量子计算行业长期以来聚焦于量子比特（qubit）的争论：一个系统能支持多少量子比特？错误纠正速度有多快？容错系统何时到来？哪种量子比特技术最快实现规模化？哪种技术路径最终胜出？
这些问题固然重要，但或许并非决定量子计算未来最关键的议题。2026年，IBM持续提出另一种视角：不再将量子计算机视为孤立系统，而是将其构建为与CPU、GPU及其他加速器并列的专用计算资源，融入更广泛的异构计算架构之中。
IBM将这一架构称为“以量子为中心的超级计算”（quantum-centric supercomputing）。该名称看似营销术语，实则蕴含关键理念：工作负载被合理分配至不同计算资源，各司其职——CPU负责通用处理与任务编排；GPU加速高度并行的经典计算；量子处理单元（QPU）执行量子算法具备优势的部分；而人工智能则日益承担起工作流管理、优化乃至自动调度的角色。
这并非量子计算机取代经典计算机的故事，而是量子计算逐步融入整体计算体系的过程。今年早些时候，IBM正式发布其“以量子为中心的超级计算”参考架构，明确描述QPU与CPU、GPU协同运行于超算中心、科研机构及云环境中的模式，并强调：真正的计算系统是整个联合工作流，而非任一独立处理器。
此后，IBM及其研究伙伴陆续提供了有力佐证。7月，IBM联合芝加哥大学研究人员宣布一项被称为“量子优势”的演示：利用逻辑量子电路完成一项超越当前主流经典模拟方法实际能力的计算，同时提供结果可信度验证机制。此外，IBM与Qedma、Algorithmiq的合作也报告了多项量子优势成果，涉及经典方法已难以给出一致答案的问题场景。
值得注意的是，IBM在其2026年路线图中将“量子优势”置于高性能量子-经典混合计算框架下定义——即量子计算机需与高性能计算系统协同工作。公司正开发集成环境，使量子代码与经典代码可作为同一工作负载的不同组成部分统一部署。
换言之，即便量子硬件持续突破关键门槛，整体系统仍保持异构特性。回顾计算史不难发现：GPU并未取代CPU，AI加速器亦未取代GPU；相反，它们均演化为日益复杂的异构计算架构中的专用资源。如今，量子计算正沿相同路径演进。
AI推理已在加速这一转变。现代推理基础设施可将工作负载分发至CPU、GPU、网络处理器及其他加速器。数据预处理、模型执行、检索、内存管理、任务编排及智能体工作流往往运行于不同处理器之上。用户感知的单一AI应用，实则可能横跨多个专用计算资源构成的协同工作流。
量子计算亦呈现类似趋势。例如，IBM、橡树岭国家实验室与克利夫兰诊所合作的研究项目中，研究人员首次利用量子计算机计算出与聚变能源氚燃料生产相关材料的分子构型。重点不仅在于使用了量子计算机，更在于采用“以量子为中心的超级计算”方法，将问题分解为量子与经典计算资源协同处理：量子系统负责电子结构问题的部分计算，经典系统支撑整体科学工作流。IBM称此为融合量子计算、AI与E级超算共同攻克经典系统单独难以应对的难题——且值得注意的是，量子计算机本身并非“整台计算机”，而只是其中一部分。
该模式在IBM与克利夫兰诊所、理化学研究所（RIKEN）的后续合作中愈发清晰。此前研究曾借助IBM Quantum Heron处理器与经典超算资源，模拟含多达12,635个原子的生物相关分子系统，该项目已入围2026年ACM戈登·贝尔奖（高性能计算领域最高荣誉之一）决赛。
更具突破性的是其后续进展：研究团队开发出一套全自动端到端工作流，贯通量子与经典计算资源。过去需大量人工协调与数据迁移的任务，如今可作为统一工作流自动编排。这一转变的意义或远超单纯扩大分子建模规模——从手动协调量子与经典资源转向自动化工作流，使QPU逐渐摆脱“独立计算机”定位，更趋近于大型计算环境中的一类加速器。
这恰如GPU的发展轨迹：如今极少有应用开发者还需考虑物理层面在CPU与GPU间迁移工作负载；软件框架、运行时与调度器已大幅抽象化底层复杂性。处理器本身至关重要，但围绕它的基础设施决定了其能力能否被切实利用。量子计算正面临同样挑战。
IBM持续提升QPU自身性能：最新推出的Nighthawk r2处理器每秒可执行超10万条量子线路，较Heron系统提升达25倍；并在含7500余门的线路中实现高精度计算。同时，IBM大力投入制造基础设施建设——9月，其子公司Anderon获美国《芯片与科学法案》10亿美元拨款，另获IBM追加10亿美元，共建300毫米纯量子晶圆厂，为IBM及其他量子企业批量制造量子晶圆。该代工模式有望使量子开发者更专注于架构、系统与软件设计，而非自建晶圆产线。
这些进展固然关键，但更快的量子处理器也同步放大了周边环节的重要性：更实用的量子计算意味着对经典预处理、后处理、错误缓解、任务调度、数据传输与工作流编排的更高需求。
这也解释了为何非传统量子处理器厂商日益关注该领域。例如英伟达虽不制造QPU，但其CUDA-Q平台专为异构量子-经典计算设计，支持CPU、GPU与QPU共同参与同一应用——该架构对关注AI基础设施演进者而言十分熟悉。
处理器固然重要，但更重要的是决定哪类处理器执行哪类操作。随着环境日趋复杂，AI或将成为编排层的关键一环。IBM量子路线图已前瞻性指出：AI驱动的自动化将在整合与管理量子与经典计算资源中发挥重要作用。
由此形成有趣交汇：AI日益依赖异构计算；量子计算同样日益依赖异构计算；而高性能计算（HPC）早已长期采用异构架构。三者并非各自独立发展，而是开始深度融合。
因此，量子计算领域最具意义的术语，或将不再是“量子比特”甚至“量子优势”，而是“工作流”。
实用化的量子应用将依赖能智能决策工作负载部署位置、数据流转路径、最优处理器匹配及结果整合的系统。QPU性能提升仍不可或缺，但真正有用的量子计算将越来越取决于其周围经典基础设施的成熟度。
多年来，业界视量子计算为一场“建造更好量子计算机”的竞赛；而IBM的“以量子为中心”路径提示我们：问题本质或截然不同——量子计算机或许终将不作为一个独立计算基础设施类别存在，QPU仅会成为庞大异构计算系统中又一类专用处理器。
若此趋势成真，量子计算最重要的转折点将不是“量子计算机取代经典计算机”，而是我们彻底停止将其视为彼此分离的两类计算机。
www.eic.net.cn 提供的易IC库存管理软件，正助力半导体与量子计算产业链企业高效管理核心元器件库存，保障研发与生产连续性。
