量子七剑：条条大路通罗马
七条量子计算技术路径的原理、特点与工程难度
Value Evolution Investing Framework · 洞见集 · 量子计算科普
量子计算并不是一台已经设计完成、只等待制造得更大的机器。人类甚至还没有确定，未来大规模量子计算机究竟应该用什么作为量子比特。
超导电路把人工制造的微型电路变成“量子原子”；离子阱用电磁场悬浮带电原子；中性原子依靠激光镊子排列原子阵列；光子方案让单个光粒子携带信息；硅自旋试图把量子比特装进类似晶体管的半导体结构；拓扑方案希望从物理层获得天然保护；量子退火则选择了一种更专用的计算方式。
这些路线遵循同一套量子力学，却面对完全不同的制造、控制、纠错和扩展问题。理解量子计算产业，首先要理解的不是“谁拥有最多量子比特”，而是：
每条路线用什么保存量子信息，它如何完成操作，又会在规模扩大时遇到什么困难？
本文面向非专业读者，介绍当前七条主要技术路径，并从可控性、保真度、连接性、速度、制造、纠错和规模化等方面进行比较。
“七剑”是对路线竞争的形象比喻，“罗马”则代表稳定、可扩展并具有现实价值的量子计算能力。它并不意味着七条路线终将汇入同一种机器：不同物理平台可能分别服务于量子模拟、通用门计算、量子网络和专用优化；其中量子退火更是一种专用计算模型，而不是通用门模型的另一种量子比特。
一、先理解量子计算究竟改变了什么
1. 从比特到量子比特
经典比特在一个确定时刻只能是 0 或 1。量子比特则可以处于两个基态的叠加：
这里的 \alpha 和 \beta 不是“两个答案已经同时被读出”，而是两个结果在测量前的概率振幅。测量后，我们仍然只能得到一个经典结果。量子算法的能力来自对振幅的精确控制：利用叠加、纠缠和干涉，让不需要的路径彼此抵消，让与答案有关的结构更容易被测量出来。NIST 的科普资料对叠加、纠缠和测量给出了直观解释。[^1]
因此，常见说法“量子计算机同时计算所有答案”并不准确。它无法把指数多个答案一次性全部读出，也不会自动加速所有程序。
2. 量子比特不是一种固定器件
“量子比特”是一种信息单位，而不是某一种具体零件。任何能够稳定提供两个可区分量子态、可以初始化、操纵、耦合和测量的物理系统，都可能成为量子比特。
这与经典计算早期很相似：比特可以由继电器、真空管或晶体管表示。量子行业今天的路线竞争，本质上是在寻找最适合大规模计算的物理载体。
3. 真正的敌人是噪声
量子态之所以能进行特殊计算，也正因为它对环境极其敏感。温度变化、电磁噪声、材料缺陷、激光漂移、原子丢失和测量误差，都可能破坏量子信息。这个过程通常被称为退相干。
当前设备大多仍属于 Preskill 所称的 NISQ——含噪声的中等规模量子设备。它们适合实验、模拟和算法探索，但尚不足以可靠执行很长的通用算法。[^2]
4. 物理量子比特不等于逻辑量子比特
实际机器需要使用多个容易出错的物理量子比特，编码成一个更可靠的逻辑量子比特。量子纠错不能像经典计算那样直接复制未知量子态，而是通过辅助量子比特反复测量“错误综合征”，在不读取逻辑信息本身的情况下发现和修正错误。
因此，评价路线时不能只看物理量子比特数量。更重要的问题是：
- 物理错误率是否低于纠错阈值；
- 扩大纠错编码后，逻辑错误率是否继续下降；
- 一个逻辑量子比特需要多少物理量子比特；
- 解码和纠错能否实时完成；
- 逻辑门能否连续运行足够深的电路。
Google Quantum AI 已在超导表面码实验中展示随编码规模扩大而降低逻辑错误率的 below-threshold 结果，说明量子纠错开始从原理证明进入扩展验证阶段。[^3]
二、比较量子技术路线，应看哪些维度
没有一个指标可以决定整条路线的优劣。至少需要同时观察以下八个方面：
| 维度 | 它回答的问题 |
|---|---|
| 量子信息载体 | 0 和 1 被编码在哪一种物理状态中？ |
| 相干与保真度 | 信息能够保存多久？一次操作出错的概率多大？ |
| 门速度 | 单量子比特门和双量子比特门需要多长时间？ |
| 连接性 | 任意两个量子比特能否直接作用，还是只能连接邻近节点？ |
| 初始化与测量 | 能否快速、准确地准备和读取状态？ |
| 制造一致性 | 大量量子比特能否以相似参数重复制造？ |
| 控制系统 | 激光、微波、布线、制冷和经典电子学能否随规模扩大？ |
| 纠错开销 | 建立可靠逻辑量子比特需要多少物理资源和操作？ |
