英伟达创始人黄仁勋说“如果非常有用的量子计算机还需要15年时间来实现，那可能还算早； 如果你说30年，那可能算晚了。” 黄仁勋所说的量子计算落地时间比华尔街预想时间要更晚，令相关量子计算概念股在2025年1月全线大跌。
而他本想在英伟达GTC期间与量子界“握手言和”，却没料到，当他将十四位最具权威的量子计算公司CEO与领袖汇聚一堂时，暴露出的却是：量子计算市场的混战现状。而这，也让量子概念股在英伟达“量子日”后再次受挫。
我们在3月也发布了一篇“量子计算”相关的文章，当时的内容注重在实地拜访硅谷的一家量子初创公司实验室，也聚焦在硅谷几大科技巨头的“超导量子”研发路线。不过可能当时重心放在“科普”上，在深度上欠缺了一些。
而在文章发布之后，没想到在业界引发了很大的水花。我们很惊喜地发现，业界很多一线从业者、投资人和教授主动找到我们，分享了更多这个行业的全球现状，包括不同初创公司的技术路线以及落地应用的尝试。
而正值3月英伟达GTC的召开，黄仁勋史无前例地召集了数位量子计算业界领军人物之际，本文我们就来和前沿科学家以及一线从业者们再一起深度聊聊量子计算的现状、市场与商业落地的希望。
01 量子日“混战”
黄仁勋是不想与量子界“交恶”的，这也是为什么英伟达会在GTC期间大费周章举办“量子日”。虽然量子计算之后可能会对GPU带来一定威胁，但从英伟达布局的CUDA-Q，推出的全球首个GPU加速量子计算系统NVIDIA DGX Quantum，以及GTC期间宣布将在波士顿新建的专注量子计算实验室这些动作来看，黄仁勋的本意是想“牵手”量子界、在开场承认一下错误。
但他一开口，不知道是有意还是无意，就给这场论坛奠定了drama的基调。
Jensen Huang
英伟达CEO：
我不知道它们已经上市了，量子计算机公司怎么会上市呢？
老黄在开场的时候的调侃，也反映出在此之前，大众对量子计算行业的关注度真的非常有限。
Joe Han
量子投资人：
老黄就像在说：“我真没有侮辱和针对任何一个公司，只是在座各位都是渣渣，你们这些种只烧钱不赚钱的公司怎么能上市呢？”这句话伤害性不强，但是侮辱性极强。
Joe Han在量子计算领域有着超过13年的产业经验，也是D-wave、lonQ、 SEEQC等多家量子计算公司的早期投资人，同时也是世界上首家量子计算软件公司1QBit的联合创始人。
Joe Han认为量子日当天的三场panel论坛中的14家公司，每一家都在描述自己的宏伟蓝图、表达自己的技术最具有优越性。但显而易见，这14家企业的量子整机相互之间几乎完全不兼容，这个现象本身就是量子界最大的挑战。
无法统一路径，无法达成共识，无法协同，无法产生经济效应，无法高效利用有限的专业人才。这也是为什么黄仁勋想通过“量子日”向外界传达这个前沿领域的最新进展，但事实却“弄巧成拙”，反而让外界意识到如今量子界面临的众多挑战。
接下来我们梳理一下，黄仁勋邀请的十几家前沿公司所代表的技术派别，以及它们各自的发展现状与商业化路径。
02 五大量子技术门派
Chapter 2.1 超导量子比特
首先，我们来聊聊科技大厂们最喜欢和青睐的“超导量子路线”——它常被比喻为“水流般波动”的电荷。
通俗解释就是：在超导体中，电路中的电荷不再像粒子一样随机运动，而是像波一样集体运动，展现出量子的波动性。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
超导量子比特利用的是超导体的一种神奇的量子特性：所有电荷以波的形式做集体运动，展现出量子的波动性。如果将超导体制成类似电路的结构，它就像一条河道，允许电流像水流一样在其中波动。电荷波的不同波动模式，构成了不同的量子态。人们可以用这些量子态来编码0和1，并通过外部电磁场控制量子比特的状态，使它们产生相互作用。
从科技大公司的角度来说，超导量子比特路线无疑是最受青睐的。我们之前也提到，IBM、谷歌、亚马逊、 Rigetti等公司都采用了这一技术路线，因此目前来看发展也相对更为成熟。
其中， IBM注重规模和整机迭代，不断推出更大规模、稳定的芯片，自2016年至今已经交付超过60台量子计算整机；谷歌则在早期实现了量子纠错，并着重发展量子纠错技术；亚马逊则是尝试通过“猫态”降低错误率，力求在硬件层面直接实现量子容错。
而量子界最近的更新速度实在太快，就在我们上篇文章截稿后不久，亚马逊便在2月底推出了首款名为Ocelot的量子计算芯片，使用名为“猫量子比特”（cat qubits）的创新设计，开发出对硬件需求更低的量子纠错系统。而这项技术方向与法国初创公司Alice&Bob的路线相似。
Théau Peronnin
Alice & Bob CEO兼联合创始人：
