IBM 公布量子-經(jīng)典高性能計(jì)算藍(lán)圖

當(dāng)商用化、可規(guī)模化、具備容錯能力的量子計(jì)算時(shí)代真正到來、實(shí)現(xiàn)廣泛普及之時(shí)，至少在初期，它將以云服務(wù)的形式存在，并與強(qiáng)大的傳統(tǒng)超級計(jì)算機(jī)深度融合；量子計(jì)算會成為類似加速器的計(jì)算節(jié)點(diǎn)，與 CPU、GPU 協(xié)同運(yùn)行，承接傳統(tǒng)硬件難以勝任的超復(fù)雜計(jì)算任務(wù)。

如今，越來越多高端計(jì)算領(lǐng)域的行業(yè)巨頭，以及中小型廠商與初創(chuàng)企業(yè)，都在逐步搭建技術(shù)框架，推動這類融合系統(tǒng)實(shí)現(xiàn)穩(wěn)定運(yùn)行。正如我們?nèi)ツ晁觯瑸槌掷m(xù)擴(kuò)張的人工智能市場提供核心算力支撐的英偉達(dá)，已開始為其產(chǎn)品新增高性能計(jì)算（HPC）與量子計(jì)算互聯(lián)的相關(guān)能力。例如，NVQLink是用于連接傳統(tǒng)超算與量子系統(tǒng)的高速互聯(lián)協(xié)議，而CUDA-Q則是英偉達(dá)推出的量子 - 經(jīng)典融合計(jì)算平臺。

近期，初創(chuàng)企業(yè) Quantum Elements通過人工智能與數(shù)字孿生技術(shù)相結(jié)合，加速商用化容錯量子計(jì)算的落地進(jìn)程；而Quantum Machines本周發(fā)布了開放式加速堆棧框架，面向希望將任意傳統(tǒng)計(jì)算流程集成至量子控制堆棧的用戶。該公司聯(lián)合創(chuàng)始人兼首席技術(shù)官約納坦?科恩表示：“這標(biāo)志著行業(yè)正從量子計(jì)算演示階段，轉(zhuǎn)向規(guī)模化部署與系統(tǒng)融合階段。它滿足了量子技術(shù)發(fā)展兩大核心需求：實(shí)時(shí)糾錯與高級量子比特校準(zhǔn)，同時(shí)在兼顧用戶體驗(yàn)與性能的前提下，為軟硬件規(guī)模化拓展搭建了框架。”

量子 - 經(jīng)典融合系統(tǒng)的必要性

量子計(jì)算與高性能計(jì)算融合的構(gòu)想已被探討多年。超導(dǎo)量子處理器初創(chuàng)企業(yè)QuantWare指出：“隨著傳統(tǒng)計(jì)算與量子計(jì)算的邊界日益模糊，行業(yè)正形成統(tǒng)一愿景：未來高性能計(jì)算將走向異構(gòu)架構(gòu)，量子計(jì)算會成為現(xiàn)有計(jì)算體系中又一重要‘工具’。”

這一議題甚至上升至國家安全層面。美國戰(zhàn)略與國際研究中心（CSIS）本月發(fā)布報(bào)告稱：“將量子計(jì)算機(jī)融入美國頂尖超級計(jì)算系統(tǒng)，已是美國在下一時(shí)代計(jì)算領(lǐng)域保持技術(shù)領(lǐng)先的戰(zhàn)略要務(wù)。盡管美國在超級計(jì)算與量子計(jì)算領(lǐng)域均處于領(lǐng)先地位，但在量子 - 超算混合系統(tǒng)研發(fā)上，已落后于歐洲與日本。”

藍(lán)色巨人的技術(shù)藍(lán)圖

IBM 本月公布了一套參考架構(gòu)，企業(yè)高管稱其為行業(yè)提供了量子與傳統(tǒng)計(jì)算融合、實(shí)現(xiàn)任務(wù)協(xié)同運(yùn)行的技術(shù)路線圖，IBM 將其命名為量子中心超級計(jì)算（QCSC）。IBM 院士兼量子中心超級計(jì)算首席技術(shù)官Jerry Chow向表示，該架構(gòu)是“未來計(jì)算的藍(lán)圖，同時(shí)兼顧與現(xiàn)有技術(shù)的兼容性和互補(bǔ)性”。

“量子計(jì)算與高性能計(jì)算必須深度融合，目前已有諸多機(jī)構(gòu)在數(shù)據(jù)中心內(nèi)部署相關(guān)設(shè)備。我們希望明確劃定技術(shù)方向，從技術(shù)層面展示異構(gòu)計(jì)算的實(shí)現(xiàn)路徑 —— 讓量子處理器與 GPU、CPU 在高性能計(jì)算平臺中實(shí)現(xiàn)互操作、通信、統(tǒng)一調(diào)度，并面向終端應(yīng)用完成編程。”

據(jù) IBM 科學(xué)家介紹，這份在研究論文中詳細(xì)闡述的參考架構(gòu)分為多層，以硬件基礎(chǔ)設(shè)施為根基，而硬件層又劃分為三個層級，各層級具備獨(dú)立計(jì)算能力、互聯(lián)方案與物理部署位置：