这些指标经常相互牵制：
- 门速度快，未必意味着保真度高；
- 相干时间长，未必意味着单位时间可以完成更多有效操作；
- 量子比特数量多，未必意味着能够执行更深的电路；
- 天然全连接有利于算法，却可能增加控制复杂度；
- 半导体工艺兼容有利于制造，但不代表低温控制和读出问题已经解决。
所以，不能把不同公司的“量子比特数”“算法量子比特”“Quantum Volume”和特定基准直接放在同一张排行榜上。
图1说明：前六条路线主要回答“用什么物理系统构造门模型量子计算机”；量子退火回答“怎样用量子系统执行一类专用优化计算”，两者并不处于完全相同的分类层级。
三、七条主要技术路径
1. 超导量子比特：把电路制造成“人工原子”
基本原理
超导量子比特通常利用约瑟夫森结和电容、电感组成非线性量子电路。在极低温下，电路的某些能级可以被选作 |0\rangle 和 |1\rangle。微波脉冲负责操纵量子态，谐振腔负责耦合和读出。
它不是把一个天然原子放进芯片，而是用工程方法制造一个可以设计参数的“人工原子”。
主要优势
- 门操作快：通常比离子阱和中性原子更快，可在有限相干时间内执行较多门操作；
- 微纳制造基础成熟：可以借鉴半导体光刻和芯片制造；
- 控制经验丰富：微波电子学、校准、编译器和云平台生态相对成熟；
- 纠错实验领先：表面码 below-threshold 是当前最重要的工程进展之一。[^3]
研究人员也在尝试使用工业 CMOS 级制造流程提高超导量子比特的一致性和晶圆规模。[^4]
核心难点
- 深低温：芯片通常需要运行在接近绝对零度的毫开尔文环境；
- 参数不一致：每个人工量子比特的频率和噪声特征可能不同，需要持续校准；
- 布线与制冷负担：规模扩大后，控制线、读出线和热负载迅速增加；
- 串扰和频率拥挤：同时操作大量量子比特时，信号会相互影响；
- 纠错资源大：成熟并不意味着轻松，可靠逻辑计算仍需要庞大的系统工程。
路线定位
超导路线是当前门模型量子计算的主流路径之一，优势是“跑得快、生态成熟”，难点是“必须在极低温下控制大量不完全相同的人造器件”。
2. 离子阱：让天然原子成为高度一致的量子比特
基本原理
离子阱使用电磁场悬浮带电原子，通常把离子的两个内部能级作为量子比特。激光或微波负责初始化和操纵，多个离子通过共同的振动模式形成纠缠。
与人工制造的超导电路不同，同一种元素的原子天然相同，因此离子量子比特具有很高的一致性。
主要优势
- 高保真度：单量子比特门、双量子比特门和测量通常具有很高精度；
- 相干时间长：原子内部状态与环境相对隔离；
- 连接性好：同一离子链中的量子比特可以形成近似全连接；
- 逻辑质量突出：高物理保真度可以降低部分纠错压力。
2026 年发表的 Helios 论文报告了一台 98 量子比特的 trapped-ion QCCD 处理器，并将可扩展离子输运与高保真门结合起来。[^5]
核心难点
- 门速度较慢：纠缠门依赖离子运动，通常比超导微波门慢；
- 激光系统复杂：大量光束需要长期稳定地对准、调制和校准；
- 离子链扩展困难：链过长会使振动模式变得拥挤，控制越来越困难；
- 输运和模块互连：QCCD 架构需要在不同区域移动离子，或通过光子连接多个模块；
- 吞吐量问题：高精度只有在足够的操作速度和并行度下，才能转化为产业计算能力。
路线定位
离子阱路线的特点是“单个量子比特质量高”，但工程挑战集中在“怎样让高质量系统扩展得足够大、足够快”。
3. 中性原子：用激光镊子排列可重构的原子阵列
基本原理
中性原子方案使用光镊捕获并排列单个原子。量子信息通常存储在原子的基态或超精细能级中；执行双量子比特门时，再把原子激发到相互作用很强的里德伯态，通过里德伯阻塞产生纠缠。
原子可以在计算过程中重新排列，因此其连接结构不像固定芯片那样完全受邻接关系限制。
主要优势
- 原子天然一致：减少器件间制造差异；
- 大阵列潜力：光镊阵列可以容纳大量原子；
- 拓扑可重构：原子能够移动，从而改变相互作用关系；
- 数字计算与量子模拟兼容：既适合门模型，也适合模拟多体物理。
2024 年的可重构原子阵列逻辑处理器使用多达 280 个物理量子比特展示了编码逻辑量子比特和可编程逻辑算法。[^6] 后续工作又在多达 448 个原子的阵列上探索重复纠错和通用容错架构。[^7]
核心难点
- 原子丢失：被捕获的原子可能在操作过程中离开阵列；
- 里德伯门误差：激光噪声、自发辐射和原子运动都会影响门精度；
