云岫资本合伙人宋旭文：量子计算：工程化与产业化并进，拐点将至 | 36氪 2026产业未来大会
2026年，产业投资进入深水区，资本、技术与产业加速融合，旧的投资逻辑不再使用，新的共识正在诞生。2026产业未来大会聚焦新周期机遇，共探产业未来与“中国之光”的诞生。 9月9日至10日，由36氪主办的2026产业未来大会以“深水之上，共振新生”为主题的在北京亦庄举行。来自国资平台、产业投资基金、企业CVC、创新企业及专家学者走到一起，聚焦量子科技等未来产业走向产业化。大会深度探讨当下前沿技术与产业视角，集中展示超导、光量子、离子阱等技术路线突破，分享大量具体产业场景、产业体系搭建、与异构计算前景。共同探讨科技产业投资的未来。
以下对话，经36氪整理编辑：
演讲者：云岫资本合伙人兼前沿科技组负责人 宋旭文
宋旭文：大家下午好！感谢36氪和亦庄的邀请！云岫资本是国内领先的科技产业投资服务机构，至今已成立12年，长期深耕科技企业投融资业务，目前已帮助各个领域科技企业完成了1200多亿元融资，我们以财务顾问服务为主，同时设有直投基金，累计投资了二三十家公司。
云岫资本在量子计算等前沿科技领域也是布局比较早的机构，我们早在2019年就开始服务量子计算企业，至今已陆续服务六七家，如本源量子、幺正量子、图灵量子、隧穿智元等；同时沿量子计算产业链，对上游供应链、下游生态、软件、算法等保持关注，并横向延伸至量子精密测量、量子安全等量子科技其他领域。
下面，我站在资本视角分享量子计算领域的行业观察。相比产业内视角，我们更偏乐观。只有更多地相信量子计算未来天花板的高度，资本化杠杆才能适度利用起来。我们也会更关注整体性、趋势性变化以及合适的时间点。对投资而言，这比技术细节更关键。在现阶段，不同技术和团队之间并非非此即彼或你死我活的关系。从投资角度看，有时“模糊的正确”才是更合适的尺度。
我今天分享的主题是《量子计算：工程化与产业化并进，拐点将至》。最近一年多，量子计算在资本市场热度持续攀升，也反过来推动整个行业加速发展。从产业的共识角度，现在我们正渡过NISQ（含噪声中等规模量子计算），处于大规模容错计算的前夜，或者说正看到容错量子计算在局部问题上的突破。过去大家认为量子计算真正走向通用计算可能还需要很长时间；而现在，无论是上游硬件体系、中游生态供应商，还是下游产业客户，都在加速进场，我们能积极地看到工程化与产业化正齐头并进。
我们对量子计算最新趋势有以下几点总结。
第一，底层量子硬件技术路线。关于路线之争，虽然前些年会有一些基本定调，比如确定哪一两条、两三条路线作为最主流的路线，但最近一顿时间看到一些新的突破也非常值得关注。我们认为量子计算底层技术路线远没有到收敛阶段，仍然存在弯道超车机会。未来，不同量子计算路线之间可能异构共存。
这里列举量子计算几条主要路线的代表性公司及优劣势。目前，超导量子从整体产业成熟度和规模化进展看，仍暂时处于引领地位，这一点毋庸置疑。其优势包括操作速度快、易于芯片化，以及上游产业链、晶圆级制造、芯片互联和低温系统逐步形成相对完整的配套。
从2024年底Google Willow公布的实验开始，行业进入大规模纠错周期的前夜。2026年IBM和芝加哥大学的实践中，超导量子的逻辑比特已经开始真正参与计算。在超导量子方面，关键在于随着规模扩大，纠错成本能否进一步降低，以及模块化互联能否突破原有扩展性上的瓶颈——例如，IBM今年发布了将两个模块低温系统并联的设计，一个系统内可装入多个量子计算处理器架构，这些都是非常有意义的尝试。
