量子计算目前面临的最大难题之一就是 错误率过高。如果错误无法被有效控制，就必须使用大量额外量子比特进行纠错，导致系统规模和成本迅速膨胀。

猫量子比特的思路是：

• 在硬件层面减少错误产生
• 降低量子纠错的开销
• 让构建大规模量子计算机更现实

此次B轮融资的扩展将帮助公司继续研发更大规模的量子处理器并完善其系统架构。

尽管 NVentures 的具体投资金额未公开，但这一投资被视为英伟达在量子计算领域战略布局的重要一步。

为什么量子计算离不开GPU

量子计算机并不是独立工作的设备。即使在最先进的实验系统中，大量关键任务仍然依赖传统计算资源，例如：

• 编译量子电路
• 模拟量子算法
• 处理测量结果
• 执行量子纠错算法

英伟达的判断是：真正实用的量子计算将来自量子处理器与AI级超级计算机的深度融合。

在这种架构中：

• QPU 负责执行量子运算
• GPU 负责模拟、优化和实时控制

这也是英伟达与多家量子硬件公司合作的核心方向。

CUDA‑Q：量子‑经典混合编程平台

双方合作的关键软件平台之一是 NVIDIA CUDA‑Q。这是一个开源量子开发平台，支持在 CPU、GPU 和 QPU 之间协同运行程序。

CUDA‑Q 的特点包括：

• 统一的混合编程模型
• 支持多种量子硬件（QPU‑agnostic）
• 当真实量子硬件不足时可利用GPU进行模拟

这意味着研究人员可以在同一个程序中同时调用经典计算资源和量子硬件，从而更容易开发大规模量子算法。

cuQuantum：GPU加速量子模拟

在量子算法真正运行在量子处理器之前，研究人员通常需要先进行大规模模拟。

英伟达的 cuQuantum 软件开发工具包利用GPU进行量子电路模拟，使研究人员能够以远高于当前量子硬件能力的规模研究算法。

这种模拟能力在以下阶段尤其重要：

• 新量子算法设计
• 硬件架构验证
• 量子控制系统测试

Dynamiqs：GPU模拟猫量子比特系统

Alice & Bob 还开发了一个开源量子模拟库 Dynamiqs，用于研究量子系统的物理动态。

公司已经将 CUDA‑Q 集成到 Dynamiqs 中，使GPU能够加速猫量子比特系统的模拟。

早期基准测试显示，这种组合可将模拟效率提升 最高约75倍。

更快的模拟意味着研究人员可以更高效地：

• 测试控制协议
• 优化量子纠错方法
• 改进硬件设计

NVQLink：连接GPU与量子处理器

在系统层面，双方还在合作开发 NVQLink 架构，这是一种将GPU与量子处理器直接连接的开放平台。

NVQLink 的目标是让 超级计算节点成为量子计算系统的一部分。它通过低延迟通信，把传统超级计算机主机与量子系统控制器紧密连接。

在这种架构中，GPU可以实时参与量子计算流程，例如：

• 量子电路编译
• 量子纠错解码
• 动态校准量子比特
• 根据测量结果进行反馈控制

这些实时任务对于构建 容错量子计算机 至关重要。

目标：量子‑经典混合超级计算机

英伟达与Alice & Bob的长期目标并不是单一的量子设备，而是 面向高性能计算（HPC）中心的混合超级计算平台。

在这种系统中：

• 量子处理器 执行特定量子算法
• GPU集群 负责模拟、优化和控制
• 软件平台（如CUDA‑Q） 统一协调计算流程

通过把猫量子比特处理器整合进英伟达的加速计算生态，两家公司希望让量子硬件能够在 现有AI与超级计算基础设施中部署和运行。

如果这一模式成功，量子计算可能不再只是实验室里的设备，而会逐渐发展成 与GPU超级计算并行工作的混合计算平台，用于解决材料科学、药物研发、优化问题等现实世界难题。