我们的猫量子比特技术在量子比特内部，已直接构建了第一层的纠错。这种机制非常强大，并且硬件效率极高，能够将所需的量子比特数量减少多达200倍。这不仅降低了系统的成本和复杂性，还大大缩短了时间线。如果从摩尔定律的角度来看，这几乎相当于我们获得了近十年的领先优势。
2025年初，Alice&Bob完成了B轮融资，金额达1亿美元。同时，还有一家此前我们文章中未提及、同样走“超导量子”路线的重要公司——Rigetti，其CEO Subodh Kulkarni也受邀出席了黄仁勋在GTC举办的“量子日”论坛。
Rigetti的创始人Chad Rigetti曾是IBM员工，2013年离职后创办了Rigetti Computing。公司采用超导量子路线，专注于模块化设计，通过多块小芯片互联，构建更大规模的系统。2022年，Rigetti通过收购Supernova，以SPAC方式在纳斯达克上市。
Rigetti的技术路径类似于用乐高积木搭建复杂结构：将多个小型量子芯片通过可调耦合连接在一起，形成一个更大的系统。通过这种方式，Rigetti能够逐步增加量子比特的数量，同时保持系统的稳定性和性能。
Subodh Kulkarni
Rigetti CEO：
我们喜欢超导量子计算的主要原因在于，它在可扩展性和门速率方面具有优势。我们基本上是用的是硅芯片，因此，通过借鉴半导体行业五十年的经验，我们可以知道如何实现大规模扩展。而且，由于我们处理的是电子，门速度可以达到纳秒级别，这使它能够轻松与CPU-GPU 生态系统兼容，而我们认为，这正是量子计算未来的发展路径。
总的来说，虽然超导量子的路线是各大科技巨头们普遍采用的方向，但其难点在于超导系统需要在极低温下运行，制造和维护成本极高。我们在上篇文章也带大家参观了实验室，展示了量子计算机运行时所需的非常多层的真空罩，像俄罗斯套娃一样。
此外，虽然各大公司正通过不同方式来解决量子计算中错误率的问题，但仍需要大量的物理比特才能实现容错。而这种高成本路线，通常并不适合初创公司。所以，我们再来看看其他初创公司们都采取了哪些路线，其中的一派被称为“中性原子量子比特”，我们将其比喻为“空间中下棋的‘原子灯泡’”。
Chapter 2.2 中性原子量子比特
“中性原子量子比特”的原理，是用激光“钳住”一颗颗小原子，每个原子就像一个小灯泡，有着“暗”和“亮”的两种状态，分别代表0和1。通过人为激光操控，这些原子之间可以产生相互作用，从而实现计算，这种计算方法的优点在于灵活性。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
与超导量子比特不同，中性原子量子比特在制造出来后，并不是焊死在芯片上的，而是可以通过激光挪来挪去。人们通过调控激光的光束，可以让两个比特靠近，相互作用交换信息以后挪走，再和另外一个比特发生计算，这种方式大大增加了计算的灵活性。
除了灵活性，中性量子比特还能被非常好地统一控制、很容易规模化。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
所有原子天生都长得一样，但在电路上刻蚀超导量子电路时，难免会产生工艺上的误差，导致每个超导量子比特略有差异，这就需要在后期进行大量调整和补偿。
相比之下，中性原子的量子比特可以做到全统，便于统一控制。而且这种原子获取相对容易，因此更有可能实现上千个数量级的量子比特的规模。
不同公司是如何“玩转”中性原子的这套“灯泡阵列”呢？目前在该领域进行前沿探索的公司包括Atom Computing、Pasqal、QuEra，这三家公司也都在英伟达黄仁勋今年“量子日”的邀请名单当中。
其中，Atom Computing采用是利用原子内部的“核自旋”的技术路线，追求更长的存储时间。
原子内部的“核自旋”是原子最里面的一个部分，好处是很稳定，几乎不受外界打扰，所以能将信息（量子比特）保存很久，可谓是量子界的“记忆高手”。
结合我们前面提到“中性原子像小灯泡”的类比，可以把Atom Computing看作是在研究：如何让这个“灯泡”拥有超强的“记忆力”，能保持“记住”的状态更久，比如一旦亮起，就能长时间保持明亮，不会突然熄灭。
Ben Bloom
Atom Computing创始人兼CEO：
我们已经能够制造出数量非常庞大的量子比特，是最早突破1000个量子比特的公司之一，而且能以极高的精度实现这一点。因此，我们可以对这些量子比特进行高度coherent（相干）的操作。此外，我们还可以实现all-to-all connectivity（全连接），使各种量子纠错的编程与应用能够在系统中顺利运行。
Atom Computing公司追求的是“记性超好的原子”。而法国初创公司Pasqal，则专注于用激光在空间中构建超大规模的“灯泡阵列”，也被称为“原子阵列”，就像在空间中下一盘量子棋。Pasqal的目标是利用这些“原子灯泡”之间的相互作用，来模拟复杂系统的行为，从而模拟自然界的规律或优化复杂系统，例如化学反应、材料结构、城市交通等问题。
