资料来源：Gartner2018新技术成熟度曲线

然而最近几年以来，我们已经开始听到火山爆发前岩层的积压破碎之声。量子计算机这个遥不可及的梦想，在一部分全球最大科技公司数十年的研究之下，正处于濒临改变一切的边缘。

2020年6月和8月，霍尼韦尔、IBM这两家科技巨头先后宣布其64量子体积的量子计算机性能全球第一。2020年9月，中科院院士潘建伟教授宣布团队已经完成对50个光子的玻色取样，相比谷歌的“量子优越性”快100万倍。越来越多的学者宣称量子计算机即将成为现实。根据现在的进展，我们可以肯定地说， 当21世纪结束的时候，本世纪将会被归纳为“量子计算”的世纪。

量子计算机是什么？

量子计算机是基于量子力学原理构建的计算机。量子态叠加原理使得量子计算机 每个量子比特（qubit）能够同时表示二进制中的 0 和 1，从而相较经典计算机算力发生爆发式增长，形成“量子优越性”。在解决实际问题的过程中，CPU 采用“串行”计算，即将一个问题的若干部分按照顺序依次进行运算；GPU 采用“并行”计算，即将一个问题拆成若干个小问题后，同时对每个小问题的一部分进行运算；QPU 则利用量子叠加性快速遍历问题的各种可能性并找到正确答案。形象地说，CPU 算力随比特数 n 的增长呈线性 n增长，GPU 算力随比特数 n 的增长呈平方次 n×n 增长，QPU 算力随比特数 n 的增长呈幂指数 2^n增长。

量子计算机的发展历程

科学家预测，经典计算机未来仍将承担收发邮件、视频音乐、网络游戏等功能，而量子计算机则将用于解决大型分子模拟、寻找大数质因数等经典计算机无法模拟的领域，并在 AI 计算领域对传统算力进行提升。

量子计算机、经典计算机能够解决的问题范围不同

资料来源：CSDN，中金公司研究部

1、量子计算机的基本原理

量子计算机基于量子态叠加等原理制成。量子态叠加原理是量子力学的基本原理之一。量子态叠加原理可以由物理学薛定谔（Schrödinger）的思想实验“薛定谔的猫”（Schrödinger’s cat）形象理解，即和镭、氰化物关在一个箱子里的猫在观察者打开箱子之前既不能说是存活也不能说是死亡，而是存活和死亡的叠加态。

将一只猫关在装有少量镭和氰化物的密闭容器里。镭的衰变存在几率，如果镭发生衰变，会触发机关打碎装有氰化物的瓶子，猫就会死；如果镭不发生衰变，猫就存活。根据量子力学理论，由于放射性的镭处于衰变和没有衰变两种状态的叠加，猫就理应处于死猫和活猫的叠加状态。这只既死又活的猫就是所谓的“薛定谔猫”。但是，不可能存在既死又活的猫，那么必须在打开容器后才知道结果。该实验试图从宏观尺度阐述微观尺度的量子叠加原理的问题，巧妙地把微观物质在观测后是粒子还是波的存在形式和宏观的猫联系起来，以此求证观测介入时量子的存在形式。

经典计算机使用晶体管作为比特（bit），以晶体管的开闭状态分别表示 0 和 1。量子计算机使用两态量子系统比如电子的自旋、光的偏振等作为量子比特（qubit），由于量子态叠加原理能够同时表示 0 和 1 。量子比特较经典比特具有更多信息，且呈幂指数级别增加。我们以 4 位的计算机为例，1 台 4 位经典计算机一次表示 1 种状态，1 台 4 位量子计算机一次表示 16 种状态，我们归纳可以得到，1 台 n 位经典计算机一次表示 1 种状态，1 台 n位量子计算机一次表示2n种状态。理论上，1 台 n 位的量子计算机算力=𝟐^𝐧台 n 位的经典计算机算力。

量子计算机利用量子叠加态原理

资料来源：《量子计算与编程入门》（郭国平、陈昭昀、郭光灿编著，2019 年出版），中金公司研究部

量子计算机通过量子门对量子进行操作。类似于经典计算中基本的与门（AND Gate）、或门（OR Gate）、非门（NOT Gate）， 量子计算中基本的量子门有阿达马门（Hadamard Gate）、受控非门（Controlled-NOT Gate）等。

量子算门与经典门对比

资料来源：《量子计算与编程入门》（郭国平、陈昭昀、郭光灿编著，2019 年出版），中金公司研究部

根据量子力学， 量子系统在经过“测量”之后就会坍缩为经典状态。以“薛定谔的猫”为例，当我们打开密闭容器后，猫就不再处于叠加状态，而是死猫或者活猫的唯一状态。

同样，量子计算机在经过量子算法运算后每一次测量都会得到唯一确定的结果，且每一次结果都有可能不相同。根据基础的量子门，科学家可以开发出相应的量子算法。

量子计算机测量结果可能有多个

资料来源：《量子计算与编程入门》（郭国平、陈昭昀、郭光灿编著，2019 年出版），中金公司研究部

虽然量子计算机每一次的测量结果都类似“上帝掷骰子”会发生不同，但是 只要量子算法设计合理，量子计算机运算结果中出现概率最大的结果就是正确结果。面对较为复杂的计算问题，经典算法需要进行各态遍历等重复操作，算法的复杂度较高，而量子算法则能较快得到结果，只需少数测量取样得到计算结果概率即可知道正确结果。

2、量子计算机的技术路径：

量子计算机还处在早期发展的阶段，倘若类比经典计算机，今天的量子计算机还处在经典计算机的电子管时代，就连最底层的物理载体还没有完全形成。 目前主流的技术路径有超导、半导、离子阱、光学以及量子拓扑这五个方向。前四种路径均已制作出物理原型机，但量子拓扑这一微软重注的方向尚无物理层面的实现。

资料来源：腾讯量子实验室

-超导：无电阻电流沿回路来回震荡，注入的微波信号使电流兴奋，让它进入叠加态。

-半导：通过向纯硅加入电子，科学家们造出了这种人造原子；微波控制着电子的量子态

-离子阱：离子的量子能取决于电子的位置；使用精心调整的激光可以冷却并困住这些离子，使它们进入叠加态。

-光学：利用激光激发量子点产生单光子，通过开关分成多路，再通过光纤导入主体设备光学量子网络，最后利用单管子探测器探测结果。

-量子拓扑：电子通过半导体结构时会出现准粒子，它们的交叉路径可以用来编写量子信息。

资料来源：中国计算机学会青年计算机科技论坛

目前进展最快最好的是超导方向。原因有二，其一是人类很希望借助现有非常先进的技术促进量子计算发展，包括半导体集成、电路工艺和技术。其二是超导路径的优势是可扩展性非常强，固态器件、电学方向能够使未来的量子计算与经典的计算机相兼容、融合。但未来技术更加成熟之后，或将持续发力离子阱和量子拓扑这两个前景更加广阔但很难实现的方向。谷歌、IBM、英特尔等巨头目前都押注超导或者半导体方向。

3、量子计算机的性能评估指标：

部分量子计算机性能参数，资料来源：QULIB

IBM不再片面追求物理比特数量，而是在门保真度和相干时间上努力提升。2020年8月20日，IBMMontreal仅以27物理比特达到64量子体积的并列世界第一 。