?底層：量子系統(tǒng)，包含傳統(tǒng)運(yùn)行時(shí)環(huán)境與一臺或多臺互聯(lián)量子處理器（QPU）；運(yùn)行時(shí)環(huán)境由專用傳統(tǒng)加速器（FPGA、ASIC）與 CPU 組成，負(fù)責(zé)支撐量子處理器的各項(xiàng)操作，涵蓋糾錯編碼、量子比特校準(zhǔn)、主動重置等。

?第二層：與量子系統(tǒng)就近部署的可編程 CPU、GPU 系統(tǒng)，通過低延遲近實(shí)時(shí)互聯(lián)協(xié)議連接，包括融合以太網(wǎng)遠(yuǎn)程直接數(shù)據(jù)存取（ROCE）、超以太網(wǎng)、NVQLink 等。

?第三層：合作伙伴的橫向擴(kuò)展系統(tǒng)，可部署于云端或本地機(jī)房。

基礎(chǔ)設(shè)施之上為調(diào)度層，包含量子資源管理接口（QRMI）—— 這是一個開源庫，可屏蔽硬件底層細(xì)節(jié)，提供量子資源獲取、任務(wù)執(zhí)行、系統(tǒng)監(jiān)控的應(yīng)用程序接口。此外還有應(yīng)用中間件（實(shí)現(xiàn)量子與傳統(tǒng)編程模型的通信）與應(yīng)用軟件。

“CPU 以二進(jìn)制編碼處理信息，GPU 依托張量運(yùn)算，而量子處理器的編程模型則基于量子電路。將現(xiàn)有求解器升級為量子中心超級計(jì)算求解器，需要搭建應(yīng)用層，讓計(jì)算庫將任務(wù)拆解為可在不同環(huán)境中運(yùn)行的模塊。該層實(shí)現(xiàn)了傳統(tǒng)計(jì)算庫與量子計(jì)算庫的協(xié)同，依托傳統(tǒng)算力完成量子任務(wù)的預(yù)處理、優(yōu)化與后處理，生成適配特定應(yīng)用領(lǐng)域的量子電路。”

Jerry Chow表示，IBM 早已開展量子與傳統(tǒng)計(jì)算融合的探索，通過與克利夫蘭醫(yī)學(xué)中心基于量子中心超級計(jì)算工作流的合作研究發(fā)現(xiàn)，量子計(jì)算在物理、化學(xué)領(lǐng)域的計(jì)算能力已可與傳統(tǒng)計(jì)算相媲美。IBM 還與日本理化學(xué)研究所（RIKEN）及其富岳超級計(jì)算中心合作，完成了該參考架構(gòu)的早期部署驗(yàn)證。

“整體而言，該架構(gòu)以算力在時(shí)間或空間上的緊密耦合為核心方向，展示了多種應(yīng)用場景。我們希望通過架構(gòu)的持續(xù)演進(jìn)指引行業(yè)發(fā)展，這并非唯一終極架構(gòu)，而是逐步實(shí)現(xiàn)算力更深度耦合的技術(shù)路徑。長遠(yuǎn)來看，隨著核心應(yīng)用領(lǐng)域的算法、程序庫不斷拓展，我們將推動系統(tǒng)協(xié)同設(shè)計(jì)，實(shí)現(xiàn)規(guī)模化擴(kuò)展。”

IBM 還發(fā)布了時(shí)間線，規(guī)劃了未來數(shù)年量子 - 傳統(tǒng)計(jì)算融合的技術(shù)演進(jìn)路徑。

Jerry Chow稱，另一項(xiàng)關(guān)鍵時(shí)間節(jié)點(diǎn)同樣意義重大：該參考架構(gòu)的核心技術(shù)支撐，首先來自 2023 年發(fā)布的蒼鷺（Heron）133~156 比特超導(dǎo)量子芯片，以及 2025 年 11 月推出的Nighthawk 120 比特量子芯片。

他表示，Nighthawk芯片讓 IBM “實(shí)現(xiàn)了部分量子電路的算力超越傳統(tǒng)計(jì)算機(jī)的精確模擬極限”。“這一芯片成為眾多用戶開展前沿探索的試驗(yàn)場，研究重心不再局限于器件本身，而是轉(zhuǎn)向基于量子處理器的科研實(shí)踐。其中核心問題便是：如何讓量子算力與用戶日常使用的傳統(tǒng)算力協(xié)同工作？”

他強(qiáng)調(diào)，量子計(jì)算不會完全取代傳統(tǒng)計(jì)算基礎(chǔ)設(shè)施，正如 CPU 與 GPU 協(xié)同工作一樣，量子處理器將成為計(jì)算架構(gòu)中的重要組成部分。

“從算法角度而言，要讓各類加速器在其擅長的領(lǐng)域發(fā)揮最大價(jià)值：用 CPU 處理靜態(tài)批處理任務(wù)，用 GPU 完成矩陣與張量運(yùn)算 —— 這一分工不會改變；而量子電路，即依托量子糾纏、疊加態(tài)實(shí)現(xiàn)的量子計(jì)算語言，則交由量子處理器完成。算法層面的核心挑戰(zhàn)，在于如何最優(yōu)調(diào)度各類算力。當(dāng)下令人振奮的是，借助這類混合計(jì)算模型與參考架構(gòu)，行業(yè)已開始探索如何最大化發(fā)揮各類算力的價(jià)值。”

邀約｜AMD 技術(shù)日 ：Physical AI - 機(jī)器人前沿（4.2,北京）