和光量子的光子量子運算商業化路線：先做混合加速器，再挑戰容錯系統

和光量子（Heguang Quantum）正採取分階段策略推進光子量子運算商業化：先提升容錯所需的糾錯資源，再透過光纖連接模組化處理器，最後在挑戰通用、完全容錯系統之前，先推出混合式量子加速器。該公司已完成種子輪融資，並表示 HQ10 量子加速器計畫於 2027 年開始銷售。589

核心主張：可確定性生成光子 GKP 資源

和光量子表示，已透過自有的可插拔非線性硬體模組，達成光子 Gottesman–Kitaev–Preskill（GKP）糾錯碼資源的可確定性生成。該公司宣稱，目標是解決 GKP 狀態準備過去帶有機率性、因而限制光子量子運算擴展的難題。5810

這個方向在技術上確實重要。GKP 編碼利用光的量子態承載資訊，並讓資訊處於較有利於錯誤校正的形式。模組化光子架構研究指出，一旦取得所需資源，光學 GKP 編碼的吸引力在於：邏輯閘與糾錯操作可採用可確定性、室溫下運作的線性光學元件完成。3 另有整合式光子研究顯示，GKP 量子位元狀態可利用分光器、相位調變器與同調偵測器，實現可確定性的 Clifford 操作。17

不過，準備 GKP 狀態與使用這些狀態進行運算，是兩個不同層次的問題。光子硬體長期常依賴機率性的光源生成；例如，一個可製造的光子平台採用自發四波混頻產生單光子，雖可藉由伴隨訊號確認生成，但本質上仍具機率性。19 近期也有研究以整合式非線性模組實現準可確定性、而非完全可確定性的光學 GKP 狀態生成。2

因此，和光量子的公告目前應視為公司自行報告的技術里程碑，尚不能等同於已獲獨立驗證的首創成果。現有報導未提供該模組的同儕審查論文，也沒有獨立報告的裝置效能指標。589

為何選擇模組化光纖網路？

該公司的第二項布局是「橫向擴展」。和光量子表示，正開發以光纖網路連接的模組化光子量子節點，且已宣稱完成跨越公里尺度鏈路的任務驗證。8

商業邏輯不難理解：相較於打造單一、規模愈來愈大且非線性控制愈複雜的光子處理器，複製較小單元並將其互連，可能更易於工程化。模組化設計可將研發重心放在可重複製造的節點、光學互連、同步與控制，而不是每次擴大系統規模都得面對一套全新的硬體問題。

這並非罕見構想。已有已發表研究展示以擴展與網路化為設計核心的模組化光子量子運算架構，並採用光學 GKP 編碼。3 Xanadu 對其晶片上抗錯光子量子位元的說明也指出，GKP 狀態適合透過標準光纖進行晶片間網路連接。11

但完成公里尺度的任務驗證，並不等於已證明能以經濟可行的方式打造可擴展容錯電腦。真正要看的系統層面問題，包括光學損耗、同步、糾纏品質與速率、錯誤校正，以及控制開銷能否隨節點數與鏈路距離增加而維持在可接受範圍。決定這套架構能否成為實用產品的，是這些量測結果，而非僅僅「能接上光纖」。

在完全容錯前，先推出混合式產品

和光量子的近期產品是 HQ10。該公司將其定位為量子加速處理器，預計與 GPU、CPU、TPU 協同運作，而不是取代傳統運算系統；銷售目標為 2027 年。5910

這種定位讓商業提案比單純承諾未來的通用量子電腦更具體。在混合式工作流程中，傳統系統可負責協調、資料準備、最佳化與後處理，量子元件則處理較狹窄的工作負載或實驗性運算核心。

但這也設下很高門檻。混合式加速器必須在應用層面證明價值：能穩定執行、可與既有基礎設施有效整合，並在可接受成本下，展現純傳統工作流程無法提供的效能或能力。僅有硬體展示，並不足以建立這種優勢。

這是一場系統工程競賽，不是量子位元數字競賽

綜合來看，和光量子公布的路線強調全端能力：糾錯資源生成、模組化硬體、網路化，以及量子與傳統運算的混合部署。這與單純以實體量子位元數量作為主要競爭指標的商業敘事不同。58

對光子量子運算而言，這樣的側重有其合理性。GKP 方法的可確定性操作與網路化潛力確實是重要優勢；但其價值仍取決於底層資源的品質、可重複性與整合程度。317

接下來該看哪些指標？

最值得關注的後續里程碑包括：

• 獨立的 GKP 驗證： 所宣稱可確定性資源生成的品質、生成速率與可重複性。
• 邏輯層級效能： 端到端的邏輯錯誤率，而不只是元件或狀態準備的成果。
• 網路擴展能力： 隨著更多節點接入後，光纖鏈路損耗、同步表現與實用任務效能。
• HQ10 基準測試： 在明確定義的工作負載下，與僅使用 GPU 或其他傳統方案的比較。
• 商業執行力： 2027 年規劃銷售期到來時，是否能提出整合、定價、可維護性與實際交付的證據。

和光量子在種子輪後提出的藍圖，確實對準了光子量子運算的真實難題。不過，依目前可得證據，較審慎的結論是：該公司勾勒出一條具技術合理性的架構方向與可辨識的產品路徑，但要證明能穩定、可重複地取得商業量子優勢，仍有待後續驗證。589