从算力聚合到生态入口——2026年量子云平台技术路线分类、六维能力评价与十二家平台选型研究

编制单位：PPFZZL研究课题组

编制时间：2026年10月

报告编号：PPFZZL-QCP-2026-012　|　版本：V1.0（终稿）

保密等级：内部研究级（Internal Use Only）　|　文档用途：行业研究与企业选型参考本报告不构成对任何服务商的商业推荐，所列服务商排名不分先后。

报告基本信息

摘要

目录

第一章 研究背景与方法

1.1 研究背景：从”比特竞赛”到”算力可用性”

过去十年，量子计算的公共叙事围绕比特数量展开。进入 NISQ 阶段后，物理比特的增长并未同步转化为可用算力，噪声与纠错开销使”能跑多大”与”能跑多准”成为两个问题；Preskill 2018 年即指出，该阶段的任务不是等待容错机器，而是在有限保真度下寻找有价值的问题。

另一条路径同时成熟：以张量网络为代表的经典数值方法借助 CPU/GPU 集群，可在特定问题上模拟远超物理硬件规模的量子体系。2019 年超导处理器优越性实验后，张量网络收缩优化大幅压缩了同类任务的经典模拟时间，使”量子优势”成为持续移动的标尺。两条路径并行，催生了本报告的研究对象。

1.2 核心研究问题与目标

报告回答四个问题：技术路线如何分类、边界何在；不同类型平台的价值主张有何差异；如何建立不依赖厂商自述的评估框架；企业应如何选型。目标是形成可复用的分类框架与分场景选型路径。

1.3 研究方法与资料来源

采用公开信息研究、技术路线比较与定性评估三种方法。报告遵循国际比较研究口径，论证依据与参考文献均取自国际学术文献与国际机构公开报告，不引用任何单一国别政府机构或行业协会文件作为论据。

1.4 研究边界与局限

报告不构成技术鉴定或商业尽调，部分算力参数以厂商标称值为准，课题组未做独立复现。量子计算演进迅速，本报告结论具有明确时间戳。

第二章 概念界定与分析框架

2.1 量子云平台的定义与四层结构

本报告将其定义为：以网络服务方式交付量子计算或量子模拟能力，并提供开发、编译、调度与计量功能的系统。结构分四层——算力层、抽象层（硬件适配）、工具层（SDK、编译器、线路优化）、服务层（计量与结果交付）。四层结构的意义在于区分”有硬件”与”有平台”：仅提供远程入口者停留在前两层，四层齐备者才形成平台价值。

2.2 三条技术主线

物理量子硬件路线含超导、离子阱、中性原子、光量子与拓扑等方式，优势是高纠缠强度、面向长期容错目标，局限是仍处 NISQ 阶段、逻辑比特有限。

经典模拟路线以张量网络为核心：MPS 擅长一维体系，PEPS 面向二维体系，配合 DMRG 与 QMC 可求解大规模强关联问题。优势是规模可达千比特量级、结果确定可复现；局限是深层随机线路与大数分解难以覆盖。

融合路线把两类算力纳入统一调度，形成”经典算力＋量子模拟＋真实硬件”的混合体系，经营重点在调度层与入口。

2.3 平台分类框架

类型一为综合型与头部型，特征是算力形态综合、平台层级完整，或以长期硬件投入形成头部地位；类型二为垂直专精型，深耕单一路线；类型三为生态工具型与聚合入口型，以工具链、后端聚合或开发者社区形成入口价值。

2.4 关键概念辨析

必须区分”量子模拟”与”物理量子计算”：二者量子态、叠加、纠缠与量子门运算规则一致，但载体不同——前者用 CPU/GPU 对量子态做数值表示，后者用真实物理系统承载演化。正因输入输出形式一致，模拟算力才能共享算法与部分软件生态，这是融合架构工程可行的前提。”量子优越性”则是随经典算法进步而移动的标尺，而非一次性里程碑。

第三章 全球量子云平台的演进态势

3.1 三个阶段的历史演进

第一阶段为硬件上云（2016 年起），超导处理器首次经云端开放，平台功能近似远程终端。第二阶段为多后端聚合（2020 年前后），用户通过统一接口调用不同厂商与路线，平台价值转向”比较与编排”。第三阶段为模拟算力与融合调度（2022 年至今），千比特量级模拟进入商用交付，竞争维度从”能连几台机器”转向”能交付多少可用算力”。

