量子计算机迈向产业化，距离实用还有多远？

量子技术正逐步走向产业化。各国政府承诺投入数十亿资金推动该技术规模化落地，硬件与软件供应商也在企业客户的支持下，加快向实用系统方向迈进。

今年5月，美国联邦政府宣布向九家量子计算公司拨付共计20亿美元的计划资金。英国政府则于3月启动了一项20亿英镑的量子创新计划，旨在大规模推广量子计算机。其他国家也在持续投入，积极布局本国的量子生态系统。

上述举措释放出一个明确信号：各方都在努力将量子计算打造成真正可用的计算工具，未来量子处理器有望与CPU、GPU并肩，共同部署于数据中心。然而，尽管量子计算的到来似乎已是大势所趋，这一技术仍面临重重障碍。

美国商务部在阐述量子投资战略的公告中明确提到了"尚未解决的工程问题"。业界高管也指出，可制造性、量子纠错等技术难题以及软件层面的挑战，是当前关注的重点领域。

Forrester首席分析师David Mooter表示，尽管量子技术看似已准备好进入产业化阶段，但不确定性依然存在。不过，他对这一技术的态度在过去几年里变得更加乐观。他以20世纪40年代诞生的第一台可编程电子计算机ENIAC作为类比，来描述量子计算当前所处的阶段。

"我们仍处于ENIAC诞生之前的阶段，距离终点还有一段路要走，"Mooter说，"但我感觉终局已经在望，因为我们现在进入的是工程阶段，而不再只是科学理论探讨阶段。"

提升可制造性

如何让量子计算机的生产变得更简便、更经济，是全球量子技术研究者共同关注的课题。提升产能是将量子计算从实验室科研项目发展为真正产业的核心所在。稳定可靠的芯片生产能力，是商业化落地的基础前提。

美国近期的投资计划明显向产业化倾斜。所承诺资金中约70%用于建立国内量子晶圆代工厂：政府计划向GlobalFoundries拨付3.75亿美元，向IBM拨付10亿美元。这些投资覆盖多种技术路线：GlobalFoundries将探索超导、俘获离子、光子、拓扑及硅自旋量子比特技术，IBM则聚焦于超导晶圆方向。

此类产业化计划旨在借助现有制造工艺，即半导体行业数十年来积累的技术路径。IBM和GlobalFoundries在微电子领域均拥有深厚积累。IBM计划基于其在制造工具方面的经验，成立一家名为Anderon的公司，作为其量子代工厂。GlobalFoundries是2009年从AMD拆分而来的芯片公司，其在投资公告中表示，量子企业及其他创新者可以在其已建立的"工业化基础"之上进行开发。

这一制造策略在法国硅量子比特公司Quobly等企业中同样十分突出。Quobly与半导体制造商意法半导体展开合作。Quobly首席执行官兼联合创始人Maud Vinet将制造业的核心挑战描述为：从当前量子原型机中相对有限的量子比特数量，跨越到能够制造出数百万个量子比特的能力。

将半导体经济学应用于量子领域

Vinet表示，实现这一跨越的关键在于"微缩化"——即复用推动半导体行业发展的同一原则：不断提高集成密度，持续缩小器件尺寸。

将数百万个晶体管集成到手机芯片中所积累的制造知识，完全可以迁移过来，用于快速提升量子比特数量。

"这不仅适用于量子比特本身，也适用于控制电子器件和互连结构，"Vinet说，"通过更紧密地集成这些元素，我们可以降低系统复杂度，缩减系统体积。"

更高的集成度能够随时间推移不断降低成本，更重要的是，它还能支撑可扩展性的实现——而Vinet将其称为"量子计算的核心挑战"。

解决纠错与更广泛的可扩展性问题

Mooter指出，可扩展性是量子技术行业面临的首要问题，而量子纠错则是其中最大的障碍。

"两者相互关联，"Mooter说，"'如何解决这些问题'是当前最核心的任务。"