对超导来说，现在大部分人都不会怀疑能用它把通用量子计算做出来，这一点信心还是比较足的。更值得关注的问题是，从物理比特到逻辑比特的纠错开销能否收敛；以及多芯片扩展后，整体系统成本，包括低温、封装、热负荷管理，能否控制在产业可接受范围内；此外，长时间运行能力也是超导相对有挑战的地方。
离子阱路线方面，量子比特的质量，尤其是保真度是其一大优势，同时相干时间长，相当于量子寿命可以保持比较长时间。再加上同一阱中的量子比特可以较轻松实现全连接，在一些特定操作上表现稳定。在资本对标方面，国际上离子阱量子计算公司的市值表现也具有标杆意义。
难点仍在规模化挑战。业界起初会怀疑，单离子阱中的比特数量达到一定程度后是否很难工程化实现，传统通过激光进行寻址、操控和读出的方式会变得很复杂？
在离子阱的规模化探索上，国外一些代表性公司把控制电路集成到硅芯片中，用微波控制门操作； IonQ的模块化分布式扩展，进一步打破单离子阱的规模化限制。从部分厂商进展看，离子阱纠错能力表现良好，大规模容错突破可能紧随超导路线之后，离子阱也将再度发力。
中性原子方面，从资本市场和创业团队活跃度看，今年是当之无愧的的一匹黑马，是热度提升最高的路线。原子的天然优势是物理层面规模可以很快达到几千个中性原子阵列排布，且可重构，许多国内外公司已在一定程度上完成基本操作，为后续大规模纠错码部署提供基础物理承载。本身也具备较强低开销纠错潜力。以中性原子公司为代表推动的qLDPC高码率纠错码等，相比传统表面码在纠错效率上可能有很大提升。
当然，中性原子也存在天然问题，产业界正逐步解决，包括规模扩大后的原子丢失问题,如何在多重深度计算线路中及时补救；以及阵列扩大后大规模光学系统如何控制等……一些工程点正在突破。
整个系统层面，我们预计在2027年左右，国内外一些中性原子公司可能在实现基本可演示逻辑比特方面取得较大进展。
光量子一直是有特色的量子计算路线。光子之间相干时间长；相比需要极低温环境的其他路线，多数子系统可在常温环境运行，也天然适合长距离网络传输，并可与较成熟的集成光子工艺兼容。挑战仍是原有问题，如光子相互作用偏弱使得光量子操控和双比特计算难度高，大规模光学系统放大后损耗积累等，这也是学术界、产业界持续解决的问题。最近国内有团队通过生成GKP纠错资源态、引入非线性模块，在光量子容错计算上取得较好突破。
光量子在产业化进度上也很有特色。其他路线通常先做整机，直到完成逻辑比特转化，再逐步推进通用计算商业化；光量子从Day 1起就在玻色采样等专用问题方面具备天然优势，它的商业化路径是一个交错叠加关系。短期内，一些光量子公司已可在专用机方面进入商业化闭环；中期，通过光子芯片规模化制造，以及物理层面损耗和探测器效率问题改善，将逐步走向容错通用计算阶段。同时，光量子天然可作为基础设施，充当不同量子计算机之间的传输系统，作为量子互联网基础设施，本身也可单独产业化。我们也观察到一些光量子公司的业务特征确实呈现多元化，并非以单一通用计算机为导向。
后面几条路线的一些变化也值得业界和投资人关注。比如半导体自旋，以硅基自旋为代表的路线在最近一段时间也取得了可喜的进展。半导体自旋最大优势来自于它的制造体系，一旦未来对量子计算机的需求到达万级别物理比特，最终要从物理层面制造出来，什么样的体系效率最高、越少走弯路，半导体自旋路线主要依赖电学控制，本身天然适配一些成熟半导体制造工艺。
