2025年量子状态报告（第三版）

状态 量子最新趋势，全球从业者首手洞察 meetiqm.com 目录 前言 当我们去年发布这份报告时，人们仍在谈论“量子寒冬”，因为对技术的投资正在放缓。然而，自那以后，很多事情都发生了变化。我们看到了大额投资轮，关于技术里程碑的重大宣布，以及全球范围内量子计算机的销售和部署。这项研究是在量子技术从承诺迈向生产的关键时刻进行的——这是一个不仅对研究人员和开发者，而且对整个有望被这种变革性范式重塑的行业都具有转折意义的时间点。 在过去的几个月里，团队就研究人员、技术专家和企业用户如何使用量子计算机及其应用进行了访谈。这些谈话揭示了一个显著的趋势：量子设备不再仅仅是证明其原理——它们正开始加速创新的时间线。然而，要实现量子技术的全部承诺，将需要超越渐进式进步。下一波进步的关键在于平台集成——共同成熟硬件、控制系统、纠错和软件环境。在量子领域，系统的强度取决于最薄弱的层面。没有稳健脉冲控制的更好量子比特，或没有可用工具链的纠错电路，都无法推动应用。正是这种相互依存关系——跨层级的创新协同——将决定量子计算是发展成为一种基础性技术，还是仅仅停留在一种专业的科研工具。 在这种情况下，该行业正将其焦点从原始量子比特数量转移到更具意义的计算能力指标。需要一个综合衡量指标，它考虑量子比特数量、相干性、门保真度和电路深度，用于基准测试系统性能。研究人员和实践者都在寻求一个真正有意义的指标：可用的计算能力。 在近期，量子计算的最大影响可能出现在“小数据、高复杂度”的问题上——这些问题的挑战不在于数据量，而在于计算复杂度。化学、材料建模、金融优化和空气动力学模拟等领域一直被列为高优先级领域，不仅因为它们的实际相关性，还因为它们与量子计算的优势相吻合。 然而，仍存在重大障碍。当被问及他们最大的障碍时，用户始终指出问题选择和电路构建——而不是执行或数据分析。缺乏直观的抽象概念和特定领域的工具意味着，目前只有高度专业的专家才能设计出有用的量子算法。正如经典计算的早期一样，我们仍在构建将使量子开发民主化的语言、库和工作流程。 加剧这一挑战的是当前量子软件的碎片化。大多数SDK——Qiskit、Cirq、PennyLane、t|ket——都与特定的硬件紧密绑定，限制了其可移植性 在多供商境中建摩擦。然而，有前景的替代方案正在出。像 Qrisp 的高级语言正在展示硬件无关的“一次编写，到处运行”量子编程如何减少复杂性并推动更广泛的采用。 人工智能与量子计算之间也正在展开一种强大的新动态。一方面，人工智能正在催化量子发展，自动生成电路，优化脉冲序列，甚至提出新的纠错技术。另一方面，未来的容错量子处理器可能会成为人工智能的关键使能者，为训练大型模型和解决组合问题提供高效途径。这两种变革性技术开始相互加速。 在高价值科学计算中，混合量子-经典工作流正变得至关重要。像EuroHPC、RIKEN和橡树岭国家实验室等机构正在积极开发将量子处理器集成到高性能计算（HPC）集群中的架构。低延迟互连、作业调度系统和统一API正在开发中，以确保量子资源和经典资源得到最优利用——为材料科学、气候建模等领域突破铺平道路。 然而，尽管势头强劲，系统性挑战仍然存在。量子专业工程师的供给远低于预期需求。后期资本投资的区域差异威胁要造成发展不均衡。如果没有持续的投资于教育、基础设施和公平的资金，向容错平台迈进的速度可能会放缓——也许会致命。 本研究呈现了当今量子计算的详细且切实的视角：不再是单纯的科学实验，但尚未成熟的技术。它是一个由突破和瓶颈、机遇和不确定性定义的图景。我们的目标是帮助政策制定者、投资者、技术人员和教育者了解该领域的发展方向——以及需要付出什么才能到达那里。 量子未来比看起来更近。但要实现其全部潜力，不仅需要科学创造力，还需要跨学科、跨部门、跨国的持续合作。 