量子纠错旨在应对量子态的脆弱性。叠加态和纠缠态是实现量子计算的基础，但它们极易因振动、辐射或其他干扰而坍缩。量子"噪声"会引入计算错误，在系统扩展时，这一问题将成为难以逾越的障碍。

"随着量子计算机规模扩大，错误会迅速增加，"英国剑桥量子纠错技术公司Riverlane的工程副总裁Marco Ghibaudi说，"如果没有量子纠错，这些错误累积的速度会超出任何有效计算所能承受的范围。"

他指出，量子纠错问题最好被理解为一个系统性问题。

"它的挑战在于，它横跨硬件、控制系统、经典处理和软件的交叉地带，"他说，"这不是一个能够孤立解决的问题。"

Ghibaudi表示，量子纠错是将量子计算转变为实用技术的关键一步。他指出，Riverlane 2025年的调查显示，在300余位量子领域专业人士中，有95%的人认为量子纠错对于实现效用级量子计算至关重要。

Riverlane将"效用级"定义为量子计算机能够可靠执行1万亿次运算的能力。根据该公司今年3月发布的量子纠错技术路线图，这一目标预计从2033年起逐步实现。届时，量子计算机有望在分子化学、药物设计和气候建模等领域提供"革命性优势"。

冷却技术成为差异化竞争关键

可扩展性方面的其他挑战还包括前文提及的可制造性问题，以及冷却需求。在冷却方面，某些技术路线只能在极低温环境下运行。以超导量子比特为例，其工作温度必须接近绝对零度。Mooter指出，随着超导量子计算机中量子比特数量的增加，冷却需求也会随之上升。支撑超导量子计算机运行的低温系统需要占用大量空间并消耗可观的能源。

"冷却问题将成为规模化扩展的一大障碍，"他说。

这一问题可能导致不同技术路线随着时间推移相互超越。Mooter表示，超导量子比特目前势头强劲，因为其制造工厂与硅芯片的生产设施高度相似，比其他路线更易于生产。

但由于冷却方面的挑战，Mooter预测，到2030年代末，中性原子量子比特可能会超越超导系统。中性原子所需的冷却功耗和设备量要少得多。

构建软件栈

量子计算机的软件层为企业在仿真、优化等领域的问题提供解决方案。但目前，这一技术栈仍处于持续开发阶段。Vinet表示，量子计算要达到今天人工智能的成熟程度，还需要大约10到15年的时间。

"要达到与AI相当的成熟水平，不仅需要硬件的进步，还需要构建完善的软件生态，并明确具体的应用场景，"她说。

缩小差距需要在多个方面取得进展。其中一个棘手的任务，是找到高效地将经典数据加载到量子系统中的方法。量子系统无法像传统系统那样直接导入数据，数据必须被编码为量子态。这一过程称为"态制备"，其复杂度代价不可忽视：在最坏情况下，编码所需的计算量会随量子比特数量呈指数级增长。

"态制备问题长期以来悄无声息地制约着许多极具前景的量子金融算法，"汇丰银行首席科学家Georgios Korpas说道。

这一制约使量子振幅估计技术的潜力难以充分发挥。量子振幅估计是一种可以提升蒙特卡洛模拟效率的技术，在金融服务等行业被广泛用于预测分析。蒙特卡洛模拟通过将数据样本数千次乃至数百万次地代入模型，以生成更精准的预测结果。而借助量子振幅估计，原本在经典计算机上需要100万次采样才能达到的精度，在量子计算机上可能只需1000次即可实现。这种效率提升被称为"二次加速"，在模拟精度要求越来越高的情况下尤为突出。

Korpas表示，量子振幅估计可为风险价值、条件风险价值、衍生品定价和信贷组合风险等金融应用中的蒙特卡洛模拟带来二次加速，"但前提是我们能够以不抵消加速效益的计算代价，将输入分布加载到量子态中。"