目前尚无统一的衡量标准，IBM的“量子体积”是较为全面的综合性能指标。未来将以量子应用的运行能力为性能评估指标。

资料来源：IBM

受限于当下量子计算的发展水平，现有的量子计算仍然难以完整运行一个应用。因此IBM以 “量子体积”（Quantum Volume，设备在给定时间和空间内完成量子计算的有用量）作为量子计算机综合性能评估指标，是目前较为全面、广泛接受的标准。未来当量子计算机的运算能力发展到足以运行完整程序时，相信 某些量子应用和算法将成为量子计算机更好的的综合性能指标。类比经典计算机中，采用浮点运算（LINPACK）方法来测评综合性能。

经典计算机中常使用评测软件对性能进行跑分

而目前定义量子计算的5项指标，包括量子比特的编译方式、相干时间、操作、时间、输入/输出，未来的可扩展性等参数指标， 都不是非常完美的综合性能评价体系，但可作为量子计算机的单一性能指标，类似于经典计算机中的频率高低、内存大小等指标。

资料来源：IBM

物理比特位数、量子线路的可达深度、错误率是影响量子体积的三大因素。

物理比特位数表示量子计算机能够表示的信息的规模，可与经典计算机中的存储器容量相对应。物理比特位数越大，表明量子计算机能够表示的信息规模越大、性能越好。

量子线路的可达深度表示量子计算机的计算能力。当线路的深度 超过量子计算机最大可达深度时，就会出现错误。量子线路的可达深度越大，表明量子计算机的计算能力越强、性能越好。

错误率：量子计算机的计算结果可通过量子测量实现，最终体现为不同状态出现的概率。而量子计算机中的噪声会影响这种概率的正确分布，从而导致结果出现错误。错误率越小，表明量子计算机的计算结果越精确、性能越好。

其他因素还有：相干时间÷门操作时间（越大越好）、门保真度（越大越好）、测量保真度（越大越好）、比特串扰（越小越好）等 。

影响量子体积的三大因素

其中，VQ即为量子体积。m表示量子比特的数目，而d(m)为线路可达的最大深度（已包含错误率等其他指标信息）。由于量子体积的测算和验证较为复杂，IBM的Qiskit量子程序提供了量子体积的测算接口。

但是量子体积概念并不是完美无缺，其不足在于：计算时将线路深度和比特位数相等， 整合为正方形。但绝大多数量子算法并不是正方形结构。例如Shor算法需要的比特位数位O(n)， 而线路深度为O(n3)。

量子计算机到底有何价值？

1、是未来人类科技与经济发展的推动力：

量子计算或为后摩尔定律时代的计算力破局之路。1965 年，Intel 联合创始人 Gordon Moore 预测，集成电路上可容纳的元器件数目每隔 18个月至24 个月会增加一倍。也正是摩尔定律在过去 50年，成为推动全球劳动生产率提升以及人均 GDP 增长的要素之一。

资料来源：Techcenturion，世界银行

然而， 经典计算机在以“硅晶体管”为基本器件结构延续摩尔定律的道路上终将受到物理限制。计算机的发展中晶体管越做越小，已经将工艺推进到7nm、5nm甚至3nm。直接面临最困难的问题是晶体管的尺寸越做越小，中间的阻隔变得越来越薄。在3nm时，只有十几个原子阻隔。在微观体系下，电子会发生量子的隧穿效应，不能很精准表示0和1，电子不能精确定义高低电压，会来回乱跑，这也就是通常说的摩尔定律碰到天花板的原因。

高通骁龙865芯片是2020年主流旗舰安卓手机所适用的高端芯片。采用台积电7nm制程工艺，晶体管数量超120亿个，算力最高可以达到每秒15万亿次，而芯片大小仅相当于一个成人的指甲盖。

“硅晶体管”尺寸不断精细化的历史

第一阶段（1960s-2015）：

早期的平面 MOSFET 器件及对应的 bulk CMOS 工艺创造了近半个世纪的辉煌，晶体管不断微缩，使得功耗-性能-面积（power-performance-area，即 PPA）指标愈来愈趋于优化。但随着摩尔定律的不断迭代，导电沟道长度缩短，栅极开始不能完全控制沟道，亚阈值漏电开始成为困扰人们的问题。

第二阶段（2015-2021）：

为控制漏电，美国伯克利大学的胡正明教授发明了“FinFET”晶体管，三面栅极环绕结构大大增强了栅控能力，进一步降低了晶体管工作电压。目前台积电已经开始试产基于 5nm FinFET 工艺的晶体管，PPA 指标相比 7nm 进一步改善。

第三阶段（2021-）：

在 3nm 左右的技术节点来看，三星提出的四面栅极环绕“GAA”结构有望在 FinFET 基础上近一步控制漏电。不过，若硅基半导体器件继续缩小至 1nm级（原子尺度），量子隧穿效应则不可避免，我们无法再通过 PN 结控制电路通断来实现逻辑。这时，我们就不得不去考虑利用量子特性、以全新的方法去实现更强的算力、更低的功耗。我们认为，量子计算是延续摩尔定律深化提升计算机算力的技术路径之一。量子计算概念提出已久，但在 2019 年谷歌实现“量子优越性”后，我们认为量子计算才真正迎来了“高光时刻”。

精细化历史参考资料来源：中金公司研究部

解决方法其一是更换材料以增强晶体管内阻隔，比如原来用土，现在换用塑料。换用塑料会让阻隔越来越结实，但是到了微观体系的原子级别，无论用什么材料，都无法阻止电子隧穿效应，现在的科学家要么极力避免量子效应，要么干脆利用量子力学。 因此量子计算作为继续提升算力的解决方法之二，或将成为未来全球经济增长的重要要素之一。

IBM在2017年的Tenerife设备(5-qubit) 已经实现了4 量子体积；2018年的IBM Q(20-qubit)的量子体积为8；2019年的IBM Q System One(20-qubit)设备的量子体积达到16；2020年1月的IBM Raleigh(28-qubit)设备的量子体积达到32；2020年8月的IBM Montreal(27-qubit)设备的量子体积达到64。IBM从2017年以来，实现了量子体积每年翻了一番。

有趣的是，当Intel 联合创始人 Gordon MooreI的摩尔定律逐渐失效时，IBM提出了量子摩尔定律，并将其命名为“甘贝塔定律”(Gambetta‘s Law)，以其首席量子理论家杰伊·甘贝塔(Jay Gambetta)的名字命名。

IBM没有计算量子比特数量，而是追踪它所称的“量子体积”（quantum volume），这是一种测量计算机实际能处理的复杂程度的方法。它的目标是使这项衡量标准每年翻一番，这是著名“摩尔定律”的量子版本。IBM到目前为止，这个定律已经保持住了三年。这和戈登·摩尔（Gordon Moore）在1965年提出摩尔定律时的情况差不多。

2、相较经典计算机，具有两大显著的核心优势：

更加强大的并行计算能力

量子态叠加原理使得量子计算机每个量子比特（qubit）能够同时表示二进制中的 0 和 1，而经典计算机只能一次分别表示0或1状态，因此 量子计算机能够在特定计算困难问题上具有指数级性能提升。

