谈起量子计算，人们熟悉的往往是实验室里铺满镜片和光路的设备，以及一个又一个不断刷新的“量子优越性”纪录。但对企业客户来说，问题要朴素得多：机器能不能搬出实验室，能解决什么问题，又是否值得为它付费？

　　近日，在2026浦江创新论坛成果发布会科产融合生态研讨专场，图灵量子创始人金贤敏正式发布“TuringQ Gen3大规模芯片级可扩展光量子计算机”。它已经被装进标准IDC机柜，支持单芯片万光子级、百万模式数的计算资源扩展，可以在室温环境下运行。

　　更引人注意的是应用方向。金贤敏在接受包括21世纪经济报道在内的媒体采访时透露，团队正在尝试用这台光量子计算机预测复杂物理系统的变化，比如当下人工智能行业热议的“世界模型”。此前，公司还在金融和生物医药领域做过应用探索。

　　金贤敏表示：“我们非常期待今年能够成为光量子计算或者整个量子计算领域挖掘杀手级应用的元年。”

　　大规模芯片级可扩展三代机

　　面向光量子计算规模化、芯片化和工程化，TuringQ Gen3（下称“三代机”）基于高速可编程薄膜铌酸锂光量子芯片，集成量子光源、可编程光量子处理芯片、单光子探测及量子—经典异构计算等核心模块，构建起全芯片化、模块化、可扩展的整机架构与全栈软硬件体系。

　　记者获悉，其三代机系统采用空时复用架构，将空间光路、时间循环和高速电光调控纳入统一可编程网络，使同一组物理器件能够在不同时间模式中重复参与量子演化，并与空间模式共同形成大规模时空计算网络。

　　其中，高斯玻色采样的重要计算单元“致远3号”支持单芯片万光子级、百万模式数计算资源扩展，在系统规模与实际损耗的严格边界条件下实现芯片级量子优越性，并面向世界模型等人工智能方向开展探索。

　　据了解，大规模高斯玻色采样量子优越性的关键，不仅在于模式数与光子数的提升，还需要在系统损耗条件下，使有效计算规模超出先进经典算法的模拟能力。随着空时复用不断扩大模式规模和线路深度，光子需要经历更多传输、耦合、调控和探测环节，规模扩展与损耗控制的协同优化成为工程化落地的核心难题。

　　2024年，芝加哥大学蒋良团队等在《Nature Physics》发表针对损耗下的高斯玻色采样系统的经典模拟研究，给出了量子优越性在损耗和系统规模方面的严格边界。

　　围绕这一更严格的判定标准，金贤敏团队以芯片工程为核心开展长期技术攻坚。三代机同步推进时空模式扩展与全链路低损耗优化，团队围绕量子光源、片上传输、器件调控、芯片耦合和单光子探测持续优化，薄膜铌酸锂光量子芯片光子线路传输损耗达到0.03 dB/cm，关键单器件插入损耗低于0.1 dB，光纤—芯片单端耦合损耗达到0.9 dB/facet，晶圆级量子光源光谱纯度超过99%，系统总损耗率突破了演示量子优越性的关键瓶颈。

　　值得一提的是，图灵量子已建立“设计—制造—测试—反馈—再迭代”的晶圆级芯片工艺闭环，将优化目标由单器件性能进一步拓展至晶圆级一致性、参数分布和批次重复性，使传输、调控和耦合等关键性能在设计与制造迭代中持续优化，为大规模光量子芯片和整机系统扩展提供工艺支撑。

　　竞争焦点转向量子应用挖掘

　　量子计算曾长期以“量子优越性”为标尺，即在特定任务上完成经典计算机难以完成的计算。但这并非一条静止的边界：量子硬件持续进步，经典模拟算法也在追赶，一些早期实验随后可以被更高效地模拟。金贤敏也直言：“量子计算和经典计算的竞争，是一个你追我赶的过程。”

　　实际上，当量子计算能力跨越经典计算难以高效处理的规模边界后，行业竞赛已从持续刷新实验室条件下的量子优越性纪录，转向面向真实问题挖掘可应用的量子优势。

　　比如，图灵量子此次颇具想象力的尝试，是将高斯玻色采样作为动力学引擎，用于复杂物理系统的长时序预测，并将其归入人工智能“世界模型”的探索。世界模型旨在学习环境如何变化，是具身智能、自动驾驶和机器人等方向的重要基础。金贤敏透露，结果“还在优化过程中”，但已体现“一定的优越性”。

　　而在更接近商业化的场景中，图灵量子选择金融和生物医药作为重点。原因不只是这些领域计算密集，更在于市场空间、需求是否明确以及能否商业变现等因素。据金贤敏介绍，公司已向生物医药企业交付量子—经典混合计算方案，而且也已经实现营收。

　　不过，就行业而言，有机器并不等于有应用，量子团队未必理解每个行业的隐性知识，行业客户也往往缺少能够把问题转化为量子算法的团队。

　　为缩短这段距离，图灵量子正在补齐软件和工具链。在硬件层面，自主研发的XLink低延迟互联架构将QPU、专用量子加速单元与CPU、GPU等经典计算资源纳入统一异构计算体系；在软件层面，打造 DeepQuantum 量子编程框架、量擎量子计算云平台、QAgent 等量子—经典混合软件工具链，覆盖量子算法开发、算力调用、任务调度与工具链管理全流程，将复杂的底层量子硬件封装为可直接调用的计算能力，大幅降低量子算法开发与算力调用门槛。

　　此外，记者了解到，图灵量子还加速推进量子智算中心布局，将光量子计算机接入现有智算基础设施，实现量子算力与经典算力的统一调度、稳定部署与持续调用，为产业应用提供工程化支撑。

　　金贤敏表示，真正具有应用价值的量子优势，无法由一家量子计算企业单独定义。正如GPU从专业计算工具逐步走向广泛应用，量子计算也需要让更多科研人员、开发者和行业用户便捷使用、广泛参与，更需要各行业开放真实场景、提出真实问题。“只有让量子计算走进更多实际场景，在应用中验证优势、发现价值，才能不断拓展其应用边界，推动量子计算与各行业深度融合。”