量子计算并非与AI·HPC“竞争”，而是相互结合……大众化的关键在于软件

有分析指出，量子计算、人工智能和高性能计算（HPC）并非相互争夺地位的“零和”竞争，而是正在成为共同使用时能发挥最大效能的“互补品”。不过，业内普遍认为，开发环境仍处于初期阶段，要普及量子技术，改善软件可及性被视为核心课题。

在HPE World Quantum Day活动上与theCUBE进行的对话中，Dave Bellante诊断称，将CPU、GPU与量子处理器（QPU）相结合，以解决以往难以攻克的难题，这一方向将成为下一代技术创新的核心。Paul Gillin也强调，当前量子计算软件开发实际上近乎“原始阶段”，需要一个任何人都能轻松驾驭的、类似于“量子版Python”的标准化开发环境。

短期内将扮演辅助现有超级计算机工作的“加速器”角色

专家们认为，量子计算的短期效应并非在于替代现有工作流，而是首先体现为能够更快地执行超级计算机所处理的部分运算的“加速器”角色。美国橡树岭国家实验室的Tom Beck解释说，将量子计算机与HPC连接起来，部分计算由现有系统处理，最复杂的量子领域则由量子设备负责，这是一条现实的路径。

关键在于两个系统之间信息传输的速度和效率。这意味着，量子计算并不会立刻改变所有计算环境，而更可能以在混合计算架构内精确负责特定问题的方式，进入企业应用领域。

阿贡国家实验室也在化学和材料科学领域，致力于将量子计算融入实际研究流程。Laura Schultz解释说，在传统的HPC环境中，必须通过模拟来实现量子力学现象，而量子计算则可以更直接地处理这些问题。其结构是：量子设备负责特定区间的计算，然后将结果传回基于超级计算机的模拟系统，以完成其余工作。

普及的障碍不在于硬件，而在于“工程”和软件栈

量子计算在处理中微子行为追踪等大规模且复杂的问题上，具备超越现有超级计算的潜力。其在物流优化或新药研发等方面的商业应用可能性也一直被提及。然而，由于物理限制和工程难题，实际普及速度比预期要慢。

劳伦斯利弗莫尔国家实验室的Kristy Beck指出，在作为药物相互作用基础的化学问题上，量子技术预期效果显著，但问题本身过于复杂，因此其商业成果可能比物流领域更晚出现。

橡树岭国家实验室的Amir Shehata解释说，为了提高量子技术的可及性，必须重新设计整个技术栈。尤其是量子比特，其运行条件因硬件方式不同而有很大差异。超导方式寿命短、退化快，需要精确的时间控制；而中性原子方式则有其它的限制。这意味着，量子计算软件最终必须能够兼顾所有这些不同的硬件需求。

他补充说，新的量子软件基础设施可能并非仅由完全陌生的技术构成，而是会采用能够像使用GPU一样，同时利用人们已经熟悉的计算资源的形式。这表明量子计算的普及可能会沿着一条与现有AI-HPC生态系统相连而非分离的路径进行。

关键在于“何时将何种任务交给量子处理”

也有评价称，量子计算的真正价值不在于处理所有问题，而在于将最合适的计算任务在最佳时机委派出去。得益于叠加和纠缠的特性，量子比特在需要同时审查多种解法的复杂数学问题上能展现出优势。

芬兰科学IT中心CSC的Mikael Johansson以“绿色转型”为例，指出量子计算在开发更优催化剂、下一代电池和磁铁方面可发挥重要作用。这意味着在能源转型和先进材料开发等产业课题中，量子技术的应用空间巨大。

但德国莱布尼茨超级计算中心的Dieter Kranzlmüller划清界限，认为量子计算机不会取代超级计算机。他解释说，更现实的是建立一种集成结构，由系统自动分类任务，将某些运算发送给超级计算机，另一些则交给量子计算机。

位于澳大利亚珀斯的Pawsey超级计算研究中心也在运行“Setonix-Q”项目，以便研究人员进行量子力学实验。Pascal Elahi表示，目标不仅是面向量子研究人员，还要为更多希望解决实际问题的用户扩大访问权限。

虽然量子计算尚未达到全面普及的阶段，但其正沿着与AI和HPC相结合而非替代的方向，迅速拓展产业可能性。最终，市场的转折点或许并不在于更强大的硬件本身，而在于能否尽快建立起可供更多开发者和研究人员轻松使用的软件环境与集成基础设施。

TP AI 注意事项 本文使用基于TokenPost.ai的语言模型进行了摘要。正文的主要内容可能被遗漏或与事实不符。