超導量子計算距離規模化、工程化落地還有多遠？丨ToB產業觀察

Leo張ToB雜談2026.08.11 13:37 · 來自北京全文3188字00:00 / 10:07未來的競爭力，不在於擁有最多比特的公司，而在於能讓最多開發者用好每一顆比特的平臺。量子計算已不再是高高在上的前沿技術，越來越多的研發過程開始應用量子計算。早在2016年，IBM就借鑑雲服務的模式，向用戶提供量子云服務。但十年過去，量子計算並沒有成為計算領域的主力軍。開發者們大概率都遇到過同樣的困惑：在模擬器上調試好的量子電路，邏輯清晰、結果完美，一旦提交到真實量子處理器上運行，結果會出現明顯偏差，甚至不可用。

理想與現實的差距背後，是量子計算從實驗室走向工程化時繞不開的校準、噪聲和系統協同問題。模擬器裡跑得通，真機上為什麼跑不通？上述場景的根源是模擬器運行在經典計算機上，它假設量子比特是完美的、門操作是精確的、環境是絕對無噪聲的。開發者可以隨時暫停、任意回退、反覆調整參數，得到完全確定性的結果。但真實世界不是這樣。一臺量子計算機運行時，量子比特的頻率會隨偏置信號漂移，門保真度會受到電磁干擾的波動影響，退相干時間會因極低溫環境和外部電磁環境的微小變化而變化。更麻煩的是，這些參數不是靜態的，它們隨時間變化、隨環境變化、隨上一輪實驗的歷史遺留變化。

量子計算的軟硬件目前無法像經典計算那樣解耦，如果不重新校準，誤差會被迅速放大。WAIC2026上，“祖沖之號”量子計算原型機總師朱曉波說了一段讓很多人印象深刻的話：“不要相信任何‘千比特、萬比特’的炒作。精度不足、錯誤率沒降下來，規模再大都是沒有意義的。過度宣傳，只會讓整個領域遭受毀滅性的打擊。”行業正在從單點指標如比特數、保真度、單次實驗成績，轉向系統工程能力，這段話正是轉向的一個註腳。一顆性能優異的量子芯片，如果測控系統無法穩定產生、讀取信號、無法快速完成校準、無法在出現異常時判斷問題出在哪個環節，這顆芯片的實際性能就無法發揮。相干科技創始人兼CEO金貽榮曾表示："測控是量子計算的靈魂"。

從芯片到可用算力，中間隔著一條工程化鏈路量子計算真機的構成精密且複雜，極低溫低噪聲環境、測控電子學、測控軟件、承接任務的平臺，以及裝配接線調試維護的系統工程能力，缺一不可。這其中芯片是核心部件，但也不等於可用算力。相干科技走的是鉭基材料芯片路線。鉭的超導能隙及其表面穩定而緻密氧化層，可以抑制導致退相干的二能級系統噪聲。目前相干科技百比特規模芯片的平均壽命達100微秒以上，平均單比特門保真度超99.9%，平均兩比特門保真度突破99.5%。但芯片提供的是能力的上限，測控決定這個上限能兌現到什麼程度。

測控系統負責給每一個量子比特下達指令，讀取量子態、執行校準，並在系統出現問題時，判斷問題根源來自芯片、低溫環境、電子學、軟件還是算法。它連接多個專業系統，是形成算力閉環的核心環節。目前相干科技的測控能力已經形成一體化解決方案，在100量子比特以上規模的量子處理器操控與測量中得到驗證。其測控系統對量子比特的操控精度可達單比特門保真度99.99%以上、兩比特門保真度99.8%以上、讀取保真度99%以上。據相干科技測算，一臺百比特規模的超導量子計算機，測控系統能佔到整機成本的60%以上。

原因在於，稀釋製冷機的容量與比特數不成正比，成本可以隨規模擴大而攤薄；但測控電子學和低溫線路的數量與比特數近乎線性相關，比特數越多，測控成本佔比越高。每一個量子比特都需要獨立的測控線路。比成本更難解決的是工程化的問題。科研人員做研究時，可以靠個人經驗反覆試錯，得到的結果不需要保證能被他人復現。但要做成產品交付，就必須把每一個環節標準化，形成可複製的操作流程、前置檢測和自動化校準的能力。一個真實發生過的例子能說明這種難度：相干科技的團隊曾經發現量子比特的信號讀取出現異常，一路排查下去，最後發現是某些零件帶有微弱磁性，干擾了信號。

