2025年初，一句「量子計算仍需15至30年」的預言，出自NVIDIA創辦人黃仁勳之口，瞬間在資本市場投下震撼彈，引發量子計算概念股的劇烈震盪。黃仁勳或許本想藉由GTC大會期間的「量子日」活動，向量子計算社群伸出橄欖枝，卻未曾料到，當他將14位全球最頂尖的量子計算公司領袖齊聚一堂時，反而赤裸裸地揭示了這個領域群雄割據、路線混亂的「戰國時代」現狀，導致概念股再度重挫。
這場意想不到的風波，卻也激起了業界的千層浪。許多一線的量子計算科學家、投資人與教授，紛紛主動分享了他們對全球量子計算行業的深刻洞見，從不同新創的技術路線，到商業落地的真實挑戰。本文將結合這些來自產業前沿的觀點，深度剖析黃仁勳量子日上各家廠商所代表的技術派別，並探討量子計算的市場現狀與商業化的希望所在。
量子峰會的矛盾：黃仁勳無心插柳下的產業現形記
黃仁勳無疑不想與量子計算界為敵。從NVIDIA佈局的CUDA-Q、推出全球首個GPU加速的量子計算系統NVIDIA DGX Quantum，再到GTC期間宣布將在波士頓新建專注於量子計算的實驗室，都顯示出其積極佈局的野心。
然而，在量子日的開場，黃仁勳一句半開玩笑的「我都不知道量子計算公司已經上市了」，為這場論壇奠定了極具戲劇性的基調。這句「傷害性不強，侮辱性極強」的話，不僅凸顯了在此之前大眾對量子計算行業的關注度極其有限，更讓現場的14家公司領袖們的處境顯得有些尷尬。每一家公司都在描繪自己的宏偉藍圖，宣稱自己的技術路線最為優越，但現實是，這14家企業的量子整機之間幾乎完全不相容。
這種無法統一路徑、無法達成共識、無法協同的現象，正是當前量子計算界面臨的最大挑戰。它導致了資源分散、經濟效應難以產生，也讓有限的專業人才無法高效利用。讓外界看清了量子計算眼前的重重挑戰。
技術路線大亂鬥：誰能率先找到量子聖杯？
接下來，我們將梳理黃仁勳請來的這十幾家公司所代表的幾大技術派別，以及它們各自的發展與商業化情況。
科技巨頭的寵兒：超導量子計算
超導量子位元（Superconducting Qubits）是利用超導體中電路呈現的量子波動性來編碼資訊。這條路線最受IBM、Google、Amazon等科技巨頭的青睞，也是目前發展相對成熟的技術。
- IBM：注重規模與整機迭代，已交付超過60台量子整機，並積極發展量子糾錯技術。
- Amazon：嘗試透過創新的「貓態量子位元」（Cat Qubit）直接在硬體層面實現容錯，並已推出首款晶片Ocelot。
- Rigetti：透過將多個小型量子晶片連接，像堆疊樂高一樣，逐步擴大系統規模。
儘管如此，超導路線的致命傷在於其極高的成本。系統需要在接近絕對零度的極低溫下運行，這使得製造和維護成本都非常高昂，這也是一般新創公司難以負擔的。
新創公司的奇襲：中性原子量子計算
中性原子量子位元（Neutral Atom Qubits）的原理，是利用雷射捕捉一顆顆中性原子，如同在空間中排列可開關的「原子燈泡」，用它們的亮暗來代表0和1。這種方法的優點在於其高度的靈活性和易於規模化。
- Atom Computing：利用原子內部穩定的核自旋，追求更長的量子資訊儲存時間，打造「記性超好」的原子。
- Pasqal（法國）：專注於用雷射在空間中擺出超大規模的原子陣列，用以模擬化學、材料、交通等複雜系統。
- QuEra：不僅能排列陣列，更能靈活地編程這些原子的排列與互動方式，專攻特定優化問題，如AI訓練、路線規劃等。
中性原子路線雖然成本相對較低，但其挑戰在於如何實現高精度的原子操控與穩定的雷射系統。
精準的舞蹈家：離子阱量子計算
離子阱量子位元（Trapped-ion Qubits）是將帶電的原子（離子）懸浮在電磁場構成的「陷阱」中，再用雷射精準操控。這些離子的狀態非常穩定，像一支紀律嚴明的舞蹈隊，能夠完成複雜的運算。
- IonQ：全球首家上市的純量子計算公司，主打所有離子間的「全連通性」，適合小規模的直觀計算。
- Quantinuum：由Honeywell分拆而出，其方案像一個大型舞團，可同時在多個「排練室」進行並行操作，效率更高，備受市場關注。