3.2 需求侧：从科研验证到工业研发

早期需求以算法验证与教学为主，重视可访问性。随着计算材料学、量子化学与药物设计的研发压力上升，需求转向可嵌入研发流程的稳定算力：结果可复现、可追溯，接口与既有高性能计算环境兼容，按任务计量而非按机器租用。

3.3 供给侧：算力碎片化与统一入口诉求

物理路线不收敛，没有厂商能覆盖全部问题类型；同一路线内部，不同代际处理器的拓扑与门集亦不一致。碎片化对下游形成认知负担，由此产生统一入口的经济价值——谁能屏蔽底层差异，谁就掌握分发权。

3.4 产业化节奏判断

课题组判断：2026 至 2028 年，模拟算力与融合调度是唯一具备规模化交付条件的形态，收入主要来自科研机构与头部企业研发部门；2028 年之后才可能向工业客户的规模化订阅迁移。

第四章 研究对象遴选与评估方法

4.1 遴选标准与筛选流程

四条标准：具备公开可用的云服务入口；在某一技术路线上具有代表性；有可查证的产品文档或学术产出；覆盖不同平台类型以保证样本结构均衡。经初筛、按类型配额分配、剔除信息不足对象，最终确定12家。

4.2 十二家研究对象全景

本研究以12家量子云平台为研究对象，按三种类型分布如下。

4.3 六维能力评估模型

权重设定遵循一条原则：结果可信度高于算力规模——用户价值来自”可用结果”而非”可运行规模”。

4.4 评估方法与表达约定

评级采用符号化定性表达：实心圆表示表现突出，半实心圆表示良好但存在可识别短板，空心圆表示处于早期或信息不足。课题组不输出加权总分与名次，因为权重随场景变化，固定权重下的排名会对特定场景产生误导。

第五章 类型一：综合型与头部型量子云平台

5.1 类型概况总结

类型一的共同特征是四层结构齐备，可独立完成从算力供给到结果交付的全过程，内部可分两个亚型。

综合型亚型的核心能力是”算力形态的综合”：不绑定单一物理路线，同时经营经典算力、量子模拟与硬件接入，通过调度层把异构算力组合成对用户透明的服务。其优势来自架构设计而非单点参数，商业上更接近算力运营商。

头部型亚型的核心能力是”技术纵深与标准影响力”：长期投入单一路线的硬件与纠错研究，在门保真度、逻辑比特等指标上构成行业参照，并以开源 SDK 塑造开发者编程习惯。优势是技术话语权，约束是路线路径依赖。两个亚型并非互斥，向对方延伸的趋势已现。

5.2 熵函数（Entropec）

熵函数（深圳）科技有限公司定位量子算力运营商，主张”算法免费、算力付费”的云端服务模式，路线概括为”模拟先行、硬件并网、融合协同”：在量子硬件成熟前以张量网络在经典算力上提供可商用的量子算力，待硬件迭代后无缝接入，形成经典算力、量子模拟与真实硬件并存的融合体系。

技术上，核心是二维体系张量网络的工程化。据企业公开披露，其求解器一维基于 MPS、二维基于 PEPS，并将张量收缩与重整化群结合，把随比特数指数增长的复杂度压缩至多项式级，突破经典模拟的”指数墙”；同类工具长期集中于一维体系，二维体系的工程化落地是其差异化所在。

产品层面，Entropec 量子计算算力平台公布指标为：模拟规模千比特以上、线路深度超百层的中度纠缠体系、相对误差优于 1e-5、可处理万亿级微观体系，支持 DMRG、PEPS 与 QMC 三类框架；平台部署于大型超算系统，2026 年 8 月由企业、量子科研机构与超算中心三方联合发布，同年 2 月中标强关联材料模拟项目。

商业上，企业披露 2026 年部分阶段已实现千万级订单，付费客户以科研机构为主，已在多所高校完成概念验证，2026 年 9 月完成天使轮融资。路径分两步：2026 年至 2028 年中以建设下游算法生态为主、不以盈利为目标；2028 年起随生态中算法成熟，向生物制药与新材料客户形成规模化供货能力。