- 并行寻址：大规模阵列需要同时、独立而准确地控制许多原子；
- 移动与计算调度：原子重排带来连接优势，也增加编译和时间开销；
- 路线较年轻：与超导和离子阱相比，数字门模型及完整纠错经验积累较少。
路线定位
中性原子是当前发展最快的路线之一，兼具大规模阵列和动态连接优势。它的关键考验是能否把“很多原子”稳定转化为“很多高质量逻辑操作”。
4. 光子量子计算：用光传播信息，用测量组织计算
基本原理
光子量子比特可以编码在光的路径、偏振、时间片或其他自由度中。光子不容易与环境发生相互作用，因此适合传输量子信息；但同样因为光子之间不容易直接作用，构造确定性的双量子比特门非常困难。
许多光子方案因此采用测量驱动或 fusion-based 架构：先产生小型纠缠资源态，再通过线性光学和纠缠测量把它们连接成更大的计算结构。[^8]
主要优势
- 退相干较小：光子适合长距离传播；
- 天然适合网络：计算、通信和模块互连可以使用相似技术；
- 不一定需要整个系统处于毫开尔文温度：部分光源和探测器仍可能需要低温；
- 集成光子制造潜力：硅光和半导体工艺可能支持大规模光路集成。
2025 年的研究展示了一个采用集成硅光组件、面向可制造性的光子量子计算平台，但从制造单元到容错整机仍存在巨大系统距离。[^9]
核心难点
- 光子损耗：光子一旦丢失，量子信息往往随之消失；
- 高质量单光子源：需要按需产生彼此不可区分的光子；
- 纠缠操作常具有概率性：需要大量复用、资源态和快速切换；
- 探测与前馈：高效率探测器和高速经典控制必须配合工作；
- 资源开销：容错架构可能需要数量庞大的光子、光路和复用组件。
路线定位
光子路线最适合“计算与网络一体化”的长期图景。它避免了某些物质量子比特的相干问题，却把困难转移到了光源、损耗、探测和资源组织上。
5. 硅自旋量子比特：把量子计算带入半导体制造体系
基本原理
硅自旋方案通常把电子或原子核的自旋方向编码为量子比特。电子被限制在硅量子点或施主原子附近，通过微波、电场、交换相互作用或自旋输运完成控制和耦合。
它的器件外形与晶体管相近，因此被寄予利用 CMOS 制造基础的希望。
主要优势
- 尺寸小：单个量子点远小于许多超导量子比特；
- 相干潜力好：纯化硅能够降低核自旋噪声；
- CMOS 兼容前景：可能借用成熟的 300 毫米晶圆制造、良率控制和封装技术；
- 高密度集成潜力：适合在较小芯片面积内容纳更多器件。
2025 年的研究展示了使用标准半导体设备在 300 毫米晶圆产线上制造并控制硅双量子比特单元，说明工业制造兼容性正在从概念走向器件验证。[^10]
核心难点
- 器件差异：量子点对纳米级界面、杂质和电荷噪声极其敏感；
- 低温电子学：大量门电极和读出线路不能无限延伸到室温设备；
- 局部连接：紧密排列带来密度优势，但远距离量子互连仍需新结构；
- 初始化和读出：需要高精度电荷或自旋测量；
- 从晶体管工艺到量子工艺：传统 CMOS 流程不能原封不动地用于量子器件，材料和界面必须重新优化。[^11]
路线定位
硅自旋路线的最大吸引力是“如果量子比特能够像晶体管一样制造，扩展问题可能获得半导体工业的帮助”。但这仍是一个条件句：量子一致性、低温控制和互连尚未被成熟 CMOS 自动解决。
6. 拓扑量子比特：试图从物理层减少错误
基本原理
普通量子比特把信息存储在局部物理状态中，因此局部噪声可以直接破坏它。拓扑量子计算则希望把信息非局域地编码在多个准粒子的整体拓扑关系中。理论上，只要局部扰动没有改变整体拓扑结构，量子信息就能获得天然保护。
Majorana 零模是最受关注的候选之一。如果能够稳定产生、交换并测量具有非阿贝尔统计的 Majorana 模式，就可能通过“编织”完成对噪声更不敏感的量子操作。其理论吸引力在于，从器件层减少量子纠错负担。[^12]
主要优势
- 理论上的天然容错：部分局部噪声不会直接破坏非局域编码；
- 可能显著降低纠错开销：如果物理保护足够强，逻辑量子比特所需资源可能减少；
- 固态集成潜力：可与超导、半导体和纳米线技术结合。
核心难点
- 基础物理仍需验证：首先必须无歧义地证明目标拓扑态和 Majorana 零模；
- 观测不等于量子比特：奇偶校验测量等实验是重要前提，但不等于已经完成可编程、可编织的拓扑量子比特。[^13]
- 材料与器件要求苛刻：超导体、半导体、磁场和界面质量必须同时满足条件；
