中国量子计算可否跳出“追赶陷阱”？

从IBM收购HRL看技术发展策略 图源:HRL

撰文｜施尧耘

计算对于人类进步的重要性已毋庸置疑。凭借颠覆现有技术体系的巨大潜力，量子计算已成为备受瞩目的前沿科技之一，也是国际科技竞争的关键领域。

国内量子计算行业已从三年前的相对冷清，转变为如今的炙手可热，创业、融资、筹备上市等动态令人振奋。相比之下，大洋彼岸最近一则未披露交易金额的收购消息，在国内却鲜有人关注。然而，这恰恰是观察海外量子计算技术与产业动向的重要窗口。这种关注度上的反差值得我们思考：究竟是什么机制在驱动国内量子计算行业的发展？

大多数人都会认同，中国量子计算的整体水平长期以来仍与海外存在差距。“我们距离某某海外团队还有多远？”是一个经常被问及的问题。新一轮资源投入势必重塑国内量子计算生态，造就新的赢家与输家，并在很大程度上影响未来的发展。这一轮资源的配置能否帮助中国跳出似乎永无止境的“追赶陷阱”？

收购及解读

2026年8月26日，IBM完成对顶级私营研究机构HRL Laboratories的收购。HRL在半导体微电子、材料等硬科技领域深耕数十年，也是硅自旋量子处理器及其低温控制系统领域的领先者之一。曾凭借绝对优势开创大型机和个人计算机时代的IBM，则已在量子计算领域押注超导路线十余年，是该领域的领军者。

硅自旋比特与超导比特不仅在工作原理上有所不同，发展阶段也存在显著差异。硅自旋比特以电子或空穴的自旋态作为量子信息载体，器件尺寸远小于超导比特，具有更高的潜在集成密度；但从当前工程化和规模化成熟度来看，超导路线仍明显领先于硅自旋路线。

IBM这一动作应如何解读？官方公告强调HRL将“加强”（strengthen）并“延伸”（extend）IBM在量子计算领域的全球领先地位，却没有直接回答一个更关键的问题：IBM的量子战略究竟发生了怎样的变化？以下四点或许有助于我们进一步理解这一布局。

其一，收购计划于7月公开后不久，HRL在《自然》发表了一篇“亮剑”论文，将同类比特的操作错误率降低约一个数量级，达到一线超导比特的水平；与此同时，HRL将最关键的控制部分从室温下沉至4K的极低温环境，突破了传统的室温模拟控制架构。值得注意的是，超导路线的控制架构也正经历类似变革。收购公告所提及的HRL优势，包括低温电子学、控制电子学、量子比特互联、先进制造、封装与材料等，均与超导量子芯片的高密度集成和规模化扩展高度契合。

其二，IBM与初创企业SEEQC曾参与美国国防高级研究计划局（DARPA）支持的相关项目，探索将部分低温控制功能移至量子芯片附近。SEEQC的设想是将基于SFQ（单磁通量子）的经典控制电路作为“量子母板”，与量子比特芯片集成在同一封装中。此类架构有望减少量子比特所在的10mK温区与较高温度控制电子设备之间的信号传输和布线负担。

其三，IBM于今年5月宣布计划建设量子芯片晶圆厂Anderon。该项目由IBM与美国商务部各出资10亿美元，定位为国家量子计算基础设施，服务对象不仅包括IBM，也涵盖其他美国量子硬件厂商。官方公告中有一句耐人寻味的表述：“Anderon起步将支持超导量子比特及其配套电子晶圆，随后将扩展至其他量子硬件。”

最后，IBM近期展示了一套可组装的模块化低温系统：两台制冷单元已实现互联，并将温度共同降至15mK以下。此前，IBM还在60厘米片上演示了远程CNOT门，为模块间量子互联提供了原理验证。

基于上述信息，并结合我们的实践经验，我们对本次收购及IBM的量子计算战略作出如下解读。

首先，IBM对量子计算的布局已不再局限于超导路线，而是拓展至更广泛的“泛半导体”路径。超导量子比特与硅自旋量子比特有一个独特的共同点：都能在较大程度上借助先进硅制造、微电子及先进封装产业。不同技术路线均有望实现规模化，但对现有半导体产业基础的直接复用程度各不相同。

其次，HRL在Cryo-CMOS、高密度超导互连、封装与制造等方面的能力，预计将进一步助力IBM超导量子计算体系的扩展。同时，IBM很可能借助DARPA等公共资源，验证更低温环境下的控制方案，继续以超导技术为核心路径推动量子计算实用化，并实现既定的技术里程碑。