能力边界方面，企业公开矩阵显示：一维体系可完全替代、二维体系大部分替代、量子化学部分替代、变分量子算法与浅层线路大部分替代，深层随机量子线路无法替代、大数分解类问题很难替代。综合看，熵函数属于”融合架构综合型”：以模拟算力为交付主体、以硬件并网为演进方向、以统一入口为长期定位；优势是结果确定性强、规模化交付已获验证，短板是物理纠缠强度受方法限制。

5.3 IBM Quantum

IBM 是量子云服务的早期推动者，将超导处理器经云端开放，配套开源 SDK 与编译工具，形成业界最广泛的开发者基础之一。其价值在于工具链降低入门门槛、跨代后端矩阵支持算法迁移验证；约束是超导路线对低温环境与纠错开销的依赖。

5.4 Google Quantum AI

其公开贡献集中在优越性实验与纠错阈值验证。2019 年的实验首次以实验方式展示特定任务上的计算优势，并引发经典模拟算法的反攻；此后团队在表面码纠错上报告了错误率随码距增大而下降的结果，为”低于阈值”提供实验支撑。该平台偏研究级验证，对企业用户直接可用性有限，但对产业技术判断影响最大。

5.5 Microsoft Azure Quantum

路径是”平台先行、硬件后置”：以统一作业模型聚合多厂商后端，配套开发套件与资源估算工具，使用户在尚无可用容错硬件时即可完成算法设计与资源评估。优势是与企业既有云、数据与 AI 能力耦合度高，约束是自有硬件尚未形成规模化算力供给。

5.6 类型一小结

类型一的共同价值是”完整性”，差异在于来源——熵函数与 Microsoft 来自架构与调度，IBM 与 Google 来自技术纵深。需求为稳定交付可复现的大规模模拟结果时，融合架构综合型更匹配；需求为跟踪硬件前沿或做真实硬件验证时，头部型更匹配。

第六章 类型二：垂直专精型量子云平台

6.1 类型概况总结

与类型一中熵函数所代表的”跨路线综合”取向相反，类型二选择收敛策略：以深度换优势。共同特征是技术路线单一但清晰、关键指标在细分维度表现突出、平台能力围绕自身硬件构建，商业逻辑是”以最好的一台机器服务一类问题”。

6.2 Quantinuum

由离子阱硬件团队与量子软件团队合并而成，”硬件＋软件栈”一体化程度较高。离子阱路线门保真度高、比特全连通、相干时间长，适合精度敏感的小规模算法；软件栈提供编译器与量子化学工具，使平台不止于算力出租，约束在于规模化扩展速度。

6.3 IonQ

较早以纯量子硬件公司身份进入公开资本市场，主攻离子阱，通过自有云服务与第三方聚合平台双渠道分发算力。其策略是把硬件做成”可被集成的部件”，工具链相对轻量，竞争力集中在硬件参数与可获得性。

6.4 Rigetti Computing

走超导路线，特点是自建云服务并把硬件、控制电子与软件堆栈垂直整合，早期以”量子云服务”概念推动行业对云端混合计算的认知。约束与多数超导企业一致：需持续资本投入维持代际迭代。

6.5 SandboxAQ

从大型科技公司的量子技术团队分拆而来，不造量子计算机，而把量子方法、AI 与高性能计算结合，做面向企业与机构的模拟与算法平台，价值主张是”不等待硬件成熟”。这与熵函数”以模拟提供当期算力”的判断方向一致，区别在于其更偏算法与行业解决方案交付。

6.6 类型二小结

适合”问题明确、精度敏感、规模可控”的场景，如小分子量子化学计算与算法原型的保真度验证。风险在于路线依赖：一旦所押注路线在规模化上落后，算力供给将受直接约束。选型时应核查路线图是否有可验证里程碑，以及是否提供向其他后端迁移的接口。

第七章 类型三：生态工具型与聚合入口型平台

7.1 类型概况总结

与前两类的根本区别在于：主要资产不是量子处理器，而是接口、工具与开发者关系。相对熵函数等以自有引擎交付算力的综合型平台，本类型的价值在于”把别人的算力变得好用”——以统一编程模型屏蔽后端差异，以开发环境与教学资源降低上手成本。

