关于报告的所有内容，请于公众『市场分析报告』阅读原文
2026年一季度，国内量子赛道融资总额达到32.04亿元，已经超过2025年全年。
6月，本源量子完成近30亿元Pre-IPO轮融资，投前估值达到210亿元；国仪量子首次公开发行股票并在科创板上市的注册申请获批。海外市场也很热闹，Quantinuum于6月通过IPO上市，截至6月17日，市值达到163.76亿美元。
过去几年，行业习惯用物理比特数量衡量一台量子计算机的能力。现在的厂商更关心这些比特能不能稳定工作，以及经过纠错之后，最终能留下多少个可以持续计算的逻辑比特。
物理比特数量决定了量子计算机的硬件规模，逻辑比特数量才决定它能运行多长、多复杂的算法。
因此，量子计算要走向实际应用，增加物理比特只是第一步。能否在计算过程中发现并修复错误，才是下一道门槛。
一、量子计算快在哪里
传统计算机用比特记录信息，每个比特在某一时刻只能是0或1。
量子计算机使用量子比特。一个量子比特可以处于0和1的叠加状态，多个量子比特组合以后，整个系统能够表示的状态空间按照2的幂次扩展。n个理想量子比特，对应的状态空间维度为2ⁿ。
量子计算机也不是简单地把所有答案同时算一遍。算法会通过量子门改变量子比特的状态，再利用不同计算路径之间的干涉，让通向目标答案的概率增强，让错误路径的概率相互抵消。
这种计算方式只在部分问题上具备明显优势。
金融建模、分子模拟、材料计算和组合优化，通常需要在大量可能结果中寻找最优解。变量增加以后，经典计算机需要处理的组合数量会迅速膨胀，计算时间可能从几小时增加到几年，甚至更长。
量子计算的价值，就在于用另一套计算方式处理这些复杂度增长过快的问题。它不会取代所有CPU和GPU，也不适合普通办公、网页浏览和日常数据库查询。
二、物理比特越多，不代表算越准
量子比特非常脆弱。
温度变化、磁场干扰、控制脉冲误差，以及不同量子比特之间的串扰，都可能改变量子状态。经典芯片发生一次计算错误的概率很低，但量子计算机可能在一段算法尚未运行完时，就已经积累了大量错误。
因此，一台量子计算机即使拥有上千个物理比特，也不一定能够完成复杂计算。
比特数量增加以后，量子门操作次数随之增加，控制线路变得更加复杂，系统内部的串扰和噪声也会继续累积。物理比特堆得越多，如果精度和控制能力没有同步提高，最后得到的结果未必是更可靠的。
早期量子计算主要处于含噪声中等规模量子阶段，英文简称NISQ。
这一阶段的设备已经能够运行部分较短的算法，但无法在计算过程中持续纠错。为了降低错误对结果的影响，行业主要采用两种办法。
第一种是误差抑制，通过优化控制脉冲、芯片结构和硬件操作，尽量减少错误产生。
第二种是误差缓解，在计算完成后，通过重复运行、统计分析和软件算法，对结果进行修正。
这两种方法可以改善较短的计算任务，但很难支撑大规模、长时间运行的量子算法。特别是误差缓解，需要反复执行同一个任务。随着比特数量和线路深度增加，重复计算次数以及后续经典计算的处理开销都会迅速上升。
继续依靠计算结束后的修正，越来越难覆盖硬件规模扩大带来的错误。于是，行业开始把纠错环节提前到计算过程中。
2025年，Riverlane对全球29家领先量子硬件厂商进行调查，超过85%的厂商已经把量子纠错列为研发重点。
量子计算的技术主线由尽量减轻错误，转向在算法运行过程中主动发现并修复错误。行业也由NISQ阶段，开始向容错量子计算阶段推进。
三、量子纠错要把一群脆弱比特变成一个可用比特
量子纠错的基本思路，是用多个物理比特共同承载一个计算单元。
这些物理比特中，一部分负责保存和处理量子信息，另一部分作为辅助比特，负责检测错误。
