联合国研究人员预测，到2030年，数据中心的电力与水资源消耗量将达2025年的两倍，其中人工智能是主要推手。能源已成为制约算力扩展的关键瓶颈。量子计算同样面临这一挑战，但当前进展仍常仅以量子比特数量与保真度来衡量——这些固然重要，却无法反映系统实际可提供的有效算力。归根结底，技术发展的目标是实现“有用规模”，即每项解决方案所创造的价值必须超过其成本。
量子计算机在实用领域展现出真实潜力：加速新药研发、推动材料科学进步，以及在达到实用规模后提升机器学习效率。要实现这些目标，就必须像重视物理原理一样重视运行成本，使系统具备经济可行性。关键在于深入理解：每投入一单位能量或一美元资金，系统能产出多少真正有用的计算能力。
在实用规模下，每瓦特算力才是核心指标
该指标包含两个维度：分母是功耗——量子计算机的冷却系统与控制电路需持续供电，大型系统功耗可达数十兆瓦；分子则是实际产生的计算能力。由于量子计算能力随处理器规模呈指数级增长，分子部分更为关键：系统每消耗一瓦特电能所能生成的计算能力，最终由量子处理单元（QPU）的架构决定。
经典计算曾面临类似问题：早期处理器以主频论高低，但随着数据中心扩张，功耗成为瓶颈，“每瓦性能”取而代之成为核心指标。自2007年起，Green500榜单即依据“每瓦浮点运算次数”对全球超级计算机进行排名，与TOP500的纯速度排名并行。
当前，在AI驱动与超大规模算力建设背景下，算力需求仍远超供给。行业多年以来忙于事后补足供电与冷却能力，而非从设计之初就统筹规划。如今部分运营商甚至不得不部署现场燃气发电机为新建数据中心供电，实属倒退。对于量子计算，我们必须在抵达同类拐点前，率先构建高能效架构。
从量子比特数量转向每瓦、每美元算力
正因如此，行业亟需更科学的评估标准。“每瓦算力”应成为核心指标：即系统每消耗一瓦电能所完成的有效计算量。它促使采购方与制造商在决策时权衡输出与能耗，而非仅计数量子比特便默认其余水到渠成。
该指标涵盖冷却、控制电子设备及配套经典计算的总功耗，并与最终交付的量子计算成果相对应。若全行业采纳“每瓦算力”作为通用基准，整体将更聚焦于单位能耗所能获取的实际处理能力。同理，“每美元算力”则进一步将建设与运维成本纳入考量。
根本出路在于芯片制造方式
提升每瓦算力，关键在于芯片如何构建。在功耗侧，芯片与系统架构的设计直接决定制冷、控制硬件及经典计算模块所需的能量；在算力侧，不同架构差异更为显著。
目前量子计算机主要有两种扩展路径：“向上扩展”（scaling up）与“向外扩展”（scaling out）。前者指突破现有瓶颈，直接增大单个QPU规模；后者则通过互联多个现有QPU组成网络化系统。二者均可增加量子比特总数，但比特数量增长不等于计算能力同步提升。
一项最新研究量化了该差异：基于大型QPU构建的量子计算机，其算力可比网络化方案高出指数级。原因在于网络链路远不如单芯片内部连接高效——延迟更高、损耗更大。
这一“网络惩罚效应”常被行业忽视，却可能造成巨大差距：例如，同一任务在10万个量子比特上运行需1小时，而在1000亿个量子比特组成的网络系统中却需耗时10年。网络互联固然重要，但应放在“先向上、再向外”的阶段推进。
关键决策正在当下做出
当前，相关系统的架构设计与制造工艺已进入定型阶段，这些选择将决定未来十年的发展轨迹。量子计算尚处于比AI更早期的阶段，行业仍有AI所不具备的选择权：要么从今天起就将经济性与能耗纳入进度评估体系，要么将来被迫承担忽视这些关键因素的后果。
www.eic.net.cn 提供的易IC库存管理软件，已在多家半导体与量子计算设备厂商中落地应用，帮助其实现高精度物料追踪与能耗关联分析，为构建绿色算力基础设施提供数字化支撑。
