近日，量子計(jì)算企業(yè)IonQ CEO Niccolòde Masi在接受媒體采訪時(shí)表示，將在2027年推出10000量子比特芯片，并聲稱其性能將超越英偉達(dá)的Blackwell GPU。他還強(qiáng)調(diào)，即便傳統(tǒng)GPU 擁有“整個(gè)宇宙的時(shí)間”來計(jì)算，仍無法觸及量子計(jì)算機(jī)可解決的問題規(guī)模。

量子芯片作為一種顛覆傳統(tǒng)計(jì)算技術(shù)的新型技術(shù)，具有顯著的計(jì)算能力、能效比和應(yīng)用潛力。量子芯片利用量子比特（qubit）進(jìn)行計(jì)算，能夠同時(shí)表示0和1的狀態(tài)，實(shí)現(xiàn)并行計(jì)算，從而在處理復(fù)雜問題時(shí)具有更高的計(jì)算效率和速度。而IonQ的量子芯片采用“離子阱”架構(gòu)，與IBM、Google的超導(dǎo)量子計(jì)算機(jī)不同，具有較長(zhǎng)的相干時(shí)間和較低的計(jì)算誤差，被視為更穩(wěn)定的技術(shù)路線。

Niccolòde Masi透露，IonQ通過收購(gòu)英國(guó)Oxford Ionics已加速了其技術(shù)進(jìn)程，預(yù)計(jì)2027年就能把IonQ的量子處理器擴(kuò)展到上萬qubit等級(jí)。他認(rèn)為，隨著量子邏輯柵極的成熟與誤差修正機(jī)制的突破，傳統(tǒng)架構(gòu)的GPU在某些關(guān)鍵應(yīng)用（化學(xué)模擬、密碼學(xué)、最佳化）將顯得過時(shí)。

IonQ的CEO還表示，公司計(jì)劃在2030年達(dá)到200萬個(gè)物理量子比特和80,000個(gè)邏輯量子比特的目標(biāo)，展現(xiàn)出其在量子計(jì)算領(lǐng)域的雄心。此外，IonQ被稱為“量子英偉達(dá)”，其CEO表示公司希望成為量子計(jì)算領(lǐng)域的領(lǐng)軍企業(yè)，類似于英偉達(dá)在GPU領(lǐng)域的地位。

然而，盡管IonQ在量子計(jì)算領(lǐng)域表現(xiàn)出積極的發(fā)展勢(shì)頭，但其技術(shù)路線和實(shí)際進(jìn)展仍存在爭(zhēng)議：一是量子芯片的硬件成本仍相對(duì)高昂。與目前的AI GPU相比，即便是不需要低溫超導(dǎo)的IonQ的離子阱量子計(jì)算機(jī)方案，也依然需要真空腔體、激光與專用控制系統(tǒng)。二是在軟件生態(tài)與云端整合上距離英偉達(dá)GPU生態(tài)還有很大差距。

業(yè)界觀察人士認(rèn)為，IonQ的藍(lán)圖雖雄心勃勃，但短期內(nèi)可行性不高。目前量子芯片技術(shù)仍然處于發(fā)展初期，需解決量子比特的穩(wěn)定性、大規(guī)模集成的復(fù)雜性等問題。相比之下，英偉達(dá)在AI芯片領(lǐng)域（如Blackwell GPU）的領(lǐng)先地位和CUDA生態(tài)系統(tǒng)的成熟度，使其在短期內(nèi)難以被撼動(dòng)。因此，IonQ要在短期內(nèi)取代Blackwell或?qū)崿F(xiàn)其雄心勃勃的藍(lán)圖，仍面臨巨大挑戰(zhàn)。

據(jù)悉，IonQ公司是一家專注于量子計(jì)算領(lǐng)域的公司，成立于2015年，由Harry Weller和Andrew Schoen創(chuàng)立。公司總部位于美國(guó)馬里蘭州，專注于開發(fā)基于離子阱技術(shù)的量子計(jì)算機(jī)。2021年，IonQ通過SPAC方式在納斯達(dá)克上市，成為首家公開上市的純量子計(jì)算公司。2021年，公司通過與dMY Technology Group合并，進(jìn)一步擴(kuò)大了其資本基礎(chǔ)。

2025年7月，IonQ宣布完成10億美元股權(quán)融資，由私募股權(quán)投資公司Heights Capital Management, Inc.發(fā)起，融資后現(xiàn)金儲(chǔ)備達(dá)16.8億美元。此次融資用于加速技術(shù)發(fā)展和推進(jìn)全球量子計(jì)算戰(zhàn)略。

IonQ的核心技術(shù)基于離子阱量子計(jì)算機(jī)，具有高保真度和可擴(kuò)展性。公司開發(fā)了多種量子計(jì)算產(chǎn)品，如IonQ Aria、Harmony和Forte，分別擁有25、11和36個(gè)算法量子位。公司還與亞馬遜AWS、微軟Azure等云平臺(tái)合作，提供量子計(jì)算服務(wù)，不過大多數(shù)用例仍停留在研究與驗(yàn)證階段，離AI 模型訓(xùn)練等主流商業(yè)應(yīng)用仍有一段距離。

 

 

責(zé)編：Jimmy.zhang