所以，大家可以将Pasqal公司的中性原子路线想象成“拼拼图高手”。该公司最新融资的情况是在2023年初，完成了超过1亿美元的B轮融资。
Loïc Henriet
Pasqal CEO：
我们认为，像量子处理器这种非常专业的设备，可以在复杂的工作流中与CPU和GPU协同使用，但它们仍然主要用于特定的专项任务。
中性原子路线的第三家公司是QuEra，它专注于通过“可编程的原子排列”实现特殊优化问题的求解。
简单来说，QuEra在某种程度上结合并升级了Atom Computing和Pasqal的技术特点：不仅要拼阵列，还要能灵活编程这些“灯泡”的排列和互动方式，用这种可编程的灵活性来解决一些“特别难的优化问题”，比如最优路线、分配资源、AI训练等。换句话说，它们希望通过“编程式”地摆原子，来破解特定类型的复杂数学难题。
Mikhail Lukin
哈佛大学教授，QuEra联合创始人：
本质上，可以按我们的意愿用激光将这些原子移位，甚至在计算过程中也可以动态调整。正因如此，我们可以构建连接方式高度灵活的处理器，并且在计算过程中可以进行演变。这一点非常特别，也正是它让我们现在有能力构建拥有数千个量子比特的系统。
QuEra最近宣布完成了2.3亿美元的转换债券融资，投资方包括谷歌和软银，希望在未来三到五年内打造一台 “实用” 的量子计算机。
可以看出，“中性原子量子比特”已成为继超导路线之后，最受初创公司青睐的技术路径之一。但这一路线也面临不少挑战：如何实现高精度的原子操控与稳定的激光系统，以及如何在大规模系统中维持各原子之间高保真度的相互作用。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
评价一种量子比特或量子线路的优劣，我觉得可以从四个维度来考量：多、快、好、省。
多：量子比特的数量是否足够多；
快：操作速度是否足够快，能否在短时间内完成大量操作；
好：精确度是否高、误码率是否低；
省：制备和维护是否容易，且成本是否较低。
目前，超导量子比特在这些方面都在持续改进中。在“好”这个维度上，超导量子比特的误差率相对更低一些；在“快”方面，超导与中性原子比特都具备较高的操作速度。而中性原子比特在“多”和“省”方面更具优势。它们相对更容易扩展到大规模系统，同时由于主要依靠激光控制，可以在常温环境下运行，不像超导比特那样需要维持毫开尔文的极低温度，省去了每日昂贵的低温设备和持续运行成本。
说完了超导和中性原子的方向，接下来，我们来聊聊另一个业界正在探索的主流方向——离子阱量子比特。
Chapter 2.3 离子阱量子比特
先简单说下离子阱量子比特的原理。设想一下，把带电的离子悬挂在空中，再用电场将它们“捕捉”在一个小盒子里，每个离子就像一个微型钟表，状态非常稳定。之后人们可以利用激光控制这些离子，就像用激光指挥一个完美的舞蹈队，队员之间可以互相配合完成复杂动作。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
这些带电的离子就像一个小小的钟表一样，它们会在离子阱中间振荡，并且振荡的频率非常精确，状态非常稳定。人们也可以利用这种振荡的这些量子态，用激光来控制它们相互作用。
离子阱方案就像一支配合默契的舞蹈队。在这一方案中行业的代表玩家包括IonQ和Quantinuum。IonQ是一家在风口浪尖的量子概念股公司，而Quantinuum也作为备受关注、可能准备上市的量子公司，自然也被老黄请到了“英伟达量子日”。
IonQ成立于2015年，其技术路线主打“全连通性”，即希望所有离子之间都能相互作用、没有限制。就想我们前面“舞蹈队”的类比，IonQ的舞团成员之间沟通无障碍、反应快，适合小型整体的舞团。这样的特点让量子计算简单直观，适合初期应用，比如一些小规模算法或量子模拟。
Peter Chapman
IonQ执行主席：
我们的技术有两大优势。首先，它支持构建室温运行的量子计算机，可以直接安装在标准机架上。说实话，它可能相比你想象中的稍显乏味，因为它将会是一个基于机架的室温设备。
另一个优势在于，我们采用的是光学和激光技术，因此可以实现系统间的互联，进行分布式量子计算，从而实现更大数量的量子比特。而且，这种连接可以利用现有的互联网基础设施，通过光纤进行网络连接。
IonQ在2021年3月成功在纽约证券交易所挂牌上市，率先摘得“量子计算第一股”的称号。而同样采用离子阱的Quantinuum，则是美国霍尼韦尔公司旗下的量子计算公司，目前以独立实体运作，霍尼韦尔是主要持股方。
与IonQ相比，Quantinuum采用了更复杂的芯片设计，能够在同一系统中并行操作，通过移动离子实现更高效的门操作。再套用上文“舞蹈队”的类比，Quantinuum的方案就像一支大型的舞蹈团，可以实现分布式排练与并行操作，好比能同时在多个排练室进行多支舞蹈的编排，更适合复杂和高效的任务。