同时，因为自旋量子比特尺寸非常小，如果未来市场需要一个比较小型化、集约式的更具普惠性的量子计算机，半导体自旋高密度特性可能会成为它的一个杀手锏，
半导体自旋挑战在于多比特操作的保真度，以及跟现有半导体产线深度耦合的一些利益目标上的挑战，这也是我们可以明显感知到的，它会依赖于半导体产业方对这块的投入度。下一阶段，预期半导体自旋路线在晶圆级的一致性，以及在真正高密度全系统封装和输出方面能够更加成熟，最近IBM收购的HRL实验室推出了一个高度集成化硅基量子处理器单元架构，引起了很大的关注。
另一条更加前沿的路线是拓扑量子。其他量子计算路线需要在量子比特出现后再反过来做纠错，拓扑路线从最底层物理层面，通过拓扑保护，从源头抑制错误率，在全链路降低错误开销。从资源效率看，它可能是非常值得投入的终极形态；但相比其他路线，它仍处于较早阶段：国际上以微软为牵头主体，在做从理论到初步工程化之间的探索，包括拓扑态完整验证、量子信息读取以及整体可靠性等，相比其他路线，路更长一些。国内也有一些团队，包括丁院士的公司，已在拓扑量子方面正式启航。
现在，业内对量子计算不同路线发展终局已有一定共识。一是物理比特数量能否真正代表量子计算的发展成熟度？大家逐渐意识到，它和真正计算能力之间很难划等号。随着电路深度增加，噪声会指数级积累。纠错是巨大卡点，如果都不能证明纠错可以随规模扩大“越纠越对”，后续计算可能没有实际意义。
包括成本方面的考虑，要用多少额外物理比特去实现一个逻辑比特映射，最终会呈现的是一笔经济账。未来不同技术路线的竞争核心，已逐渐从物理比特规模转向整体逻辑计算能力，包括：纠错规模提升能否持续降低逻辑错误；单位纠错成本能否下降；可持续逻辑操作深度能否随规模扩大进一步提升并呈正相关——这三个核心要素将决定一条路线能否成为真正可用的逻辑计算单元。
从另一层面看，中短期内各条技术路线一定各有所长。很难说哪条路线能在我们关注的几个指标上能够全面占优、赢者通吃：包括天然物理量子规模、操作速度、保真度、相干时间、系统可扩展性、纠错难度，以及可解决具体问题的宽度、与现有制造工艺的兼容度等。。
现在国外有一个新趋势：未来的量子计算系统，很可能不是单一的量子计算某一条路线的整机，而是为完成不同功能，由不同功能量子计算单元异构融合而成的整机。类比CPU/GPU/DPU的分工，我们认为这种趋势很可能发生，可以针对不同功能动态选择最优量子比特。比如高速处理问题上，现有几条主流路线都较适用；而其他差异化路线上更适合做信息保存；在量子通信和传输方面，光量子本身有天然优势。
现在，业内实践正在把不同技术路线QPU做模块化封装，以突破单一体系性能边界和扩展性瓶颈；同时通过不同模块之间互联，实现更大规模、异构、高效率系统。不同量子模块之间的互联本身也是难度不小的事，这涉及不同量子硬件体系的量子态传输和纠缠问题，以及接口转换等一系列兼容问题。
前面讲的是最基本的量子硬件计算单元。第二个趋势是，从今年开始，大家谈量子计算时，不再仅仅关注量子计算整机，量子计算的整个生态开始真正活跃起来，更多人开始尝试把量子计算带到真实业务问题中，虽然仍比较早期。
就像造车一样，之前各国在量子霸权争夺上投入大量资源和资本，去造一辆功能非常完备的车。但这辆车将来可以在什么路上跑，可能之前业内考虑并不多，更多的是在一些非真实环境下做试跑。而我们现在明显感觉到，已有非常多公司进入了铺路建设的工作；虽然大车还没造好，但至少可以让一些骑自行车和电动车的人先在路上试运行，至少证明从起点到终点这条路是通的，能够实际往返通勤。