第三，IBM为硅自旋保留了一项颇具分量的长期战略选择权。一旦该方向取得关键突破，IBM已具备进一步加大投入所需的团队、制造能力和基础设施。

超导量子计算的前沿阵地

上述对IBM的解读，与我们幂波公司的技术规划高度一致：超导量子计算下一阶段的攻坚重点，是在提升单芯片性能的同时，沿两个维度实现规模化——“控制向下”与“系统向外”。

“控制向下”是指将控制系统逐步下沉至低温环境：从室温延伸至开尔文级低温CMOS工作区，并进一步深入至可采用SFQ超导电子学技术的10 mK级比特温区。对这三个温区的控制技术进行优化组合，有望构成超导量子计算的终极架构。

实现两个低温区的协同控制固然具有挑战，但其解决路径已逐渐清晰。低温CMOS已在航天等特殊场景中得到实际应用；SFQ及其变体则积累了数十年的超导数字逻辑研发经验，应用覆盖处理器、信号处理和神经形态计算等方向，后者已有中国科学院上海微系统所等机构进行展示。值得一提的是，IBM早在上世纪六七十年代就曾大规模投入“约瑟夫森计算机”这一超导经典计算项目。尽管该项目最终败给了快速发展的硅技术，却为超导电子学留下了宝贵的人才与工艺积累。

“系统向外”是指从芯粒（Chiplet）和3D封装，进一步扩展到多QPU，乃至多个低温单元，实现系统的模块化扩展。芯粒能够在不显著增大单颗芯片尺寸的情况下，通过组合多颗芯粒来扩展系统规模，并在一定程度上缓解大尺寸单片制造对良率带来的压力。3D封装支持垂直及多平面布线，有助于提高单个封装内的互连密度和可控比特数量。多QPU可提升制冷机空间与控制资源的利用效率；多个低温单元则能够通过并行扩展，缓解单个制冷单元在空间、布线和散热等方面的规模限制。

美国上市公司Rigetti多年来持续深耕芯粒技术。IBM也长期致力于高密度信号引出、多层互连及先进封装技术，为Heron及后续多芯片系统的扩展提供了坚实的工程基础。

中国团队的探索

围绕“控制向下”和“系统向外”两个方向，中国团队开展了一系列探索，部分单项成果已达到国际前沿水平。

国内已有多家团队开展低温CMOS量子比特控制研究，包括清华大学、北京量子院、上海交通大学、电子科技大学和中微达信公司，并已实现低温环境下控制电路及基本量子操作的演示。在SFQ 控制方面，中国科学院上海微系统所展示了将控制器与量子比特置于同一温区，并通过同轴线进行连接，演示了国际前沿的单比特数字控制。幂波公司团队在前期工作中将SFQ控制电路与超导量子比特集成于同一封装内，并演示了利用SFQ脉冲调节量子比特频率。这些成果为实现同质化量子比特、进而大幅降低控制复杂度奠定了基础。

在3D集成方面，幂波公司团队自阿里巴巴量子实验室时期起便开始探索。经过多年迭代，其64比特3D集成芯片的平均比特寿命已超 100微秒。国内多个团队也在积极推进跨芯片操作：北京量子院及其合作者、郑州先进计算与智能工程实验室均已演示跨芯片运算；南方科技大学、深圳国际量子研究院及其合作团队，以及中国科学技术大学、清华大学、北京量子院及其合作者，分别演示了不同量子比特模块之间的量子态传输。近期，中国科学院物理所与北京量子院还联合报道了模块化扩展型稀释制冷机方面的合作进展。

这些探索表明，中国团队已经参与下一阶段关键技术的开拓。但单项成果达到国际前沿，并不意味着已经具备下一阶段的系统竞争力。低温控制、先进封装和量子互联，还需要在同一系统中协同运行，并在规模扩大时维持性能、可靠性和可承受的成本。IBM等美国领先团队已将部分新技术接入较大规模的处理器，并推进配套低温基础设施的验证。因此，评估中国量子计算的发展，不仅要关注单项技术突破，也要考察这些突破转化为系统能力的进度，以及支撑这种转化的资源配置机制。

如何把探索转化为下一阶段的优势

从前沿探索到系统能力的转化，不仅取决于研发本身，也取决于资源配置机制。中国量子计算的发展具有鲜明的政策驱动特征，风险投资的判断也会受到政策导向、引导资金决策和学术权威评价等因素的影响。因此，探讨资源配置机制中的潜在风险，是制定有效政策、引导市场走向并影响最终格局的核心问题之一。

先看一种可能存在的激励偏差。我们作如下假设：（a）在某项技术上，生态A领先于生态B；（b）该技术正从阶段一迈向阶段二，以解决阶段一暴露出的根本问题；（c）两个生态中的精英团队都已认识到阶段一存在的问题，并形成了技术向阶段二发展的共识；（d）生态B的资源分配者主要依据B中团队与生态A在当前阶段（即阶段一）的差距来进行评价。