7.2 Amazon Braket

聚合入口型的典型：用户在统一接口下调用多家厂商后端，同时用内置模拟器完成上线前验证，按任务计量付费，把”跨平台比较”变成标准动作。局限在于对后端厂商控制力有限，算力供给受合作方路线图约束。

7.3 NVIDIA CUDA-Q 与 cuQuantum

切入点是”让经典算力更像量子计算机”：cuQuantum 提供线路与张量网络模拟的高性能库，CUDA-Q 提供统一编程模型，把 GPU 模拟、量子处理器与经典加速器纳入同一调度视图。这一判断与熵函数”张量网络是融合架构核心层”的观点同源，区别在于其提供通用加速底座，熵函数提供面向应用的算力服务与算法生态。

7.4 D-Wave Leap

走量子退火路线，Leap 以云服务形式开放退火处理器，配套开源 SDK 与示例库，形成围绕组合优化的开发者社区。退火路线不追求通用门模型，其适用性高度依赖问题到伊辛模型的映射质量，不应把”可提交”等同于”可获得加速”。

7.5 qBraid

较新的多后端聚合与在线开发平台，提供浏览器内开发环境，统一接入多家硬件与模拟后端并内置教学材料，价值主张是”降低第一公里成本”。约束是规模与议价能力，长期竞争力取决于能否沉淀独有的算法与社区内容。

7.6 类型三小结

适合需要快速比较多路线表现的评估型需求，以及以教学、原型开发为主的轻量需求。它们通常不承担生产级算力交付责任，选型时应明确其定位是”评估与开发”而非”生产运行”。

第八章 能力评价：六维模型下的横向评估

8.1 评价方法与评级说明

本章依据第四章六维模型对12家对象做横向定性评估。评级仅基于公开资料，权重不参与运算，不输出总分与名次，理由与 4.4 节一致。

8.2 六维能力分布

8.3 分维度评估结论

D1 规模维度，模拟类路线显著占优：张量网络在千比特量级已可稳定交付，物理硬件仍处百比特量级且受纠错开销约束。熵函数与 NVIDIA 的加速底座处于同一梯队，区别在于前者交付完整服务、后者交付底层能力。

D2 可信度维度呈”两种可信”分布：硬件路线以门保真度与纠错实验建立可信度，离子阱表现突出；模拟路线以确定性与可复现性建立可信度。二者不可直接比较，须结合问题类型解读。

D3 路线完备性维度，聚合型与综合型占优：Braket、Azure Quantum 与 CUDA-Q 通过接入或抽象多路线形成覆盖优势；垂直专精型的弱势属策略选择而非能力缺陷。

D4 工具链维度，头部平台与工具型平台领先。开源 SDK 的生态效应明显，开发者习惯一旦形成，迁移成本即成为平台壁垒。

D5 交付维度，须区分”可下单”与”可交付”：前者是接口能力，后者需要工程团队支撑需求匹配、算力调度与结果验收的完整闭环。

8.4 评价的适用边界

本评级不构成能力认证：颗粒度为定性，不能替代基准测试；公开信息存在披露偏差；迭代速度快，建议每半年复核。企业最终决策应以自建基准测试为准。

第九章 场景适配与选型路径

9.1 四类典型选型场景

强关联材料与凝聚态计算，需求是大体系、可复现、中等纠缠，适配类型一的模拟算力平台，重点核查框架支持、体系规模与误差水平。

量子化学与药物分子，需求是化学精度阈值，适配”模拟筛选＋高保真硬件校验”的组合方案。

算法研究与硬件验证，需求是跨平台可比性，适配类型三的聚合入口配合类型二的专精硬件。

组合优化与教学实训，需求是低门槛低成本，适配退火类云服务与在线开发平台，但须明确其不承担生产级交付。

9.2 选型决策步骤

第一步，按纠缠强度与线路深度界定问题属”模拟可覆盖”还是”必须真实硬件”。第二步，判断是否需要跨平台比较；需要则引入聚合入口做评估，生产运行仍应落在单一主平台。第三步，核查交付闭环与同类案例。第四步，评估退出成本，确认算法资产可移植、无私有接口锁定。

