《科創板日報》5月25日訊（記者 李明明）走進圖靈量子企業，最先闖入視線的是量子智算中心，由TuringQ光量子計算機和經典服務器組成的一排排機柜發出發出低沉均勻的嗡鳴，像某種精密儀器特有的呼吸。

智算中心屏幕上數據不斷變化，實驗室里工程師電腦上不斷迭代更新密密麻麻的數據。這里不像想象中的尖端實驗室那樣一塵不染、冰冷遙遠，倒更像一個埋頭趕路的工程現場。

“我們在做的是讓中國的量子計算，從芯片到算法，真正跑在中國的算力上。這是一條完整的鏈路，缺任何一環都不行。”

實地探訪時，圖靈量子算法總監趙翔把這句話對《科創板日報》記者重復了兩遍。語氣不算激昂，但在整個采訪中，這句話的分量一點點沉下去。

近日，圖靈量子宣布完成國內首個光量子計算軟硬件與國產GPU、國產操作系統的全棧適配驗證。這意味著，從光量子算法開發、國產GPU加速仿真、云平臺統一調度，到光量子計算機真機運行——這條完整的國產化工程閉環，全棧跑通了。

國產GPU跑通量子仿真 最高加速62.1倍

趙翔作為技術出身，說話習慣拆解。當被《科創板日報》記者問及“全棧國產化”到底什么意思，他沒有直接拋概念，而是從最底層的硬件開始數：光源、芯片、探測器、整機、編程框架、云平臺……一路數到最上層的行業應用。

“硬件上，從光源到芯片到探測器，我們都做到了全國產。軟件上，我們的編程框架DeepQuantum、量擎云平臺，也都是自研的。”他表示，“這次最關鍵的一步，是把DeepQuantum跟國產GPU做了深度適配。”

為什么這步最關鍵？

因為在量子計算工程化落地的現實里，大部分工作其實還離不開經典算力。尤其是在NISQ（含噪中等規模量子）階段，量子比特數量有限、噪聲控制還不完美，開發者需要先在經典計算機上仿真、驗證、調優量子算法，跑通了再上真機。這個環節，GPU是絕對主力。此前，國內量子企業的算法仿真幾乎全部依賴英偉達GPU，一旦供應鏈出現波動，整個研發鏈條都會停擺。這成為量子計算自主可控的最大短板之一。

“量子計算說到底是一個指數級增長的計算模型。”趙翔打了個比方，“模擬30個量子比特，需要約10億個復數存在顯存里。31個比特，復數量就要翻到20億。你每加一個比特，需要的GPU資源就翻一倍。”

這個指數級增長的算力需求，過去主要靠英偉達的GPU來扛。國內量子計算公司要做國產化適配，繞不開這道坎。

圖靈量子這次選了多家主流GPU廠商，包含海光、摩爾線程、沐曦，還有壁仞科技。

“我們不是簡單跑通一個Demo，是要讓開發者能在國產GPU環境里，完整地完成量子算法的開發、仿真、調優、驗證這一整條工作流。”趙翔說。

測試結果給了底氣。在雙GPU分布式后端上，量子傅里葉變換任務相對于CPU的最高加速比達到了62.1倍。四類典型基準算法——GHZ態制備、量子態采樣、量子傅里葉變換、變分梯度計算——全部穩定擴展到30量子比特。最大絕對誤差控制在1.19e-06以內。DeepQuantum在國產GPU環境中連續跑了48小時，系統穩定。

“這意味著，DeepQuantum已經具備在國產GPU環境中支撐典型量子算法研發、仿真和驗證的工程化能力。”趙翔認為。

壁仞科技技術負責人也對《科創板日報》記者表示，基于壁仞 SUPA 軟件棧在量子計算場景下的持續完善，壁仞 GPU 已具備復數運算與復雜量子線路模擬等關鍵能力。在和圖靈量子的雙方聯合驗證中，相關能力不僅順利通過了DeepQuantum基礎測試用例，更成功支撐高復雜度 Shor 算法模擬運行。

趙翔表示，“未來的容錯量子計算，一定需要大量的經典算力來做實時糾錯。經典 GPU 承擔著仿真、優化、調度和糾錯等關鍵環節，相當于系統的另一半底座。”

這也是是英偉達積極布局量子計算的原因：它要讓自己成為量子計算時代不可或缺的底座。而憑借其在GPU市場的統治地位，英偉達已經在事實上大大加快了國外量子廠商與CUDA生態的適配速度。

“目前國內還沒有一個GPU公司能像英偉達那樣一家獨大、制定標準。”趙翔說，“所以我們選擇跟多家國產GPU廠商合作，希望大家能一起形成一套統一的框架或標準，讓GPU和QPU的融合變得更開放、更高效。如果GPU這一側仍由國外公司提供，整個量超融合基礎設施就難以真正自主可控。”

落地在哪里？生物醫藥、金融、航天，但不是大模型

對當下最熱的量子計算加速AI大模型話題，趙翔表示，“大模型參數上萬億，數據量太大。量子計算機更擅長解決小數據但極難的問題——比如給你一個很大的整數，找到它的兩個質因數。問題描述可能就幾十個字，但算起來可能要很久。”

趙翔表示，目前量子計算最切實兩個應用場景，是生物醫藥和化學材料。

“這兩個行業的提升是可見的、明顯的，而且是快速迭代發展的那種。”趙翔舉例說，IBM最近實現了大約13000個原子的求解，核心思路就是用量子計算機先對問題空間進行采樣，把解空間縮小到符合物理約束的小空間，再交給經典GPU集群去算。“沒有量子計算機做方向性指引，經典算力在大規模解空間里會迷失方向。”

據悉，圖靈量子已經在跟遠大、博望等藥企合作，用這套量超融合架構做新藥分子設計和蛋白質結構計算。在金融領域，組合優化、風險控制、投資策略優化也有落地。

“這些場景的共同特點是：問題解空間巨大，但問題本身描述很短，這是量子計算機的舒適區。”

此外，在熱門的航天領域，圖靈量子與產業鏈中的光通信賽道企業藍星光域、極光星通在激光通信領域，調制器和窄線寬激光器及模塊產品開展合作；此前，其與北京航空航天大學合作的星載SAR光計算項目順利完成驗收并實現交付。

全棧國產化閉環打通之后，圖靈量子下一步要做什么？

趙翔表示，圖靈量子的下一步很清晰：一邊推動量子計算機本身的硬件迭代——降低錯誤率、擴大規模、實現多機柜互聯；一邊加快量超融合智算中心的全國部署。

去年末，圖靈量子已與摩爾線程簽署戰略合作，共同打造“QPU+GPU”異構計算平臺。又在今年3月，與科華數據達成合作，推進量超融合智算中心部署。

這些動作串起來，一條從技術適配到商業部署的路徑，已經清晰可見。

“我們的核心目標就兩個：讓量子計算機能在現有的AI智算中心里大量部署；部署完之后，能產生真實的經濟收益，服務更多行業。”趙翔說。