QPU 成 AI 下一站风口，英伟达率先开启布局征程

在当今科技飞速发展的时代，量子计算正逐渐成为全球科技领域的焦点。过去几年里，美国、中国和欧洲的政府纷纷加大了对量子信息研究与开发的投入。在最近的 GTC 大会上，英伟达 CEO 黄仁勋再次提及 QPU，这一信号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，谷歌和英伟达就相继宣布了与量子计算相关的技术突破。

QPU是什么？

QPU，即量子处理单元，是量子计算机的核心组件。它基于量子叠加与纠缠原理实现计算功能，其算力会随着量子比特数 n 呈指数级（2 ⁿ ）增长。当前 QPU 主要有超导量子、离子阱、量子点等物理体系的技术实现方案，并且在混合量子 - 经典计算架构中展现出了解决复杂问题的巨大潜力。

量子计算作为一种革命性的计算技术，利用量子物理特性来处理和解决信息问题。它运行在专门设计的量子计算机上，这种电子设备允许在量子尺度上操纵物体。在量子尺度下，物体的行为与我们的日常经验截然不同。量子计算通过编写程序利用这些独特的量子行为，能够执行传统计算机无法完成的任务。其最核心的突破在于量子比特（Qubits）的特性，与经典比特（0 或 1）不同，量子比特可以处于叠加态，同时为 0 和 1，这使得量子计算机能够并行探索多种可能性。

从技术实现路径来看，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，包括超导量子计算和硅半导体量子计算。超导量子计算基于超导约瑟夫森结构建二能级系统，如 transmon、fluxonium 等构型，具有可扩展性强、易操控、与集成电路兼容性好等优势，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” 芯片展示了量子优势。硅半导体量子计算则是利用硅基量子点中电子的自旋构建量子比特，其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。离子阱量子计算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，具有量子比特全连接性好、操控精度极高、相干时间长等优势，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，其相干时间长、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迅速。光量子计算利用光子的偏振、相位等自由度构建量子比特，具有相干时间长、可室温运行、测控简单等优势，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，共同推动着量子计算技术的快速进步。行业规划显示，2029 年 IBM 计划交付 200 逻辑量子比特系统，2033 年将扩展至数千逻辑比特规模。

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》中指出，2027 年末 - 2028 年初将是全行业的一个重要时间点，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、机器学习等，从而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。量智融合并非简单的单向技术叠加，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；而人工智能则能在量子控制、误差校正、算法设计等方面反向赋能量子技术，为量子系统的稳定性和可扩展性提供新的路径。

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。

英伟达已布局QPU方案

作为 AI 领域的龙头企业，英伟达自然不会错过 QPU 这一重要领域。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。早在 2022 年，英伟达就宣布启动经典 - 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，实现了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的关键突破，推出了 NVQLink，实现了量子计算机 QPU 和 GPU 的直接通信。黄仁勋指出，量子计算的 QPU 已获得了空前的支持，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。从技术参数来看，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。这一速度对于量子纠错至关重要，因为量子态极其脆弱，必须在极短的时间内完成检测和修正。

量子计算机虽然理论速度极快，但存在 “太脆弱” 的致命问题。热噪声和电磁干扰容易导致计算出错，错误会不断累积，使结果变得不可靠。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 发挥作用的地方。在当前 NISQ（含噪声中等规模量子）时代，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的经典算力。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。

中国量子计算产业：多路线并进

在中国，量子计算产业也呈现出多路线并进的态势。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，例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，四年内完成了五轮融资，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。

国盾量子则选择了超导路线。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 台量子计算机实现了量子优越性，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。

中国移动近期发布了 “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，显示出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。