量子计算目前面临的最大难题之一就是 错误率过高。如果错误无法被有效控制，就必须使用大量额外量子比特进行纠错，导致系统规模和成本迅速膨胀。

猫量子比特的思路是：

• 在硬件层面减少错误产生
• 降低量子纠错的开销
• 让构建大规模量子计算机更现实

此次B轮融资的扩展将帮助公司继续研发更大规模的量子处理器并完善其系统架构。

尽管 NVentures 的具体投资金额未公开，但这一投资被视为英伟达在量子计算领域战略布局的重要一步。

为什么量子计算离不开GPU

量子计算机并不是独立工作的设备。即使在最先进的实验系统中，大量关键任务仍然依赖传统计算资源，例如：

• 编译量子电路
• 模拟量子算法
• 处理测量结果
• 执行量子纠错算法

英伟达的判断是：真正实用的量子计算将来自量子处理器与AI级超级计算机的深度融合。

在这种架构中：

• QPU 负责执行量子运算
• GPU 负责模拟、优化和实时控制

这也是英伟达与多家量子硬件公司合作的核心方向。

CUDA‑Q：量子‑经典混合编程平台

双方合作的关键软件平台之一是 NVIDIA CUDA‑Q。这是一个开源量子开发平台，支持在 CPU、GPU 和 QPU 之间协同运行程序。

CUDA‑Q 的特点包括：

• 统一的混合编程模型
• 支持多种量子硬件（QPU‑agnostic）
• 当真实量子硬件不足时可利用GPU进行模拟

这意味着研究人员可以在同一个程序中同时调用经典计算资源和量子硬件，从而更容易开发大规模量子算法。

cuQuantum：GPU加速量子模拟

在量子算法真正运行在量子处理器之前，研究人员通常需要先进行大规模模拟。

英伟达的 cuQuantum 软件开发工具包利用GPU进行量子电路模拟，使研究人员能够以远高于当前量子硬件能力的规模研究算法。

这种模拟能力在以下阶段尤其重要：

• 新量子算法设计
• 硬件架构验证
• 量子控制系统测试

Dynamiqs：GPU模拟猫量子比特系统

Alice & Bob 还开发了一个开源量子模拟库 Dynamiqs，用于研究量子系统的物理动态。

公司已经将 CUDA‑Q 集成到 Dynamiqs 中，使GPU能够加速猫量子比特系统的模拟。

早期基准测试显示，这种组合可将模拟效率提升 最高约75倍。

更快的模拟意味着研究人员可以更高效地：

• 测试控制协议
• 优化量子纠错方法
• 改进硬件设计

NVQLink：连接GPU与量子处理器

在系统层面，双方还在合作开发 NVQLink 架构，这是一种将GPU与量子处理器直接连接的开放平台。

NVQLink 的目标是让 超级计算节点成为量子计算系统的一部分。它通过低延迟通信，把传统超级计算机主机与量子系统控制器紧密连接。

在这种架构中，GPU可以实时参与量子计算流程，例如：

• 量子电路编译
• 量子纠错解码
• 动态校准量子比特
• 根据测量结果进行反馈控制

这些实时任务对于构建 容错量子计算机 至关重要。

目标：量子‑经典混合超级计算机

英伟达与Alice & Bob的长期目标并不是单一的量子设备，而是 面向高性能计算（HPC）中心的混合超级计算平台。

在这种系统中：

• 量子处理器 执行特定量子算法
• GPU集群 负责模拟、优化和控制
• 软件平台（如CUDA‑Q） 统一协调计算流程

通过把猫量子比特处理器整合进英伟达的加速计算生态，两家公司希望让量子硬件能够在 现有AI与超级计算基础设施中部署和运行。

如果这一模式成功，量子计算可能不再只是实验室里的设备，而会逐渐发展成 与GPU超级计算并行工作的混合计算平台，用于解决材料科学、药物研发、优化问题等现实世界难题。