離子阱的最大優勢在於其極高的精確度（保真度），但缺點是操作速度相對較慢，擴展性也面臨挑戰。
光的魔術師：光子量子計算
光子量子計算（Photonic Quantum Computing）不再使用被困住的粒子，而是用「飛來飛去」的光子作為資訊載體。光子的好處是抗干擾能力強，且能在光纖中高速傳輸。
- Xanadu（加拿大）：採用「連續變量」的方式，控制整束光波的形態來處理資訊，並開發了重要的開源軟體框架PennyLane，連接量子計算與AI。
- PsiQuantum：目標宏大，旨在利用一顆顆獨立的光子，排列成巨大的量子拼圖，打造百萬級別量子位元的容錯通用量子計算機。
光子路線的挑戰在於光子之間天生不會相互作用，需要透過巧妙的測量方式來實現計算，同時還要克服光子在傳輸中容易損失的問題。
各大技術路線優劣比較
為了更直觀地理解這些技術路線的差異，我們可以從「多、快、好、省」四個維度進行評估。
| 技術路線 | 數量 (多) | 速度 (快) | 精度 (好) | 成本 (省) | 代表廠商 |
|---|---|---|---|---|---|
| 超導量子 | 擴展迅速 | 操作速度快 | 錯誤率較高 | 成本極高，需低溫 | IBM, Google, Amazon, Rigetti |
| 中性原子 | 易於規模化 | 操作速度快 | 精度中等 | 成本較低，可常溫 | Atom Computing, Pasqal, QuEra |
| 離子阱 | 擴展較難 | 操作速度慢 | 精度最高 | 成本相對較低，可常溫 | IonQ, Quantinuum |
| 光子量子 | 易於產生 | 傳輸速度快 | 光子損失率高 | 成本最低，可常溫 | Xanadu, PsiQuantum |
聖杯與爭議：拓撲量子計算的神秘面紗
在所有路線中，拓撲量子位元（Topological Qubits）被視為理論上的「聖杯」。它利用物質的拓撲特性來編碼資訊，天生就能抵抗外界干擾，穩定性極高。微軟（Microsoft）長年投入此路線，並在近期宣稱取得了突破性進展。
然而，這項宣稱在學術界引發了巨大爭議。由於缺乏足夠的實驗數據和第三方獨立驗證，許多研究人員對微軟的發現持謹慎甚至質疑的態度，認為其可能只是實驗中的「假信號」。如果拓撲量子位元真能被證實存在，它將極大地加速量子計算的商業化進程，但目前，它仍然是一個充滿迷霧的神秘寶藏。
Maria Ning
商業化之路：量子計算如何賺錢？
儘管許多人認為量子計算仍是紙上談兵的噱頭，但其商業化嘗試早已悄然展開。目前，量子計算公司的收入來源主要有以下幾個方向：
- 硬體銷售與雲端服務：如IonQ、D-Wave和Rigetti，透過向政府、研究機構銷售量子整機或提供按時計費的雲端算力來獲取收入。
- 合作研發與顧問服務：與大型企業（如製藥、金融、材料公司）合作，進行概念驗證（POC）研究，解決特定的優化問題，並收取高額的顧問費用。
- 國防與政府訂單：這是目前最穩定的大宗收入來源。許多量子計算公司都參與了國家的國防預研計畫，直接獲取科研經費。
- 垂直領域解決方案：部分公司（如Infleqtion）在提供量子計算服務的同時，也開發和銷售其核心的光學元器件、原子鐘等產品，創造了多元的現金流。
NVIDIA在量子運算領域的獨特定位：做橋樑而非造船者
你有沒有想過，為什麼科技界的巨頭NVIDIA在量子運算這場競賽中，選擇了一條與眾不同的道路？當其他公司忙著製造量子處理器時，NVIDIA卻把自己定位成混合量子-經典運算的核心推手。這就像是在建造一座橋樑，連接兩個看似不同的世界。
他們的策略其實很聰明：與其在量子硬體製造上與人競爭，不如專注於軟體平台、AI加速模擬，以及建立戰略夥伴關係。這種做法讓我想起了當年的微軟，他們沒有製造電腦，但卻透過作業系統主導了整個PC生態系統。
CUDA-Q：量子與經典運算的超級翻譯官
NVIDIA的王牌武器是CUDA-Q，這個開源的量子-經典開發平台就像是一位超級翻譯官，能夠讓GPU、CPU和量子處理器(QPU)在同一個程式中和諧共處。