在解决实际问题的过程中，CPU 采用“串行”计算，即将一个问题的若干部分按照顺序依次进行运算；GPU 采用“并行”计算，即将一个问题拆成若干个小问题后，同时对每个小问题的一部分进行运算；QPU （量子处理器）则利用量子叠加性快速遍历问题的各种可能性并找到正确答案。

比特币矿机便是利用GPU强大的并行计算能力挖矿

假设存在一个可同时适用CPU、GPU、QPU解决的问题。若基于CPU开发的算法时间复杂度为O(N²)，则GPU和QPU的时间复杂度分别为O(N)和O(1)。问题规模较小时 CPU 实际运行时间有可能较小，但 随着问题规模增大，最终运行效率将呈 QPU>GPU>CPU 排列。

更加高效的量子模拟能力

1980 年代物理学家理查德·费恩曼就曾提出使用量子来模拟量子本身的设想，而现在这种设想随着量子计算机硬件的不断突破，已经逐渐变为现实。

当量子计算编译在电子原子上时，在模拟方面会表现得非常自然，例如新材料的发现，生物医药的药物合成。

然而， 当使用经典超级计算机来研究微观世界的量子力学问题的时候，原来强大的计算能力马上就变得捉襟见肘。在由量子力学规律所支配下的微观世界中，物理系统的所有信息都包含在系统的波函数里，如果我们能够精确地知道系统在某个时刻的波函数，原则上，也就知道了这个系统在该时刻的所有性质。但是精确地描述波函数是一个浩大的工程。以我们所知道的最简单的量子系统——两能级系统（通常是一个电子或者一个光子所描述的系统）为例，要描述这个系统的一个量子态，需要 2 个自由参数；描述由两个这样的粒子所构成的系统，则需要 14 个自由参数；如果描述 N 个两能级系统所构成的复合系统的量子态，则需要 4N-2 个自由参数。如果 N 稍稍增加，这将是一个非常庞大的数字，于是，计算这样一个由相互作用的粒子所构成的量子系统的波函数随时间的演化，则变得异常困难，以至于目前人类最强大的计算机只能计算 30 多个两能级粒子所构成的系统。

量子模拟实验显示时光旅行

美国物理学家费曼最早认识到这方面的困难，并给出了解决的方案。通常，如果想知道一个物理系统的运行和演变，一种方式是：我们知道描述这个系统运动的基本方程，然后通过数学计算出系统每个时刻的变化；第二种方式就是做实验，创造一个和我们已知物理系统相同条件的系统，让它在相同的规律下演进、变化，通过对实验结果的观察来获得我们想要的信息。费曼猜想，既然世界的底层规律是符合量子力学的，如果没有能力数值求解，可以创造一个人工的、符合量子规律的有效系统，使得这个有效系统所满足的量子力学方程同我们的求解对象完全一致，于是， 可以通过控制这个人工的量子力学系统，在这个人工系统上直接做实验，读出实验结果即为我们所欲求得的解。费曼的这个想法，进一步演变为数字式的量子模拟（即：建造一台量子计算机，在量子计算机上，用量子比特来构建模拟对象，模拟系统的性质）和模拟式的量子模拟（即：直接在人工系统中构建所模拟的有效量子系统，它与数字式量子模拟的区别雷同于数字电路与模拟电路的区别）。

通过研究发现，量子模拟除了擅长 模拟量子多体系统随时间的演化，还有可能模拟目前尚没有办法求解的强关联多体系统，而这两类问题是困扰多个学科分支（如：凝聚态物理、量子统计力学、高能物理、原子物理、量子化学等）的拦路虎。除此之外，通过量子模拟还有可能构建某些理论上预言、但是自然界尚未发现的新型的“虚拟”量子材料，来展现量子世界的神奇应用（如拓扑量子计算）；或是在量子模拟器中模拟目前真实物理设备所达不到的物理条件，演示已经被理论预言，但是从未在真实世界中观测到的物理现象；或是创建用于求解某些特殊类型的数学难题的专用机器（超越目前超级计算机所能达到的最快求解速度），等等。

本段引自中国物理学会期刊网，作者：中国科学院院士郭光灿教授（中国科学技术大学）

3、价值能否释放取决于软硬件制约因素能否解决：

目前制约量子计算机技术成熟和商业化的因素主要包括量子比特数、相干时间和合适的算法等。科学家认为 量子计算机仍然需要在量子比特制备、相干时间长度等软硬件方面继续有所突破，才有望最终实现商用。量子比特数决定单次运算的数据量大小，相干时间决定维持高性能计算的时长，量子算法决定了量子计算机解决问题的范围。

硬件层面的制约：

量子比特需要超低温。由于外界环境可以非常轻易地干扰量子计算机中量子的相干叠加态及计算结果的稳定性，量子计算机需要使用超导材料与外界环境隔绝，这些超导材料一般需要在约为 0.1 开尔文（即零下 273.05 摄氏度）的环境下工作，比宇宙星际空间的平均温度 2.73 开尔文还要低。

相干时间仍然较短。由于量子计算机容易受外界环境的影响而导致退相干，因此所有的运算必须在退相干发生之前完成，才能保证运算结果的可靠性。而目前该时间的上限一般为 100 微秒（10 的负 6 次方），意味着量子计算机必须在 100 微秒内完成全部运算流程。

运算操作时间不够短。每一个量子门的运算操作时间需要 50 纳秒（10 的负 9 次方），再加上纠错所需要的时间，为了获得可靠的结果，只能运行不超过 2,000 个运算。

软件层面的制约：

从 CPU 时代到 GPU 时代再到未来的 QPU 时代，芯片和算法有如下的关系：

CPU 的内部结构较为复杂，具有强大的逻辑判断和通用性能，可以处理各种不同类型的数据，并且随时可以中断各种数据处理，因此 CPU 可以执行所有的算法，尤其是擅长串行运算（比如判断较多的算法），但在执行计算密集型算法效率不高。

GPU 相比 CPU 具有较多的 ALU和较少的 Control、Cache，理论上 GPU 也能执行所有的算法，但 GPU 的访存延迟较大在执行非计算密集型程序时效率远不及 CPU（所以通常计算机采用 CPU 控制 GPU 的架构），而 在并行运算（比如矩阵运算，每个单元的计算都不依赖于其他单元的计算结果）方面GPU 的计算效率则要高于 CPU。

而目前的 QPU 需要依赖经典芯片（CPU 或者专门设计的量子比特控制芯片）对其进行操作，目前来看 只能执行经过巧妙设计后的量子算法（比如用于分解质因数的 Shor 量子算法、用于无序数据库搜索的 Grover 量子算法）。

量子比特本身的量子属性可被用于大分子模拟，Shor 量子算法可被用于破解密码，Grover量子算法可被用于搜索行业，待量子计算硬件成熟后其实用价值可以快速体现。不过，在人工智能领域，科学家虽然推测量子计算机能够发挥较大作用，目前仍然缺乏有实用价值的算法。

