对超算中心的预期”，但也承认与真正的商业化落地仍有距离，更多是现阶段找不到真正应用场景下一种“迫不得已的选择”。

云平台是另一条路。

量子云平台和云调用服务器购买AI算力类似，通过移动云、阿里云和华为云这类公有云平台，以及自研云平台展开。消费者在线上注册、申请账号，据调用的算力和计算任务按次收费。据玻色量子统计，其平台约39%以上用户来自生物医药领域，已与广州国家实验室、晶泰科技、华大基因等达成合作，但也有相当比例来自高校的免费使用。

这一路径也催生了另一些专注应用层的量子企业。例如，专注量子计算云平台的科大国创本身并不制造量子计算机，而是与九章量子、国盾量子等硬件厂商合作，为开发者和科研机构提供经典-量子混合算法的运行环境，并向政企客户开放算法应用接口。

“整个行业来说还是太早期了，”科大国创的工作人员在此前接受界面新闻采访时坦言。他们的策略是与行业客户共建量子软件，在交通、通信等领域探索应用场景。

无论通用型还是专用型，盈利困境是行业共同面对的现实。集成光量子芯片企业硅臻芯片的一位工作人员对界面新闻表示，据他了解，国内的大部分量子计算企业目前尚未实现盈利。“单就整机来说，我们只是对外提供服务、做一些案例，解决不了公司的商业化问题。”他透露，大多数企业仍依赖融资存活。

这种分工模式折射出量子计算产业的现实：硬件厂商专注于提升量子比特规模和稳定性，平台厂商则试图降低使用门槛、连接供需两端。在通用型量子计算机尚未成熟的窗口期，生态的每一层都在各自摸索商业化的可能。

玻色量子并未止步于专用型量子计算。公开信息显示，其于2025年10月完成了A++轮融资，资金将持续用于通用型光量子计算机的研发。马寅透露，公司将从通用型光量子计算芯片研发入手，再逐渐向整机迈进，“2026年开始会逐步发布公司产品的Roadmap”。

国际竞争同样激烈。专用型赛道，日本NTT公司早就在实验室阶段宣称达到10万量子比特规模；原本专注量子退火的D-Wave ，日前在 CES 2026 上发布了全球首个门型量子计算可扩展片上低温控制技术，也标志着其战略转型切入通用型量子计算。

更深层的差距在于生态。据马寅介绍，美国有约50家量子计算整机厂商，下游还有五六百家算法公司，是典型的“车库文化”，并有数以百计的VC进行投资；而中国整机厂商不超过10家，下游创新企业“几乎没有”，主要依靠中国移动、中电科等国央企支撑。

“整个行业做得最好的，坦白讲国际上一定是IBM和谷歌。”中电信量子的一位人士对界面新闻表示，作为国内少数依托央企背景运营量子云平台的企业，中电信量子目前已接入包括“天衍-287”在内的多台超导量子计算机。其认为，国内企业的优势更多在于依托集团支持、并“铺得比较快”，但在核心技术上仍处于追赶状态。

“发布是一步领先，但再往下就开始比谁能把生态做得更快、把开发者做得更多，”马寅说，“接下来这五年，应该是下游蓬勃生长的五年。”

对于量子计算企业而言，找到自己擅长的领域或许只是商业化的起点。这条路能走多远，又是否能有企业真正长成量子时代的“英伟达”，仍有待市场与时间的检验。