量子计算的软件生态正在从“能否编写量子线路”走向“能否在真实异构硬件环境中稳定运行”。在量子线路仿真、量子机器学习、变分算法、噪声模拟、量子纠错辅助计算等任务中，GPU已经成为量子软件栈的重要经典算力底座。对于国产GPU而言，能否承接Cirq、PennyLane、Qiskit等主流量子计算框架，不只是一次应用适配测试，更关系到国产异构算力能否进入量子计算工作流。
本轮测评由光子盒组织实施，围绕两类国产GPU平台，在清醒异构技术支持下，对三类主流量子计算框架进行阶段性验证。测评覆盖环境部署、基础功能、典型算法、量子机器学习、性能吞吐、长时间稳定性等维度。总体结果显示，在本轮测试范围内，三类框架均完成了基础功能验证，Cirq/qsim、PennyLane/lightning、Qiskit Aer等后端在不同场景中体现出不同程度的加速与可用性，48小时稳定性测试未出现影响结论的异常中断。
测评背景：主流量子软件栈正在进入异构算力验证阶段
过去几年，量子计算软件框架的发展重点主要集中在量子线路表达、编译、仿真、算法库和云端调用接口。随着量子硬件仍处于NISQ向早期容错演进的阶段，大量实际工作仍需要经典算力参与，包括大规模线路仿真、参数优化、采样统计、误差缓解、噪声建模、机器学习训练、译码与校准反馈等。量子计算并不是脱离经典计算体系单独运行，而是在相当长一段时间内与CPU、GPU、超算和云平台形成协同。
这使得主流量子计算框架对GPU的依赖不断增强。一方面，GPU可以支撑高性能量子态向量、密度矩阵、张量网络和矩阵乘法计算；另一方面，量子机器学习和变分量子算法需要频繁进行前向计算、梯度计算和参数更新，天然适合与高吞吐并行算力结合。对于国产GPU生态而言，能否适配主流量子计算框架，意味着其能力边界不再局限于通用AI训练或图形计算，而是开始进入科学计算与量子软件栈的核心场景。
当主流量子计算框架能够跨过单一生态约束，与国产GPU完成适配，量子计算的软件栈就不再只是“调用某一类硬件”的问题，而是进入了国产异构算力能否承接前沿科学计算框架的问题。
测评对象：三类主流量子计算框架与两类国产GPU 平台
（一）Cirq：面向线路构建与高性能仿真的开源框架
Cirq是由Google主导的开源量子计算框架，主要面向量子线路构建、NISQ 算法实验、噪声模拟和与特定硬件拓扑相关的线路表达。本轮测评重点关注Cirq基础线路、参数化线路、量子算法、QNN示例以及qsimcirq后端的性能表现。qsimcirq是Cirq生态中常用的高性能C++仿真后端，适合观察同一框架下不同后端的加速差异。
（二）PennyLane：面向可微量子编程与量子机器学习
PennyLane是由加拿大量子计算公司Xanadu主导开发的开源可微量子编程框架，面向量子机器学习、变分量子算法和混合量子—经典计算等典型场景。相比传统量子编程框架，PennyLane更强调与经典机器学习生态的融合，能够将量子线路嵌入PyTorch、TensorFlow、JAX等自动微分框架中，支持参数化量子线路训练、梯度计算和量子神经网络构建。本轮测评围绕PennyLane在国产GPU平台上的适配能力展开，重点考察default.qubit与lightning.qubit等后端在基础功能、梯度计算、优化训练、QML工作流及长时间稳定运行方面的表现。
（三）Qiskit：面向量子计算开发与仿真的综合软件栈
Qiskit是IBM推动的开源量子计算软件栈，覆盖量子线路构建、仿真、编译、算法、噪声模型和云端执行接口等环节。本轮测评重点关注Qiskit Aer在statevector、matrix product state（MPS）、噪声模拟、VQE/QAOA、QML/VQC等任务中的可运行性与性能表现。
（四）两类国产GPU平台：本轮验证与后续扩展
本轮测评覆盖两类国产GPU平台，分别为壁仞科技BR10X平台与天数智芯MR100平台。为便于行文，文中分别简称为BR10X与MR100。需要强调的是，两类平台在硬件配置、测试环境、驱动版本、CUDA/SUPA兼容层、并行策略和框架后端等方面并不完全相同，因此本轮结果主要用于判断国产GPU对主流量子计算框架的承接能力及阶段性表现，不宜直接简化为绝对性能排名。
