AI需求正迈向量子级规模

量子计算距离大规模商业应用仍有一段时间。但各国政府已开始投入大量资金，推动它从实验室走向产业。美国大约投入20亿美元支持该领域，资金与芯片制造及量子相关零组件（用于量子设备的关键部件）绑定。

表面上是科研拨款，实际上更像在为 AI（人工智能）下面更深一层的算力体系（从芯片到系统的整套计算基础设施）提前铺路。

国家战略加速

美国的承诺包括：约10亿美元用于 IBM 在纽约的量子芯片制造工厂，另有3.75亿美元给晶圆代工厂 GlobalFoundries 以支持量子零组件制造。法国也承诺投入15亿欧元，覆盖量子战略与微电子（制造高端芯片与电子元件的产业）。这不像小额科研经费，更像国家级产业政策。

经历过 AI 基础设施周期的人会看到熟悉的路径：生成式 AI（能生成文字、图片等内容的 AI）普及前，供应链已先成形。GPU（图形处理器，用来加速大量并行计算）、先进芯片、云端算力（云服务提供的计算资源）、数据中心、网络设备与用电需求，都成了 AI 投资主线。

量子计算处在更早阶段，但逻辑相同：政府希望在技术变得重要前，先建立本土能力。等于先建轨道，再等车流。

这不代表所有量子公司现在就值得投资，但说明该领域正从纯实验室研究，进入长期基础设施规划。

量子计算：用更白话说明

最简单的理解：

• 传统电脑用「比特」（bit，只能是 0 或 1）
• 量子电脑用「量子位」（qubit，可处于 0、1，或通过「叠加」（superposition：同一时间像是同时处在多种状态）呈现“同时是0和1的计算效果”）

量子位还可通过「纠缠」（entanglement：多个量子位彼此强关联，一个变化会影响另一个）连接，使系统能在同一时间评估大量可能解法。这在某些问题上，能带来传统硬件难以复制的效率优势。

但量子计算不会让所有任务都更快。它不是传统电脑的“升级版”。它更擅长特定场景：化学模拟（用计算预测分子反应）、密码分析（研究加密是否可被破解）、大规模优化（在海量组合中找最优解）、以及部分机器学习任务。

对大多数现有工作，尤其是大规模 AI 训练与推理（训练=让模型学会；推理=模型上线后进行预测/生成），GPU 仍是主力。像英伟达 NVIDIA 的 H200 芯片或SpaceX 的 AI 超级电脑 Colossus，依然主要掌握在当前 AI 龙头手中。

量子计算未来可能很强，但短期优势较窄。更现实的机会，可能在于搭建“传统计算到量子能力”的过渡桥梁的公司。

量子领域的最新进展

目前的量子设备常被称为 NISQ 系统（noisy intermediate-scale quantum，直译为“有噪声的中等规模量子电脑”；意思是：机器会受干扰产生计算误差，适合做实验，但还不够稳定，难以广泛商用）。

这些系统仍受限于误差率（出错概率）、极低温冷却需求、以及量子位数量。量子计算的难点不只是“做出来”，更是让量子位在低误差下稳定运行，并在扩大量子位数量时仍可控。

积极变化是：进展已从理论走向硬件与架构（系统设计方式）层面。

Google 的Willow 芯片展示了量子纠错（quantum error correction：用额外的量子位与算法来发现并修正运算错误）与基准测试（benchmark：用统一测试衡量性能）的进步。微软的Majorana 1提到一种可能的「拓扑量子位」（topological qubit：理论上更抗干扰、更稳定的量子位设计路径）；若未来能在大规模上验证，稳定性可能更好。IBM 也公布路线图，目标在 2026 年底前实现“近期量子优势”（quantum advantage：在某些任务上明显超过传统电脑），并在 2029 年实现更大规模的容错能力（fault-tolerant：即使有部分错误也能持续可靠运算）。

这不代表商用量子计算近在眼前，但说明行业正从零散实验成果，走向更清晰的工程路线。难点在于扩大量产、整合成可用系统，并且不能假设每个里程碑都会准时到来。

硬件方向在改善，但商业化时间仍不确定。

量子计算如何与 AI 交汇

准备正在加速。金融机构、政府单位、医疗机构、公用事业与国防承包商都持有必须长期保密的数据。AI 采用加快，如Okta 业绩所示，会让数据创建、储存与传输更多、更敏感，因此更强的安全基础设施更容易获得预算支持。

