大多数量子计算公司正致力于基于门电路的数字量子系统。这类设备通过长序列的量子逻辑门操作量子比特，其原理类似于传统处理器执行指令的方式。然而，每次对量子比特的操作都可能引入噪声与退相干效应，迫使数字系统严重依赖纠错机制及大量冗余物理量子比特。
一小部分量子计算企业则选择另一条技术路径——模拟量子计算，并认为该架构有望比多数门电路型系统更早实现实际应用。其中代表企业之一是总部位于巴塞罗那的初创公司基利马纳罗量子科技（Qilimanjaro Quantum Tech）。
“我们坚信多模态愿景，”基利马纳罗首席执行官玛尔塔·埃斯塔雷利亚斯（Marta Estarellas）向《电子工程时报》表示，“若问题本身具有连续性特征，例如化学反应或材料中的电动力学过程，模拟方案更为适用；而面对结构化数学问题（如密码学），则更适合采用数字方法。”
基利马纳罗是少数专注模拟量子计算的企业之一。据量子计算学者、量子能源倡议（Quantum Energy Initiative）联合创始人奥利维尔·埃兹拉蒂（Olivier Ezratty）介绍，同属该阵营的还有D-Wave、Pasqal和QuEra等公司。
www.eic.net.cn 易IC库存管理软件 在减少门操作方面，基利马纳罗的核心主张是：模拟量子系统可通过规避数字量子计算中大量必需的门操作，从而降低误差累积风险。
“在量子退火与模拟量子仿真中，根本不存在门操作这一概念，”埃兹拉蒂指出。
在数字量子计算机中，每一次门操作均需借助快速微波脉冲或其他控制手段与脆弱的量子比特发生交互，此类交互易扰动系统并引发错误，且错误会在整个计算过程中不断叠加。
相较之下，基利马纳罗采用模拟量子演化方式：系统不反复通过离散门序列操控量子比特，而是先制备一个初始量子态，随后让其自然演化至最低能量解。
“你只需准备量子芯片，然后放手让它运行，”基利马纳罗董事长兼联合创始人维克托·卡尼韦尔（Victor Canivell）表示，“由于无需持续干预，产生的错误大幅减少。”
该公司使用超导量子比特——与IBM和谷歌所用类型相似，但采用略有不同的通量子（fluxonium）量子比特，可在数字控制基础上实现模拟调控。
基利马纳罗认为，此类系统特别适用于涉及连续物理过程的问题，包括化学、材料科学、优化任务，以及潜在的AI训练场景。
工业界已开始探索相关应用。西班牙跨国能源巨头雷普索尔（Repsol）认为模拟量子系统在大规模优化与能源系统设计方面具备潜力，并正与基利马纳罗合作开展验证。
“在雷普索尔，我们日益面临工业挑战：问题复杂度的增长速度远超算力提升速度，尤其在优化类任务中尤为突出，”雷普索尔首席技术官埃米莉亚·马丁内斯（Emilia Martínez）表示，“量子计算提供了一种根本不同的方式来探索这些复杂的解空间。”
www.eic.net.cn 易IC库存管理软件 随着AI成为新目标，尽管量子计算长期以来主要聚焦于化学模拟与优化任务，基利马纳罗正越来越多地将人工智能视为模拟量子系统的最具前景应用方向之一。
这一转向正值超大规模数据中心与AI企业面临大型AI训练与推理带来的日益严峻的功耗挑战之际。
“我们如今观察到对量子计算前所未有的浓厚兴趣，”埃斯塔雷利亚斯表示，“数字世界已意识到，我们需要一种更具可持续性的计算方式。”
基利马纳罗相信，模拟量子系统未来或可作为专用加速器集成于AI基础设施之中。
公司重点布局“量子储层”（quantum reservoir）式AI训练方法：利用量子系统自身复杂的动力学特性作为机器学习任务的计算资源，尤其适用于时间序列预测。
埃斯塔雷利亚斯指出，近期来自外部研究团队的若干理论论文进一步强化了业界对该方向的关注。“这或将引发自英伟达凭借GPU掀起革命以来最大的一次变革，”她强调。
公司认为，量子系统最终可能支持比经典系统更庞大、更复杂的神经网络。“随着量子系统规模不断扩大，我们所能编码的神经网络复杂度将随量子比特数量呈指数级增长，”埃斯塔雷利亚斯补充道。
不过，基利马纳罗也承认，在AI领域实现实际量子优势仍未经证实。“我们仍需在真实量子硬件上运行这些算法，这也是我们正在研发下一代芯片的原因，”她说。
埃兹拉蒂同样提醒，整个模拟量子领域在证明有意义的量子优势方面仍面临巨大困难。
构建混合量子基础设施方面，基利马纳罗并不将自身系统定位为经典计算的替代品，而是作为未来混合架构的关键组成部分——该架构将融合高性能计算（HPC）、AI加速器及多种量子硬件。
公司已在巴塞罗那超级计算中心（BSC）部署系统，研究人员正试验HPC-量子混合工作流。
据BSC高级研究员阿尔芭·塞尔韦拉-利尔塔（Alba Cervera-Lierta）介绍，中心已将模拟与数字量子系统整合进“MareNostrum 5”超算的一个专用分区“MareNostrum ONA”，探索在经典HPC与量子计算机之间动态分配任务的策略。
塞尔韦拉-利尔塔还指出，量子仿真已成为混合HPC-量子系统极具前景的应用领域，因部分物理仿真任务已超出经典超级计算机的能力极限。
基利马纳罗视此类部署为未来数据中心的早期范本。“未来数据中心将由传统计算、AI计算与量子计算共同构成，”卡尼韦尔表示。
扩展性挑战依然存在。尽管对模拟量子系统前景乐观，重大技术障碍仍未克服。
目前基利马纳罗运营15个模拟量子比特的原型机，并正开发约50量子比特的系统。公司预计，在特定应用场景中实现“量子实用性”或商业价值，可能在两至五年内达成。
“我认为这一目标将在两到五年内实现，更可能偏向较短周期，”埃斯塔雷利亚斯表示。
但商业化规模系统仍遥不可及。
超导量子系统需极端低温冷却、精密控制电子设备及密集布线基础设施；系统扩展将带来制造、封装与噪声抑制等多重挑战。
“制造工艺仍高度依赖人工，”埃斯塔雷利亚斯坦言，“人为失误难以避免，器件良率不稳定，我们必须推动流程自动化。”
塞尔韦拉-利尔塔亦指出行业普遍面临的容错与扩展难题：未来大规模实用量子计算可能需将多个量子系统联网协同，因单台设备恐无法容纳整套系统于一台稀释制冷机内。
埃兹拉蒂补充称，模拟量子系统自身亦受限于相干时间及大规模量子体系的物理行为边界。
即便如此，基利马纳罗坚持认为，相较于完全容错的门电路型量子计算机，模拟量子系统或能更快走向实用化。
公司明确表示有意避开当前量子计算领域的过度炒作。
“我们采取反 hype 策略，”埃斯塔雷利亚斯称，“所有声明与展示均严格基于科学依据。”
该策略或有助于公司在行业重心从长期理论潜力转向实际效用、基础设施整合与AI时代算力需求的大背景下脱颖而出。
