IBM 发布量超融合新蓝图！五大场景验证，300 原子蛋白模拟突破经典极限（文末下载）
发布时间：2026-03-26来源：量子前哨
当最强超级计算机也无法处理的问题开始出现，计算范式本身正在被迫改变。
IBM 最新发布量超融合架构蓝图，通过将量子处理器嵌入高性能计算体系，复杂问题被拆分为“量子负责难点、经典负责规模”的协同模式，已在电子结构计算、闭环优化与误差缓解等场景中完成验证，展现出超越传统方法的能力。
围绕这一范式，IBM 构建出了涵盖异构算力、统一调度与混合计算模型的系统架构，并提出从“量子加速器”走向“融合计算平台”的清晰演进路线。这不仅改变了量子计算的角色，也重新定义了未来计算基础设施的形态。（后台回复“IBM量超融合新蓝图”即可直接获取）
当前计算体系建立在高性能计算（HPC）之上，以 CPU、GPU 为核心，通过并行计算解决大规模问题。这一体系在过去几十年中极其成功，但它隐含一个前提：问题的计算复杂度能够通过“增加算力”逐步压缩。遗憾的是，这一前提在某些关键领域已经不再成立。以分子模拟、多体物理或组合优化为例，问题规模一旦扩大，计算复杂度往往呈指数级增长，即使是最先进的超级计算机，也难以在可接受时间内得到结果。量子计算之所以受到关注，正是因为它在处理这类问题时具备天然优势。然而，现实中的量子计算机仍然处于“能力有限”的阶段：量子比特数量有限、噪声较大、计算深度受限。这意味着它难以独立承担复杂任务。局势因此变得清晰：经典计算“算不动”，量子计算“还不够”，但两者结合却能让“不可解问题“变得可计算。计算体系的关键不再是“谁更强”，而是“如何协同”，这正是以量子为中心超级计算（QCSC）的出发点：将量子能力嵌入现有计算体系，而不是孤立发展。（后台回复“IBM量超融合新蓝图”即可直接获取）传统模式中，计算资源是同质的（CPU/GPU 集群），任务通过并行化拆分后执行。而在 QCSC 中，系统变成一个本质异构的组合体：量子处理器（QPU）与经典计算资源（CPU/GPU）在同一体系中协同工作，但各自承担完全不同的角色。这种分工并不是简单的加速关系，而是能力层级上的互补：- 量子处理器负责处理“结构复杂但规模较小”的问题，例如量子态采样、相关结构生成。
- 经典计算系统负责处理“大规模但结构清晰”的任务，例如数据处理、优化、对角化计算。
这意味着计算流程被重新组织，不再是“一个算法在一类硬件上运行”，而是一个问题被拆分到不同计算范式中协同求解。在实际应用中，这种分工可在具体计算流程中清晰体现。例如在分子能量计算中，量子计算用于生成可能的电子构型，而真正耗费巨大计算资源的矩阵对角化和优化过程，则完全依赖超级计算机完成。进一步地，在一些闭环计算中，经典计算结果还会反过来调整量子电路参数，形成持续迭代的优化流程。一个重要但容易被忽视的事实是：量子计算是整个计算链条中的关键一环。（后台回复“IBM量超融合新蓝图”即可直接获取）在误差处理场景中，这一点更加明显。为了修正量子计算中的噪声，需要进行大规模经典计算（如张量网络收缩或 Pauli 传播），其计算量甚至可能超过量子计算本身。这直接说明，量子计算的实际价值在与强大的 HPC 协同时能更好体现。这一体系的价值并非抽象概念，而是已在具体应用中有所体现。一系列代表性用例，清晰展现了量子与经典计算是如何协同工作的。在电子结构计算中，基于采样的量子对角化（SQD）典型方法已经在 IBM Heron 处理器与 RIKEN 的 Fugaku 超级计算机上得到验证，能够处理超出传统精确对角化能力范围的问题。在这一验证流程中，量子处理器负责生成电子构型的样本，这些样本本质上是对量子态空间的探索。随后，这些样本被传递给经典超级计算机，由其执行大规模矩阵对角化、筛选和能量计算等步骤。论文中提到，QCSC 已被用于模拟 300 个原子（919 个轨道）规模的 Trp-cage 蛋白质，这是证明 QCSC 具备“实用价值”的关键里程碑。在这一研究案例中，工作流被扩展至模拟多达 33 个轨道的片段，并取得了与耦合簇（CCSD）方法相当的精度，有力证明了混合量子-经典方法在解决科学意义重大系统方面的能力。在此基础上，可以进一步构建“闭环计算”模式。在这种模式中，经典计算不仅处理量子输出，还会将结果反馈回量子系统，用于优化下一轮量子电路的参数，整个过程形成一个持续迭代的优化环路。相比单次计算，这种闭环机制支持持续的参数优化，从而逐步逼近更优解，但同时也对系统的低延迟通信、高带宽数据传输以及稳定调度能力提出了更高要求。误差缓解与量子纠错是另一个关键应用场景。由于当前量子设备存在噪声，原始计算结果往往不够准确，需要通过额外计算进行修正。这些修正通常依赖张量网络收缩或 Pauli 传播等方法，本质上是高强度的经典计算任务。在这一过程中，HPC 系统承担了主要计算负担，其作用不仅是辅助，而是决定结果质量的关键因素。这一事实揭示了一个重要现实：量子计算的有效性，很大程度上取决于经典计算的支撑能力。这些用例共同说明了一点：QCSC 并不是理论设想，而是一种已经在实际系统中运行的计算模式。（后台回复“IBM量超融合新蓝图”即可直接获取）真正的挑战不在于“把量子计算机接入系统”，而在于如何让整个系统围绕量子能力重新组织。因此，QCSC 架构的关键在于分层设计，每一层都承担不同角色，并共同支撑量子-经典协同。在最底层，计算资源被划分为三个层级，这一划分直接决定了系统性能：- 量子系统层：包含 QPU 及其控制系统，负责微秒级操作，是系统中最“敏感”和最稀缺的资源。