Rajeeb Hazra
Quantinuum CEO：
我们拥有行业内最高的保真度。至于我们的技术路径，是将QCCD（量子电荷耦合器件）架构扩展到更高层次的规模。按照计划，我们将在今年实现50个高度可靠的逻辑量子比特，并在18个月后突破100个逻辑量子比特。同时，我们已经看到一条清晰的路线，有望在2031至2032年初实现数百万量子比特的规模。
但有量子业界人士指出，离子阱路线的挑战在于，离子的操作速度较慢，且在扩展系统、增加更多离子时，会遇到振动模式复杂、控制难度提升等问题。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
离子阱目前还做不了很多，基本上就十几到二十几个量子比特。它的主要问题是比较慢，不论是移动离子，还是让离子之间相互耦合，都需要较长时间，相比前面提到的超导和中性原子路线，它可能要慢上百倍。但这个方向上人们也在不断改进它的速度。
不过，它的优势也很明显：精确度非常高，误码率比超导和中性原子都低很多。而且它可以和现有的芯片制程技术自然结合，也能在常温下运行。从“省”的角度来看，是一个相对节省的方案。所以人们也因此也对它期待很大。
Jun Qi（祁均）博士
香港浸会大学计算机系助理教授
Xanadu量子机器学习杰出学者:
其实超导方案虽然可以在短时间内把整个的量子体积做得非常庞大，但是在它的两个量子比特门链路上，它的保真度（或称准确度）大概只有98%左右。
相比之下，同样的在两个量子比特的量子门链路上面，离子阱的保真度可以做到99.9%。虽然还没达到99.99%，但也已经很高了，拿它跟IBM用超导技术做出来的庞大的物理量子比特系统相比，在保真度这一项上是有质变的差异的。
Chapter 2.4 光子量子计算
通俗解释光子量子计算，这个派别不再把目光停留在“原子”或者“离子”这些蹲在原地的粒子上，而是用飞来飞去的光子作为信息的载体，用光的偏振或路径来编码0和1，这就像是拿光当信息的快递员。
光子的好处是，它可以在光纤中飞得非常快且不容易被外界干扰，抗干扰能力更强。但挑战在于，光子本身无法直接相互作用，因此通常需要基于量子测量，让光子产生纠缠，从而完成量子计算。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
当用两个手电筒打出两束光时，光会直接交叉穿过彼此，不会互相弹开。我们的日常经验也表明，光本身并不会相互作用。正因为如此，科研人员就别出心裁设计出了一些巧妙的方法，利用测量来让光相互作用。在量子力学中，为了让量子系统的状态发生变化，除了可以通过相互作用和时间演化的方式，还可以通过量子测量的技术。
在这一赛道中，有两家重要公司：一是加拿大的Xanadu，虽然未到现场，但早在2023年它就已经与英伟达展开合作，首次实现在超级计算机上模拟量子计算的运行；另一家公司PsiQuantum，则作为黄仁勋“量子日”现场第二组讨论的重要嘉宾出席。
Xanadu采用“连续变量”的方式处理光子信号，通过一系列光学元件来压缩光的某个特性实现计算。比如，分光镜用于让光走不同的路径，压缩器可以减少光在某个方向上的波动，而相位器则能改变光的时间差等等。
通俗来说，这种路径处理的不是一颗颗的光子，而是控制一整束连续变化的光波，通过调控整段光波的波动形状和幅度来编码信息，就像调节吉他弦的拉力和振动的方式一样。可以把Xanadu想象成一个玩光波“魔术”的调音师，用整束光的“形态变化”来表示和处理量子信息。
不少业界人士认为Xanadu未能出席“量子日”现场略显可惜，因为除了在光子量子技术上的进展，该公司还开发了开源软件框架PennyLane，在整个量子计算生态中占有重要一席。
Jun Qi（祁均）博士
香港浸会大学计算机系助理教授
Xanadu量子机器学习杰出学者:
Xanadu其实从创立之初，就着眼于AI跟量子的结合。这次它如此低调，没有出现在“量子日”现场，确实有些令人意外。毕竟光量子本身就是一个非常有前景的技术方向，而且，至少在前几年英伟达还没推出CUDA-Q的时候，Xanadu围绕PennyLane构建的量子软件生态群，在业界是非常重要的。
PennyLane是一个“量子+AI的桥梁平台”，让人们可以通过写Python程序的方式，将量子计算与机器学习结合起来。这个框架不仅支持量子机器学习，还能兼容多种量子硬件（包括我们前面提到的光子计算、超导或离子设备），同时支持经典与量子的混合计算模式。正因如此，PennyLane显著提升了Xanadu在整个行业中的生态位。
Joe Han
量子投资人：
如果要问我在量子生态里谁是老大、老二、老三甚至老四，我认为应该依次是：英伟达的CUDA-Q，IBM的Qiskit，谷歌的Cirq，和Xanadu的PennyLane。
