近日，芬兰量子计算机公司IQM联合分析机构Omdia发布第三版《量子态势报告》，强调量子行业必须解决人才短缺和软件平台问题，而不仅仅是量子比特。这份报告对多名超算中心/量子计算中心专家进行了访谈，涉及技术、产业、政策、生态等多主题，还多次将量子计算现存问题与过去的AI发展相对比，发现了很多重合点，含金量很高！
图：受访专家
如今，量子计算正经历从实验室研究向产业化应用的关键转型期，过去一年，量子领域取得了显著进展，包括大规模融资、技术突破和全球量子计算机部署。报告预测：随着商业部署加速，全球量子计算市场规模到2032年将突破220亿美元！
研究结果显示，75%的受访者认为，定义合适的应用场景是技术落地的最关键因素。量子计算系统的强度取决于其最薄弱的环节，下一波进展将取决于硬件、控制系统、纠错和软件环境的共同成熟，这将决定量子计算是发展成为一种基础性技术，还是仍然保持为一种小众研究工具。
报告同时强调，行业进展取决于硬件工业化与软件平台成熟度的同步推进，多种量子计算模式很可能在缺乏突破性进展的情况下长期共存。当前，软件开发工具包的碎片化问题阻碍了跨平台移植性，并延缓了多厂商环境下的技术采用进程。
尽管前景广阔，量子领域仍面临人才短缺、投资不均衡等系统性挑战。如果没有对教育、基础设施和公平资金的持续投资，向容错平台迈进的步伐可能会放缓，甚至可能致命。
目录
一、主要发现
二、市场概览与预测：2032年220亿美元市场规模
三、量子计算应用当前障碍：转化、人才、软件、整合
四、关键量子比特模式解析：多线互补，各有优劣
五、量子计算软件栈：吸取AI教训
六、量子计算+高性能计算：资源整合，协同工作
七、量子计算+人工智能：双向赋能
八、公共政策与国家计划：量子计算发展的战略支撑
九、结语
*本报告基于对量子计算应用现状的广泛定量调查以及2025年3-5月对美国、芬兰、德国等8个国家量子计算从业者（含HPC中心专家、投资者等）的半结构化深度访谈。研究采用数据三角验证法，交叉比对定性访谈见解与定量调查数据，确保结论可靠性。受访者来自北美、欧洲和亚太三大量子技术发展区，涵盖研究机构、企业和投资方等多维度视角。
主要发现
行业认知与机遇领域
根据Omdia量子计算供应商情绪调查的结果，受访者认为生命科学和制药行业是量子计算最具潜力的应用领域，其次是金融服务和化学材料行业。如果将“重大机遇”和“重要机遇”两个类别合并考虑，化学与材料科学以92%的比例高居榜首。
图：以科学计算和基于物理的模拟为主的行业在调查中名列前茅
航空航天等物理模拟密集型领域同样位列前茅，这表明基于物理的模拟可能是量子计算的主要应用方向。在公共部门，主要用例几乎可以肯定集中在密码学和密码分析领域，同时在定位、导航和授时方面也有一定贡献。
技术发展关键挑战
受访者表示，要实现上述机遇，必须解决两大关键问题：
· 硬件工业化：使基础量子设备更加可靠、可扩展，减少对高度专业化基础设施和支持的依赖；
· 软件平台建设：创建可重用的软件工具，为采用不同物理原理的各种量子机器提供通用接口。
这两个问题虽然不同，但相互关联。软件层面的纠错要求硬件达到最小规模，正如香农定律所示：纠错需要冗余，而所需的冗余随着噪声的增加而迅速增加。如果没有更好的软件支持，许多硬件选项将难以获得足够多的操作经验来变得可靠。
未来发展方向
量子计算的未来取决于一个强大平台的发展——这个平台将可靠的基础设施即服务与软件环境结合起来，使不同领域的研究人员能够快速进行实验，并尽量减少针对特定机器的调整需求。关于量子计算的讨论往往集中在哪种基础技术将胜出，这是一个错误的问题。几种不同的选项可能针对不同应用共存，而且平台更为重要。
