图灵量子发布大规模芯片级可扩展光量子计算机，为真实量子计算探索奠定基础

展现了图灵量子在工程能力、开发生态与应用场景上的持续深耕与核心突破。

本文为IPO早知道原创

作者｜Stone Jin

据IPO早知道消息，图灵量子创始人金贤敏于9月12日在2026浦江创新论坛成果发布会科产融合生态研讨专场正式发布「TuringQ Gen3大规模芯片级可扩展光量子计算机」。

面向光量子计算规模化、芯片化和工程化，TuringQ Gen3基于高速可编程薄膜铌酸锂光量子芯片，集成量子光源、可编程光量子处理芯片、单光子探测及量子-经典异构计算等核心模块。构建起全芯片化、模块化、可扩展的整机架构与全栈软硬件体系。

系统采用空时复用架构，将空间光路、时间循环和高速电光调控纳入统一可编程网络，使同一组物理器件能够在不同时间模式中重复参与量子演化，并与空间模式共同形成大规模时空计算网络。其中高斯玻色采样的重要计算单元“致远3号”，支持单芯片万光子级、百万模式数计算资源扩展，并在系统规模与实际损耗的严格边界条件下实现芯片级量子优越性，并面向世界模型等人工智能方向开展探索。

TuringQ Gen3大规模芯片级可扩展光量子计算机

从 TuringQ Gen1 科研级专用光量子计算机、Gen2 大规模混合集成光量子计算机，到 Gen3 大规模芯片级可扩展光量子计算机，图灵量子完成了从专用原型机到工程化整机、再到芯片级可扩展平台的技术跨越。TuringQ Gen3采用标准IDC机柜形态，支持量子算力节点按需扩展，具备优秀的易用性、鲁棒性和经济性，为真实量子计算应用探索做好了准备。

十余年持续探索空时复用

拓展光量子计算规模

通用容错光量子计算的实现需要持续提升模式规模、可编程线路深度以及纠错编码所需的物理资源。金贤敏团队提出基于延时环路的空时复用方案，基于时间模式与空间模式融合构建时间-空间大规模量子干涉网络：光子脉冲进入延时线后进行存储，每时刻通过高速电光调制信号调控干涉仪网络结构，S个空间模式数的光子压缩脉冲在存储环中经过多轮延时后逐级输出，与后续注入的压缩光脉冲发生量子干涉，通过T个时刻的演化，可构建尺度达T x S的大规模光量子计算网络。

图灵量子和上海交大金贤敏团队联合研发的空时复用方案

围绕时间自由度的挖掘与利用，金贤敏团队已开展十余年系统性研究。2013年，金贤敏参与完成的《Linear Optical Quantum Computing in a Single Spatial Mode》发表于《Physical Review Letters》，利用时间分箱编码在单一空间模式中承载多个量子信息单元；同年，与牛津大学团队合作完成的《Boson Sampling on a Photonic Chip》发表于《Science》，在集成光子芯片上首次实现多光子玻色采样，实验上开启了量子优越性演示的征程。

此后，团队持续拓展时间维度在玻色采样中的应用：《Timestamp Boson Sampling》成果发表于《Applied Physics Reviews》，利用光子到达时间信息提高采样信息利用效率；2022年发表于《Chip》的《Quantum Advantage with Membosonsampling》，首次将时间模式与自循环光子芯片结合，建立跨时间层的多光子关联，实验获得最高56个光子符合事件和75万个模式，跨过光量子计算的量子优越性节点。该实验原型取上海交通大学“思源致远”之意，命名为“致远号”。

如今空时复用方案也逐渐成为全球发展大规模可扩展光量子计算的重要技术路径。2022年，Xanadu发布Borealis光量子计算系统，采用时间复用和循环干涉架构构建216个压缩模式的可编程高斯玻色采样系统；2026年发表的《Gaussian boson sampling with 1,024 squeezed states in 8,176 modes》进一步采用空间-时间混合编码，持续扩大高斯玻色采样系统的模式和光子规模。

TuringQ Gen3依托晶圆级高速可编程薄膜铌酸锂光量子芯片，将时间复用与空间模式扩展推进至晶圆级芯片集成，实现单芯片万光子级、百万模式数的计算资源扩展，在损耗和系统规模的严格边界条件下，验证了量子优越性。