- 近端计算层（scale-up）：与量子系统低延迟连接的 CPU/GPU，用于处理需要快速反馈的任务（如实时纠错或参数更新）。在这一层，论文强调了 RDMA over Ethernet (RoCE)、Ultra Ethernet 或 NVQLink 等高性能互联协议的演进，这些技术构成了实现“近实时”反馈的物理“血管”，也是目前 HPC 中心为了兼容量子计算需要提前布局的网络基础设施重点。
- 远端计算层（scale-out）：大规模 HPC 集群，负责高吞吐计算任务（如大规模对角化或数据处理）。
这种结构本质上是在构建一个“分层算力体系”：近端负责速度，远端负责规模。而在资源调度层，问题变成：如何统一管理完全不同类型的计算资源？传统调度系统（如 Slurm）只能管理 CPU/GPU，对量子资源“不可见”，而引入 QRMI（量子资源管理接口）后，量子处理器被抽象为可调度资源，可以像 GPU 一样被分配和管理。这一步看似工程细节，实则至关重要，它意味着量子计算第一次被纳入标准计算体系。中间件层的核心问题是“表达能力”。量子计算和经典计算的表达方式完全不同，如果没有统一抽象，系统就无法自动执行复杂工作流。为此，“张量计算图（TCG）”这一概念被引入，将量子电路、数据处理和优化过程统一表示为计算图结构。这样，整个混合计算流程可以像深度学习模型一样被调度、优化和执行。在应用层，关键方法是“量子嵌入”：将复杂问题拆解为量子子问题与经典子问题，并在统一框架中协同求解。这一步决定了 QCSC 是否真正有用。这一整套架构的意义在于，计算系统不再围绕某种硬件设计，而是围绕“问题结构”设计。（后台回复“IBM量超融合新蓝图”即可直接获取）量子与经典计算的融合并非一步到位，而是一个逐渐深化的过程。在初始阶段，量子计算的角色类似“外挂加速器”，被用于特定子任务，整体流程仍由经典计算主导。这一阶段的特点是松耦合，任务之间通过批处理方式交互，系统结构变化最小。随着技术发展，进入第二阶段，量子与经典计算之间的交互频率显著增加，系统需要支持动态调度、实时反馈以及复杂的混合算法执行。这一阶段的关键变化在于：系统开始围绕混合计算优化，而不是单一计算模式。最终目标是构建完全融合的计算体系。在这一阶段，用户不再需要关心任务运行在量子还是经典硬件上，系统会自动根据问题结构进行最优划分。量子与经典计算在硬件、软件及编程模型上实现统一，形成真正意义上的异构计算平台。这一演进路径揭示了一个关键趋势：未来计算系统的竞争，不再是单一硬件性能，而是系统协同能力。（后台回复“IBM量超融合新蓝图”即可直接获取）当然，构建 QCSC 不仅是技术问题，更面临复杂的系统工程挑战。量子系统的操作需要微秒级响应，而传统 HPC 任务可能运行数小时。如何在同一系统中协调这种差异，是一个根本性问题。
当任务需要频繁交互时，量子设备与经典计算资源必须物理接近，否则通信延迟将成为瓶颈。这直接影响数据中心的设计方式。
量子-经典混合系统涉及多种设备与数据路径，需要新的机制（如 CDE）来确保数据在整个流程中的隔离与保护。
量子设备的性能（如量子比特保真度）会随时间波动，必须实时监测并动态调整，而这在传统计算中几乎不存在。
传统 HPC 依赖批处理调度，而现代计算正在向云原生模式演进。量子计算的引入，需要进一步推动这两种模式融合。
从更宏观的角度看，这项工作的真正意义在于它重新定义了“计算系统”的构成方式，将量子计算从“实验设备”转变为“基础设施的一部分”，并指出了量子计算走向实用化的真正路径：不是单点突破，而是系统融合。这一变化可以被类比为 GPU 在人工智能中的作用：GPU 本身并没有改变计算的本质，但通过与软件框架和系统架构的结合，最终推动了整个 AI 时代的到来。同样，QCSC 的价值不在于某一项具体技术，而在于提供了一种可落地的整体框架，使量子计算有机会真正进入并变革现实世界的计算任务。（后台回复“IBM量超融合新蓝图”即可直接获取）
https://research.ibm.com/blog/quantum-centric-supercomputing-system-reference-architecture
WAIC 2025 对未来智能的深刻拷问：从辛顿的 AI 洞见，到玻尔兹曼机的量子新生
海外量子股狂热上涨！产业、生态齐发力，一场全球 AI+ 量子算力融合战已打响
10 亿澳元投光量子路线！史上最全面分析澳大利亚政府为何最爱 PsiQuantum
量子计算“拐点”已至！英伟达的未来不止GPU，黄仁勋指向了一个新“Q”
播客访谈实录｜量子计算今天就已经能够为客户创造可量化的商业价值
光子芯片新时代即将到来！专访上海交通大学陈险峰教授
移动正谋划一盘量子计算的大棋？中国移动集团级首席专家钱岭谈算力网络
转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。
五度妙笔
API商城
数据库
