Quantinuum联手甲骨文，把Helios搬进AI数据中心

量子计算上云，早已不是什么新鲜事。IBM、AWS、微软、谷歌早在近些年就陆续上线量子云服务，全球开发者在线跑量子线路早已常态化。但Quantinuum与甲骨文在2026年刚宣布的合作，仍然值得关注。

双方签署了一项多年期战略合作协议，将Quantinuum的第三代离子阱量子计算机Helios部署在甲骨文云基础设施（OCI）设于美国境内的AI数据中心内，并以OCI量子服务的形式向客户提供。

据官方表述，Helios不只是能够“通过OCI访问”，重要的是可以在OCI基础设施内部本地运行，与其GPU、高性能计算、网络、存储、身份管理和数据服务进行集成。

可见，Quantinuum与甲骨文要做的，是把QPU（量子处理器）变成数据中心内的一种异构计算资源，和CPU、GPU、HPC集群、数据库及AI模型共同参与一条工作流。

量子上云不新鲜

量子计算上云，已经不是一个新故事。回看量子计算产业的发展，“量子上云”大致经历了三个阶段。

第一阶段，量子计算机主要是一台高度实验化的科研设备。

量子计算机本质上是一套与低温系统、激光器、测控系统高度耦合的复杂实验装置。用户必须尽可能接近硬件本身。这一阶段的量子计算机主要服务于国家实验室、高校、科技企业内部团队和少数联合研究项目，商业属性几乎为零，普通企业用户几乎无法触达。

第二阶段，QPU开始成为远程云服务。

2016年，IBM将量子计算机接入云端，普通用户可以通过网络运行量子线路。此后，亚马逊推出Amazon Braket，微软建设Azure Quantum，谷歌、D-Wave、IonQ、Rigetti和Quantinuum等企业也逐步建立或接入远程量子计算服务。这个阶段，量子云解决的核心问题是访问权，让更多人能够触摸到量子计算的门槛。

第三阶段，QPU进入混合计算基础设施。这个阶段QPU真正进入混合计算基础设施，与经典CPU、GPU、HPC集群、企业数据库和数据治理系统组成一个完整的端到端工作流。

整体来看，第一代量子云卖的是机器时间，下一代量子云要卖的是完整工作流。

Quantinuum与甲骨文此次试图进入的，正是第三阶段。Helios被直接部署在OCI的AI数据中心内，与甲骨文自有的GPU及高性能计算基础设施物理共址。

因为目前不少所谓的量子云，本质上是一个聚合型入口。

云平台提供一个统一入口，用户提交任务后，请求被转发至量子硬件提供商自有的数据中心。用户获得了“聚合访问”的体验，但QPU与云平台的其他计算资源并不物理共址，更谈不上深度集成。

反观Quantinuum这次的做法，官方用了一个非常关键的词语“部署”。部署和接入在实际应用中还是有很大差异的。

一是数据路径。深度集成的模式下，量子任务与经典预处理、后处理任务可以在同一可用区内完成数据交换，无需经过公网或复杂的VPN隧道，延迟和安全性都更有保障。

二是工作流抽象。当量子硬件与GPU、CPU形成并列时，开发者可以像申请GPU实例一样申领量子算力，而非通过一个特殊的、与常规开发工具割裂的独立接口。

Quantinuum与甲骨文此次的合作，主要是想要把QPU与现有的OCI计算、网络、存储、身份和数据服务无缝集成，并计划推出OCI量子服务，让开发者能够“从仿真平滑过渡到真实量子硬件执行”。

如果这一目标实现，量子计算将真正融入企业IT体系，而不再是一个需要专门学习、专门对接的“异物”。

为什么是甲骨文

从表面上看，甲骨文并不是量子云赛道最早的参与者。

比如，AWS通过Amazon Braket接入多家量子硬件，微软Azure Quantum建立了多硬件生态，IBM则拥有从芯片、整机到云平台，再到Qiskit软件栈的纵向生态体系。所以此时，甲骨文选择Quantinuum进入这一赛道，也是很耐人寻味的。

近年来，在AI算力军备竞赛中，甲骨文凭借OCI的分布式架构和相对灵活的定价策略，在AI基础设施市场撕开了一道口子。量子计算作为“下一个计算范式”，天然适合作为差异化标签。当其他云厂商已经在量子云上跑马圈地时，甲骨文就需要有一个足够强大的合作方以及足够深度的集成方案才能“证明我不是追赶者”。

