文章核心观点 - 算力供给紧张且成本快速上升，英伟达Blackwell GPU云端租金两个月上涨48%[2] - OpenAI同样受算力掣肘，CFO公开表示公司在非常艰难地取舍项目，算力不够只能砍掉部分项目[3] - 经典计算范式存在能力天花板，分子结构模拟、大规模组合优化等NP难题的计算量随问题规模指数级增长，GPU堆量无法解决[4][5] - 量子计算提供从底层逻辑就不同的算力，被视为继CPU和GPU之后的第三种算力[7][9] - 未来算力格局将是多种计算能力并存的融合计算，量子计算与经典超算、智算结合形成新计算生态[19] - 量子计算规模化仍面临成本、编程方式、硬件精度与工程化等多重门槛[22][24][27] - 国内已有企业沿芯片、整机、云平台、开发者生态等关键环节布局，推动量子算力从实验室走向产业[35][61] 经典算力的能力边界 - 对于缺乏有效数学化简手段的NP难题，经典计算只能逐个或成组遍历所有可能性[5] - 100个变量、每种变量仅2种可能性的组合问题，将导致2^100约1.27×10^30种可能组合，超过一百万亿亿亿种[5] - 即使把全世界GPU堆在一起，穷举一遍也要算上数万年[6] - 分子结构计算是最典型的一类难题，一个中等大小蛋白质分子包含数以万计的电子，经典计算机需追踪的状态数量随电子数量指数级增长[12] - 全球超算很大一部分算力花在量子化学计算上，但能解决的问题仍然有限[12] - 以RSA为代表的公钥加密算法安全性建立在经典计算机解不动大数分解的前提上，一旦量子计算机达到足够规模，Shor算法理论上可在可接受时间内完成大数分解，现有加密体系根基将被动摇[14] 量子计算的技术原理与定位 - 量子比特可同时处于0和1的叠加态，彼此之间还能纠缠关联，每多一个量子比特计算空间维度就翻一倍[9] - 叠加性和纠缠性结合，可将爆炸性增长的组合可能性快速编码到指数级增长的计算空间内，再通过合理设计的量子算法将有用结果通过量子干涉浮现出来[9] - 量子处理器QPU被视为继CPU和GPU之后的第三种算力[9] - 经典算力堆量解决不了的问题，换一种计算范式也许就有了出路[10] - 量子计算属于计算层，是底层能力；AI属于应用层，建立在计算之上，有了更强的计算能力才会有更好的AI[20] - 当前仍处在量子计算工程化的关键阶段，仍在与噪声做激烈斗争[20] - 眼下比较现实的方向是先用AI帮助量子计算做校准、参数优化和故障诊断，借助AI尽快提升量子计算能力，从而让量子计算更快反向赋能AI[20] 量子计算规模化的门槛 - 成本是最绕不开的一道门槛，量子计算机造价高昂，运维流程复杂，芯片需在接近绝对零度的极低温环境中运行，配套测控系统、低温线路和校准软件都是重资产投入[22] - 对大多数想用量子算力的团队来说，自己买一台整机并不现实[23] - 即便通过云服务或租用等方式解决成本问题，编程方式仍然是一道障碍[24] - 经典计算开发者面对的是经过几十年发展的成熟编程语言和开发工具链，量子计算使用者需把计算任务拆解成一个个量子门，再手动编排执行顺序和作用对象，组成量子线路[25][26] - 这个过程类似于直接用汇编语言编程，使用量子计算基本要手动编写一个个量子门组成的线路，好比过去必须懂机器码、懂汇编才能编程，汇编有很高门槛，这种状态下很难形成广泛生态[27] - 硬件层面同样还没准备好，过去几年量子计算机量子比特数从几十扩展到几百再到上千，但比特数量并不等于算力[27] - 精度不够、错误率没降下来，规模再大也无法投入实用[28] - 想要把实验室原型机做成能稳定运行的整机产品，中间还需要大量系统工程，能调用多少算力要看可用比特有多少、单位时间能跑多少层线路，由芯片、测控、软件和校准共同决定，任何一环跟不上算力都无法有效输出[29] - 量子计算目前已在金融风控、分子模拟等场景中开始探索，但大多还停留在验证阶段，真正大规模应用爆发还要等基础设施再成熟一步[30] - 成熟之后会长成什么样目前行业还没有统一共识，量子计算真正的大规模应用场景还有非常大的想象空间[31][32] 相干科技的业务布局 - 相干科技2023年10月成立，孵化于北京量子信息科学研究院的超导量子计算团队，业务是把量子算力变成一种可以交付的服务[35] - 公司业务依赖芯片、测控、整机和平台等环节协同推进[37] - 芯片是底层核心，公司走超导路线，用钽作为核心超导电路材料，结合蓝宝石和高阻硅衬底优化工艺[38] - 钽表面能形成致密氧化层，有助于抑制造成量子比特退相干的噪声，配合蓝宝石和高阻硅衬底工艺优化，表面介电损耗可降到很低，再通过超高真空磁控溅射技术生长出平整、低缺陷的超导钽膜，有助于提高晶圆级量子比特一致性[38] - 金贻荣在北京量子院时期与团队一起攻克干法刻蚀和表面处理难题，做出过503微秒长寿命的超导量子比特芯片[39] - 此后团队针对多比特芯片寿命下降问题持续优化工艺[40] - 到目前为止，相干科技量子芯片已做到百比特规模，芯片寿命超过100微秒，单比特门平均保真度超过99.9%，两比特门保真度突破99.5%[41] - 芯片团队已打通全流程制备渠道，每个工艺步骤都不依赖单一制备平台，公司正在建设自主芯片产线，建成后芯片设计、工艺迭代、流片与封装都可在内部完成，从而缩短下一代更大规模、更高性能芯片的迭代周期[42] - 相干科技整机方案支持10到1000个量子比特的独立操控和测量，覆盖芯片、测控硬件和软件的系统集成，可本地部署也可上云[44] - 测控电子学解决方案已在100量子比特以上规模处理器上完成系统级验证，单比特门保真度可达99.99%以上，两比特门保真度可达99.8%以上，读取保真度可达99%以上[44] - 测控能力是相干科技最早建立起来的技术基础，公司成立之初先从量子测控切入，靠测控系统和低温测控线路建立产品收入和工程经验[45][46] - 从2024年到2025年，测控业务收入从300多万元增长至3100万元，客户包括中国科学院相关机构、清华大学、粤港澳大湾区量子科学中心等[46] - 持续交付的测控订单为整机研发积累了工程经验，也为公司提供了资金缓冲[47] - 今年相干科技的目标是完成百比特规模整机的交付[48] - 整机之上，相干科技在同步搭建千比特规模的量子算力云平台[50] - 金贻荣认为量子计算交付形态和今天AI很像，前沿大模型大多只能通过云服务调用，看重数据安全的用户则会选择私有化部署，量子计算也会以高水平云服务为主，结合定制化、私有化部署的整机[51] - 相干科技正在建设自有算力平台，用户可通过图形化界面拖拽搭建量子线路，也可通过API提交计算任务，平台还计划为AI Agent预留接口，并探索用自然语言提交量子计算任务[51] - 目标是让用户不需要深入了解量子计算背后原理也能调用量子算力[52] 量子计算应用场景 - 应用端相干科技已布局金融、超算、气象等多个领域[53] - 金融领域或许是走得最快的一个，金融业务中天然存在大量组合优化问题，比如从几千只股票中选出最优投资组合，或在实时交易中对上百种衍生品同时定价[54] - 这些任务计算量随变量数量指数级增长，和经典计算碰到的天花板是同一类困境[54] - 金融机构有足够付费意愿，愿意为更快、更精确的计算买单[55] - 量子算力服务在金融领域可应用于智能风控、反洗钱、投资组合优化、金融衍生品定价等15个业务场景[55] - 超算领域，相干科技正在做量子与经典融合计算的应用验证[56] - 气象领域，复杂微分方程求解和大规模数据处理也是量子计算有可能发力的场景[57] 开发者生态建设 - 相干科技目前也在推动开发者生态建设[58] - 2025年12月，公司协办第二届量子云计算研讨会，与北京量子院联合推动Quafu量子云平台建设[60] - 2026年，又参与协办首届Quafu杯量子计算真机挑战赛，挑战赛要求参赛者在真实量子硬件上测试和迭代算法，和模拟器环境相比对算法工程可行性有更严格检验[60] - 只有让算法开发者尽早接触真机，下游应用生态才有可能慢慢长出来[61] - 芯片、整机、云平台、开发者生态等量子计算下一公里的各关键环节，相干科技成立三年均已落子[61] - 量子计算走向规模化应用这条路上，已经有选手站上了起跑线[62]