IBM近日宣布,未来五年将追加逾100亿美元投资,用于推进量子计算领域的发展,进一步彰显其在这一技术方向上的长期承诺。
以下将从多个维度解析这一重大投资的意义。
投资规模与战略目标
IBM承诺在未来五年内投入逾100亿美元,推动量子计算持续演进。这笔资金将覆盖研究与开发、资本支出、制造规模扩张、生态系统合作及战略并购等多个方向。IBM已明确计划于2029年交付全球首台大规模容错量子计算机,此次投资旨在加速超越现有路线图的技术进步,并巩固美国在量子领域的领导地位。
什么是容错量子计算机
容错量子计算机是一种即便在存在错误的情况下仍能正确运行的量子计算机。由于量子比特(qubit)对外部环境极为敏感,容易受到退相干和噪声等因素的干扰,容错技术的核心在于实时检测并纠正这些错误。IBM计划于2029年发布全球首台大规模容错量子计算机——IBM Quantum Starling。该系统将能够在200个量子比特上执行1亿次量子操作。
投资将带来哪些进展
本次投资将进一步推动以下方向的发展:
IBM Quantum Blue Jay系统:设计目标为在2000个量子比特上运行10亿次量子操作。
加速超越现有开发路线图的技术研究,例如量子计算互联网与网络化量子计算。
打造下一代量子硬件与开源软件,同时扩展量子时代的制造能力与供应链体系。
通过创造新就业岗位和构建新的生态系统合作关系,强化美国的量子产业生态。
潜在应用场景
IBM的企业客户已在化学模拟、优化问题、金融服务等多个领域积极探索量子计算的应用价值,并持续研究超越传统计算机能力的算法。随着量子计算规模的扩大,这些算法和应用将获得更广泛的落地空间。具备规模化潜力的应用场景包括:
模拟与医学研究相关的大规模蛋白质等分子结构
优化能源电网等复杂网络
为金融服务提供新方法,如投资组合优化和算法交易
全球最大量子计算机队列
IBM目前运营着全球规模最大的量子计算机集群,超过90套系统已通过云访问和本地部署方式在全球范围内运行。这些系统服务于由340余个工业、学术、医疗及政府机构组成的合作网络,支撑真实业务负载的运行,并由IBM开源量子软件开发套件Qiskit提供支持,该套件深受近70%的量子开发者青睐。
如何开始探索量子计算
现在正是入门量子计算的绝佳时机。对量子计算感兴趣的开发者和企业,可从了解量子计算的基本概念出发,探索其能够解决的问题类型、量子计算机的编程方式,以及如何将量子计算融入现有工作流程。IBM在IBM Quantum Platform上提供了所需的全部资源,具体包括:
向全球顶尖专家学习量子计算课程
安装开源量子软件开发套件Qiskit
运行第一个量子电路
在真实量子计算机上运行量子电路
Q&A
Q1:IBM计划于2029年发布的量子计算机IBM Quantum Starling有什么技术指标?
A:IBM Quantum Starling是IBM计划于2029年发布的全球首台大规模容错量子计算机,能够在200个量子比特上执行1亿次量子操作。容错设计意味着该系统可以在存在量子比特错误的情况下依然正确运行,通过实时检测和纠正退相干、噪声等干扰实现稳定计算,是量子计算从实验室走向实际应用的关键一步。
Q2:IBM这笔100亿美元的量子计算投资具体会用在哪些方面?
A:这笔超100亿美元的投资将涵盖多个方向:研究与开发、资本支出、制造规模扩张、生态系统合作以及战略并购。目标包括推进IBM Quantum Starling和Blue Jay系统的研发、探索量子互联网等前沿技术、扩展量子硬件制造和开源软件能力,以及在美国创造新岗位、构建更广泛的量子产业生态。
Q3:量子计算目前有哪些实际应用场景?
A:IBM的企业客户已在多个领域探索量子计算应用,包括:模拟与医学研究相关的大规模蛋白质分子结构、优化能源电网等复杂网络系统,以及投资组合优化和算法交易等金融服务场景。随着量子计算规模不断扩大,这些应用的落地可行性和计算效率将得到显著提升。
好文章,需要你的鼓励
AMD宣布收购内存优化初创公司MEXT,将其预测性内存优化软件整合至AI基础设施产品组合。该技术利用AI智能调配数据在闪存与DRAM之间的流转,在不大幅扩充硬件的前提下提升有效内存容量、降低能耗与成本。分析师指出,随着DRAM价格大幅攀升、供应趋紧,软件驱动的内存优化策略正重获企业关注,AI基础设施竞争已从"芯片战"演进为"基础设施优化战"。
普林斯顿大学团队公开i1文生图模型完整训练食谱,3B参数通过300+受控实验优化设计,在五大评测中超越多个参数量更大的开源模型,完整开放权重、代码与数据。
温哥华港通过加拿大ELECTRA计划,向五家港口货运公司提供高额补贴的Peterbilt 579EV八级电动重卡60个月租赁方案,涵盖充电基础设施、维护及技术培训。该试点旨在收集电动重卡在集装箱短途运输中的真实数据,并与行业及政府共享。项目获得约300万加元支持,为期一年的数据采集将为未来电动重卡大规模推广提供依据。
腾讯混元提出CPPO方法,通过位置权重和累积前缀预算两个机制改进AI强化学习训练,在多个Qwen3模型的数学推理任务上超越现有方法,最大提升达5.56分。