截至2020，国内外量子计算机的发展情况如何？

1、政府支持情况：

各国政府大力支持，将量子信息技术视为未来科技的关键基础。

美国是量子计算布局中较早和积极的玩家处于领先地位，2018年12月通过《国家量子计划法案》将把量子计算提升到阿波罗登月计划的高度。2020年2月《美国量子网络战略构想》以及7月《针对中国加强贸易、区域同盟、技术、经济和地缘政治倡议法案》都明确指出，美国将确保在量子计算等新兴技术中取得领先地位。

2015年，中科院与阿里巴巴联合成立“中国科学院-阿里巴巴量子计算实验室”，以进军量子信息领域的前瞻性研究并研制量子计算机

我国在量子计算领域与国际领先水平仍存在4-5年差距（小于经典计算机时代差距），正在积极追赶。针对量子计算的投资、科研力度不断加大，先后启动“自然科学基金”、“863”计划和重点研发项目和科技创新2030重大专项等科研项目，推动量子计算的技术研发和产业化落地。

欧盟委员会2018年启动总额10亿欧元的“量子旗舰”计划，志在力争欧洲在第二次量子革命中处于前沿位置。

此外， 德国、英国、日本等国也相继出台量子计算领域发展规划。

2、企业竞争格局：

技术积累：

北美企业居于世界领先，巨头型企业技术积累深厚。

资料来源：IncoPat，统计截至2019年9月30日

专利情况： 北美企业居于世界领先，拥有最多量子计算发明专利的企业D-Wave位于加拿大，而美国的企业数量占绝对优势。截至2019年9月30日，全球量子计算技术发明专利top20企业中，美国企业占比接近50%，远超第二名日本15%，中国企业本源量子在该榜单中位列第12名。巨头型企业技术积累深厚，IBM, Microsoft, Intel, Google等科技巨头占据榜单的一半以上。

量子计算领域专利申请及授权情况

注：专利申请的公开存在滞后性，2019 年数据未计入

资料来源：中国信息通信研究院知识产权中心

论文情况：据中国信息通信研究院2019年10月统计 ， 从发表论文数量的机构来源看，科技巨头同样占据优势。过去5年量子计算论文主要机构前三甲中有两家是科技巨头IBM和Microsoft分别夺得第一和第三，MIT作为论文数量最多的高校位于第二。近五年来排名前 20 的机构中，中国占据 3 席，分别是中国科学院、中国科学技术大学和清华大学。其中，中国科学院的发文量持续快速上升，过去一年的新增论文数量仅次于美国 MIT和荷兰 TU Delft。此外，德国 ETH Zurich、 Max Planck Society、加拿大Waterloo 大学、蒙特利尔大学、日本东京大学也是重要的创新主体。

企业聚集度：

初创企业是量子计算技术产业发展中科技巨头外的另一主要推动力量。初创企业大多脱胎于科研机构或科技公司，近年来，来自政府、产业巨头和投资机构的创业资本大幅增加，初创企业快速发展。目前，全球有超过百余家初创企业，涵盖软硬件、基础配套及上层应用各环节。企业集聚度以北美和欧洲（含英国）最高。

量子计算领域科技公司和初创企业分布

资料来源：中国信息通信研究院

投融资情况：

截至2020年8月，受限于企业数量并且初创企业普遍较为早期，投资额度和数量都极为有限；投资集中于B轮以前；对量子计算机的硬件投资占6成以上。

资料来源：CB Insights，互联网公开资料整理

量子计算机的市场前景几何？

1、市场规模：

中期内，量子计算机在达到商业应用程度后，小型化问题依然难以解决并且需要苛刻的低温环境运行，通过云计算提供服务是其可能的形态。下游用户通过客户端操作云端经典计算机，云端经典计算机通过量子计算机操控程序输入和读取量子计算机数据。

目前量子计算云平台以 PaaS 模式为主，提供量子模拟器、计算工具和开发套件等软件服务。随着量子计算物理平台与云基础设施的深度结合，以及量子处理器功能和性能的不断发展，IaaS 模式比重将逐步增多。未来随着量子计算产业进一步发展成熟、生态逐步开放，将有更多的行业和企业尝试通过 SaaS 模式对其业务处理进行赋能。

资料来源：中国计算机学会青年计算机科技论坛，中国信息通信研究院

由于量子计算极易被环境热量或波动干扰致使计算结果出错，因此量子纠错算法对结果的准确性极其重要。若没有解决纠错问题，量子计算就不可能比经典计算做得更好。波士顿咨询预测，在不考虑量子纠错算法的情况下，2035 年全球量子计算市场规模为 20亿美元，2050 年将达到 600 亿美元；在考虑量子纠错算法的情况下，2035 年全球量子计算市场规模为 2,600 亿美元，2050 年将达到 2,950 亿美元。

资料来源：BCG

2、产业链：

由于通用量子计算硬件技术仍处于早期，产业链尚不成熟。

固体系统如超导、半导作为最广泛的量子计算技术路径，依托于现有成熟的硅技术， 因此量子计算机企业在产业链上游仍需依赖传统的硅晶圆、半导体加工设备、集成电路供应商。

量子计算机产业链全景图

量子计算机体积比常规计算机大数倍加之严苛的低温运行环境以及千万美元的价格（D-Wave 1500万美元售价）使普通个人用户短期内无法使用量子计算机。科研机构和大型企业组织成为主要用户。即便是机构用户， 采用量子云服务而非购买计算机也是主流的使用方案。此时，第三方云服务商如微软、亚马逊等较之量子计算初创企业的自有云平台，在标准化业务场景中便具有显著的渠道和客户优势。

量子计算机产业链图谱

在量子计算领域，美国近年来持续大力投入，已形成政府、科研机构、产业和投资力量多方协同的良好局面，并建立了在技术研究、样机研制和应用探索等方面的全面领先优势。

美国量子计算研究与应用发展的4种模式

资料来源：中国信息通信研究院

但是就监管而言，美国2018年11月最严高科技管控清单《出口管制改革法案》中考虑对人工智能、芯片、定位、导航等14项技术进行出口、再出口、国内专卖的管制，量子计算技术作为尖端技术赫然在列。

与此同时，企业自发成立的产业联盟成为量子生态中的重要组成，IBM、微软、本源量子都成立了各自的产业联盟。IBM发起量子计算联盟Q Network推进行业合作，其特点为： 除用户和科研机构外，主要为软件公司，基本不与硬件公司合作。

微软成立“微软量子网络”（Microsoft Quantum Network）和“西北量子联盟”（Northwest Quantum Nexus）。与IBM不同： 微软为了弥补缺乏自研量子计算硬件的劣势，联盟包含数家量子硬件公司如IonQ、QCI、霍尼韦尔、以及自投的PsiQuantum。

微软量子网络合作伙伴一览，截至2020.09

我国的本源量子也建立了国内首个量子计算联盟——本源量子计算产业联盟（Origin Quantum Industry Alliance），以加速量子计算技术开发，探索量子计算应用落地，培养量子计算生态圈，推动量子计算技术服务惠及国人。