系统不会直接读取正在参与计算的量子状态，因为直接测量会破坏量子信息。它会通过辅助比特间接判断哪里发生了比特翻转或相位错误，再由解码器识别错误的位置和类型，向控制系统发出修正指令。
多个物理比特按照纠错规则组合以后，会形成一个逻辑比特。
逻辑比特可以理解为量子计算机真正能够交给上层算法使用的计算单元。算法面对的是经过保护的逻辑比特，不需要直接处理每个物理比特不断产生的噪声。
一套完整的量子纠错系统，主要包含纠错码和解码器。
纠错码负责规定物理比特怎样排列、如何检测错误以及在什么条件下进行修正。解码器则要实时处理辅助比特产生的检测信号，判断错误发生在哪里，再把纠正指令送回量子控制系统。
这项工作对速度要求很高。量子处理器还在继续运行，解码器必须在下一轮量子门操作开始前完成判断。因此，解码过程通常需要ASIC、FPGA、CPU或者GPU提供实时算力。
问题在于，逻辑比特非常昂贵。
按照Riverlane给出的数据，目前生成一个逻辑比特，通常需要1000至10000个物理比特。物理比特规模扩大以后，控制线路、低温系统、测控设备、解码速度和软件调度的难度都会同步提高。
而且，增加物理比特并不一定能够提高纠错效果。量子纠错还要跨过一个门槛，也就是纠错阈值。
只有当物理比特的错误率降到阈值以下，增加物理比特才能进一步降低逻辑错误率。如果物理错误率仍然高于阈值，加入更多比特只会带来更多噪声，系统反而会变得更不稳定。
2024年，谷歌在Willow处理器上展示了低于阈值运行的表面码。随着码距从3提高到5和7，逻辑错误率持续下降，说明新增物理比特带来的纠错效果已经超过了新增噪声。
2025年12月，祖冲之3.2号也在码距为7的表面码上实现了低于阈值的量子纠错。
2026年6月，Atom Computing在中性原子平台上演示了90轮连续纠错，逻辑比特寿命达到225秒。
这些实验还没有解决大规模通用量子计算的全部问题，但它们至少证明了一件事：当物理比特精度达到一定水平以后，扩大纠错规模确实可以继续降低逻辑错误率。
接下来的难点，是把这种能力从实验演示变成可扩展的工程系统。
目前一个逻辑比特仍然需要消耗成千上万个物理比特，硬件规模和成本都很高。只有物理比特精度继续提高，纠错码效率得到改善，解码速度进一步加快，逻辑比特才有可能从个位数、十位数增加到能够运行实际算法的规模。
这也解释了为什么量子计算发展到纠错阶段以后，竞争不再局限于量子芯片层面。
四、量子计算机不会单独工作
量子处理器适合完成部分高复杂度任务，却不擅长处理整套计算流程。
运行一套量子算法时，系统还需要完成任务调度、参数优化、量子线路编译、纠错解码、噪声建模和结果验证。这些工作仍然要由经典计算机承担。
未来的高性能计算系统，很可能由CPU、GPU和QPU三类处理器共同组成。
CPU负责整个系统的编排和任务调度，判断哪些任务由经典计算完成，哪些任务适合交给量子处理器。
GPU负责张量运算、量子电路模拟、经典优化和纠错解码。量子处理器运行时会不断产生错误检测信号，GPU必须在很短时间内完成处理，否则就赶不上下一轮量子操作。
QPU也就是量子处理器，负责执行量子线路，完成分子模拟、组合优化等适合量子算法的子任务。
IBM提出的量子中心超级计算架构QCSC，就是把QPU、CPU和GPU放进同一套计算系统。QPU负责量子态演化，CPU承担系统控制和任务调度，GPU则负责经典优化、张量网络计算和结果验证。
在化学模拟中，IBM把部分经典计算步骤交给Frontier超级计算机中的GPU处理，相比纯CPU方案获得了约100倍的性能提升。
这个结果反映出一个容易被忽略的问题：量子计算机越强，需要经典计算机处理的辅助任务也可能越多。