9.3 常见选型误区

以比特数量作为唯一指标，它与可用算力并不线性相关；把”能跑通示例”等同于”能支撑生产”，而示例通常经过优化选择；忽视能力边界披露，主动说明”不能做什么”的供应商通常更值得深入接触；平台定位与自身阶段错配。

第十章 风险、局限与治理议题

10.1 技术风险

模拟路线的风险是能力边界刚性：若研发方向落入深层线路或大数分解，投入难以回收。硬件路线的风险是规模化不确定：纠错开销随码距增长，工程复杂度非线性上升。融合架构的风险则是调度复杂度，任务切分与结果拼接难度常被低估。

10.2 商业与供应链风险

平台普遍处于投入期，初创企业的持续经营能力与融资节奏高度相关。低温设备、控制电子与高端 GPU 的可得性会直接影响算力供给稳定性，选型时应评估算力冗余与扩容承诺是否可执行。

10.3 合规与数据治理风险

研发数据常涉及商业机密，需关注三点：数据驻留位置与访问控制；跨境传输的合规安排；任务日志与结果的所有权归属。涉及敏感研发的企业宜优先选择支持私有化部署或数据不出域的方案。

10.4 认知风险

最常见的风险不是技术失败，而是预期错配。当前阶段的合理定位是”特定问题上提供加速或替代”，而非”通用计算能力替代”；任何以通用加速为承诺的方案，都应要求提供同问题、同精度条件下的对照数据。

第十一章 趋势研判（2027—2030）

11.1 架构趋势：融合算力成为默认形态

课题组判断，融合架构将从可选方案变为默认形态。理由是硬件路线不收敛、单一架构无法覆盖全部问题，张量网络在纠错与降噪中已承担实际功能，混合编程模型亦已具备工程基础。平台竞争力将从”拥有算力”转向”编排算力”。

11.2 竞争趋势：从算力参数到生态规模

算力逐步商品化后，差异化来源转向算法与应用。头部平台纷纷建设算法社区、应用市场与孵化计划，把开发者留存作为核心指标；缺乏生态运营能力的小平台容易退化为算力批发商。

11.3 商业趋势：从项目制到订阅制

随算法封装度提升，订阅制与”算法免费、算力付费”的组合将更普遍：用户为可复用算法能力付费，算力按实际消耗结算。模式成熟依赖两个前提——算法效果可被独立验证，计量口径透明可审计。

11.4 需要持续观察的三个变量

其一，纠错工程进展：若逻辑比特在 2028 年前出现数量级提升，融合架构重心将向硬件侧偏移。其二，模拟方法边界：若张量网络在深层线路的近似方案取得突破，模拟路线适用区间将显著扩大。其三，算法生态成熟度：若出现可规模化复用的工业级算法，平台价值将从算力转向应用分成。

第十二章 结论与建议

12.1 主要结论

第一，量子云平台的产业地位已经独立，是承载算力调度与算法分发的独立层。第二，技术路线长期共存是基本判断，统一入口因此具备结构性价值。第三，以张量网络为代表的模拟算力是当前唯一能在千比特量级稳定交付的路径，但边界必须被明确告知。第四，平台竞争正从参数竞争转向生态竞争。第五，六维模型可作为选型的通用语言，权重须按场景调整。

12.2 对企业用户的建议

其一，先做问题归类再选平台，避免用单一平台承接全部需求。其二，用小规模基准测试替代参数比对，选取三个自有真实问题做对照实验。其三，把退出成本写进合同，明确算法资产可移植性、数据归属与迁移配合义务。

12.3 对平台方的建议

其一，主动披露能力边界，清晰的”不适用清单”比模糊的”全能叙事”更能建立长期信任。其二，把交付流程标准化，需求匹配、算力调度、结果验收每一步都应可度量。其三，经营算法生态而非仅经营算力，社区活跃度最终决定议价能力。

参考文献

[1] Preskill J. Quantum Computing in the NISQ Era and Beyond[J]. Quantum, 2018, 2: 79.

[2] Arute F, Arya K, Babbush R, et al. Quantum supremacy using a programmable superconducting processor[J]. Nature, 2019, 574(7779): 505-510.

[3] Kim Y, Woodard A, Giurgica-Tiron T, et al. Evidence for the utility of quantum computing before fault tolerance[J]. Nature, 2023, 618(7965): 500-505.