量子计算机如何应用？

受制于造价和刚需，全球个人用户尚不具备使用条件。生物医药、化工能源领域有望最早落地，数字安全和AI大数据领域将随后扩大占比。

量子计算机体积比常规计算机大数倍，并且只能进行特定领域的计算，严苛的低温运行环境以及千万美元的价格（D-Wave 1500万美元售价） 使普通个人用户无法使用量子计算机。即便是较为廉价的量子云服务，作为领先时代的技术，相比经典计算机并不能更好地满足日常生活环境的大规模应用，量子软件的学习成本也抬高了使用门槛。因此，个人用户尚不具备使用量子计算机的条件。

量子计算机基于强大的并行计算和模拟量子现象的能力，有望在以下两大领域较早落地：

-（1） 模拟量子现象本身：1980年代物理学家理查德·费恩曼就曾提出使用量子来模拟量子本身的设想，这将为生物医药、化工能源等领域中的蛋白质结构模拟、药物研发、新型材料研究、新型半导体开发等提供有力工具；

-（2） 巨量数据和运算：其中又包括数字安全领域（1994年开发的 Shor 量子算法已在理论上被证明具有加速破解现有基于大数质因数分解等体系的密码），AI、大数据等领域（细分场景有金融工程、航空航天、交通物流等）。

前瞻产业研究院认为，对于量子计算元年的到来仍然无法精确预测，但可以想象的是 生物医药、化工行业将在量子元年应用市场中占据较大规模。随着时间的推移， 搜索、机器学习等市场占比将逐步扩大，成为量子计算应用领域的主流。

1、应用场景：

生物医药：

量子计算可集中应用于药物研发中期，理由有如下三点。

其一，药企拥有大量研发费用，并且已经形成外包合作的研发习惯和模式。

其二，据部分制药行业高管预估， 量子模拟可将药物发现率提高5-10%，并节约15-20%的研发时间。同时，更优的分子设计将使药物审批率提高1.5到2倍。传统新药开发主要通过试验筛选分子库，消耗大量金钱时间。而通过计算机进行分子模拟，经典计算机压力已经显现，以现有人类的计算能力模拟量子化的原子消耗的时间成本较大。

其三，药物研发大致分为三大流程：前期和后期涉及生物学基础理论和临床反馈对计算资源依赖较少，而 研发中期存在大量模拟计算，成为量子计算可以切入的市场。

研发前期：

研发主要目标在于发现不同基因组的外在表述，进而精准地掌握病因。这一阶段对研发帮助最大的是生物学本身的进步和机器学习给发现基因作用带来的辅助。

研发中期：

研发中期和前后期不同，这一阶段的研发目标是药品的化学表现和分子设计。主要聚焦在小分子本身的性质功能、稳定性和与病变生物蛋白的反应，在这个过程中，需要大量的运算模拟，虽然药企本身都设有计算部，但部分验证模拟需要同时动用几万台服务器支撑，在这过程中的把控和管理，都不得不交给专业计算机构完成，这便形成了未来量子计算切入的市场。

研发后期：

研发主要目标在于收集临床反馈，鉴于造成同一病症的原因多种多样，病人亦不能专业的区分自己的病情。所以这阶段的问题在于找到精准的病人画像，并在合适的地方找到病情的生物标志物。所以本身对计算强度的需求，并没有那么大。

化工能源：

研发环节中的工业设计和催化剂有望较早应用量子计算；光伏行业的宏观环境有望应用量子计算。

化工企业拥有大量研发费用，并且也形成某些环节外包合作的研发习惯和模式。

但化工企业利润水平不如医药，只有在5亿规模以上才可能有研发部门。因此 量子计算短期内只能应用于世界顶级的化工企业或其资助扶植的科研机构。科学家认为， 工业设计和催化剂两个环节是量子计算最有应用前景的环节。

光伏行业的外包研发习惯尚待培育，量子计算将从宏观环境要素的计算需求入手。在“生产制造-布设电站-销售经营”的链条中，元件制造和宏观环境要素这两个方向具有计算需求。但前者太阳能电池板制造技术相对成熟，各方改善的意愿不强；后者基于利润改善、商业模式创新等综合需求具有宏观整合上的应用前景。

金融工程：

量子优化、机器学习、量子加速蒙特卡罗算法将成为三大量子金融计算应用方向。

量子计算将解决金融公司未来对增加计算能力的需求，同时比传统计算机消耗更少的能源。包括Renaissance、D.E.Shaw和Two Sigma等一些头部量化对冲基金都对量子计算寄予厚望，并预计量子计算将帮助他们发现并利用市场中目前看不见的模式。

-量子优化：量子退火为经典计算机难以解决的最优化问题提供更好的解决方案，可以为执行大额交易指令提供最佳交易路线，为同一资产在不同市场不同价格中提供最佳套利机会。

-机器学习：量子PCA算法可极大拓宽主成分分析的适用范围，以指数速度在无法使用传统方法时估计风险和最大利润。同时，量子神经网络的隐马尔可夫模型可以为股价提供更好更快的预测。

-量子加速蒙特卡罗算法：量子计算可以为衍生品定价、风险分析的蒙特尔卡罗方法进行二次计算，降低计算成本和时间。

数字安全：

Shor算法目前受限于硬件性能破解加密能力十分有限，但长期来看其对密码学和互联网的技术、社会影响值得关注。

非对称加密算法在互联网后端技术中常用于登录、数字签名、数字证书认证等场景，是计算机通信安全的基石。非对称加密算法使用公钥+私钥进行，加密安全性好。

RSA等非对称加密算法的秘钥长度通常在2048位及以上（ 支付宝采用RSA2048位秘钥），实质为大数质因数分解等数学难题，无法被现有技术破解。

Shor量子算法已从理论上证明可以加速大数质因数的分解，科学家认为其未来有望加速密码破解。

受限于硬件性能，Shor算法目前能够做质因数分解的位数仍十分有限，但长期来看其对密码学和互联网的技术、社会影响值得关注。据估计，依现有纠错能力需百万级位数以上物理量子比特方能完整运行Shor算法破解加密算法，而迄今量子计算机的物理量子比特数最多不过在几十位至5000位（D-Wave的Advantage系统宣称具有5000位物理比特）。

2、应用案例：

生物医药：

（1） 分子模拟——ProteinQure+阿斯利康：2020年7月9日宣布合作。利用量子算法+机器学习+化学分子模拟、组合优化的方法，研发基于蛋白质组合模型的多肽类药物并且构建应用于治疗的肽库。预计将克服 传统计算难以覆盖多肽变异数量过多的难题，提炼和验证数百万种治疗候选药物，发挥多肽类药物对某些疾病靶标的独特效力。

（2） 分子模拟——埃森哲+1QBit+Biogen：2017年6月程序已落地并测试，但受限于量子计算机的性能，尚无法大规模计算分子匹配。通过采用混合量子计算方法并加权不同的分子变量进行比较，从而提高分子比较模型的保真度。由于 量子计算方法能比任何现有方法更准确地比较分子结构并获得更多信息，Biogen便可以据此减少筛选适用于药物分子的成本。

（3） 分子模拟——华为：2019年9月发布量子化学应用云服务HiQ 2.0模拟器，作为国内首个一站式量子化学应用云服务，已成功模拟乙烯（C2H4）、氨气（NH3）、甲硅烷（SiH4）等分子基态能量。