Xanadu最近一次的融资信息是在2022年年底的C轮，筹集了1亿美元，估值达到10亿美元。
另一家在光子量子计算领域的大玩家是PsiQuantum，它的路线与Xanadu又有所不同，主要聚焦于利用大量单个光子构建巨大的集群态，目标是打造容错量子计算机。
PsiQuantum可以被形容为“光子的超级拼图玩家”，他们专注于制造大量的、一颗颗独立的光子，并将它们精确排列成巨型“量子拼图”，用以执行复杂计算，最终实现真正容错的、可用的大型量子计算机，可谓是“量子界的乐高专业级选手”。
Pete Shadboil
PsiQuantum联合创始人兼首席科学家：
从一开始，我们就非常坚定地专注于构建大规模的通用容错量子计算机，目标是达到百万量子比特级别的规模。整个行业都明白，百万量子比特级别的规模是实现真正具有商业价值应用的前提。我们选择的路径是基于单光子，也就是光的粒子。我们的CEO Jeremy早在20多年前，就曾在布里斯班首次利用光子展示了双量子比特门，如今，我们正在将这些技术集成到芯片上，重新利用原本为数据中心开发的硅光子技术。
我们相信，这种方法能帮助我们有效应对量子计算在规模化过程中面临的一系列挑战，包括可制造性、冷却、功耗、连接性以及控制电子学等问题。正因为如此，我们将在未来几个月内，在澳大利亚和芝加哥启动建设，打造类似数据中心的大规模量子计算机。
据路透社消息，PsiQuantum在2025年3月底正以60亿美元的投前估值筹集至少7.5亿美元融资，体量已经非常庞大。
Joe Han
量子投资人：
第二组嘉宾里最具争议性的人物就是Pete，他一个人融资的金额，超过了整个量子界所有初创公司融资总和，是一个传奇式的量子科学家兼企业家。
他在现场的表现也有点像黄教主之前说的那句：“我不是针对任何人，只是在座的各位都是渣渣。”他表达的意思很明确，就是他们的光子路线才是真正代表未来的量子计算。并且他说他们刚刚从GlobalFoundries（格罗方德）出来，已经在澳大利亚开建自己的Fab（晶圆）厂。他所展现出的强势感以及对自己故事叙事的自信感，我觉得连黄教主都可能有被他震撼到。
Pete Shadbolt在论坛上非常强势地强调，PsiQuantum的技术已经搞定，接下来就是scaling（大规模扩张）的计划。但不可否认的是，光量子路线本身仍面临不少技术挑战，比如如何高效地产生、检测并维持大量光子的量子态，以及如何应对光子的损失问题等。
尤亦庄
加州大学圣地亚哥分校物理系副教授：
光本身当然是非常便宜的，招之即来，而且可以在常温下运行，不需要低温维持，这些都是“省”的优势。从“多”的角度看，光子数量也可以很多。
但问题在于它“不够好”，最大的挑战是光子损失太严重。光子在光纤中传播时，时不时就会丢失，直接消失掉了。所以在实际计算过程中，经常出现“算着算着，比特就没了”的情况。
而且光子量子计算与其他路径不同，它是基于量子测量来实现的。而测量本身具有很大的不确定性，每次测量的结果，都是量子系统按照一定的概率产生的。因此，如何通过设计良好的测量策略，引导计算朝我们期望的方向演化，就涉及到了大量编码和软件层面的问题。
接下来我们来聊聊量子界的“神秘宝藏”以及最近的一个大瓜：拓扑量子比特。
Chapter 2.5 拓扑量子比特
微软最近发布了关于拓扑量子比特的新进展，声称可以利用“不会轻易被扰动的马约拉纳费米子（Majorana fermion）”来构造量子比特，从而打造更稳定、抗干扰的量子计算机。这个技术路线我们之前已经详细解释过了。
现在尴尬的点在于：业界并不认可微软的发现。在2月微软发布号称采用了“新的物质状态”的首款拓扑结构量子芯片的消息之后，引发了业内的强烈质疑，很多学者要求微软公开更多实验细节。
微软随后于3月17日在APS全球物理峰会期间召开发布会回应，但依然未能完全说服学界。比如，匹兹堡大学的量子研究员Sergey Frolov就直接开喷，说：“微软内部开展的量子芯片研究是一个欺诈性项目。”
尤亦庄
加州大学圣地亚哥分校物理系副教授：
从原理上来说，拓扑量子计算在学界并没有太大争议。但长期以来，这一领域的研究主要停留在理论和一些简单的实验验证上，尚未被真正明确地实现。因为其物理背景相对复杂，涉及量子多体相互作用中的费米子系统，在这样的系统中，往往可以由多种不同机制导致相同的实验信号，因此如何解读这些实验数据就成了一个关键问题。比如：相同的实验信号是否真的源自所谓的马约拉纳零模？是否真的意味着存在拓扑保护？这些问题都在学界引发了持续的讨论与争议。
历史上也曾有研究声称发现了马约拉纳零模，但后来被证实是“假信号”，甚至有文章遭到撤稿。因此，无论在学界还是业界，大家对这一方向普遍持谨慎态度。目前，人们期待微软能够进一步公布更多数据，并希望未来有其他实验组能复现该实验，实现交叉验证，以确认马约拉纳零模的真实存在。理想情况下，研究人员能够演示这些零模如何通过“移动”的方式来实现拓扑逻辑操作——如果微软真的能够展示这种能力，将是一个更具说服力的证据。