市场概览与预测：
2032年220亿美元市场规模
市场预测
Omdia的量子计算市场预测估计，到2032年，全球量子计算供应商的收入可能超过220亿美元。这个市场将只是高性能计算(HPC)市场的一个子集，但包含了一些最高价值的工作负载。预测存在相当大的不确定性——任何市场规模预测都必须基于量子计算最终会取得成功的假设，而这并非必然。本项目访谈中获得的内容令人鼓舞，几乎每位受访者都能举出量子计算机正在帮助科学家进行实际研究的案例。
图：量子计算市场总体规模
投资趋势分析
量子计算生态系统的投资正在加速，反映了自2019-2020年以来风险资本对硬件和深度科技兴趣的广泛复苏。2021年达到投资高峰，与人工智能和半导体项目一起创下纪录，随后在2023年出现周期性下滑，2024年又有所回升。
图：2017-2024量子计算风投资金
区域投资分布
资金主要流向北美初创企业，但有趣的是，Omdia量子计算市场追踪器发现欧洲的公司数量更多。自2017年以来，58%的风险投资流向了北美，而只有30%的公司位于北美。
另一方面，虽然欧洲公司数量占比超过40%，但获得的资金不到30%。欧洲量子计算初创企业的平均融资额为1200万美元，而北美初创企业为3800万美元，这表明风险投资分配者对欧洲公司存在低估。
采用者分析
相比之下，部署量子计算机的公司最有可能位于北美。在追踪器数据库中，46%的采用者(共133家公司)位于北美，33%在欧洲，18%在亚洲和大洋洲。这可能解释了为什么北美获得更多资金支持。
图：量子计算资金随时间推移的地区分布
采用者群体仍以研究为主——研究教育(R&E)领域占总采用者的28%。这也导致量子计算采用中非营利机构比例异常高，42%的采用者是非商业机构(多为大学)，36%是政府机构。
值得注意的是，虽然“生命科学”和“化学品与材料”领域在调查中被列为前三大机会，但在实际采用方面却远远落后。同样，“交通运输”领域的采用仍处于实验阶段，但所探索的问题具体且计算密集。
量子计算应用当前障碍：
转化、人才、软件、整合
报告指出，量子计算的应用障碍呈现多层次、跨领域的特点，从底层的技术实现到上层的算法设计，从硬件可靠性到软件生态成熟度，都需要系统性突破。当前阶段最关键的障碍在于：
·实际问题的量子化转换能力；
·跨学科人才的严重短缺；
·软件开发工具的碎片化；
·量子-经典系统的工作流整合。
技术实现层面，除了确保量子比特源可靠工作外，最大障碍在于识别适用场景并将问题转化为可执行的量子电路。Omdia调研显示，92%的受访者将问题识别和算法设计列为首要障碍，远超执行和分析环节的挑战。多位行业专家强调，当前量子算法专家严重短缺，导致许多潜在应用领域（如生物信息学、地球物理学）难以实现问题转化。德国铁路量子技术负责人Manfred Rieck的案例表明，即使是明确的计算密集型问题（如高铁网络优化），现阶段也只能通过简化模型进行有限验证。
图：证明量子效益是采用者面临的首要问题QC采用者面临的主要挑战是什么？[选择三个]
软件生态的碎片化是第二大障碍。与成熟的AI开发生态（含MLOps平台、高级框架和SDK）相比，量子计算缺乏统一的开发工具链。现有SDK如Qiskit、Cirq等存在版本兼容性问题，迫使开发者从底层重写代码。值得期待的是，Qrisp等硬件无关的高级量子语言正在涌现，其一次编写随处运行的特性可显著降低开发门槛。同时，低温基础设施的运维复杂度（如液氮处理）也制约了量子系统的可及性，正如受访者捷克IT4Innovations中心超算服务总监Jansik所言：“学习处理液氮很有趣，如果你通常只在键盘后工作的话”。