（4） 分子模拟——奥地利Alpine Quantum Technologies（AQT）+德国HQS Quantum Simulations：2020年4月宣布战略合作。预计通过云端量子化学软件，可以在量子计算机和经典计算机上有效地模拟分子和材料的化学过程。

金融工程：

（1） 衍生品定价——Xanadu+加拿大BMO金融集团&丰业银行：2019年8月宣布已成功落地应用。利用量子蒙特卡罗算法，完成百倍级实时定价，提高衍生品定价的处理速度和准确性（经预测， 运行完整的量子蒙特卡罗将提速达数百到数千倍）

（2） 风险分析——IBM+西班牙CaixaBank：2019年完成量子算法测试，2020年6月CaixaBank与IBM签署合作协议。使用量子机器学习算法，基于实际数据评估了专为该项目创建的两个投资组合（抵押投资组合和国库券投资组合）的财务风险。 预计将复杂的工作从几天减少到只有几分钟。

（3） 衍生品定价——QC Ware+高盛：2019年12月宣布合作。利用量子计算加速蒙特卡罗算法，计算期权或授予个人以特定价格和时间购买基础资产的权利的合同的理论价值。

智慧交通：

（1） 路线优化——D-Wave+谷歌+大众汽车：2017年在北京成功展示一万辆出租车无拥堵路线规划，能以最快速度往返北京市区和机场，避免交通拥堵。2019在里斯本成功展示量子路由算法和数据管理系统，通过云端量子计算实时规划9辆公交车最快行经路线。

航空航天：

（1） 优化设计——D-Wave+洛克希德·马丁：2011年11月启动建立南加大-洛克希德·马丁量子计算中心，以模拟先进战机飞行姿态，改进军用飞机设计模型。

（2） 分子模拟、系统优化——波音：2018年成立颠覆性计算和网络公司。将量子计算用于航空航天基础材料科研，复杂系统优化，航天安全通信。

（3） 优化设计——空客：2019年1月举办国际性量子计算驱动解决方案竞赛，用以翼盒设计优化、计算流体动力学模拟、飞机爬升路线优化、飞机装载优化。

有哪些优秀的量子计算机企业？

1、初创企业：

D-Wave Systems

D-Wave，1999年成立于加拿大， 是最早进军量子计算的企业也是最为成功的量子计算商业化企业，已经出售数台量子退火机。截至2020年8月，融资总规模2.39亿美元，最新一轮的融资是2019年12月的H+轮，历史投资机构包括NEC、加拿大养老基金、高盛等。

D-Wave的商业模式为 硬件+软件+云服务的全栈式服务，旗下产品包括2019年最新型第五代量子退火机Advantage（号称具有5000位物理比特，但实际量子纠缠数量远未达到）、全套量子开发工具软件库、提供自有Leap2量子云平台以及亚马逊云服务。具有超过200家客户，其B端客户包括谷歌、大众汽车、洛克希德·马丁等，G端客户包括NASA、洛斯阿拉莫斯国家实验室等。值得注意的是，D-Wave的量子退火技术路径不同于其他致力于研制出通用型量子计算机的企业，量子退火并非通过量子纠缠实现量子计算， 量子退火机只是一种专用型量子计算机。因此量子退火机只能解决特定的运算问题如最优化问题，无法发展为通用量子计算机。选择能够更早实现的量子退火技术，这既是D-Wave得以率先商业化的秘诀，同时也是其未来发展空间的不足之处。

D-Wave的竞争优势有如下三点：

（1） 全球成立最早是量子退火领域的领头羊。2011年5月11日，D-Wave发布全球第一台商用量子退火机D-Wave One，使用128量子位以解决最优化问题。

（3）旗下第二代自有量子云平台Leap2已覆盖全球40多个国家。

Rigetti

Chad Rigetti, CEO Of Rigetti Computing

Rigetti，2013年成立于美国， 是发展最为迅猛的初创企业之一，其技术路径为超导方向。截至2020年8月，融资总规模2.69亿美元，最新一轮的融资是2020年8月的C+轮，历史投资机构包括富兰克林邓普顿、贝瑟默风投、YC等。

Rigetti的商业模式为 硬件+软件+云服务的全栈式服务，旗下产品包括最新型31位物理比特的Aspen-8量子处理器、量子软件开发包Forest、量子编程语言PyQuil、提供自有量子云平台QCS以及亚马逊云服务。其B端客户包括澳洲联邦银行等，G端客户包括美国国防高级研究计划局（DARPA）、橡树岭国家实验室、洛斯阿拉莫斯国家实验室等。

IonQ

IonQ，2015年成立于美国 ，是离子阱方向物理比特位数最多的初创企业。IonQ 由马里兰大学教授 Christopher 和杜克大学教授 Jungsang Kim 于 2015 年创立。成立之初，New Enterprise Associate 对公司进行了 200 万美元投资。2017 年，IonQ 接受了 Google Ventures、New Enterprise Asssociate、亚马逊的 2,000 万美元投资。2018 年 12 月，IonQ 推出 79 位离子阱量子计算机，并对水分子进行了模拟，其结果要好于目前大部分超导量子计算机。2019年 10 月，IonQ 获得了三星 Catalyst 基金、阿拉伯主权财富基金 Mubadala 领投的 5,500万美元资金。截至2020年8月，融资总规模达8400万美元，最新一轮的融资是2020年6月的B+轮，历史投资机构包括洛克希德·马丁、三星、空客、谷歌、亚马逊等。

IonQ的商业模式为 硬件+云服务，旗下产品包括2台离子阱量子计算机（最高为79位物理比特）、用户可通过微软和亚马逊获得云服务。

IonQ的竞争优势是 在离子阱方向具有领先地位（另一领先者为高达64量子体积的霍尼韦尔），而离子阱技术路径相较超导可能更具长远的未来前景（读写效率高、相干时间长、所需温度环境更宽容）。可能的劣势是尚无自有云平台，云服务依赖于第三方的微软和亚马逊。

PsiQuantum

PsiQuantum，2016年成立于美国， 在微软投资后一跃而为融资规模最高的量子计算初创企业，其技术路径为光学方向。截至2020年8月，融资总规模2.79亿美元，最新一轮的融资是2019年11月的C轮，历史投资机构包括微软M12风投基金、贝莱德顾问公司等。

PsiQuantum的商业模式为硬件制造，但截至2020年8月尚未披露已经制造出量子计算机。

PsiQuantum的竞争优势是：（1） 光学技术路径相较超导可能更具长远的未来前景（可扩展性好、所需温度环境更宽容）；（2） 是全球融资规模最大的量子计算初创企业，同时背靠微软资金雄厚资源丰富。

劣势是：（1）难以实现其诺言：“几年内建成拥有100万个物理比特的量子计算机”；（2）对外界信息披露过少，可能暂无实质性成果。

Alpine Quantum Technologies（AQT）

AQT，2018年成立于奥地利，基于因斯布鲁克大学和奥地利科学院的研究成果设立， 是欧洲顶尖的量子计算初创企业。其技术路径为离子阱方向。截至2020年8月，融资总规模2000万欧元，来源于奥地利政府的财政拨款。