Jun Qi（祁均）博士
香港浸会大学计算机系助理教授
Xanadu量子机器学习杰出学者:
所以目前为止，微软的研究仍属于in-house experiment（内部测试和实验）阶段，尚未有任何一家外部机构或研究者能够复现马约拉纳费米子的存在。这一点也成为大家质疑的焦点之一。
如果这种粒子真的存在，那么它将有望显著加速量子计算的商业化进程和大规模实现的可能性。因为从理论指标上看，拓扑量子比特在多个方面都远优于现有的离子阱和超导技术。举个例子：目前超导和离子阱的单量子比特门电路的保真度大约可达99.9%；双量子比特门电路方面，离子阱可以做到99.9%甚至99.99%，而超导通常只能做到98%左右。但如果拓扑量子比特得以实现，其保真度理论上可以达到“7个9”（99.99999%）甚至“8个9”（99.999999%），保真度是非常高的。但问题在于，这样的马约拉纳费米子是否真的存在？这也是当前量子计算领域大家很期待的事情。
看起来，马约拉纳费米子或者说拓扑量子比特这条路线，确实像是量子计算中人人都想找到的“宝藏”，但它真的存在吗？还是只是遥远的传说？我们拭目以待。
Chapter 2.6 中国量子发展现状及其他路径
接下来我们梳理一下国内的主要发展趋势和关键玩家。
Joe Han
量子投资人：
目前，中国在量子计算领域也呈现出“百花齐放”的状态，几乎每一条技术路线上都有两到三家初创公司在积极探索。
在离子阱路线中，段路明老师创办的华翊量子是代表性企业之一；合肥的国仪量子也在开展相关研究。此外，由郭光灿老师的学生创立的幺正量子，以及同样总部位于合肥的启科量子，也都以离子阱为核心技术方向。
在中性原子方面，发展也非常迅速。国内最早专注该方向的企业是位于武汉的中科酷原。而在过去半年内，又有至少两到三家中性原子公司陆续成立，推动原子型量子技术不断向前。
在电子型路线中，主要以超导方向为主导。这里首先要提的创新公司是被称为“中国量子计算的长子”的本源量子，由郭光灿院士的学生郭国平老师创立。另一家重要公司是国盾量子，原本专注于量子通讯，近年来也加速投入量子计算，并在超导方向展现出积极进展。此外，总部位于深圳的量旋量子，虽然起初主要开发基于NV色心的量子教学设备，但根据过去两年多的公开信息，它们也在加大投入研发通用型的超导量子计算机，值得关注。
至于光子型路线，在国内尚处于起步阶段，目前相对活跃的企业包括上海的图灵量子和北京的正则量子，后者由黄蕾蕾老师带领，正持续在光量子计算方向上推进。
总体来看，无论是在整体的量子计算领域，还是在每一条具体技术分支上，中国都有多家公司在你追我赶、持续探索。更不用提我们国家最具优势的量子通通讯和量子测量领域，已经取得了一些令人瞩目的成果。这就是目前中国量子计算初创企业的一些现状与发展趋势的简要梳理。
在上篇文章发出后，也有不少国内从事量子研究的机构和初创公司与我们联系，包括合肥国家实验室，以及用量子计算设计药物的初创公司等。这也让我们觉得，这个选题还有很多可以深挖的空间，不过篇幅有限，本文我们还是聚焦在英伟达的“量子日”上，之后有机会我们会去拜访更多公司，深入聊聊国内的最新进展，持续跟进该领域的研究。
最后，其实产业中还有一些不那么主流但也在探索中的路线，比如“硅自旋量子比特”。这类技术利用单个原子或电子的自旋作为量子比特，有点像用指南针的北或者南的方向来编码0和1，这种方法利用了材料本身的微小磁性，很像传统电子设备，但操作精度要求更高。
代表公司包括英特尔和澳大利亚的Silicon Quantum Computing（SQC），此外也有一些大学实验室和政府项目也在进行研究。不过，由于电子自旋极其微弱，需要非常精细的操控，同时环境噪声很容易破坏量子状态，因此对材料和工艺要求极高，目前仍处在早期研发阶段。
另外，还有出现在此次“量子日”上的D-Wave公司，它走的是“退火量子计算机”和“门模型量子计算机”路线；还有Infleqtion公司，专注于量子技术的商业化，致力于开发量子传感、量子计算和量子网络解决方案。关于这两家公司，我们将在讲商业落地部分时再进一步展开。
03 规模化与商业落地
Chapter 3.1 未来发展的核心
在黄仁勋集结众多领袖人物的“量子日”上，尽管在技术路线选择上存在诸多分歧，但也有明确的共识：规模化（scaling）将是接下来市场发展的重点方向，而商业落地则是探索的核心。
Ben Bloom
Atom Computing创始人兼CEO：
我认为持续扩展规模非常重要。我觉得Pete说得没错，那些真正能够改变世界的重大问题，可能确实需要数百万个量子比特才能解决。因此必须确保量子计算机以极快的速度扩展，我们不希望像摩尔定律那样，每次只扩展2倍或√2倍的规模，我们希望每一次扩展都是10倍级别，并且每隔几年就能实现一次这样的跃升。这是我们Adam Computing所正在做的。