这正是汇丰银行与总部位于纽约的量子软件公司Haiqu合作研究的核心课题。双方的联合研究成果于4月发表，聚焦于对金融服务等行业中使用的重尾概率分布进行编码。重尾分布允许极端事件以比正态分布更高的频率出现，因此适用于对极端金融市场事件进行建模。双方采用矩阵乘积态方法对重尾分布进行编码，并在最多拥有156个量子比特的IBM量子机器上完成了电路运行。这种"浅层"量子电路避免了指数级门计数带来的编码瓶颈，同时也能确保量子设备上的噪声不会对编码态产生实质性影响。

Haiqu联合创始人兼首席技术官Mykola Maksymenko表示，这种编码方法是开发能够应对重要业务挑战的软件的第一步。

"这并没有解决整个应用层面的问题，"他说，"但它解决了这第一个、最根本的部分，这让我们真正看到了希望，让我们有理由相信这个问题终将能在量子计算机上得到解决。如果你无法对真实世界的分布进行正确建模，任何模拟都无从谈起。"

"实际上，这意味着我们可以制备编码了更真实风险因子分布的量子态……从而更好地匹配实际观察到的市场行为，"Korpas说，并举例提到了Lévy分布、Gamma分布等重尾分布。

迈向实用系统

随着商业化进程的持续推进，量子计算领域正从以实验为主，逐步转向构建实用系统，Maksymenko说道。

"几年前，量子研究大多发生在完全理论化的环境中，或者是在实际量子硬件上进行一些非常基础的实验，比如5量子比特或10量子比特的测试，"他说。

尽管这些早期成果在规模上显得"像玩具，不够严肃"，但量子技术如今已迈入一个全新的时代，Maksymenko表示。

"总感觉距离终点还有一段路，"他说，"但我们正越来越接近一个时刻——某些细分领域的应用将在量子计算机上超越经典计算机的表现。"

他指出，这些细分应用可能首先出现在量子化学、优化问题，以及部分金融建模领域。

但Forrester的Mooter表示，量子计算即便持续演进，也不会取代经典计算。量子计算机利用的是与经典计算机根本不同的物理原理，这使量子系统在处理特定问题时效率更高；但对于大多数问题，经典计算机仍然是更合适的选择。

在Mooter看来，量子计算机将是对传统计算能力的增强与补充，与GPU、CPU协同工作，共同完成任何单一系统都无法独立完成的计算任务。

"当量子计算机真正成熟可用时，标准架构将会是混合型的，"他说。

Q&A

Q1：量子纠错技术对量子计算的发展有多重要？

A：量子纠错是将量子计算转化为实用技术的关键步骤。Riverlane的调查显示，超过95%的量子专业人士认为量子纠错对于实现效用级量子计算不可或缺。随着量子计算机规模扩大，量子噪声引发的错误会迅速累积，若没有有效的纠错机制，计算结果将无法可靠使用。Riverlane预测，到2033年后，量子计算机有望实现可靠执行1万亿次运算的效用级能力，并在分子化学、药物设计和气候建模等领域带来革命性突破。

Q2：量子计算机的冷却问题为什么会影响技术路线的选择？

A：超导量子比特需要在接近绝对零度的环境下工作，随着量子比特数量增加，低温系统所需的空间和能耗也会大幅上升，这构成了规模化扩展的重要障碍。相比之下，中性原子量子比特所需的冷却功耗和设备量少得多，因此分析师预测，到2030年代末，中性原子路线有望在规模化方面超越超导方案，成为更具竞争力的技术路线。

Q3：汇丰银行和Haiqu合作研究解决了量子金融计算中的什么核心问题？

A：两家机构的合作聚焦于解决量子计算中"态制备"的编码瓶颈问题。传统方法在将金融领域常用的重尾概率分布加载到量子系统时，计算复杂度会随量子比特数量呈指数级增长，从而抵消量子计算带来的加速优势。通过采用矩阵乘积态方法，双方成功在浅层量子电路中对重尾分布进行高效编码，为在量子计算机上实现风险价值评估、衍生品定价等金融模拟奠定了基础。