- 控制和读出体系尚不成熟：即使保护机制成立，也仍需完成门、测量、扩展和系统集成；
- 验证链最长：这条路线可能带来最大的纠错收益，也承担最基础的不确定性。
路线定位
拓扑路线不是“更成熟的量子比特”，而是一张高赔率、长验证链的技术期权。其优势首先存在于理论结构中，工程价值取决于关键物理能否被独立、重复地验证。
7. 量子退火：让系统沿能量地形寻找低点
基本原理
量子退火与前六条路线不完全处于同一分类层级。前六条主要讨论“用什么物理系统建立量子比特”，量子退火则更接近一种专用计算模型。
它先把优化问题映射为 Ising 模型或 QUBO，使答案对应一个能量较低的状态；系统从容易制备的初始哈密顿量出发，逐步演化到问题哈密顿量，希望借助量子隧穿和量子涨落找到低能解。绝热量子计算与量子退火的理论关系可参考 Albash 和 Lidar 的综述。[^14]
主要优势
- 专用目标清楚：直接面向组合优化、采样和能量最小化；
- 可以较早构建较大系统：不必立即实现通用门模型的所有能力；
- 适合混合求解：可与经典启发式算法结合。
核心难点
- 不是通用门模型的直接替代：可解决的问题类型受到硬件图结构和模型限制；
- 问题嵌入开销：现实问题必须被映射到有限连接的 Ising 图上；
- 能隙与噪声：小能隙、热效应和退相干会使系统离开理想演化路径；
- 优势验证困难：必须与最强经典算法、模拟退火和问题专用启发式方法比较；
- 近似解与最优解不同：找到低能状态不等于稳定找到全局最优解。
路线定位
量子退火更可能长期成为某些优化和采样任务的专用加速器。它已经具有可访问设备，但其商业意义必须通过真实任务的时间、质量和总成本来验证，而不能仅凭量子比特数量判断。
四、七条路线的集中对比
1. 核心特征
| 路线 | 信息载体 | 典型控制方式 | 突出优势 | 最大工程难点 | 当前定位 |
|---|---|---|---|---|---|
| 超导 | 约瑟夫森结非线性电路能级 | 微波脉冲 | 门快、生态成熟、纠错实验领先 | 深低温、串扰、布线、器件一致性 | 主流门模型路线 |
| 离子阱 | 带电原子内部能级 | 激光／微波、离子输运 | 高保真、长相干、连接性好 | 门较慢、光学复杂、模块扩展 | 高质量门模型路线 |
| 中性原子 | 中性原子基态与里德伯态 | 光镊、激光、原子移动 | 大阵列、原子一致、拓扑可重构 | 原子丢失、门误差、并行寻址 | 快速上升的门模型／模拟路线 |
| 光子 | 光的路径、偏振或时间片 | 光源、干涉、测量与前馈 | 低退相干、适合网络、集成光子潜力 | 光损耗、概率门、光源和资源开销 | 模块化容错与网络路线 |
| 硅自旋 | 电子／核自旋 | 微波、电场、交换相互作用 | 尺寸小、CMOS 兼容、高密度潜力 | 器件差异、低温控制、互连和读出 | 半导体工业化候选路线 |
| 拓扑 | 非局域拓扑态／Majorana 候选 | 奇偶测量、编织操作 | 理论上天然保护、纠错开销可能较低 | 基础物理和可编程量子比特尚待验证 | 高不确定性的长期路线 |
| 量子退火 | Ising 自旋变量／超导退火器 | 哈密顿量缓慢演化 | 专用优化、较早可用 | 问题映射、噪声、优势验证和通用性 | 专用计算模型 |
2. 相对工程难度
下表中的“高”不是优劣评价，而是表示该维度仍包含较大的未解决工程任务。不同路线的实验规模和成熟度不同，不能把它当作精确评分。
| 路线 | 基础物理验证 | 单比特质量 | 大规模控制难度 | 互连／连接难度 | 纠错系统难度 | 制造与重复交付难度 |
|---|---|---|---|---|---|---|
| 超导 | 较成熟 | 中高 | 很高 | 高 | 很高，但路径较明确 | 高 |
| 离子阱 | 成熟 | 高 | 很高 | 中高，模块化待证 | 高 | 高 |
| 中性原子 | 较成熟 | 中高 | 高 | 中，动态连接有优势 | 高，仍在快速验证 | 高 |
| 光子 | 较成熟 | 光子本身稳定 | 很高 | 中，天然适合网络 | 很高，损耗和资源态关键 | 很高 |
| 硅自旋 | 较成熟 | 中高 | 很高 | 很高 | 很高 | 高，但可借助 CMOS |
| 拓扑 | 尚未完成关键验证 | 尚无成熟统一口径 | 未知 | 未知 | 理论上较低、现实未证实 | 很高 |
| 量子退火 | 成熟 | 不宜与门模型直接横比 | 高 | 受硬件图限制 | 不按通用门模型纠错 | 中高 |