想像一下，你現在可以用一套程式碼同時操控傳統的GPU和各種不同的量子設備。這不是科幻小說，而是CUDA-Q帶來的現實。更厲害的是，它透過cuQuantum後端技術，能夠將大型量子電路的模擬速度提升高達2,500倍！這就像是給你的電腦裝上了火箭引擎。
這個平台不僅支援最新的GPU技術（比如搭載多節點NVLink的GB200 NVL72），還能透過NVIDIA量子雲端服務連接到各種量子硬體。這種未來導向的整合方式，確保了無論量子技術如何發展，你的投資都不會白費。
波士頓量子研究中心：實體與虛擬的完美結合
2025年3月，NVIDIA宣布在波士頓成立NVIDIA加速量子研究中心。這不僅僅是一個研究機構，更像是量子運算界的「聯合國總部」。
這個研究中心將GB200 NVL72 AI超級電腦與來自Quantinuum、QuEra、Quantum Machines等夥伴的量子處理器放在同一個屋簷下。想想看，當AI的強大運算能力與量子技術的獨特優勢碰撞時，會產生什麼樣的火花？
研究中心的重點工作包括量子錯誤修正、低延遲控制，以及AI驅動的脈衝最佳化。他們還與量子經濟發展聯盟(QED-C)合作，制定透明的基準測試標準。這就像是為量子運算界建立了一套「國際標準」。
什麼是 NVAQC？
NVIDIA 加速量子運算 (NVAQC) 研究中心致力於縮短實現實用量子運算的時間。 NVAQC 透過 NVIDIA DGX™ 量子架構，將合作夥伴的量子硬體與先進的 NVIDIA GB200 NVL72 Grace Blackwell 超級晶片整合。研究人員和開發者可以藉助 NVIDIA CUDA-Q™ 平台協調這些量子-經典系統，提供所需的工具來解決諸如量子糾錯和混合應用程式開發等緊迫挑戰。在 NVAQC，量子位元可以發展成為能夠探索實用應用的大規模加速量子超級電腦。
生態系統夥伴：眾人拾柴火焰高
NVIDIA深知一個道理：與其自己造量子位元，不如與業界頂尖的量子硬體和軟體供應商建立生態系統。這種策略讓我想起了Android系統的成功模式。
他們與Quantum Machines共同開發了DGX Quantum參考架構，將OPX1000控制器與Grace Hopper超晶片結合，實現了低於4微秒的量子-經典迴圈。這個速度快到什麼程度？就像是眨眼的千分之一！
同時，CUDA-Q平台原生支援來自Pasqal、IonQ、Quantinuum、QuEra等公司的中性原子、離子阱和超導設備。這意味著開發者可以寫一次程式碼，在不同的量子設備上運行，就像是「一次編寫，到處運行」的量子版本。
GPU加速量子模擬：經典運算為量子開路
NVIDIA充分發揮了自己在GPU領域的優勢，推出了cuQuantum SDK。這個工具包就像是量子運算的「預演場」，讓研究人員可以在經典電腦上模擬量子電路的行為。
透過狀態向量和張量網路方法，cuQuantum能夠加速大規模模擬，這對演算法開發和硬體驗證都極其重要。它提供了可組合的Python和C語言API，讓模擬器開發者能夠從單一GPU擴展到雲端和超級運算中心的多節點叢集。
這就像是在建造真正的量子電腦之前，先在電腦上建立一個完美的虛擬模型。你可以在這個虛擬環境中測試各種想法，等到真正的量子硬體準備好時，你已經知道什麼有效、什麼無效了。
戰略思維：為什麼軟體優先是明智選擇？
NVIDIA的量子策略與其在加速運算領域的核心優勢完美契合。他們選擇「軟體優先」的策略，就像是在賭一個更大的未來。
想想看，如果你專注於製造特定類型的量子位元，你就被鎖定在某種技術路線上。但如果你提供的是工具和平台，無論哪種量子技術最終勝出，你都能受益。這就像是賣鏟子的人，無論誰找到金礦，他們都能賺錢。
NVIDIA相信量子優勢將透過與AI驅動的經典系統的無縫整合而出現，這反映了過去從序列運算到平行運算的轉變模式。他們將量子運算視為類似AI演進的多十年機會，押注他們的平台將成為未來加速量子超級電腦的基礎。
那麼，NVIDIA到底在賭什麼？
