图灵量子引领“中国算力栈”新篇章：国产GPU成功适配光量子计算，量超融合迈出关键步伐

《徽声在线》5月25日讯（记者 李明明）踏入图灵量子的企业园区，首先映入眼帘的是其量子智算中心。这里，一排排由TuringQ光量子计算机与经典服务器构成的机柜，正发出低沉而均匀的嗡鸣，仿佛是精密仪器在诉说着它们的故事。

智算中心的大屏幕上，数据如流水般不断变换，实验室里工程师的电脑屏幕上，密密麻麻的数据也在不断迭代更新。这里并非想象中那般一尘不染、冰冷遥远，反而更像是一个充满活力的工程现场，每个人都在为同一个目标而埋头苦干。

“我们的使命，是让中国的量子计算，从芯片到算法，都能真正运行在中国的算力之上。这是一条完整的链路，任何一环的缺失都将导致整个系统的瘫痪。”

在实地探访时，图灵量子的算法总监赵翔向《徽声在线》记者重复了这句话两遍。他的语气虽不激昂，但这句话的分量却在整个采访过程中逐渐加重。

近日，图灵量子宣布了一项重大突破：完成了国内首个光量子计算软硬件与国产GPU、国产操作系统的全栈适配验证。这意味着，从光量子算法的开发、国产GPU的加速仿真、云平台的统一调度，到光量子计算机的真机运行，这一完整的国产化工程闭环已经全栈跑通。

国产GPU助力量子仿真，加速比高达62.1倍

赵翔，一位技术出身的专家，他习惯于将复杂的问题拆解开来。当被《徽声在线》记者问及“全栈国产化”的具体含义时，他没有直接抛出概念，而是从最底层的硬件开始，一一列举：光源、芯片、探测器、整机、编程框架、云平台……直至最上层的行业应用。

“在硬件方面，我们从光源到芯片再到探测器，都实现了全国产化。在软件方面，我们的编程框架DeepQuantum和量擎云平台，也都是自主研发的。”他自豪地表示，“而这次最关键的一步，是我们将DeepQuantum与国产GPU进行了深度适配。”

为何这一步如此关键？

赵翔解释道，在量子计算工程化落地的现实中，大部分工作仍然离不开经典算力的支持。特别是在NISQ（含噪中等规模量子）阶段，由于量子比特数量有限、噪声控制尚不完善，开发者需要先在经典计算机上进行量子算法的仿真、验证和调优，确认无误后再上真机运行。而在这个环节中，GPU无疑是绝对的主力。此前，国内量子企业的算法仿真几乎全部依赖于英伟达的GPU，一旦供应链出现波动，整个研发链条都将面临停摆的风险。这已成为量子计算自主可控的最大短板之一。

“量子计算本质上是一个指数级增长的计算模型。”赵翔打了个生动的比方，“比如模拟30个量子比特，就需要将约10亿个复数存储在显存中。而如果是31个比特，复数量就会翻倍至20亿。每增加一个比特，所需的GPU资源就会翻倍。”

这个指数级增长的算力需求，过去主要依靠英伟达的GPU来支撑。因此，国内量子计算公司要进行国产化适配，就必须跨越这道难关。

图灵量子此次选择了多家主流GPU厂商进行合作，包括海光、摩尔线程、沐曦以及壁仞科技。

“我们并非仅仅跑通一个Demo，而是要让开发者能够在国产GPU环境中，完整地完成量子算法的开发、仿真、调优和验证这一整条工作流。”赵翔强调道。

测试结果令人振奋。在双GPU分布式后端上，量子傅里叶变换任务相对于CPU的最高加速比达到了惊人的62.1倍。四类典型基准算法——GHZ态制备、量子态采样、量子傅里叶变换、变分梯度计算——均能够稳定扩展到30量子比特，且最大绝对误差控制在1.19e-06以内。DeepQuantum在国产GPU环境中连续运行了48小时，系统依然保持稳定。

“这意味着，DeepQuantum已经具备了在国产GPU环境中支撑典型量子算法研发、仿真和验证的工程化能力。”赵翔充满信心地表示。

壁仞科技的技术负责人也向《徽声在线》记者表示，基于壁仞SUPA软件栈在量子计算场景下的持续完善，壁仞GPU已经具备了复数运算与复杂量子线路模拟等关键能力。在与图灵量子的联合验证中，这些能力不仅顺利通过了DeepQuantum的基础测试用例，更成功支撑了高复杂度Shor算法的模拟运行。

赵翔进一步指出，“未来的容错量子计算，将需要大量的经典算力来进行实时纠错。经典GPU将承担着仿真、优化、调度和纠错等关键环节的任务，相当于系统的另一半底座。”

这也是英伟达积极布局量子计算领域的原因：它希望成为量子计算时代不可或缺的底座。而凭借其在GPU市场的统治地位，英伟达已经事实上大大加快了国外量子厂商与CUDA生态的适配速度。

“目前国内还没有一个GPU公司能够像英伟达那样一家独大、制定标准。”赵翔坦言，“因此我们选择与多家国产GPU厂商合作，希望大家能够共同形成一套统一的框架或标准，让GPU和QPU的融合变得更加开放、高效。如果GPU这一侧仍然由国外公司提供，那么整个量超融合基础设施就难以实现真正的自主可控。”

落地应用：生物医药、金融、航天，而非大模型

针对当下热议的量子计算加速AI大模型的话题，赵翔给出了不同的看法。“大模型参数上万亿，数据量太过庞大。而量子计算机更擅长解决的是小数据但极难的问题——比如给你一个很大的整数，找到它的两个质因数。这个问题描述可能只有几十个字，但计算起来却可能需要很久。”

赵翔认为，目前量子计算最切实可行的两个应用场景是生物医药和化学材料。

“这两个行业的提升是显而易见的、明显的，而且是快速迭代发展的。”他举例说，IBM最近实现了大约13000个原子的求解，其核心思路就是利用量子计算机先对问题空间进行采样，将解空间缩小到符合物理约束的小空间，然后再交给经典GPU集群进行计算。“如果没有量子计算机提供方向性指引，经典算力在大规模解空间中将会迷失方向。”

据悉，图灵量子已经与远大、博望等药企展开合作，利用这套量超融合架构进行新药分子设计和蛋白质结构计算。在金融领域，组合优化、风险控制、投资策略优化等方面也有落地应用。

“这些场景的共同特点是：问题解空间巨大，但问题本身描述却很简短。这正是量子计算机的舒适区。”赵翔解释道。

此外，在热门的航天领域，图灵量子也与产业链中的光通信赛道企业蓝星光域、极光星通在激光通信领域展开了合作，共同研发调制器和窄线宽激光器及模块产品。此前，图灵量子还与北京航空航天大学合作的星载SAR光计算项目顺利完成验收并实现交付。

全栈国产化闭环打通之后，图灵量子下一步有何打算？

赵翔表示，图灵量子的下一步计划非常清晰：一方面推动量子计算机本身的硬件迭代——降低错误率、扩大规模、实现多机柜互联；另一方面加快量超融合智算中心的全国部署。

去年末，图灵量子已与摩尔线程签署了战略合作协议，共同打造“QPU+GPU”异构计算平台。今年3月，又与科华数据达成合作，推进量超融合智算中心的部署工作。

这些动作串联起来，一条从技术适配到商业部署的清晰路径已经呈现在眼前。

“我们的核心目标只有两个：一是让量子计算机能够在现有的AI智算中心中大量部署；二是部署完成后，能够产生真实的经济收益，服务更多行业。”赵翔坚定地表示。