后续，测评将继续扩展更多国产GPU平台、更多驱动版本、更多量子软件后端和更多典型任务，逐步形成可复现、可比较、可持续迭代的量子软件栈异构算力测评体系。
测试环境与测试维度
本轮测评并非只做“能不能启动”的环境验证，而是按照功能、性能、算法、稳定性等维度组织测试。测试覆盖框架安装、后端调用、线路执行、典型算法收敛、QML训练、吞吐表现和长时间运行等环节。
主要测试结果
（一）功能验证：三类框架均完成基础功能链路打通
从功能验证结果看，Cirq、PennyLane、Qiskit在本轮测试范围内均完成基础功能验证。Cirq在两类平台上均完成30项功能用例测试；PennyLane在两类平台上均完成33项功能用例测试；Qiskit在MR100平台完成30项功能用例测试，在BR10X平台完成11项功能用例测试。
这里需要避免一个误读：不同平台上的Qiskit功能测试数量并不完全一致，主要反映测试脚本覆盖范围和适配阶段差异，不应直接解释为某一平台“功能少于另一平台”。严肃表述应为：在各自测试集合内，功能用例均通过，说明基础运行链路已经打通，但后续需要统一测试矩阵，形成更严格的横向对比。
（二）性能测试：不同框架后端呈现差异化加速表现
性能测试结果表明，GPU加速并不是在所有框架、所有任务中线性出现，而是高度依赖后端实现和任务结构。Cirq中qsimcirq相比Cirq默认仿真后端表现出明显加速，在两类平台上均体现出数量级级别的性能提升；PennyLane中lightning后端相较default.qubit在状态向量仿真、梯度计算和QML训练等场景中体现出明显优势；Qiskit Aer在statevector和MPS等不同仿真方法下，对线路类型、深度和比特数的敏感性较强。
在本轮测试范围内，国产GPU平台已能承接主流量子框架的关键仿真后端，并在部分任务中形成明显加速；但不同框架后端之间的性能差异较大，后续需要使用统一脚本、统一版本、统一参数和统一日志，形成可复现实验基线。
图1 量子电路执行消耗随量子比特数变化
图2 综合性能雷达图：壁仞BR10X平台（左）；天数智芯MR100平台（右）
（三）算法与QML：从“能运行”走向“能完成完整工作流”
算法测试不仅关注单个量子线路能否执行，更关注完整算法工作流能否闭环。本轮测试中，Cirq侧覆盖了VQE与QNN示例，PennyLane侧覆盖了梯度计算、优化训练与量子机器学习示例，Qiskit侧覆盖了VQE、QAOA、VQC/QML等典型任务。
从测评方视角看，这部分结果比单个性能数字更重要。量子计算框架在实际应用中通常不是孤立运行一个线路，而是反复经历“构建线路—执行仿真—读取结果—更新参数—再次执行”的循环。如果GPU平台只能完成一次性线路执行，而不能稳定支撑参数化优化与QML训练，就难以进入真实应用验证。本轮结果说明，两类国产GPU平台已初步具备承接主流量子算法工作流的基础。
（四）稳定性：48小时连续测试未出现影响结论的异常中断
稳定性测试是本轮测评中需要重点补充的部分。对于严肃测评报告而言，单次运行成功并不足以证明框架适配成熟，长时间连续运行的成功率、异常率、数值稳定性和资源占用变化更能反映工程可用性。
需要注意的是，48小时测试可以证明阶段性稳定性，但还不能等同于生产级稳定性。生产级评价还需要引入多用户并发、任务排队、长周期资源泄露、异常恢复、驱动重启、容器迁移、日志追踪和多节点扩展等测试。
结语
从本轮测评看，在清醒异构技术支持下，国产GPU已经能够承接Cirq、PennyLane、Qiskit等主流量子计算框架的基础运行和典型任务验证，并在部分仿真与QML场景中体现出明确的性能收益。这说明国产异构算力已经具备进入量子软件栈的工程基础。
更重要的是，这次测评给出了一条可继续推进的路径：国产GPU生态不必从零构建封闭的软件体系，而应优先兼容全球主流量子计算框架，围绕量子仿真、量子机器学习、变分算法、噪声模拟、纠错辅助和量超融合工作流，逐步形成可复现、可比较、可扩展的测评体系。
对于光子盒而言，本轮工作不是一次简单的产品测试，而是面向量子软件栈国产化承接能力的一次方法论验证。后续，光子盒将继续从第三方测评视角出发，扩大测试平台和测试场景，推动国产异构算力在量子计算生态中的可验证、可比较和可持续应用。
注：如有需要详细测评报告，后台联系。