系统整合方面，量子-经典混合工作流面临三大挑战：量子资源稀缺性与HPC资源丰富性导致的作业调度难题；系统异构性带来的编程模型和运行环境差异；网络延迟和数据传输瓶颈。多位专家指出，量子-HPC协同需要动态资源分配机制和统一接口标准。
解决这些障碍需要量子硬件开发者、算法研究者、领域专家和软件工程师的紧密协作，同时也需要建立更完善的量子计算教育体系和开发者社区。随着高级量子编程语言的出现和AI辅助量子电路设计工具的发展，这些障碍有望在未来3-5年内得到显著缓解。
关键量子比特模式解析：
多线互补，各有优劣
构建量子计算机的第一步是生成可操控的量子现象作为量子比特(qubit)，这是与经典计算中比特类似的基本信息单位。目前有多种不同的技术路线，每种都采用不同的物理原理来产生量子效应和相应的量子比特。
图：按量子比特模态划分的量子计算供应商
当前量子比特的主要类型包括：超导、硅自旋、NV色心、囚禁离子、中性原子、光子。超导量子比特（IBM、Google采用）技术成熟度高但需极低温环境；囚禁离子（Quantinuum等）相干时间长但系统复杂；硅基量子比特（Intel等）兼容传统半导体工艺但控制精度待提升。
行业共识表明，量子计算发展已从单纯追求量子比特数量转向提升量子体积（QV，量子比特数×相干时间）等综合性能指标。此外，许多受访者关注制造设计和可扩展性。几位提到量子计算系统在扩展时需要将多个设备连接在一起，这意味着需要通过芯片封装工艺而非电缆连接它们。这表明任何能与现有CMOS光刻和先进封装基础设施集成的技术都具有重要优势。
各技术路线呈现互补特性，比如超导系统运算速度快，中性原子系统体积小保真度高，光子量子比特可室温运行但技术成熟度不足。硬件无关编程语言的发展正推动量子计算从实验室走向产业化，但低温系统运维等工程挑战仍需解决。专家预测，未来将形成多技术并存的量子生态系统，不同方案将针对特定应用场景发挥优势。
表：量子计算主要技术路线对比
量子计算软件栈：
吸取AI教训
量子计算技术栈包含硬件层（量子处理器、控制电子和支持系统）和软件层（算法开发、编译控制和错误缓解）。当前主要挑战在于软件生态的成熟度，与AI技术栈相比，量子软件工具仍显薄弱。Qiskit等主流SDK存在版本兼容性问题，开发者常需从头编写代码。关键突破点在于错误校正技术，NISQ设备需通过冗余设计克服环境噪声，这要求硬件和软件的协同优化。
图：量子计算技术堆栈
报告强调，量子软件生态建设可借鉴AI发展经验，需构建四大核心层级：优化算法库、统一开发框架、改进编译器/转译器，以及增强仿真工具。当前人才短缺和技能断层问题突出，跨学科协作将成为推动量子计算从实验室走向产业应用的关键。
量子计算+高性能计算：
资源整合，协同工作
量子计算与高性能计算(HPC)的整合已成为两大领域的重要发展方向。Omdia将HPC定义为使用计算机集群解决复杂问题的体系结构，其核心应用场景与量子计算高度重合，特别是在生命科学、化学材料和航空航天等“小数据、大计算”领域。RIKEN等机构已成功实现量子计算机与超级计算机的协同工作，通过开发新型算法和混合计算模式验证了整合价值。
未来发展将聚焦三个方向：建立跨平台量子编程框架、优化混合计算资源管理、培养复合型人才。典型案例显示，量子设备作为专用加速器与HPC集群协同，已在分子模拟等领域取得突破。要实现规模化应用，仍需解决硬件异构性、软件栈兼容性和专业人才短缺等关键问题。专家建议通过示范项目验证技术路线，同时加强生态系统建设，推动量子计算深度融入科学计算基础设施。