3. 每条路线“最难的一关”
- 超导：把大量不完全相同的器件，在毫开尔文环境中长期校准并实时纠错；
- 离子阱：在保持高保真度的同时提高量子比特数、门速度和并行吞吐；
- 中性原子：把大阵列和灵活连接转化为稳定、连续的高质量逻辑计算；
- 光子：控制损耗，并以可承受的资源量稳定产生和连接纠缠光子；
- 硅自旋：在工业晶圆上实现大规模一致器件，同时解决低温控制和互连；
- 拓扑：先证明目标拓扑态和可操作量子比特真实存在，再讨论扩展；
- 量子退火：在真实问题上持续优于最强经典方案，而不是只在特定基准上领先。
图2说明：物理量子比特数量只是起点。高保真控制、低于阈值的纠错、逻辑量子比特和端到端应用价值必须连续成立，技术路线才可能真正抵达“罗马”。
五、为什么现在还不能宣布哪条路线获胜
1. 每条路线都在优化不同的函数
超导追求门速度和芯片化；离子阱追求保真度；中性原子追求阵列规模与可重构性；光子追求网络化；硅自旋追求制造密度；拓扑追求物理保护；退火追求专用优化。
它们并不是在同一条赛道上以同一指标比赛。
2. 路线获胜不等于公司获胜
即使某种物理载体最终成为主流，首先提出它、最早上市或当前估值最高的公司也未必能捕获最大价值。产业价值还可能迁移到：
- 控制电子学与低温系统；
- 激光、光子和测量设备；
- 量子纠错与实时解码；
- 跨硬件编译器和软件平台；
- 云入口与 CPU—GPU—QPU 混合调度；
- 掌握行业数据和工作流的应用公司。
3. 最终系统可能是混合和多路线的
未来不一定只有一种量子计算机。不同任务可能使用不同 QPU：一种用于量子模拟，一种用于优化，一种用于网络节点。经典 CPU、GPU 和量子处理器也更可能长期协同，而不是由量子计算机全面替代经典计算。
4. “能计算”与“值得计算”之间仍有一道经济门槛
DARPA 的 Quantum Benchmarking Initiative 将 utility-scale 定义为计算价值超过计算成本，并计划验证是否有路线能够在 2033 年前达到工业可用性。[^15] 这提醒我们：
量子计算的终点不是机器成功运行，而是它能够以可重复的成本，解决值得解决的问题。
六、普通读者最容易产生的五个误解
误解一：量子计算机可以同时读出所有答案
叠加态包含多个概率振幅，但测量只能给出有限结果。量子算法必须通过干涉设计提高正确结果出现的概率。
误解二：量子比特越多，机器一定越强
如果错误率太高、连接太差或电路太浅，更多物理量子比特可能只是更多噪声。逻辑错误率、可执行门深度和应用结果更重要。
误解三：相干时间最长的路线一定获胜
有效计算能力取决于相干时间内能够完成多少高保真操作。门速度、并行度、测量速度和连接性同样重要。
误解四：半导体工艺兼容就意味着可以直接复制晶体管扩张
量子器件对材料缺陷、界面、电荷噪声和低温控制的敏感度远高于普通晶体管。制造外形相似，不代表工程规律完全相同。
误解五：量子计算会取代 CPU 和 GPU
量子处理器更可能成为解决特定问题的加速器。控制、数据准备、纠错、验证和大部分业务逻辑仍需经典计算完成。
七、怎样判断一条路线是否真正前进
与其追逐一次性新闻，不如持续观察以下证据：
- 错误是否随规模扩大而下降：不是仅增加物理量子比特；
- 逻辑电路是否变深：能否连续执行更多纠错后的有效门；
- 结果是否可复现：是否有第三方、公开论文和独立验证；
- 系统是否完整：芯片、控制、制冷、编译、纠错和服务能否协同；
- 利用率是否提高：机器能否稳定运行，而不是只完成一次实验；
- 现实任务是否胜出：是否端到端优于当时最好的经典方法；
- 成本是否下降：一次有效计算的总系统成本是否低于其价值。
IBM 等公司已经把公开路线图从物理量子比特数量，逐步转向逻辑量子比特、可执行门数量、模块化系统和容错计算。此类路线图是需要验证的企业目标，而不是已经兑现的结果。[^16]
八、结语：竞争的不是“谁最量子”，而是谁能把脆弱变成可靠
七条路线看起来差异巨大，但它们面对的是同一个核心矛盾：
量子计算能力来自对环境极其敏感的量子态，而产业需要的是稳定、可复制、可验证的机器。
超导把困难放在低温、校准和布线上；离子阱把困难放在激光、速度和模块扩展上；中性原子把困难放在原子丢失和大规模并行控制上；光子把困难放在损耗和资源态上；硅自旋把困难放在器件一致性和低温互连上；拓扑路线仍需跨越基础验证；量子退火则必须证明专用计算价值。