量子处理器不会脱离CPU和GPU独立运行。特别是进入纠错阶段后，大量错误信号需要被实时读取、识别和修正，经典计算资源已经成为量子系统的一部分。
英伟达正是从互连和软件平台切入这一市场。
NVQLink用于连接GPU和QPU，英伟达给出的通信延迟低于4微秒。CUDA-Q为CPU、GPU和QPU提供统一的开发环境。NVIDIA Ising则利用AI模型完成量子处理器校准和纠错预解码，把每轮量子纠错的处理延迟降到略高于2微秒。
进入容错阶段以后，QPU负责产生量子计算结果，GPU负责在下一作开始前识别并修正错误。两者之间的通信速度和解码效率，会直接影响整台系统能否连续运行。
因此，量子计算产业链的范围远远超过量子芯片。
五、量子计算产业链分成五层
一台量子计算机的运行，需要量子芯片、低温设备、真空设备、激光系统、测控系统、软件平台和经典计算资源共同配合。
不同量子技术路线所需的设备并不相同，但按照功能划分，量子计算产业链大致可以分成五层。
第一层，基础设施与支撑设备
超导量子处理器通常需要在接近绝对零度的环境中运行，离子阱和中性原子路线则需要高真空、激光和精密光学系统。
外部振动、电磁干扰和温度波动，都可能破坏量子状态。量子芯片性能再好，如果运行环境不稳定，也很难得到可靠结果。
这一层主要包括稀释制冷机、真空系统、激光与光学设备、隔振与磁屏蔽设备，以及量子测控系统。
这些设备需要长期稳定运行，进入客户系统后，更换和重新验证的成本较高。因此，产品验证周期通常较长，客户一旦确定供应商，也不会轻易更换。
第二层，量子处理器
目前主要技术路线包括超导、离子阱、中性原子、光量子和硅基量子计算。
超导和离子阱的工程化进度相对靠前，已经进入云平台开放、算法验证和早期商业应用阶段
中性原子和光量子在量子模拟、组合优化和量子网络等方向形成了各自优势。硅基量子比特可以借用现有半导体制造体系，但距离大规模应用仍有较长的研发周期。
目前还无法确定哪条路线最终会成为主流。
不同路线在保真度、运行温度、量子门速度、相干时间和扩展方式上各有取舍。短期内，它们仍会围绕不同应用场景并行发展。
第三层，软件栈
量子算法不能直接交给芯片运行。
编译软件需要根据芯片上量子比特的位置和连接关系，重新安排量子门。测控软件再把这些操作转化为微波或激光脉冲。管理软件负责分配硬件资源、执行计算任务，并协调CPU、GPU和QPU之间的工作。
进入量子纠错阶段后，软件还要持续读取错误信号，运行解码算法，并在限定时间内发出修正指令。
软件栈正在从早期的开发工具，逐渐深入量子计算机的控制系统。硬件规模越大、纠错轮数越多，对软件实时性和系统调度能力的要求也越高。
第四层，量子云平台
量子计算机价格高、部署复杂，多数企业和研究机构不会自行建设整套系统。
云平台把量子计算机接入数据中心，用户通过网络提交任务，既可以调用真实量子芯片，也可以先通过模拟器测试算法。
这种模式降低了使用门槛，也让平台掌握了开发工具、任务入口和客户资源。
海外量子云平台主要由IBM、微软和亚马逊等科技公司推动。国内本源量子、中国电信和阿里云也在建设相关服务。
在量子计算机尚未大规模普及的阶段，云平台可能是企业和开发者接触量子算力的主要入口。
第五层，行业应用
现阶段的量子应用主要集中在分子模拟和组合优化。
化工、材料和制药企业希望利用量子计算模拟电子结构和分子反应，减少实验筛选次数。
金融、物流和制造企业则关注投资组合、路径规划和生产排程等优化问题。
不过，目前多数项目仍然处于算法试验和混合计算阶段。量子处理器只负责其中一小部分任务，参数优化、结果处理和验证仍由经典计算机完成。
只有逻辑比特数量持续增加，量子计算机能够稳定运行更长的算法以后，行业应用才可能由试验项目走向常态化使用。
