相干科技金贻荣：量子计算商业化临界点看“可验证优势”，不看比特数

量子计算正从实验室走出来，叙事本身也在换挡。

资金端先热了起来。今年以来，量子科技投融资持续升温，钱流向工程落地与量产验证，产业界陆续测试和部署量子计算，一个价值数十亿美元的市场正在逼近商业转折点。

但整机成本高昂，验证周期又长，行业共识尚未完全凝聚。量子计算的“ChatGPT时刻”还有多远？

相干（北京）科技有限公司创始人兼CEO、北京量子信息科学研究院生态建设团队负责人金贻荣近日接受《每日经济新闻》记者专访时给出的判断是：衡量量子计算商业化临界点的指标，不在比特规模或其他实验室参数，而是可验证的量子优势。

据公开信息，相干科技出自北京量子信息科学研究院超导量子计算团队，今年已接连完成三轮融资，金额均为数亿元。公司眼下在推进量子芯片迭代，同时建设自主芯片产线，目标是让百比特规模量子计算机实现整机商业化交付，并把云平台算力服务对外输出。

科研团队走向产业，怎么让量子计算离用户“更近”，成了摆在他们面前的新命题。

金贻荣 公司供图

量子比特规模不再是最大限制因素

长期以来，量子计算致力于突破量子比特规模。经典比特只能表示0或1，而一个

不过，量子计算从科研走向产业之后，怎么同步降低噪声、提升纠错能力，已成为它能否解决真实问题的另一道门槛。

NBD：我们看到，从量子芯片到量子计算机，业内多家头部企业均开始推动产品批量生产，这是为什么？

金贻荣：这是阶段上的转变。以前我们以科研为导向，如今科研和产业两头并重。做产业化，工艺就得快速、持续地迭代优化；而要让自己对工艺优化有敏捷性和可控性，企业客观上得有一条自己能掌控的产线。

NBD：行业经常以量子比特数量衡量量子计算机的进展，比特数量增加是否必然意味着计算能力的同步提升？

金贻荣：显然不是。现阶段卡住量子计算能力的最关键因素是错误，也就是噪声。量子操控和测量读取过程中，外界噪声会带来错误；复杂计算任务需要大量门操作，错误就会一点点累积起来。量子比特之间还存在纠缠，错误因此可能从一个量子比特传到另一个量子比特。

错误率偏高，最终能执行的量子门数量和计算深度就会被压住。大家不再激进地扩量子比特数量，转而把研发重点放到百比特规模下的芯片质量提升和量子纠错上，原因就在这里。错误率压得足够低，真正的工业级难题才可能一步步解决。

NBD：从实验室成功制备一颗芯片，到稳定制造一批芯片，中间最难跨越的技术或工程门槛是什么？

金贻荣：科研通常追求把性能边界往外推，工程化要建立的却不是偶尔做出一块好芯片的能力，而是稳定产出性能达标芯片的能力，也就是芯片工艺的一致性、稳定性和产率、良率这些工程指标。这两年我们主要在两个环节下功夫——钽材料的加工和约瑟夫森结，这两个环节都指向一致性。团队现在每个工艺步骤都不依赖单一制备平台，正在推进的自建产线会把这套工艺沉淀下来，继续迭代。

量子芯片 公司供图

以“可验证优势”撬动商业化临界点

市场对量子计算的商业价值已经形成一定预期。Gartner在2026年10月发布的预测中表示，全球量子计算收入预计在2026年达到8.699亿美元，并在2027年达到11亿美元。

收入增长预测不等于下游应用已经成熟。金贻荣认为，量子计算商业化的临界点不在纸面参数上突破，行业需要一套更贴近应用的评价尺度。

NBD：目前量子计算的商业化已经走到哪一步？

金贻荣：量子计算已经有了一定程度的商业化，上游市场尤其明显。下游应用可挖掘的空间还很大，行业仍处在原理验证和应用示范阶段。只有向下游提供更多实用证据，证明量子计算能解决真实问题，市场才可能真正快速增长。

Google、IBM等企业也提出要追求“可验证优势”，不再提“量子优越性”。量子优越性只证明量子计算的能力边界远超经典计算；“可验证优势”要的是能解决真实问题，其次答案可验证。

这些证据一旦摆出来，行业信心会一点点增强，共识也会慢慢形成。量子计算的发展或许和AI类似，同样得走一个积累的过程。临界点没到之前，大家会觉得还能再等等；可一旦跨过去，市场增速会明显提上来。所以要提前做准备。