没有哪条路线真正容易，也没有哪一个单项指标足以宣布胜负。
真正的量子计算突破，不是把实验室中更多量子比特放在一张照片里，而是把脆弱、概率性且难以控制的量子现象，组织成可以长期运行、反复验证并解决现实问题的计算系统。
参考文献
[^1]: National Institute of Standards and Technology. “Quantum Computing Explained.” 2025. https://www.nist.gov/quantum-information-science/quantum-computing-explained
[^2]: Preskill, J. “Quantum Computing in the NISQ Era and Beyond.” Quantum 2, 79 (2018). https://quantum-journal.org/papers/q-2018-08-06-79/
[^3]: Google Quantum AI and Collaborators. “Quantum Error Correction Below the Surface Code Threshold.” Nature 638, 920–926 (2025). https://www.nature.com/articles/s41586-024-08449-y
[^4]: Van Damme, J. et al. “Advanced CMOS Manufacturing of Superconducting Qubits on 300 mm Wafers.” Nature (2024). https://www.nature.com/articles/s41586-024-07941-9
[^5]: Ransford, A. et al. “A 98-Qubit Trapped-Ion Quantum Computer with All-to-All Connectivity.” Nature (2026). https://www.nature.com/articles/s41586-026-10676-4
[^6]: Bluvstein, D. et al. “Logical Quantum Processor Based on Reconfigurable Atom Arrays.” Nature 626, 58–65 (2024). https://www.nature.com/articles/s41586-023-06927-3
[^7]: Bluvstein, D. et al. “A Fault-Tolerant Neutral-Atom Architecture for Universal Quantum Computation.” Nature (2026). https://www.nature.com/articles/s41586-025-09848-5
[^8]: Bartolucci, S. et al. “Fusion-Based Quantum Computation.” Nature Communications 14, 912 (2023). https://www.nature.com/articles/s41467-023-36493-1
[^9]: PsiQuantum team. “A Manufacturable Platform for Photonic Quantum Computing.” Nature (2025). https://www.nature.com/articles/s41586-025-08820-7
[^10]: Steinacker, P. et al. “Industry-Compatible Silicon Spin-Qubit Unit Cells Exceeding 99% Fidelity.” Nature (2025). https://www.nature.com/articles/s41586-025-09531-9
[^11]: Elsayed, A. et al. “Low Charge Noise Quantum Dots with Industrial CMOS Manufacturing.” npj Quantum Information 10 (2024). https://www.nature.com/articles/s41534-024-00864-3