在这些假设下，为争取资源，B中的团队理性上会优先提升阶段一的指标，尽管他们也意识到，这可能导致对下一阶段投入不足。个体的理性选择，最终使整个生态系统对下一阶段准备不足。

低温控制恰恰揭示了“标准过时”机制所带来的风险。如果考核仍主要围绕现有室温控制架构下的比特数量和性能展开，团队就更有动力沿着既有架构持续扩展。低温器件模型、控制芯片和同温封装虽然关系到未来的规模化发展，却未必能在短期内显著提升当前排名，因此容易被推迟。就超导量子芯片的3D堆叠而言，除阿里巴巴量子实验室已开展、并由幂波公司延续的长期探索外，作者尚未发现其他团队取得相关公开成果。这或许部分归因于：在当前阶段，单芯片达到百级比特规模已属领先水平，暂时还不必依赖3D集成，凭借“堆资源”也能实现突破。

第二种机制是，在某些领域，复制成果就必须复制支撑其取得的整套体系；当时间被压缩时，成本不仅难以实质性降低，甚至可能更高。要推动低温控制技术蓬勃发展，需要长期积累器件理论与模型，持续开展工艺、封装和测试等方面的工程迭代，并建设跨学科团队及跨团队协作生态。待这条路线得到充分验证后再集中投入，既要补齐整套能力，也要承担压缩学习周期所带来的额外成本。

这一“基础不牢”的机制会与“标准过时”的机制相互叠加、彼此放大：当前指标的挤压导致积累不足，而积累不足又抬高了转型时的追赶成本；新的落后进一步强化短期追赶压力，使未来投入再次让位于眼前目标。在这样的评价体系下，追赶越是紧迫，就越容易错失下一次技术转向，导致落后者始终困于“追赶陷阱”之中。

这两种机制都可能产生实际影响，尤其是在国内“复制”与“集中资源办大事”的惯性作用下。“复制”惯性使既有成果更容易成为最具分量的评价依据，而资源配置的集中又可能进一步放大这一偏差。集中投入本身有助于支持长期建设，Anderon就是一个例子。其风险在于，单一标准与集中配置相结合后，可能使同一种判断支配过多资源，进而压缩其他方向持续探索的空间。

为避免这些风险，评价标准应具备前瞻性。为此，关键在于建立与之相适应的决策与治理机制。具体而言，一方面，决策意见的来源应多元化，兼顾产业界与学术界，不因资历尚浅而忽视其能力，为另辟蹊径者提供关注与验证的机会。另一方面，应持续提升科研政策专职队伍的专业能力，确保资源配置的决策者与申请者彼此独立。此外，掌握资源配置权的机构还应建立动态调整机制，不断自我完善、与时俱进。

我们需要清醒地认识到，如果资源过度集中于某个固化机构，且缺乏独立于该机构之外的判断机制，就可能导致成果与资源形成局部闭环，彼此构成自我强化的因果链条，从而增加整个生态系统战略误判、错失方向的风险。我国在多个领域都取得了基于前瞻性判断的重大成就，例如高铁、新能源和电动汽车。量子计算同样完全有可能另辟蹊径，实现领先。即便在他人已经领先的方向上，我们也可以“容忍落后”，乃至“决心落后”，将资源投入下一阶段技术的开发。归根结底，要实现这一目标，关键取决于机制与治理。

再者，应持续建设能够惠及整个生态（即多个团队）的资源与能力，包括基础设施、基础研究，以及新生人才与能力的扩散。低温器件模型、工艺平台、先进封装和联合测试设施等，可降低整个生态的探索成本。应从机制上保障这些生态资源的定位，例如引入竞争、加强利益冲突管理。基础研究有助于支撑技术突破和方向转型，并促进对现有成果更快速、高效的吸收与应用。学生和博士后在完成学业与培训后流动至其他院所，有助于知识传播和人才储备的指数级增长。

中国量子计算已经取得令人瞩目的成就；能否进一步走向引领，取决于这些探索能否在形成确定答案之前，获得持续发展的条件。要跳出“追赶陷阱”，既要缩小当下的差距，也要不断积累定义未来问题的能力。

作者简介：施尧耘，北京大学本科毕业、普林斯顿大学博士，幂波隧力科技有限公司创始人。长期从事量子计算研究，拥有近30年相关经验。曾任密歇根大学教授，创立并领导阿里巴巴量子实验室和S实验室。作者感谢幂波同事高然博士、鲁刊南博士、祝莎莎博士对本文观点和文字所作的贡献。