AQT的商业模式为 硬件+软件+云服务的全栈式服务，旗下产品包括20位物理比特的离子阱量子计算机、提供自有量子云平台以及IBM云服务。其B端客户包括德国HQS公司等，G端客户包括因斯布鲁克大学、奥地利政府等。

奥地利因斯布鲁克的离子阱量子计算机

AQT的竞争优势是基于因斯布鲁克大学和奥地利科学院数十年的研究积累，而离子阱技术路径相较超导可能更具长远的未来前景（读写效率高、相干时间长、所需温度环境更宽容）。

Quantum Circuits

Quantum Circuits，2015年成立于美国，是独树一帜的超导方向的初创企业。 QCI不追求单个处理器的物理比特数，采用模块化的集成手段，致力于降低单个处理器的复杂度，提高总体可扩展性。截至2020年8月，融资总规模1868万美元，最新一轮的融资是2020年4月的A+轮，历史投资机构包括红杉资本、TVP等。

Quantum Circuits的商业模式为 硬件+云服务，旗下产品包括模块化量子处理器（每个模块包含5到10量子比特）、提供微软量子云服务。

Quantum Circuits的竞争优势是其模块化量子计算机将 集成量子纠错算法，提高硬件效率降低冗余度，同时降低了单个芯片的成本。

本源量子

本源量子，2017年成立于中国， 是中国最为领先的量子计算初创资企业。中科大物理系教授郭国平是本源量子创始人兼首席科学家。中国科学技术大学物理系教授郭光灿是本源量子联合创始人兼科学顾问。截至2020年8月，已进行三轮融资总额约1亿元人民币左右，历史投资机构包括合肥高投、中科创新、磐谷创投、科大控股。

本源量子的技术路径为超导以及半导方向，商业模式为硬件+软件+云服务的全栈式服务，旗下产品包括：

（1）硬件：玄微S2-200半导2物理比特芯片、夸父C6-130超导6物理比特芯片、量子测控一体机（国内首个量子计算控制系统）

（2）云服务：自有云平台(半导+超导+200位模拟器）

（3）软件：开源量子开发包Qpanda、Qrunes语言、量子虚拟机、ChemiQ量子化学软件。

本源量子的竞争优势是：（1）发起量子产业联盟OQIA，以加速量子计算技术开发，探索量子计算应用落地，培养量子计算生态圈，推动量子计算技术服务惠及国人。（2）产学研合作，发布量子计算学习机及量子编程课程，联合高校培养量子计算高端人才。（3） 国内最为领先的量子计算初创企业。

2、科技巨头：

谷歌

Google quantum A.I. Lab隐身在圣塔芭芭拉的平凡办公室内

谷歌和IBM并列为量子计算两大巨头， 在量子计算硬件方面代表了目前全球最高水平之一。2006 年，谷歌量子计算项目由Hartmut Neven 创立，最初专注于算法和软件。2012年与NASA和大学空间研究协会（USRA）组建Google quantum A.I. Lab 。2014 年，谷歌招募了加州大学圣塔芭芭拉分校 John Martinis 团队，谷歌开始在量子计算硬件方面发力。2016 年，谷歌量子计算团队使用 3 个量子比特对氢分子的基态能量进行了模拟，效果已经可以和经典计算机持平。2018 年 3 月，谷歌推出了 72 位量子比特芯片 Bristlecone。2019 年 10 月，谷歌使用其当时最新推出的 53 位量子比特芯片 Sycamore 运行随机电路取样，仅用 20s 时间即完成了结果，而谷歌推算如果使用算力强大的超级计算机 Summit 需耗时 1 万年，实现了“量子优越性”，这也是目前全球量子计算机经过实测的最强算力。2020 年 3 月，谷歌推出了 TensorFlow Quantum 量子机器学习算法开发平台，助力于未来全球量子算法的发展。

谷歌在量子计算机领域的其技术路径为超导方向，商业模式为硬件+软件。旗下产品包括最新的Bristlecone量子处理器（72位物理比特，9位逻辑比特），量子机器学习平台TensorFlow Quantum。

谷歌在量子计算机领域的竞争优势是（ 1）谷歌拥有世界上最强大的数据中心，搜索引擎积累了海量数据以供量子机器学习算法运行。（2）强大的宣传和舆论能力，提出“量子霸权”（Quantum Supremacy）概念闻名世界，为量子计算吸引大量热度。劣势是 近期重要团队成员离职为其硬件发展带来更多不确定性，谷歌量子计算硬件负责人John Martinis与长期负责人Hartmut Neven路线分歧后与于2020年4月离职。

IBM

IBM在1981年便开始投入量子计算领域的研究， 是全球最早布局量子计算的公司之一，并且至今技术依然保持全球领先。早在 1999年，IBM 就采用 NMR 量子比特技术开发出 3 位量子计算机。2001 年，IBM 分别在 5 位NMR 量子计算机、7 位 NMR 量子计算机上成功运行了 Shor 量子算法，成功将 21 分解为3 和 7，将 15 分解为 3 和 5，这是人类首次在硬件上实现 Shor 量子算法。2016 年，IBM推出量子云计算平台 IBM Q Experience，IBM 成为全球第一个推出量子云服务的公司。2017年，IBM 采用超导量子比特技术开发出 17 位量子计算机和 50 位量子计算机。2019 年，IBM 推出 Q System One，这是一台 53 位的量子计算机。2020年8月推出IBM Montreal量子计算机，这台27位物理比特的量子计算机却有高达64量子体积的综合性能，与霍尼韦尔并列全球第一。可以说，IBM在上下游、软硬件、技术积累和投资额度上都十分突出。迄今为止其在该领域已经投入超过380亿美元。

2019年国际消费电子展（CES），IBM展示其50位物理比特量子计算机IBM Q System One的原型

IBM在量子计算领域的技术路径为超导方向，商业模式为 硬件+软件+云服务的全栈式服务，旗下产品包括：

（1）硬件：22台量子计算机，包括IBM Q System One（53位物理比特）、IBM Montreal（64量子体积，性能并列全球第一）。

（2）云服务：IBM Q Experience量子云平台，用户可用其访问IBM和AQT两家的量子计算机。

（3）软件：一系列开源Qiskit软件。

全球有超过100家组织、160个国家、超20万名用户使用IBM的量子计算服务。其B端客户包括达美航空、戴姆勒、摩根大通、高盛等，G端客户包括洛斯阿拉莫斯国家实验室等。

IBM的竞争优势是：（1）发起量子计算联盟Q Network， 其中包含大量软件公司为其硬件赋能。（2） 作为老牌量子企业积累深厚，是世界首台商用量子（量子纠缠）计算机的发布者。（3）丰富的人才培养与供给渠道：与高校合作开展大量Qiskit在线课程。

霍尼韦尔

霍尼韦尔在量子计算领域的商业模式为 硬件+软件+云服务的全栈式服务，旗下产品包括离子阱量子计算机、提供自有量子云平台以及微软量子云服务，并积极开发优化、机器学习、化工材料的量子计算应用程序。其B端客户包括摩根大通等，G端客户包括美国情报高级研究计划局（IARPA）等。