规模与低损耗协同突破全栈工艺支撑芯片级工程化

大规模高斯玻色采样量子优越性的关键，不仅在于模式数与光子数的提升，还需要在实际系统损耗条件下，使有效计算规模超出先进经典算法的模拟能力。随着空时复用不断扩大模式规模和线路深度，光子需要经历更多传输、耦合、调控和探测环节，规模扩展与损耗控制的协同优化成为工程化落地的核心难题。

2024年，芝加哥大学蒋良团队等在《Nature Physics》发表针对损耗下的高斯玻色采样系统的经典模拟研究，给出了量子优越性在损耗和系统规模的严格边界。由此，此前国内外多个团队量子优越性演示都为无效。

围绕这一更严格的判定标准，金贤敏团队以芯片工程为核心开展长期技术攻坚。TuringQ Gen3同步推进时空模式扩展与全链路低损耗优化，团队围绕量子光源、片上传输、器件调控、芯片耦合和单光子探测持续优化，薄膜铌酸锂光量子芯片光子线路传输损耗达到0.03 dB/cm，关键单器件插入损耗低于0.1 dB，光纤—芯片单端耦合损耗达到0.9 dB/facet，晶圆级量子光源光谱纯度超过 99%，系统总损耗率越过了演示量子优越性的关键瓶颈。

晶圆级薄膜铌酸锂光量子芯片

上述性能建立在全栈研发能力和晶圆级工艺持续迭代基础上。图灵量子建立“设计—制造—测试—反馈—再迭代”的晶圆级芯片工艺闭环，将优化目标由单器件性能进一步拓展至晶圆级一致性、参数分布和批次重复性，使传输、调控和耦合等关键性能在设计与制造迭代中持续优化，为大规模光量子芯片和整机系统扩展提供工艺支撑。

实测结果与理论预测高度一致，验证大规模高斯玻色采样计算正确性

在系统实验中，团队对不同光子规模下的高斯玻色采样输出开展统计验证。不同泵浦功率下，系统获得相应的光子点击数概率分布；对约8000个不同输出事件进行逐项比较，实测结果与理论预测高度一致，验证大规模高斯玻色采样计算正确性。

从“量子优越性验证”

走向“量子应用价值挖掘”

当量子计算能力跨越经典计算难以高效处理的规模边界后，行业竞赛已从持续刷新实验室条件下的量子优越性纪录，转向面向真实问题挖掘可应用的量子优势。“致远3号”支持超过万光子级计算资源，在特定时空模式配置下算力规模可进一步扩展；而跨越量子优越性边界后，单纯刷新加速倍数纪录已不再是核心目标，实现稳定运行、便捷调用，在实际场景中持续验证计算价值、挖掘优势场景，成为光量子计算产业化的核心。

TuringQ Gen3具备优秀的易用性、鲁棒性和经济性，构建完善的软硬件全栈体系。硬件成层面，自主研发的XLink低延迟互联架构，将 QPU、专用量子加速单元与 CPU、GPU 等经典计算资源纳入统一异构计算体系；软件层面，打造 DeepQuantum 量子编程框架、量擎量子计算云平台、QAgent 等量子 - 经典混合软件工具链，覆盖量子算法开发、算力调用、任务调度与工具链管理全流程，将复杂的底层量子硬件封装为可直接调用的计算能力，大幅降低量子算法开发与算力调用门槛。

同时，图灵量子加速推进量子智算中心布局，将光量子计算机接入现有智算基础设施，实现量子算力与经典算力的统一调度、稳定部署与持续调用，为产业应用提供工程化支撑。团队围绕人工智能、生物医药、金融科技等方向开展联合验证，并探索高斯玻色采样在世界模型动力学预测等人工智能任务中的应用。

量子计算x人工智能:高斯波色采样驱动世界模型动力学预测

金贤敏表示，真正具有应用价值的量子优势，无法由一家量子计算企业单独定义。正如GPU从专业计算工具逐步走向广泛应用，量子计算也需要让更多科研人员、开发者和行业用户便捷使用、广泛参与，更需要各行业开放真实场景、提出真实问题。“只有让量子计算走进更多实际场景，在应用中验证优势、发现价值，才能不断拓展其应用边界，推动量子计算与各行业深度融合。”

TuringQ Gen3的发布，展现了图灵量子在工程能力、开发生态与应用场景上的持续深耕与核心突破，推动光量子计算由量子优越性验证进一步迈向大规模可编程计算和应用价值挖掘，加快光量子计算的工程化。