量子计算最可能的路线是“整合进现有体系”，而不是突然取代一切。

「量子-传统混合系统」（hybrid quantum-classical：把量子处理器与传统服务器一起用）让企业在不推倒重来的情况下测试量子能力。Equal1 与 Dell 的 RacQ 系统就是例子：做成机架式（rack-mounted：可直接装进数据中心机柜）的量子-传统组合系统，更接近标准数据中心环境。
企业不会只因为技术先进就采购，而是看能否融入流程、是否有厂商支持、是否有明确用途。

混合系统也会带动量子周边硬件需求：控制电子（用于精准控制量子位的电路）、低温系统（cryogenic：用极低温维持量子状态）、模拟元件（analogue：处理连续信号的电子器件）、信号处理工具、以及高性能传统算力。

量子创新与 AI 交汇，主要在以下方向：

1. AI 改善量子系统——用机器学习支持纠错、校准（calibration：把设备调到准确工作状态）、材料研究与系统设计（目前主要发生在实验室）
   
2. 后量子网络安全——企业提前升级加密，避免未来强大量子电脑威胁现有加密体系（已反映在政府支出）。后量子（post-quantum）指“能抵抗量子电脑破解的加密方法”。
   
3. 量子-传统混合系统——把量子协处理器（co-processor：辅助处理器）用于少数高价值、很难的问题（基础设施正在出现，但工程挑战仍大）
   
4. 量子强化的 AI 工作负载——未来可能在优化或机器学习流程中提供帮助。

投资逻辑在这里更落地：提供“关键配套层”的公司，可能在纯量子硬件大规模商用前就能先产生收入。

市场可能走在技术前面

量子题材具备市场叙事要素：国家安全、AI 需求、先进芯片与长期算力变革，但也更容易被炒高估值。

一些“纯量子概念股”（pure-play：业务几乎全押量子）已经按尚未成形的未来市场来定价。Terra Quantum 计划通过 SPAC（特殊目的收购公司：先上市募资，再并购目标公司完成上市）在纳斯达克上市，估值约35亿美元就是例子。它偏向算法、安全工具与混合系统，更贴近实际应用，但估值仍取决于商业需求形成速度。

硬件时间表仍是风险。

• IBM 的路线图提供可追踪的里程碑，但进度可能延后。
• 微软的拓扑量子位路线可能重要，但仍需在更大规模上验证。
• Google 的纠错进展有意义，但“能否商用”是另一道关。

成本同样关键。量子硬件依赖专用零件、极低温冷却、精密制造（precision manufacturing：极高精度的生产流程）与复杂控制系统。系统扩大后，成本未必像投资者想像那样快速下降。
这可能在营收尚未跟上前，先压缩硬件公司的财务空间。

VT Markets 关注什么方向

VT Markets 提供与量子创新相关市场的早期观察与布局窗口。短期机会更可能在“容错量子电脑”（fault-tolerant quantum computers：可长期稳定运行、可纠错的量子电脑）真正到来前就能受益的环节。

就像AI供应链的形成一样，更清晰的方式是把量子当作一整套“技术堆叠”（stack：从底层硬件到软件与应用的层层结构），而不是单一交易。较强的短期敞口，可能来自为生态提供关键能力的公司。

IBM 在公开市场的量子相关度最直接：路线图与制造角色。英伟达的相关性不同，它处在量子处理器与传统算力之间的“桥梁”：模拟（simulation：用传统电脑模拟量子系统）、纠错与系统整合，未来多年仍离不开传统高算力。

网络安全标的可能提供更直接的短期敞口。Palo Alto Networks、Fortinet 与 CrowdStrike 并非纯量子概念，但更贴近企业安全预算；后量子迁移（把现有加密系统升级为抗量子破解）可能带来新增需求。

纯量子硬件上行空间更大，但执行风险更高。买这一层，等于同时押注物理、工程与制造的进展，而不只是市场需求。

量子计算不是“下一个 AI”的简单复制。它更可能成为 AI、网络安全与高端算力底层的一部分基础设施。

重点不是赌量子电脑会取代 GPU，或让 AI 一夜之间巨变；而是关注正在形成的底层环节：芯片制造、混合系统、控制硬件与后量子网络安全。

立即开始交易 – 点击这里创建您的 VT Markets 真实账户