简·戈茨联合创始人 & 联合首席执行官 IQM 量子计算机 05 执行摘要 2025年3月至5月期间接受Omdia采访的量子计算和HPC从业者、投资者和用户对于量子计算的未来两大主要问题十分明确——硬件产业化，即从定制的实验室设备过渡到制造可靠、可扩展的产品，以及软件平台，即从指定物理量子比特电路的低级方法过渡到使用逻辑量子比特的高级编程，并更好地支持模拟、量子模态之间的可移植性以及在承诺解决方案之前进行探索。 他们预见到在用户层面上最大的问题在于识别那些可以用量子计算有利解决的挑战，以及为在量子计算机上执行问题而建立该问题。软件问题与此的相关性应该是显而易见的。HPC从业者热衷于将量子计算机集成到他们的服务中，并积极向其用户开展宣传，告知他们关于量子计算并鼓励他们试用。在技术层面上，主要的集成问题似乎是CPU机器、GPU和量子设备的作业调度组合。受访者不期望出现一种真正通用的量子计算方式——相反，他们期望至少两种甚至更多的物理模态能够共存，应用与模态之间将有相当程度的专门化。 在北美洲获得资金似乎比在欧洲或亚洲及大洋洲容易得多，尽管另一方面欧洲初创公司生态系统令人印象深刻地充满活力。典型交易规模要小得多，并且似乎在需要成长阶段资本以帮助硬件产业化与对种子资金硬件初创公司的热情之间存在不匹配，而另一方面，投资者似乎期望软件初创公司比它们目前的情况更接近商业化。 背景与方法论 Omdia 基于其广泛的关于量子计算采用的调查研究以及一系列针对美国、芬兰、德国、意大利、波兰、捷克、日本和澳大利亚的全国高性能计算 (HPC) 中心、研究机构、投资者和其他量子计算从业者的半结构化深度访谈，开发了本报告。定性的实地调研于 2025 年 3 月和 5 月进行。 数据三角法被用于确保分析的连贯性并消除偏差，结合了访谈中的定性见解和来自调查的更广泛、可量化的趋势。 关于报告 作者 亚历山大·哈罗韦尔，首席分析师，高级计算，Omdia askananalyst@omdia.com IQM贡献者 Rubica Bhowmick，市场情报专家，IQM量子计算机 rubica.bhowmick@meetiqm.com 引用政策 请求通过 citations@omdia.com 引用和引用 Omdia 研究和数据 采访专家 版权声明和免责声明 引用的 Omdia 研究、数据和资料（“Omdia 资料”）是Informa Tech及其子公司或关联公司（统称“Informa Tech”）或其第三方数据提供方的版权财产，代表由 Informa Tech 发表的数据、研究、意见或观点，并非事实陈述。 奥迪亚资料反映的是原始发布日期的信息和观点，而不是本文件的日期。奥迪亚资料中表达的信息和观点如有变动恕不另行通知，Informa Tech对此不承担任何更新奥迪亚资料或本出版物的义务或责任。 Omdia材料按“现状”和“可用”交付。对Omdia材料中包含的信息、观点和结论的公平性、准确性、完整性和正确性不作任何明示或暗示的陈述或保证。 根据法律允许的最大程度，Informa Tech及其附属公司、高管、董事、员工、代理人及第三方数据提供者对Omdia资料的准确性、完整性或使用情况均不承担任何责任（包括但不限于因过失或疏忽而产生的任何责任）。在任何情况下，Informa Tech均不对基于或依赖Omdia资料做出或进行的任何交易、投资、商业或其他决策承担任何责任。 简介：为什么量子计算？ 量子计算机利用叠加原理，即量子尺度粒子可以同时占据多种状态这一物理原理，来加速特定类型的计算。 许多这些问题如果不借助量子计算机的速度提升，在有用的时间内是无法解决的。这些问题包括化学和生物化学过程物理模拟、某些类型的组合优化、一些密码学操作以及一些机器学习方法。 对于一类特定的问题，称为“有界错误、量子、多项式时间”（BQP），一旦达到某个阈值问题规模，一个足够大的量子计算机将始终比经典计算机速度快。 这个概念如图1所示，在理论上与多项式时间与非确定性多项式（P和NP）问题的区别相关。