六、国内重点公司
1. 国盾量子
国盾量子的业务覆盖量子通信、量子计算和量子精密测量。
在量子计算领域，公司布局了超导量子计算整机、量子测控系统、稀释制冷机、量子云平台和相关技术服务，涉及基础设施、控制设备和算力平台多个环节。
公司的特点是不只提供单一量子芯片，是围绕整机运行所需的设备和系统进行布局。
目前，量子计算业务仍处于产业培育阶段。后续主要观察整机、测控系统和制冷设备的客户采购情况，以及相关收入在公司整体业务中的占比能否提高。
2. 本源量子
本源量子围绕超导量子计算建立了较完整的产品体系，覆盖量子芯片、量子测控系统、整机、操作系统、云平台和应用软件。
公司推出了本源悟空超导量子计算机，并开发了本源司南操作系统。
2026年6月，本源量子完成近30亿元Pre-IPO轮融资，投前估值达到210亿元。
本源量子的优势在于全栈布局。芯片、整机和软件都处在同一套体系内，可以根据硬件运行结果持续调整测控、编译和操作系统。
不过，全栈布局最终仍要通过客户使用来验证。接下来需要关注真实客户数量、云平台任务规模，以及科研和项目型交付能否逐步转化为稳定的商业订单。
3. 量旋科技
量旋科技从教育级核磁量子计算机起步，并逐步向产业级超导量子计算机延伸。
公司的产品还包括量子芯片EDA、量子测控系统、量子云平台和应用软件，覆盖教学、科研和产业部署等场景。
2026年4月，公司宣布在三个月内完成近10亿元C轮融资。
教育级产品有助于公司积累高校客户、开发者和使用数据，但产业级量子计算机的要求更高。
客户不仅关心物理比特数量，还会关注量子门保真度、整机稳定性、连续运行时间和维护能力。后续进展要看公司的超导设备能否获得更多科研机构和企业客户采购。
4. 玻色量子
玻色量子采用相干光量子计算路线，主要面向组合优化等专用任务。
公司已经布局相干光量子计算机、光量子云平台、Kaiwu开发工具和行业解决方案。2026年3月，玻色量子完成10亿元B轮融资。
光量子方案不需要超低温环境，在部分优化任务中可以较快搭建专用系统。
但专用量子计算机和通用容错量子计算机并不是同一种产品。前者针对特定问题进行优化，适用范围相对集中，不能直接按照通用量子计算机的物理比特数量进行比较。
玻色量子的商业进展，主要要看其优化方案能否真正降低客户的计算成本，以及首批行业项目能否形成重复采购。
5. 图灵量子
图灵量子从光子芯片向光量子计算整机和软件平台延伸。
公司的产品包括TuringQ Gen1和Gen2、DeepQuantum量子编程框架、VisualDeepQuantum可视化编程工具，以及量擎云平台。
公司还在建设量子人工智能计算中心，并向客户提供专用光量子解决方案。2026年以来，图灵量子累计融资规模接近10亿元。
图灵量子的业务同时涉及光子芯片、量子整机、软件工具和云平台。
这类布局需要多个环节同步推进。芯片制造决定底层性能，系统集成决定设备能否稳定运行，软件和行业方案则决定客户是否真正能够使用。后续需要观察这几项能力能否同时形成商业订单。
6. 国仪量子
国仪量子主要从事量子精密测量和高端科学仪器，其业务与量子计算基础设施和科研设备联系较为紧密。
公司还布局了金刚石NV色心量子计算教学设备和离子阱量子计算产品。
2026年6月11日，证监会同意公司首次公开发行股票并在科创板上市的注册申请。
与直接研发通用量子计算机的企业相比，国仪量子的商业基础更多来自科学仪器和精密测量。量子计算研发增加后，实验室和整机厂商对测量、控制与环境设备的采购，也会扩大这一层的需求。
以上，仅供参考，要有自己的判断。
本文作者可以追加内容哦 !