不管是通过量子模拟机，还是在一些特定问题里，端到端开始出现量子生态，这是非常好的现象。这个生态可以说是双向奔赴的过程：一方面，把相对小众、专业壁垒较高的量子计算硬件端算力拿出来，成为可调用、可分析、可检验的算力单元；另一方面，从应用端明确什么样的问题可以被量子计算真正解决并看到价值。原来展示量子优越性时，很多是人为设计的问题；真实问题需要怎样设计好的算法、会演化出什么样的线路设计、如何编译成量子算力能够承载的计算任务，应用端很多公司也在努力。
整条链路从自然语言可描述的应用问题，到量子比特开始工作，其实路径非常长。原来这件事可能有一系列产业专家、量子计算行业专家和供应商共同解决，而且每次任务都像一次新实验、一个专项课题。随着任务特性或参数更换，下一次不是可重复的——并不像我们用经典计算算完这道题，下一道题直接输入即可，目前差距还非常大。
为了铺平这条路，首先我们看到应用端的发展确实在加速，业内能看到的量子计算的实际应用案例有一些共同点，一般是基于现有量子硬件和经典计算之间的混合架构，用真实业务数据或真实分子体系，同时需要端到端结果分析。再具体来看，处理的主要有几类问题：
第一类，并非天然量子化的问题，但随着规模扩大，常规计算难以承载，包括一些组合优化问题。
第二类，本身是原生量子态问题，包括药物发现和材料中的量子模拟，算力本身会随比特数扩张完全线性对应，随着扩展可对应到问题深度。
第三类，量子计算可以进入一些高维模式发现，捕捉经典方法难以捕捉的高阶计算结构。
之前跑这些问题的算法更多像是一位老师傅在不断调试、试验的过程。现在很多团队把真实问题的量子算法服务化，这个服务至少出现两层递进：一方面，把基础量子算法能力函数化，支持重复调用，而不必每次都从量子线路写起；另一方面，受AI大模型及Agent发展启发和共振，一些团队直接推动把量子应用落地工作流Agent化，封装成Skills，供Agent快速调用，由系统自动来进行任务拆解、算法匹配、算力调度等。
从底下硬件层往上可以看到，也有很多团队在努力把较原始的QPU真正转化为可用算力。一方面是计算质量管理。伴随着全面容错本身发展，也有一些专用软件可以提升整个系统误差管理水平。
另外在编译和硬件适配方面，包括线路优化、门集转换、拓扑映射等一系列问题，像中科院相关机构和部分海外公司，都已经成功实现更高效做硬件适配的过程。
还有一个比较重要的层面涉及到异构融合，实际量子应用问题通过量子计算解决时，并不是每一步都要通过量子计算运行。其中一些数据预处理、参数优化分析工作，还是更适合用大规模经典算力，围绕量智融合或量超融合基础平台，现在各单位都在如火如荼搭建。
在整体算力封装成云服务方面，包括国内几大运营商、北京量子院等等，可能未来都会成为我们量子算力云服务重要的提供商。
第三个趋势我们关注硬件供应链体系，在一个行业蓬勃发展时，上游关键环节供应商“卖铲子的公司”非常重要。一方面确实解决了一些卡脖子问题，另一方面，下游有越来越多公司拿到资本和资源的注入，竞争加剧，那不管在实验阶段、工程阶段，还是未来大规模产业阶段，供应链关键环节公司受益反而更加确定。
现在国内量子计算上游一些重要供应链环节，已从单点国产化替代逐步走向规模化交付，并进入整机系统验证阶段。这里有几个我们关注较多的部分：一是量子芯片制造端供应：不仅能把量子芯片造出来，也涉及上游芯片设计端，以及集成工艺加速成熟。二是超导路线中占大头的制冷部分，稀释制冷机国内已有一些不错厂商；三是测控环节，核心性能在向千比特规模扩展；四是精准激光设备，中性原子和离子阱完全离不开激光，其线宽和稳定性对光学相关路线举足轻重。随着频准激光上市，未来我们也会加速瞄准细分供应链方向龙头公司中的优质资产。右边这里提到的中电信天衍-287，基本完成国产稀释制冷机+国产测控+国产低温单元的全国产整机验证，也是一个非常好的典范。