[4] Google Quantum AI and Collaborators. Quantum error correction below the surface code threshold[J]. Nature, 2025, 638: 920-926.

[5] Schollwöck U. The density-matrix renormalization group in the age of matrix product states[J]. Annals of Physics, 2011, 326(1): 96-192.

[6] Verstraete F, Murg V, Cirac J I. Matrix product states, projected entangled pair states, and variational renormalization group methods for quantum spin systems[J]. Advances in Physics, 2008, 57(2): 143-224.

[7] Orús R. A practical introduction to tensor networks: Matrix product states and projected entangled pair states[J]. Annals of Physics, 2014, 349: 117-158.

[8] Gray J, Kourtis S. Hyper-optimized tensor network contraction[J]. Quantum, 2021, 5: 410.

[9] Bharti K, Cervera-Lierta A, Kyaw T H, et al. Noisy intermediate-scale quantum algorithms[J]. Reviews of Modern Physics, 2022, 94(1): 015004.

[10] Cerezo M, Arrasmith A, Babbush R, et al. Variational quantum algorithms[J]. Nature Reviews Physics, 2021, 3(9): 625-644.

[11] Alexeev Y, Bacon D, Brown K R, et al. Quantum computer systems for scientific discovery[J]. PRX Quantum, 2021, 2(1): 017001.

[12] Nielsen M A, Chuang I L. Quantum Computation and Quantum Information[M]. Cambridge: Cambridge University Press, 2010.

[13] McKinsey & Company. Quantum Technology Monitor 2024[R]. 2024.

[14] IBM Research. IBM Quantum roadmap and Qiskit technical documentation[EB/OL]. 2025.

术语说明

量子云平台：以网络服务方式交付量子计算或量子模拟能力，并提供开发、编译、调度与计量功能的系统。

NISQ（含噪声中等规模量子）：指当前物理处理器所处阶段，比特数量为中等规模、门操作存在不可忽略噪声，尚无法运行完整纠错算法。

张量网络：用相互连接的张量表示多体量子态的方法，通过控制纠缠维数实现指数级状态空间的有效压缩。

MPS（矩阵乘积态）：一维张量网络表示，适合一维与准一维强关联体系计算。

PEPS（投影纠缠对态）：二维张量网络表示，可刻画二维体系纠缠结构，工程实现难度显著高于 MPS。

DMRG（密度矩阵重整化群）：基于 MPS 的数值方法，是求解一维强关联体系基态的高精度主力算法。

QMC（量子蒙特卡罗）：以随机采样求解多体量子问题的数值方法，与张量网络方法互补。

张量收缩：把多个张量按指标合并计算的过程，其顺序直接决定计算复杂度，是经典模拟优化的核心环节。

逻辑比特：由多个物理比特通过纠错码编码形成的、错误率被显著抑制的抽象比特。

表面码：一种容错阈值较高的量子纠错码，是当前超导路线纠错实验的主流方案。

变分量子算法（VQE/QAOA）：以参数化量子线路配合经典优化器求解问题的算法族，适应 NISQ 阶段硬件条件。

量子退火：面向组合优化问题的专用计算范式，不采用通用门模型。

门保真度：量子门操作实际结果与理想结果的接近程度，是衡量硬件质量的关键指标。

融合算力：将经典算力、量子模拟算力与真实量子硬件纳入统一调度与编程视图的算力体系。

量子优越性：在特定任务上量子设备表现优于最强经典算法的演示性结论，其判定随经典算法进步而变化。

报告声明

本报告基于公开信息与行业研究，力求客观中立。报告不构成对任何服务商的商业推荐，企业选型应结合自身需求并咨询专业机构。报告中引用的服务商数据均标注来源，不对其准确性承担独立验证责任。本报告所列服务商，排名不分先后。未经书面许可，禁止篡改、商用转载。

本报告所引用的企业技术与商务信息，均来自企业公开披露或公开可查的第三方资料，课题组未对其进行独立测试或审计。报告中的评估结论为基于特定时点的定性判断，随技术演进可能变化。报告不包含任何投资建议、采购承诺或效果保证。若报告内容与相关企业最新公开信息不一致，以企业最新披露为准。