现在已经有一些人在使用量子计算机，也取得了初步进展，开始找到一些实际的问题来解决。但那种真正能够改变世界、具备utility-scale（公用事业规模）的应用，那就必须达到百万量子比特的规模。
而从现在到实现百万量子比特的路上，对量子技术的应用和商业化探索也在同步发生。从前文所述的不同量子技术路线中，我们可以看出：科技大厂、初创企业和政府力量正在并行发力。
像IBM、谷歌、微软、亚马逊等科技巨头，通常拥有雄厚的资金与科研资源，具备大规模芯片制造、系统集成和长期研发能力。虽然推进速度相对较慢，但追求的是根本性的突破。大厂的优势在于整体规划、资金投入和跨学科协作，但在某些非常前沿或风险较高的技术上可能会更加保守。
政府资助项目通常聚焦基础科学研究、人才培养和长远战略目标，这些项目往往聚焦于原始创新，资助大学和国家实验室开展前沿实验，例如中国的国家量子实验室、欧洲的Quantum Flagship、美国的国家量子计划等。政府项目的特点是资金充足、目标明确（例如实现量子通信、量子传感或初步的量子计算原型），但在商业化方面进展较慢。
初创企业则更聚焦于某个具体问题或技术细分市场，优势在于灵活、创新和敢于冒险。
例如在中性原子平台上，Atom Computing、Pasqal、QuEra等初创公司可以更快尝试新方法、优化激光控制系统和扩展原子阵列；在光子量子计算领域，PsiQuantum与Xanadu正以大胆的规模目标推进芯片化设计；而在硅基和自旋量子比特方向，也有一些初创公司借助现有半导体工艺快速迭代产品。
这些初创公司在市场中往往扮演“颠覆者”的角色，它们能够以较低成本尝试一些大厂不愿意承担的风险项目，虽然规模较小，但技创新速度快、技术路线灵活，可以在一些细分领域实现突破，甚至推动行业整个进步。
当然，对于依赖风投资金支持的初创公司以及已经上市的量子概念公司来说，持续吸引大规模资本和人力投入的前提是找到稳定、可预期的回报路径。因此，他们必须尽早转向市场应用，如云端接入、特定问题优化等，为大厂的整体战略提供新思路与技术验证。
至于目前头部企业在商业化落地和营收上的主要方向，主要集中在三个方向：直接销售量子计算整机及其对应的量子云服务；与大企业客户、实验室和研究机构展开合作；国防相关的订单。
Joe Han
量子投资人：
目前已上市的三家量子计算公司分别是IonQ、D-Wave和Rigetti。这三家公司的营收在不同程度上都依赖于来自政府的订单，业务模式涵盖了云服务和整机销售。也正因为如此，我们会看到它们的季度盈利表现存在非常明显的波动。
以D-Wave为例，它最早就是靠销售整机而出名的：第一台卖给了洛克希德·马丁，第二台卖给了谷歌和NASA的联合团队。由于以整机销售为主，它的财报经常出现大幅的“波峰”或“波谷”变化。为了平滑营收曲线，D-Wave近年来也在向云服务方向转型。相比之下，IonQ和Rigetti更多是将自己的量子计算机AWS和微软Azure等云平台进行分享，或采用“按时计费”模式接入其它的云。
另外就是通过和潜在的甲方进行做POC（Proof of concept，概念验证）的一些研究，也会收取不小的顾问费用。
最后，还有一类收入来自国家级企业计划，例如参加IARPA（基础设施高级研究计划局）和DARPA (国防高级研究计划局)主导的项目，会直接收到的是科研的经费。虽然这类资金通常被归类为非营收，但本质上也构成了它们整体收入的重要组成部分。
以上就是目前三家上市量子计算公司主要的收入来源结构。
而非上市的初创企业，它们的收入来源会更丰富，也会更垂直。比如以Infleqtion这家公司为例：
Joe Han
量子投资人：
Infleqtion非常微妙，它有大量的政府订单是来自NIST（美国国家标准技术研究所）对其原子钟的采购，Infleqtion在这一领域是重要的供应商。
第二部分收入是来自光学器件，由于中性原子和离子阱几乎是一个亲兄弟关系，两者所使用的核心光学器件大约有30%左右可以共用，因此Infleqtion能够同时为这两个方向提供组件。它不仅提供标准器件，还进行联合研发，并可提供定制化产品，这部分也构成了稳定的收入来源。
第三，美国政府近年来在Positioning, Navigation & Timing（PNT，定位、导航与授时）领域的采购力度较大，Infleqtion从DARPA和IARPA项目中在这方面获得了可观的收入。
再比如QuEra，它通过接入AWS平台，获得了稳定的收入。在AWS上，目前有两类量子计算云服务：一种是Digital（数字信号），另一种是Analog（模拟信号）。其中，模拟信号的量子计算机的量子设备正是由QuEra提供。由于其在分子运动模拟方面的突出表现，QuEra也在AWS和其他量子云平台上得到不少的收入。
