光量子计算，距离真正的产业化还有多远？

导语：产业化落地，光量子计算的新考场

记者：郭思

编辑：包永刚

摩尔定律走到红利尽头，AI、新药研发、新材料探索对算力的需求还在不断扩张。依靠持续堆 GPU 提升算力的老路越来越不划算，存算一体、Chiplet、光互连等技术竞相寻找算力增量，量子计算因此被寄予厚望，光量子路线更是长期收到行业关注与讨论。它在实验室创下震撼的量子优越性记录，其工程化进展与产业化时间表也始终是业界关注的焦点。

光量子计算，会成为下一代算力的破局钥匙，还是一场尚待产业化验证的技术革命？

2026 年 10 月 14 日深圳湾芯展，图灵量子创始人、上海交大无锡光子芯片研究院院长金贤敏带领团队在同一天三项动作接连落地，光子芯片产业合作签约、先进智算联盟扩容，以及粤港澳大湾区量超智融合算力中心共建签约。

这一连串产业布局，提供了一个跳出纸面参数的视角：量子计算的对手，早已不只是物理，芯片工程、产业链生态、商业落地的大考，已然开场。

量子计算的对手，早就不只是物理指标

量子计算走入大众视野，并非最近一两年才发生的新事。伴随摩尔定律见顶，算力供需矛盾日益凸显，量子计算的价值被重新放到聚光灯下。

数耀量生 CTO 邱迪生，曾对传统深度学习与量子计算的求解逻辑做出形象对比：深度学习常用的随机梯度下降，相当于在局部点位附近小范围试探，摸索迭代前进方向，属于局部搜索，很容易出现震荡徘徊；而量子计算能够一次性扫描完整的解空间地形，直接定位最优解，他将这种核心差异概括为 “量子全局最优性”。

图灵量子首席科学家金贤敏则认为，量子计算之所以能够获得长期关注，并不源于某一项单点应用，它是继牛顿力学体系之后，可以系统性赋能整个科学发展的底层基础方向。

早在上世纪四五十年代，晶体管、激光器、核能等成果，就已经完成了第一波量子技术的产业化应用；而当下，人类对量子体系、物质微观体系的操控能力实现跃升，叠加 AI 算力需求爆发，才推动量子计算走到产业发展的关键窗口。

行业经久不衰的疑问依旧存在：超导、离子阱、光量子、中性原子，多条量子技术路线同台竞技，谁能走到商业化的终点？

纵观当前行业进展，在众多技术路径里，公开实验中同时达成 “可制造、可扩展、已演示量子优越性” 三大条件的，主要集中在光量子与超导两大路线。

超导路线起步较早。2025年，中国科学技术大学团队构建的105比特超导量子计算原型机“祖冲之三号”，在量子随机线路采样任务上比当时最快超算快15个数量级，刷新了超导体系量子计算优越性纪录。

相比之下，离子阱路线门保真度最高、相干时间长，但系统扩展慢，目前处于高精度模拟和原理演示阶段；中性原子路线阵列规模扩展潜力大，但门保真度和速度仍在追赶，工程化成熟度较低。

光量子路线则在特定问题上展现出更强的算力优势。2026年，“九章四号”可编程光量子原型机首次操纵和探测3050个光子，在高斯玻色采样任务上比全球最快超算快10⁵⁴倍，建立了国际最强的量子计算优越性。

更重要的是，光量子路线正从“实验室装置”走向“可制造平台”。PsiQuantum发布的Omega光子芯片组，由格罗方德45纳米产线批量制造，单量子比特态制备与测量保真度达99.98%，芯片间互联保真度99.72%，并计划在澳大利亚和美国建设数据中心级量子计算中心。那么图灵量子TuringQ Gen3则将技术重点放在大规模片上集成、空时复用扩展以及量子算力与经典计算体系的融合上。

环境稳定成落地最为关键的突破点

量子计算并不缺“性能故事”。各家机器在特定任务上早已展示量子优越性，超导路线也在不断刷新比特数纪录。但产业客户真正关心的不是实验室峰值，而是机器能不能稳定跑在客户现场。

这也是为什么行业正在从比拼物理比特转向交付逻辑比特。中金公司在2026年的分析中指出，量子计算仍处于从含噪声中等规模量子时代向容错量子计算演进的早期阶段，物理比特数量、门保真度、纠错阈值和系统稳定性仍是关键不确定性。

各技术路线尚未突破规模化与容错两大核心瓶颈，量子软件、算法和工程化能力也仍需补课。换句话说，量子计算要真正进入产业，必须完成从能演示到能稳定运行的跨越。

而在这场光电交替里，图灵量子握着的牌格外引人注目。

“我们的机器对环境没有要求。”金贤敏说。从第二代 TuringQ Gen2开始，图灵量子的光量子计算机都是采用标准 IDC 机柜形态，可在室温运行。对产业客户来说，不必为它单独建特殊的底纹运行环境，可以像一台服务器那样进现有的数据中心。

2026 年 9 月图灵量子推出第三代大规模芯片级可扩展光量子计算机TuringQ Gen3。相比前两代产品，TuringQ Gen3实现了全芯片化架构，基于高速可编程薄膜铌酸锂光量子芯片，走空时复用架构。其中高斯玻色采样计算单元叫"致远3号"。官方口径是单芯片万光子级、百万模式数，在设定的损耗边界内实现芯片级量子优越性。

至于如何做到，就涉及到了另一个在光量子芯片中的关键概念——光损耗。与电子芯片制造看中制程不同，在光量子芯片里，损耗是一个非常重要的指标，过高的损耗率，不只是“信号变弱”，而是可能直接让光子丢失、干涉失效，进而导致计算出错。芯片规模越大、光路越长，光子经过的器件越多，损耗就会层层叠加，所以把整条链路的损耗压低，是光量子芯片能否走向大规模化的关键。