对于在经典计算中不具有多项式时间解的一些问题，在具有足够多量子比特的量子计算机上却具有解。经典计算机通过模拟问题来得到答案，但这将花费更多的时间，事实上，它可能需要无限多的时间。 按照一般规则，那些可能从量子计算中获益的问题可以描述为“小数据、大计算”问题。传统的机器学习方法即使在大数据集上也能非常快速高效，而现代人工智能模型如Transformer只要有足够的数据来训练模型，就能很好地适用于各种令人惊叹的问题。此外，在非常大的数据集上，量子计算往往会失去一些吸引力，因为计算不再是限制因素，运行问题的耗时主要由输入输出（I/O）操作主导。最佳点是HPC问题的一个子集，其中既有计算复杂性（排除了计算高效的解决方案），又有不足以训练人工智能的数据。 主要发现 应对 Omdia 的量子计算供应商情绪调查的受访者认为，最大的机遇——从某种意义上说，这类问题的最大集中地——存在于生命科学和制药领域，其次是金融服务和化学品。 化学与材料科学实际上在投票中位居榜首，达到了92%，如果我们也将第二高的“重要”类别以及最高的类别考虑在内；鉴于仿真密集型航空航天领域也在其中，看来基于物理的仿真可能就是量子计算的应用。主要的公共部门用例几乎肯定是密码学和密码分析，定位、导航和授时也做出了一些贡献。 科学计算和基于物理的模拟领域在我们投票中居首位 以下哪些行业对qc技术代表着怎样的重大机遇？ 当OMDIA分析人员与定性调查受访者交谈时，我们听到了一个非常明确的信息，即如果要想实现这些机会，需要做出哪些改变。 第一个问题可以总结为硬件产业化——使基本量子设备可靠、可扩展，并且减少对高度专业化基础设施和支撑的依赖——第二个问题可以描述为对软件平台的需求——为使用不同物理原理的不同量子机器创建具有通用接口的可重用软件工具。 这两个问题虽然不同，但其相互关联，因为软件层面的纠错需要硬件达到最低规模。这里的直觉是香农定律；纠错需要冗余，且所需冗余随着噪声的增加而迅速增加。如果没有更好的软件支持，许多硬件选项将难以获得使其变得可靠所需要的关键运营经验。此外，软件工具的质量会影响硬件的性能，正如受访者约翰逊指出的： “更高的量子比特数量和更高的可靠性对于纠错至关重要。然后是软件包。我们需要高效的编译和转换，使电路足够短，以便它们能在相干时间内完成有用的工作，然后是更好的后事件分析。使用人工智能工具来增强量子计算，例如生成电路，是一个可能的机遇” 另一位受访者，Cyfronet波兰——一个学术性计算机中心——的EGI执行委员会成员Mariusz Sterzel提到量子计算发展面临两个主要障碍： “存在两个关键挑战。首先，量子芯片仍在发展中，目前缺乏实现稳定结果所需的可靠性。其次，软件生态系统——尤其是中间件和数学库——相对滞后。兼容性问题，例如[一个常见的量子计算SDK]等工具的频繁变化，使得开发人员难以跟进。如果硬件和软件开发能更同步进行，并且更多关注支持社区的综合文档，将大有裨益。“ 叶卡捷琳娜·阿尔马斯科，量子计算开创性公司的长期投资者，也指出了平台层的必要性，同时建议量子计算堆栈中风险收益预期存在显著错位： “其中一个主要挑战是缺乏完整的端到端解决方案。虽然硬件供应商可以提供量子计算机，但支撑软件生态系统仍不成熟——目前还没有量子计算的标准化操作系统，编写可用代码仍然很困难。有趣的是，早期投资倾向于创造可用硬件，而成长期资金则高度集中于量子启发式软件，因为人们普遍认为投资软件的风险较低。这揭示了一个脱节：软件的显著进展取决于更成熟的功能性硬件，而这需要远超早期阶段的巨额增长投资。 换句话说，硬件公司需要扩大规模并实现工业化，但投资者的资金却投入到更多新的硬件选项中，而软件公司则吸引了那些期望它们更具实用价值，实则并非如此的投资者。从人的角度来看，芬兰技术研究中心VTT的前CEO安蒂·瓦萨拉（Antti Vasara）观察到，高性能计算和量子计算领域的研究者对量子计算机系统充满热情，但问