簡單來說，NVIDIA的量子「賭注」並不在於製造量子位元本身，而是要建構支撐下一代混合量子-經典超級電腦的軟體、基礎設施和生態系統。
這種策略讓我想起了一個古老的諺語：「授人以魚不如授人以漁。」NVIDIA選擇成為那個教人釣魚的老師，而不是賣魚的商人。他們相信，當量子運算真正成熟時，每個人都會需要他們的「釣魚技術」。
這是一個長期而且大膽的策略，但考慮到NVIDIA在AI革命中扮演的關鍵角色，他們這次的量子佈局很可能又會是一次成功的預見。畢竟，有誰比他們更了解如何讓不同的運算技術協同工作呢？
未來的終極協同：量子計算與AI的雙向奔赴
在眾多應用探索中，量子計算與AI的結合被認為是最具潛力的方向之一。這是一個雙向賦能的過程：
- AI賦能量子：AI可以幫助優化量子晶片的設計、進行更高效的量子編譯、輔助量子糾錯，甚至實現自然語言的量子編程，加速量子計算機的發展。
- 量子賦能AI：量子計算能夠在量子神經網路、搜索優化算法等方面為AI帶來指數級的加速。有研究指出，利用量子神經網路甚至可以實現大語言模型參數百倍到千倍的高效壓縮。
業界專家普遍認為，未來的高性能計算中心，將會是傳統超算與量子處理單元（QPU）混合的架構，讓兩者的優勢互補，共同解決當今難以企及的複雜問題。
結語：在混沌中等待黎明
回到黃仁勳的量子日，它雖然暴露了量子計算領域的混亂，但也正體現了前沿科技發展初期的美妙之處——在沒有標準答案的賽道上，無數的嘗試、合作、失敗與挑戰，共同推動著技術的邊界。
量子計算的發展或許不是一條平滑的進度條，而更像是一個臨界點的突破。可能前一天我們還覺得它遙不可及，第二天一早醒來，一個如ChatGPT般的顛覆性應用就已然誕生。雖然前路漫漫，但曙光已現，我們正處於一個偉大變革的前夜，剩下的，或許就是工程技術上的挑戰與時間的醞釀。
Cierra Choucair
FAQ
1. **什麼是量子計算，目前有哪些主要技術路線？**
量子計算是一種利用量子位元（qubits）的量子行為特性來處理超高效率計算的技術。主要技術路線包括： - 超導量子計算（Superconducting Qubits）：IBM 和 Google 偏好此技術，但成本較高因需低溫環境。 - 中性原子量子計算（Neutral Atom Qubits）：更易於規模化，同時成本較低，代表公司包括 Pasqal。 - 離子阱量子計算（Trapped-ion Qubits）：高精度但操作速度慢，代表公司有 IonQ。 - 光子量子計算（Photonic Quantum Computing）：利用光子傳輸，擁有高速與低成本優勢。 - 拓撲量子計算（Topological Qubits）：微軟正在研究，但目前尚在理論階段。2. **目前量子計算技術的最大挑戰是什麼？**
量子計算的挑戰主要包括： - 缺乏統一標準，整機之間難以相容。 - 高成本和技術門檻，如超導量子計算需要絕對低溫環境。 - 實現量子糾錯以提升運算準確性仍在摸索中。 3. **量子計算如何與人工智慧（AI）結合發揮效能？**
量子計算和 AI 的結合為雙向增強： - AI 可以優化量子晶片設計，進一步提升量子運算效率。 - 量子計算能以指數級加速 AI 訓練，例如優化搜索算法與壓縮大語言模型等。 4. **哪些公司在量子計算領域具有領導地位？**
幾家知名公司包括： - **IBM**: 超導量子位元領域的領袖，專注量子糾錯技術。 - **IonQ**: 全球首家上市量子計算公司，主打「全連通性」。 - **Pasqal**: 中性原子量子計算的佼佼者，專注於複雜系統模擬。 - **PsiQuantum**: 光子量子計算的創新者，目標構建百萬量子位元。 - **微軟**: 專注拓撲量子計算，目前處於突破研究中。 5. **量子計算如何實現商業化，能帶來哪些應用？**
量子計算的商業化路徑主要包括： - **硬體銷售與雲端服務**：如 IonQ 與 Google 向研究機構提供量子服務。 - **行業解決方案**：專注藥物設計、金融風險仿真及流量優化等專用場景。 - **國防與政府合作**：推動國家科研項目以穩定資金支持。