其他还有很多公司都有一些独特的过人之处，比如像硅谷101上次介绍过的量子初创公司Anyon，它们的量子芯片的制程技术也是一个杀手锏。由于该技术是从早期实验室中延续出来的，所以在打造自家量子芯片之前，它们就已经为其他客户设计和开发芯片，也因此带来了丰富的现金流，同时使得公司发展也相对更健康。虽谈不上完全自给自足，还有一定的融资压力，但也能带来不错的营收。
Chapter 3.2 商业应用
最后我们来展开聊聊商业应用模式，在这个层面，其实前沿科技的落地往往比大众想象中来得更快一些。
在之前文章的讨论中，有不少人认为量子计算的应用还只是噱头、炒作和PPT，但不可否认的是，我们确实已经看到了一些商业上的尝试。目前量子计算公司的甲方客户，主要集中在药物研发、材料设计、优化问题等方向，这能让量子化学、量子金融、量子路线规划、量子加密和量子超距传输等应用被快速被试验。
与此同时，量子赋能AI、甚至被AI反向赋能也在业界出现了巨大进展。
Joe Han
量子投资人：
量子与AI之间的结合，目前大致可以分为三种状态或模式：
第一种是用AI来辅助量子计算机的早日实现。比如英伟达即将建设的量子加速中心，正是为这类工作打基础、做铺垫。
第二种是“量子启发式算法”，也就是把量子计算中得到的思路和方法，借由经典计算机来执行。
第三种则是实现真正意义上的“量子AI”。这个路径又可以分为两步：一种是“混合式”，另一种是“纯量子式”。我特别相信，接下来以量子作为加速器的一部分，会让整个算力有显著的提高，而这种Hybrid（混合式）架构会成为趋势，而且未来，越来越多的超级计算中心都将引入量子硬件（或称之为QPU）进行混合搭建，这也会为未来AI与量子的无缝连接，进行前期铺垫。
一线研究人员告诉我们，利用量子神经网络生成传统大模型AI的参数，可以实现100到1000倍的高效压缩；同时，利用传统AI来辅助量子模型的训练优化与量子噪声纠错，可以让量子模型适应大数据应用。换句话说，纯量子的纠错技术和纯量子的机器学习发展过分依赖于量子硬件，但通过AI的辅助可以帮助在现有量子架构上实现量子的实际应用。祁均教授如今研究的领域就是让两者同步进行，将量子和传统的优势都利用起来。
Jun Qi（祁均）博士
香港浸会大学计算机系助理教授
Xanadu量子机器学习杰出学者:
我们确实观察到，量子算力在推动某些AI技术方面展现出一些传统计算所不具备的独特优势。因此，我们正在尝试构建“第三代混合架构”——将传统算力与量子算力混合的量子AI模型。这种架构融合了两者的长处：传统AI擅长模型训练，而量子模型在快速采样、快速输出结果、快速学习方面具有天然优势。两者之间可以形成优势互补，打造第三代的量子AI的系统。
我认为可能在未来三年内，这类系统可能就可以找到能产生实际价值的应用。而且我认为AI赛道与量子技术的结合，是一个需求量很大，同时在工程上也相对容易实现的方向。
而AI和量子的结合已经在大型科技企业中有着更多的尝试，AI可以加速量子计算产业的发展，可以在量子编译、量子纠错、数字孪生模拟器和自然语言量子编程等多个方向上提供支持，简单来说，AI让量子计算机更聪明、更高效、更抗噪。
反之，量子计算也可以加速AI的发展。量子神经网络、量子搜索与优化算法、量子分类模型和量子生成模型等技术正在为AI带来新的加速路径，在未来能让AI跑得更快、学得更深，解决今天尚无法企及的问题。
我们前面说了这么多不同的“门派”、不同的技术路线，其实总结一下，量子计算目前仍处于一个较早期的发展阶段，也正因如此，才会出现没有技术共识的现状。但这不就是前沿科技的美妙之处吗？
尝试，合作，证明，失败，追求看似不可能的路径，被挑战、被质疑，慢慢科普，慢慢探索，再慢慢走进大众的视野，然后改变世界。这个过程可能会很漫长，而我们现在已经慢慢开始看到一些曙光。
侯万达
加州大学圣地亚哥分校物理学博士生：
一个可行的技术路线的苗头已经出现，马上黎明就要到来的时候，此时关键的问题在于：我们什么时候能把它真正扩展起来、真正地实现。剩下的，其实就只是技术和工程上的难题了。
所以说，量子计算的发展路径，很可能不会像一个能看到的“进度条”，每天慢慢地一点点从10%、20%，最终涨到100%。它更可能是这样的——你前一天晚上睡觉前还觉得，量子计算机现在还只有100个量子比特，什么也做不了，可第二天早上醒来，Google就突然宣布：“我们造好了。”也许人们会期待这会是一场突如其来的爆发式进展。就像ChatGPT被挂到网上之前，很多人还不知道它是什么、有什么用，但一旦它开放给所有人使用的时候，大家立刻就意识到：我们的生活被改变了。
以上就是我们硅谷101聊量子计算的第二篇文章，当然，这个垂直赛道我们还会持续深挖下去，欢迎行业从业者继续联系我们，跟我们一起来追踪接下来的技术发展和行业趋势。