霍尼韦尔的竞争优势是：（1） 在离子阱方向具有领先地位（另一领先者为IonQ），而离子阱技术路径相较超导可能更具长远的未来前景（读写效率高、相干时间长、所需温度环境更宽容）。（2）其芯片与竞品相比， 具备中途改变计算的功能。（ 3）具有完善的产业链布局和深厚的工业界经验，在量子计算的产业应用中具有显著优势。在航天、能源、化工、材料、智能控制等领均实力不俗。

英特尔

英特尔，2015开始与荷兰QuTech研究所（由荷兰代尔夫特理工大学与荷兰国家应用科学院联合创立）合作研究量子计算机，其技术路径为超导和半导方向。 背靠代尔夫特理工大学科研积累，突出的量子位高温控制能力和半导体积累成为其竞争优势。

英特尔在量子计算领域的商业模式为硬件制造，旗下产品包括最新的49物理比特超导量子芯片Tangle Lake和半导量子芯片。

英特尔研究院首席工程师 Stefano Pellerano 手持 Horse Ridge 芯片。这款全新低温控制芯片将加快全栈量子计算系统的开发步伐，标志着商业上可行的量子计算机发展到新的里程碑。

英特尔的竞争优势是：（1）量子位控制能力突出，高温控制超越IBM和谷歌，成功控制“高温”1开的量子位。（2）是半导体领域霸主，擅长硅芯片技术。基于英特尔 22 纳米 FinFET 技术， Horse Ridge量子控制芯片的制造便是在英特尔内部完成，这也极大提高了英特尔在设计、测试和优化量子计算机的能力。

微软

微软于2005年建立StationQ研究所用以研究量子计算机，其技术路径为量子拓扑方向。 微软是唯一押注最难实现的拓扑路径的巨头， 硬件迟迟难以构建。宣称2023年发布100拓扑量子位（相当于1000逻辑比特）计算机。在2019年以2.15亿美元巨资投资尚无硬件产出的光学路径PsiQuantum。

微软 Azure Quantum 量子云服务

微软的商业模式为硬件+软件+云服务的全栈式服务，旗下产品包括QDK开源工具包（Q#语言、Toffoli模拟器等）、并且自有云平台Azure Quantum提供IonQ+QCI+霍尼韦尔三家量子云服务。其B端客户包括OTI，福特、丰田等，G端客户包括太平洋西北国家实验室、迪拜水电管理局等。

微软发起微软量子联盟，以多种技术路径分散分险。联盟同时包含多家硬件公司如IonQ（离子阱）、QCI（超导）、霍尼韦尔（离子阱），以及自投的PsiQuantum（光学）弥补缺乏自研量子计算硬件的劣势。

微软的竞争优势是：（1）拓扑技术路径相较其他所有方向，无需纠错算法，相干时间长，保真度强。 一旦硬件研制成功，将是量子计算机最好的技术路径。（2）微软是全球最大的云服务提供商之一，具有客户和渠道优势。可以用极短的时间覆盖各行各业，推广成本低。（3）通过与高校合作开展Q#语言在线课程，培养高端量子人才。

劣势是拓扑量子位硬件极难构建。拓扑量子比特是基于一种叫做马略阿纳(Majorana)的理论粒子，它可以同时在多个位置对量子比特的状态进行编码。如果拓扑量子比特可以被创造出来，那么就能提供一种比超导量子比特更可靠的选择，其叠加状态相比超导量子毕业则更难以消失。这样以来需要的量子比特就少了十倍。但科学家们仍不能完全确定马略阿纳粒子是否真的存在。

阿里巴巴

阿里巴巴量子云平台

阿里巴巴2015年与中科院联合成立“中国科学院-阿里巴巴量子计算实验室”进军量子信息领域的前瞻性研究并研制量子计算机，其技术路径为光学方向。

阿里巴巴在量子计算领域的商业模式为 硬件+软件+云服务的全栈式服务，旗下产品包括2017年与中科大、中科院、浙大等共同研制出10位逻辑比特的光量子计算机，以及可模拟81位物理比特的自有量子云计算模拟器。

阿里巴巴的竞争优势是作为 国内最大的云服务提供商，具有显著的客户和渠道优势，推广成本低。

亚马逊

亚马逊2019年推出AWS Braket量子云服务 。亚马逊并未选择自建量子硬件，而是凭借全球最大的云服务提供商的优势专注于量子云服务。

亚马逊 AWS Braket 量子云服务

亚马逊的商业模式为云服务，自有云平台AWS Braket包含以下三家量子计算硬件企业的云服务：IonQ、Rigetti、D-Wave。但是AWS Braket量子云服务目前仅在美国以下部分地区可用：北加利福尼亚、北弗吉尼亚、俄勒冈。其B端客户包括澳洲联邦银行等，G端富达投资集团、大众、Enel等，科研机构客户包括滑铁卢大学量子计算研究所等。

部分量子云服务器支持的量子计算机，资料来源：Moor Insights&Strategy（统计截至2020年4月）。

仅IBM自有量子硬件。微软通过购买D-Wave硬件进行研究并积极自建拓扑路径硬件。亚马逊暂未开展量子计算硬件开发。

亚马逊的竞争优势是作为 全球最大的云服务提供商，具有客户和渠道优势。可以用极短的时间覆盖各行各业 ，推广成本低。

作者介绍：

张楠奇（微信：Eric_znq)，欢迎与作者一同交流量子计算或其他科技和投资领域中好玩的、有趣的内容。

参考文献：

[1]Cross A W , BishopL S , Sheldon S , et al.Validating quantum computers using randomized modelcircuits[J]. 2019.

[2]Blume-Kohout R , Young K C . A volumetricframework for quantum computer benchmarks[J].

[3]Orús, Román, Mugel S , Lizaso E . Quantum computing for finance: Overview and prospects[J]. Reviews in Physics, 2019, 4.

[4]Francisco Gálvez.Quantum Computing Trends and Directions[R].:IBM,2017.

[5]Margaret Martonosi and Martin Roetteler.Next Steps in Quantum Computing: Computer Science’s Role[R].:Computing Community Consortium (CCC),2018.

[6]Eleanor Rieffel,Wolfgang Polak.An Introduction to Quantum Computing for Non-Physicists[R].:FX Palo Alto Labratory,2000.

[7]Elsa B. Kania & John K. Costello.QUANTUM HEGEMONY? China's Ambitions and the Challenge to U.S. Innovation Leadership[R].The United States:Center for a New American Security (CNAS),2018.

[8]Dario Gil,Jesus Mantas,Robert Sutor,etc.量子计算，即将到来：备战颠覆性技术的五大战略[R].美国:IBM 商业价值研究院,2018.

[9]中国信息通信研究院.量子信息技术发展与应用研究报告（2019）[R].中国,2019.

[10]黄乐平,闫慧辰,成乔升,韦昕.前沿科技#2：量子计算能延续摩尔定律的神话吗？[R].中国:中金公司研究部,2020.

[11]https://www.weforum.org/events/world-economic-forum-annual-meeting-2020/sessions/the-quantum-potential

[12]郭国平、陈昭昀、郭光灿.量子计算与编程入门[M].科学出版社:北京,2019.返回搜狐，查看更多