找到原因後，團隊專門為此建立了一套磁性檢測標準，不合格的零件直接不用，還在裝配前增加了一道檢測環節。這種"發現問題—找到根源—建立標準—提前預防"的閉環能力，才是工程化真正的核心。在第五屆CCF量子計算大會暨大灣區量子科學論壇上，金貽榮提到量子計算已經發生了一個階段性的變化：從實驗室科研和原型機攻關，變成了"未來產業培育+產業落地+工程化"為主導的新階段。這種轉變，靠國家投入是遠遠不夠的，必須藉助資本的力量來構建工程化體系。應用落地的三個階段硬件和工程體系逐步穩定之後，應用場景在哪，成為下一個要回答的問題。量子計算從實驗室走向真實應用，通常要爬過三級臺階。

第一級是理論與算法仿真，開發者在經典計算機上推導算法、驗證邏輯，關注正確性和複雜度。這是大多數研究者的起點，但也是最容易產生誤判的地方——模擬器裡一切都很完美，真實硬件的噪聲、退相干和串擾都被隱去了。第二級是真機運行。開發者把算法提交給真實量子硬件，面對噪聲、退相干、串擾等現實約束。這個階段的核心價值，是讓開發者真正上手用過真機，知道它實際能做到什麼、做不到什麼，而不是隻停留在理論上的完美假設。第三級是概念驗證。到了這一步，開發者要證明在特定場景下，量子算法確實比經典算法更有優勢，比如量子化學模擬、組合優化、機器學習加速等。這要求穩定的算力供給、可復現的結果，以及明確的業務價值衡量標準。

金貽榮判斷，目前行業整體仍處於從第二級向第三級過渡的早期。落到應用層面，金貽榮又給量子計算的應用排了一個序：第一層是量子化學計算，包括分子結構計算、藥物設計。全球超級計算機約30%的算力都堆在材料模擬、藥物設計這些化學計算上。僅哈伯合成氨這一個工業過程，每年就消耗全球2%的能源。第二層是金融分析與交通/物流和供應鏈優化，這些應用場景都涉及到組合優化問題，規模極大，商業驅動力也足夠強。第三層是量子人工智能。金貽榮的看法是人工智能是工具，算力才是底座。量子計算與GPU、CPU融合形成的混合算力方案，才是解決藥物研發、新材料合成、金融優化等複雜難題的合理路徑。IBM最近做的一件事驗證了這個方向。

他們用兩塊Heron芯片（各156量子比特）配合日本的"富嶽"經典超算，成功模擬了超過12000個原子的蛋白質結構。"我們至少能算到一萬個原子這個量級了，"金貽榮說，“這個規模跟經典計算已經開始拉開距離。”而作為量子計算工程化應用落地的載體，基於量子云平臺的量子算力服務非常關鍵。未來的量子計算商業模式，很可能就是建立在以云為中心的算力服務方式。相干科技將迅速建立自有的量子云服務基礎設施，並構建基於智能體的算力服務軟件平臺，對外輸出穩定的、低成本量子算力。同時，相干科技也將與北京量子院Quafu量子云平臺形成戰略協同，共同打造全球頂尖的量子云服務基礎設施。

比起用戶規模或任務數字，更值得關注的是這套供需連接的邏輯本身：量子計算當前面臨的核心困境之一，是做技術的人不清楚量子計算還能解決什麼問題，做應用的人不清楚量子計算到底怎麼用，雙方都對彼此缺乏感知力。金貽榮給出的解法是，"把硬件接上來，把算法放上去，讓用戶在自己的領域裡直接試用。一旦跑出效果，飛輪就轉起來了。"這個思路與英偉達的路徑有相似之處：英偉達不僅有硬件，還有CUDA，做了整個生態的底座。量子計算也需要搭建類似的底座：既要靠芯片端的量產和良率提升，也要靠測控端持續壓低這條不容易攤薄的成本曲線，更要擴大能夠使用這些硬件資源的開發者群體。

只有更多人真正用起來，硬件降本才有意義，降本和拓需求互為前提。未來的競爭力，不在於擁有最多比特的公司，而在於能讓最多開發者用好每一顆比特的平臺。眼下相干科技正在做的，正是把芯片、測控、工程化經驗和平臺這幾個環節的不確定性，逐一變成可以複製、可以交付的能力。（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）