[^12]: Das Sarma, S., Freedman, M. & Nayak, C. “Majorana Zero Modes and Topological Quantum Computation.” npj Quantum Information 1, 15001 (2015). https://www.nature.com/articles/npjqi20151
[^13]: Microsoft Azure Quantum et al. “Interferometric Single-Shot Parity Measurement in InAs–Al Hybrid Devices.” Nature (2025). https://www.nature.com/articles/s41586-024-08445-2
[^14]: Albash, T. & Lidar, D. A. “Adiabatic Quantum Computation.” Reviews of Modern Physics 90, 015002 (2018). https://link.aps.org/doi/10.1103/RevModPhys.90.015002
[^15]: Defense Advanced Research Projects Agency. “Quantum Benchmarking Initiative.” https://www.darpa.mil/research/programs/quantum-benchmarking-initiative
[^16]: IBM Quantum. “IBM Lays Out a Clear Path to Fault-Tolerant Quantum Computing.” 2025. https://www.ibm.com/quantum/blog/large-scale-ftqc
延伸观看：中文与英文视频资源
视频适合建立直觉，但不应替代论文和技术报告。建议先看中立机构或大学课程，再用企业频道了解具体硬件与软件；观看企业内容时，要意识到它通常会更多展示自家路线。
中文：哔哩哔哩与中国可访问资源
| 频道／资源 | 适合人群 | 推荐观看方向 | 说明 |
|---|---|---|---|
| 墨子沙龙（哔哩哔哩） | 零基础至进阶 | 搜索“潘建伟”“量子计算”“量子纠错”“九章”“祖冲之” | 以科学家演讲和访谈为主，适合从物理直觉进入研究前沿；单期内容较长，但信息密度较高。 |
| 二次元的中科院物理所（哔哩哔哩） | 零基础与普通读者 | 搜索“量子力学”“超导”“量子计算机”“低温” | 中国科学院物理研究所官方账号；短视频与讲座并存，适合补充超导、材料和基础物理背景。 |
| 中国科大物理学院（哔哩哔哩） | 希望接近科研现场的读者 | 搜索“量子信息”“光量子”“超导量子计算”“学术报告” | 学院与学术活动内容为主，通俗程度因视频而异，适合在入门之后追踪国内研究。 |
| 漫士沉思录（哔哩哔哩） | 喜欢动画、数学和推导的读者 | 搜索“量子计算”“量子算法”“线性代数”“复杂度” | 独立科普创作者，擅长用可视化和推导解释抽象概念；适合建立直觉，但涉及前沿结论时仍应回到原始资料核对。 |
| 《超导量子计算》朱晓波报告全程 | 关注硬件路线的进阶读者 | 超导量子比特、芯片制造、量子优越性 | 单篇报告而非独立频道，可作为本文“超导剑”的延伸观看；技术性明显高于普通科普。 |
中文建议观看顺序：先用“墨子沙龙”或“漫士沉思录”建立概念，再看中科院物理所补基础物理，最后进入中国科大物理学院和研究者报告。
English: YouTube channels and courses
| Channel / resource | Best for | Suggested topics | Notes |
|---|---|---|---|
| Domain of Science | Visual beginners | “Map of Quantum Computing,” qubits, algorithms and hardware landscape | Clear visual maps are useful for seeing the field as a whole. Treat the maps as orientation, not as a substitute for current technical benchmarks. |