最后一个趋势是，AI与量子双向融合愈发火热。首先，AI与量子融合，无论对产业发展还是大国竞争，都是一个宏大课题，两条融合路径处于不同阶段：在AI for Quantum方面，已处于初步工程化阶段；在量子计算领域，AI在基础校准、解码、线路优化以及研发过程中，已看到实际效果，效率已提升甚至达到数十倍量级。核心价值体现在让量子设备运行更稳定，让量子程序执行更高效。
研发流程方面，这与AI for Science的发展大逻辑类似，对于量子程序辅助生成、资源估算以及量子相关科学实验流程自动化运行，AI已开始逐步发挥作用。
在Quantum for AI这条反向融合路径上，阶段会稍微早一些，目前处于局部理论与实验验证阶段。QPU暂时不会替代GPU来完成整个模型训练，但加入量子模块有可能可以用更少参数完成训练方，用量子进行部分参数表征，空间效率可能更高，还能在某些建模问题上实现经典计算较难实现的结构化表征。因此在AI的特定任务/特定数据结构下已能看到量子优势，未来局部优势能否转化为全链路应用价值，Quantum for AI刚刚起势，是有待长期发展的重要方向。
行业部分我们就分享到这里，因为云岫是在资本机构的视角上，所以我们简单用一页来总结2026年以来中国量子计算的资本市场情况。总体来看，2025年量子计算融资热度已大幅提升。今年仅上半年，综合内外部多种口径估算，并结合我们掌握的一手信息，中国量子计算领域股权融资总金额预计接近200亿级别，已大幅超过去年全年的水平
有几个比较重要的特征：
1、一些头部公司开始出现10亿级别融资，这在几年前比较少见，且现阶段的融资频率有明显提升。过去一年完成一轮融资已属不错，而现在，一年完成三到四轮融资也较为常见。
2、新路线和早期生态项目融资明显更活跃。以中性原子为例，市场上有二三十个团队在做，拿到融资的将近10家。量子应用算法和算力服务公司也有多家获得融资。沿着整个工程化链条，除量子计算整机外，算法和软件、核心供应链、上游零部件等融资分布也将越来越均衡。
3、从资本属性看，如新能源、医疗、半导体等产业方都在跨界入局；市场化VC也愿意押注非常早期的团队。今年高校教授可以说是迎来创业高峰，上海、北京、大湾区都有不少新项目；国资也在一些重点项目上出手压舱。
4、同时，部分标的已进入实质性Pre-IPO阶段，今年也是一个分水岭，无论走A股还是港股上市预期，如本源、玻色、图灵等……整体呈现快速升温、头部融资规模放大并快速出圈的特征。
我们认为接下来量子计算仍然有一个非常好的投资窗口，我们会关注几类公司：
1、在实验和工程上仍有突破的新技术路线；
2、供应链细分龙头公司；
3、生态中综合能力非常强的公司。在软件生态方面，对企业综合禀赋要求较高，不像硬件那样可以一招鲜。若想构建端到端量子应用生态，那可能对软件、硬件、产业方理解及资源调度能力都会有要求。这类公司现在也是一个可以考虑投资布局的时间点。
时间关系，我就分享到这里。后续，也很期待跟各位专家同仁多多学习，一起为中国量子计算长期发展进一步助力。近期结合我今天的观点分享，云岫资本的公号也会发布国内最新量子计算产业趋势和图谱，欢迎大家关注。
谢谢大家！