量子计算+人工智能：
双向赋能
量子计算与人工智能(AI)正形成双向赋能关系。AI通过自动生成量子电路、优化脉冲序列和参数选择，显著提升了量子算法的开发效率。“构建大型推理模型生成量子电路已接近实用阶段”，澳大利亚Pawsey超算研究中心量子超算研究组长Elahi指出。同时，AI的电路剪裁技术解决了多设备并行计算的难题，Johansson强调“缩短算法长度比数学完美性更重要”。
量子计算则为AI带来以下潜在突破：
1）训练加速，通过量子退火器优化神经网络；
2）数据效率，Marzella团队证实量子计算在小数据集场景展现独特优势；
3）能效革命，Elahi对比指出QPU扩展时能耗增长远低于GPU。
然而，二者协同面临根本矛盾。QML需要大数据训练，而量子计算擅长“小数据、大计算”问题。Johansson提醒：GPU效率持续提升，量子计算需要追赶很多。化学分子等典型应用筛选已展现三者协同潜力。正如专家所言，HPC、量子计算和AI必将协同发展，这种融合将重塑计算范式，但需克服理论、工程和系统集成的核心挑战。
公共政策与国家计划：
量子计算发展的战略支撑
全球各国政府已将量子计算视为兼具国防安全与经济发展双重价值的战略领域。在国防安全层面，核心关切聚焦于：
· 密码分析：利用量子计算破解传统加密体系；
· 后量子密码学：研发抗量子攻击的新型加密系统；
· 量子传感：开发新一代定位导航授时系统（可能替代GPS）。
在经济领域，重点支持航空航天等依赖高性能计算的行业开展量子模拟应用。各国普遍采用风险缓释政策模式，通过政府信用背书降低资金、技术风险、生态等风险。
图：调查受访者对政府的量子支持充满信心
受访专家普遍关注人才断层、投资持续性、国际竞争这三大核心问题。调查显示46%从业者认为政府支持力度“很强”，54%预期未来12个月政策支持将增强。未来政策需重点关注建立跨部门协调机制、完善知识产权保护框架、推动国际标准制定、加强STEM教育与职业培训。
结论
综合来看，受访者普遍持乐观态度。他们日益观察到，实际运行的量子计算系统正在支撑具有现实意义的科研项目落地。
“历史证明，研究往往服务于始料未及的需求。量子启发算法最初只是研究项目，最终却在经典计算领域大放异彩——比如我们的分子对接项目。”
——意大利CINECA超算中心量子计算与高性能计算专家Sara Marzella
高性能计算与量子计算的深度融合，以及量子计算与人工智能的协同发展正变得至关重要，且已初现端倪。未来的量子计算范式乃至未来科学计算的整体架构，很可能是量子设备、图形处理器（GPU）及其他加速器与经典HPC系统协同工作的模式，共同攻克模拟计算、组合优化、量子机器学习等高价值应用场景。
硬件性能持续提升但前路仍长，多种量子计算模式很可能在缺乏突破性进展的情况下长期共存。这些模式或将演变为针对不同应用场景和基础设施环境的专业化解决方案——既需要部署便捷但性能适中的轻量级方案，也需要堪比Frontier超级计算机的量子计算旗舰系统。
软件仍是重大挑战，受访者对当前量子软件开发工具包（SDK）、应用程序接口（API）及工具的现状评价普遍消极。到2026年，业界需要同步攻克硬件产业化与软件平台化这两大核心课题。
https://meetiqm.com/press-releases/iqms-state-of-quantum-report-quantum-industry-must-solve-talent-shortage-and-software-platforms-not-just-qubits/