| Looking Glass Universe | Learners who want physical intuition | Quantum mechanics, measurement, interference and quantum-computing careers | Created by a physicist and especially strong on intuition and conceptual caveats; less focused on comparing commercial hardware roadmaps. |
| MIT OpenCourseWare | Systematic academic study | Quantum computation lectures, quantum information and algorithms | University-level and more mathematical. The Quantum Computing playlist is a useful starting point. |
| QuTech Academy | Hardware and architecture learners | Superconducting qubits, spin qubits, quantum internet, control stacks and topological concepts | Produced by QuTech; particularly useful for understanding the layers of a quantum computer and for comparing device architectures. |
| Qiskit | Readers who want to program | Quantum circuits, algorithms, error correction and hands-on Qiskit | IBM-backed and practical, with lectures from researchers and engineers. Excellent for software practice, but IBM hardware examples naturally emphasize the superconducting ecosystem. |
| IBM Research | Industry roadmaps and engineering updates | Fault tolerance, cryogenic systems, modular architecture and IBM Quantum | A primary source for IBM’s plans rather than a neutral industry survey; compare roadmap claims with peer-reviewed results and independent benchmarks. |
English viewing order: start with Domain of Science or Looking Glass Universe, continue with MIT OpenCourseWare or QuTech Academy, and then use Qiskit for hands-on experiments. Vendor channels are most useful after the reader can distinguish measured results from forward-looking roadmaps.
资料口径说明：本文侧重解释技术原理与工程难度。企业路线图和厂商性能数据被视为需要继续验证的技术主张；不同平台的指标定义、测试电路和硬件规模不同，不宜直接进行单数字排名。资料更新至 2026 年 8 月。