同时，“云化”是量子商业化的关键临界点。

从Quantinuum的财务数据来看，这家公司的商业化运作正在快马加鞭。2026年Q2，Quantinuum的营收为800万美元，同比增长279%；GAAP毛利率64.4%，同比增长27个百分点。

但量子计算要从增速可观到规模商业化又面临一个根本问题：降低企业用户的使用门槛。

对于很多潜在用户——药企、材料公司、金融机构——自建量子计算能力既不现实也没必要。云化部署模式将硬件采购和运维成本转移给了云服务提供商，使企业用户只需为实际使用的算力付费。这就大幅降低了量子计算的使用门槛。

因此，云化是大规模降低这道门槛的最佳途径。而和云巨头深度绑定，是量子厂商实现“云化”最高效跳板。

此外，埃里森理工学院GBI科学计算负责人Johannes Blaschke也在合作声明中表示：“我们的路线图包括探索经典-量子混合计算，以加速科学发现……在OCI中同时提供GPU和QPU，将提供一个一体化平台，简化新硬件的运行，并通过让研究人员专注于创新，帮助我们快速从概念到执行。”

埃里森理工学院是甲骨文创始人拉里·埃里森（Larry Ellison）个人出资创办的研究机构，主要方向包括癌症研究、大流行病预防和AI驱动的医学发现。

这个机构出现在合作声明里同时明确提到量子-经典混合计算路线图，也表明量子+HPC+AI混合工作流的应用场景，已经进入具体的科研落地规划阶段。

从埃里森本人的战略视野来看，这个背书也意味着这次合作不只是甲骨文云业务部门的一次采购决策，更是更高层面的战略布局。

量子+AI已成为主流叙事

此次合作的官方表述中，“混合量子-AI工作负载”多次出现。不难看出，量子+AI融合，几乎是当下行业最热的应用叙事。

NVIDIA是量子+AI融合趋势里最活跃的经典计算侧公司。Quantinuum在本季度的研究进展中特意提到了一项与NVIDIA和一家财富100强制药公司的三方合作演示：研究团队演示了AI驱动的量子模拟如何潜在地增强制药应用中的分子属性表征。

这是一个明确的应用场景，即使用量子模拟产生经典计算难以获得的分子电子结构数据，再用AI从这些数据中提取特征和进行预测建模，二者形成互补而非替代的关系。

而在去年，NVIDIA CEO黄仁勋在GTC 2025大会上就明确表示，量子计算不是GPU的替代品，而是加速器——GPU负责训练AI，量子计算负责解决特定类型的指数级复杂问题。

Google DeepMind的量子+AI动作则体现在更基础的研究层面。DeepMind已经把机器学习方法应用于量子电路优化，探索用AI自动发现更高效的量子算法结构。这条路线的长期价值在于，AI可能帮助人类找到量子算法的快捷路径，避开人工设计量子线路的高门槛。

IBM也在推进量子+AI融合架构，他们提出“量子中心计算（Quantum-Centric Supercomputing）”的概念，明确把量子处理器定位为经典HPC和AI工作流中的协处理器，而不是独立的计算平台。

微软走了一条更为务实的捷径。他们的动作是卖后量子密码学（PQC）。在量子计算机大规模落地之前，PQC可以在企业数据安全场景中快速产生商业价值——帮助企业抵御未来量子计算机破解现有加密协议的潜在威胁。微软已经在Azure上全面推进PQC部署，这是量子技术在AI安全领域最早变现的切口之一。

从更宏观的视角来看，量子+AI融合趋势背后有一个清晰的技术逻辑支撑：当前的AI大模型在处理某些组合优化、量子化学模拟和密码学问题时，面临的是经典计算架构的本质性限制，不只是算力不足的问题。

量子计算机处理这些问题的方式，在理论上提供了指数级的加速可能。两种技术栈在各自擅长的领域形成协同，才是混合计算架构最终的价值主张。

[1]https://www.quantinuum.com/press-releases/quantinuum-and-oracle-partner-to-accelerate-hybrid-quantum-compute-adoption-on-oracle-cloud-infrastructure

[2]https://www.quantinuum.com/press-releases/quantinuum-reports-second-quarter-2026-results