NBD：这个"临界点"有没有参考指标？比如量子比特规模、保真度、芯片寿命这些。

金贻荣：我看都不是。拿科研阶段的评价尺度去量产业阶段的事，本身就不对。现在得造出新的"尺子"，拿出证据，做出可验证的量子优势——那可能才是引爆市场的时刻。

眼下仍不得不借用科研阶段的"尺子"说事，原因也简单：更好的"尺子"还没出现，得等产业化再往前走一步。有些东西，只有发展到那个阶段才会冒出来。

量子计算机 公司供图

量子计算产业链和供应链还在形成过程中

工程化竞争打到后面，拼的也是产业生态。2026年7月，全球量子计算第一股IonQ完成对美国半导体代工企业SkyWater的收购，强化量子芯片制造、先进封装与供应链能力；中国"十五五"规划纲要把量子科技列为前瞻布局的未来产业，提出探索多元技术路线、典型应用场景和可行商业模式。

企业层面在整合，国家层面在育生态，指向的是同一个问题：单点技术优势怎么变成整体产业能力。

NBD：跟国际量子计算企业比，中国企业在工程化上处在什么位置？哪些短板需要长期投入？

金贻荣：国内量子计算产业化这几年提升很快，但要撑起足够大的产业规模、持续产出好成果，还得给些时间。一个产业不能只靠个别突出的技术成果，整体能力和产业厚度同样重要。我们想看到的是一片"高原"，而不是少数"尖峰"。

再说，量子计算的产业链和供应链都还在形成当中，得跟着应用需求逐步明确、产业规模逐步扩大，一块儿成熟。

NBD：相干科技围绕量子芯片制造准备做多源流片体系，既自建产线，也跟国内公共微加工平台合作，这是怎么考虑的？

金贻荣：两条腿走路，分工不一样。经典半导体今天设计和制造分得很细，那是产业成熟之后的结果，早期两者其实也搅在一起。量子芯片还处在工程化早期，需求量有限，工艺和设计又耦合得很紧，行业里还没长出可以稳定依赖的专业分工。这个阶段，把芯片工艺握在自己手里是必要的。

自建产线干的就是这件事。芯片的架构、工艺、材料都在快速迭代，自建产线能把工艺做精细化优化，也自主可控，整套工艺能沉淀在自己手里。

还有一点，跟科研不一样，我们对成本是敏感的。公共微加工平台有现成的设备和工艺条件，把这些资源用足，芯片制造成本能压下来，流片也多几个渠道，不至于吊在单一平台上。

量子计算机 公司供图

"研发端和产业端的交流还不够充分"

应用能不能落地，是量子计算商业化绕不开的最后一问。这件事得研发端和应用端两头一起推。

麦肯锡的报告提到，目前全球与量子计算公司联手、试水自身业务难题的企业已逾300家。在行业看来，接下来该做的，是把量子技术与清晰的经济假设、应用路线图挂到一起。

NBD：超导、光量子、原子等不同技术路线都在往工程化应用上走，相干科技选的超导路线跟其他路线比有什么特点？

金贻荣：先说几个核心优势。第一，超导量子比特是人工原子，所以可设计；它又是宏观量子态，参与粒子数多，跟外界耦合相对容易。这带来一个明显好处：操控和测量速度比其他技术路线快不少。短板是退相干时间偏短，通常在百微秒量级，其他路线能到毫秒至秒量级；但超导确实快。

从计算的角度看，快是很核心的优势。我们用量子计算去解经典难题，不是说经典计算机完全算不了，而是没能在有效时间内算出来。计算要有生产价值，就得在可接受的时间成本内完成；一个问题要算一万年才有答案，那没有意义。所以快是计算里的关键要素，超导在这上面优势明显。也正因为这样，现在市面上的量子云服务，超导占了绝大部分市场。

产业方面，超导芯片的整体加工工艺跟半导体工艺高度兼容。超导的测控又大致落在射频微波频段，跟通信、雷达这些产业高度重叠。成熟的产业可以借力，成本就能降下来。

NBD：随着行业产业化推进，眼下量子计算有哪些应用方向值得关注？真要进产业场景，还卡在哪些难点上？

金贻荣：眼下的探索里，材料计算、量子化学计算以及金融领域的组合优化问题都值得盯住。量子计算和人工智能的结合，同样是个很热闹的方向。

落地并不轻松。一方面缺场景，另一方面量子算法还没长熟，真实的量子硬件资源也相当紧俏。造一台量子计算机花销不小，想短期内攒出大批算力资源并不现实。

正因如此，我们下一步要加快推低成本量子算力服务。得先让大家能方便、便宜地拿到量子计算资源，产业应用的示范才推得下去。

还有一层：研发端和产业端之间的沟通得再密一些。两边对彼此的问题、彼此的本事，了解都还不够细。所以我们的姿态，一是谦虚，二是主动。比如眼下正主动找银行、生物医药企业、超算中心聊，摸清他们卡在哪，看看量子计算能不能接进现有的工作流程。

应用端认识量子计算要有个过程，研发端则得把能力说明白，把上手的门槛压下来。往后我们盼着研发端和应用端之间能多些交集。

每日经济新闻