为了做到这一点，团队把薄膜铌酸锂光量子芯片的光子线路传输损耗降到 0.03 dB/cm，关键单器件插入损耗低于 0.1 dB，光纤—芯片单端耦合损耗达到 0.9 dB/facet，晶圆级量子光源光谱纯度超过 99%。这意味着，光子从产生、在芯片内传输、经过器件到进出芯片的每一步损耗都被大幅压低，信号也足够纯净，从而为更大规模、更稳定的光量子计算打下了基础。

而数字的背后，则是一条真正跑起来的工程闭环。在金贤敏牵头推动下，上海交大无锡光子芯片研究院建成了国内首条光子芯片中试线，形成了“设计—制造—测试—反馈—再迭代”的晶圆级工艺闭环，芯片迭代周期已缩短到 2 至 3 周。也就是说，它不只是在实验室里搭出一台样机，而是在尝试用半导体工程的方法持续降低损耗、提升一致性、扩大规模。

而金贤敏的产业化底气，并不仅仅来自于这些书面参数，而是逐渐清晰的商业化路径。金贤敏将光量子计算比作一把“锤子”，产业化的关键在于找到能够真正发挥其优势的“钉子”。目前，图灵量子正围绕整机交付、算力服务和量子智算中心建设探索多元化商业模式，从提供光量子计算设备，到开放量子算力服务，再到推动量子算力与现有智算基础设施融合，逐步打通从技术研发到产业应用的商业闭环，并已在生物医药、金融等领域开展应用合作。

这或许是判断一条光量子路线更为诚实的标准：不是论文发了多少、演示跑得多快，而是有没有人在它上面持续付费。

一台机器进不了产业，所以得先修路

回看湾芯展期间的三项产业动作，一个值得深究的问题摆在面前：一家量子计算公司，为什么要同时介入上游材料、下游软件工具、行业联盟标准，还要投入算力中心建设。

答案其实很简单，金贤敏表述，即便做出可用的量子硬件，也不等于完成产业化。量子算力要产生商业价值，要能被调度平台识别，能够面向行业用户开放调用，单靠硬件单点突破无法跑通完整闭环，整套上下游配套体系必须同步跟上。

在光子芯片的产业协作上，天通股份输出材料，Luceda 提供设计软件工具，上海交大无锡光子芯片研究院负责制造落地，设备、材料、软件、应用几方经过长时间磋商达成合作，目标就是协同完善光子芯片上下游生态。

而先进智算联盟 FAIC 的推进，则是产业层面的协同探索。这个联盟最早在2022 年由图灵量子、沐曦股份、优刻得、脑虎科技四家发起，覆盖量子计算、算力芯片、算力中心建设、脑机接口不同赛道，此前也获得上海市及市经信委的认可。

金贤敏坦言，今年图灵量子担任轮值主席，联盟内部要做一次方向抉择，最终选择了扩容，傅利叶智能这类具身智能企业被纳入进来，成员从最初四家扩展到数十家。金贤敏的判断是，仅靠少数几家机构抱团，很难撬动产业规模，更多不同领域主体参与，新型算力芯片迭代、智算中心落地、算力赋能行业应用，才有规模化发展的基础。

另一边粤港澳量超智融合算力中心，瞄准的是量子算力实际部署与调用的现实难题。图灵量子联合亚洲算力、智城算网共同推进该项目，对标海外已经批量落地的量子‑经典混合算力中心。

金贤敏提到，欧美已经建成几十到上百个同类算力节点，国内还没有成型的标杆。这个项目不是停留在纸面的框架意向，建设计划已经敲定，核心要实现 QPU、CPU、GPU 之间的联调，真正把量子算力纳入平台调度体系。英伟达此前已经推出 GPU 对接量子计算机的量超融合方案，这也是整个行业已经显现的趋势。

把这一系列动作放在一起，我们就能清晰的看到图灵量子的产业逻辑。光量子计算不能停留在硬件能力演示阶段。

量子算力需要接入智算中心，成为可被调度的标准算力单元，供给行业客户使用。联盟和算力中心承担的实际作用，是抹平不同技术主体之间的适配门槛，推动量子算力脱离实验室演示属性，转化成可以采购、能够实际投入业务的产业资源。

剩下的，还是工程化的事

外界总爱用 “狼来了” 看待光量子计算，本质上是混淆了科学突破与产业成熟的时间差。如今光量子已经跨过单纯原理验证阶段：它有足以震撼行业的量子优越性成果，也出现了常温机柜化整机、中试工艺闭环、付费产业客户，甚至开始布局量超智融合算力中心，尝试把量子算力变成智算体系中可调度的标准单元。

但亮眼参数不等于产业胜利。赛道依然被现实枷锁束缚：高性能光子材料和关键器件的稳定供应、晶圆级制造良率、复杂系统中的损耗控制，以及大规模量子纠错与容错计算能力，都还需要持续突破。行业的主战场，已经从发表论文、刷新光子数纪录，转移到产线良率、系统长期稳定性、软件生态与客户付费意愿。

这并不意味着物理层面的挑战已经结束。恰恰相反，大规模光量子计算还需要在光源、损耗、探测、量子纠错和系统架构等方面持续攻关。科学突破与工程化能力，需要同步向前。

量子计算未必会很快颠覆现有算力，但也绝非虚妄的故事。

技术的狼没有立刻扑到产业面前，但它确实已经走出了实验室，只是还要翻越制造、工程和应用的高山，才会真正抵达商用的旷野。

雷峰网雷峰网