11月12日，AMD与PsiQuantum宣布扩大双方的战略合作。在此前Versal FPGA合作的基础上，AMD将进一步引入Instinct GPU、EPYC CPU和ROCm软件平台，共同推进大规模容错量子计算所需的计算基础设施建设。AMD还计划对PsiQuantum进行股权投资，但双方没有披露投资金额和具体条款。
这次合作不再局限于单一芯片产品，AMD开始将更多计算硬件和软件工具引入光量子计算系统的研发。随着量子计算向容错系统发展，经典计算设备也正在成为系统建设中不可缺少的一环。
合作动因
PsiQuantum正在推进大规模光量子计算机的研发。随着系统规模扩大，企业需要处理的测量数据也会增加。量子系统在运行过程中会产生大量测量数据，经典计算系统需要根据这些数据完成错误识别、解码和控制反馈。容错计算对这些环节提出了更高要求。如果解码速度跟不上系统的运行节奏，就可能影响纠错过程。
量子处理器的性能并不能决定整个系统的运行能力。光子芯片和光学器件需要持续改进，外围计算设备也必须同步跟上。PsiQuantum需要的不只是量子硬件，还包括能够处理大量数据、支持实时解码和系统控制的经典计算资源。
AMD现有的产品组合可以为这些工作提供支持。Versal FPGA、Instinct GPU和EPYC CPU能够承担不同类型的计算任务，ROCm则为GPU计算提供软件支持。此前，PsiQuantum已经选择AMD Versal FPGA用于容错量子计算平台的开发。此次合作将GPU、CPU和软件平台纳入其中，进一步扩大了双方的合作范围。
AMD也有自己的市场考虑。量子计算尚未进入大规模商业应用阶段，但相关系统的研发已经产生了对经典计算的实际需求。AMD通过与PsiQuantum合作，可以让现有产品参与量子计算系统的研发。AMD此前还与IBM开展了超导量子计算合作。通过这些项目，AMD有机会参与不同量子架构的研发，而不必依赖某一种量子处理器率先取得突破。
对PsiQuantum来说，AMD能够提供现有的计算产品和软件工具，减轻部分外围计算系统的开发压力。对AMD来说，量子计算则提供了新的应用场景。双方的合作从FPGA扩展到CPU、GPU和软件平台，反映出各自不同的业务需求。
技术协同
AMD与PsiQuantum目前公布的合作涉及两个方向。一项工作围绕量子纠错和错误解码展开，另一项工作则利用AMD GPU开展计算化学模拟。前者服务于量子系统研发，后者已经进入具体的科学计算场景。
经典计算参与量子纠错
PsiQuantum采用融合式量子计算（Fusion-Based Quantum Computing，FBQC）架构。该架构以光子作为量子信息载体。系统先生成小规模纠缠光子资源态，再通过融合测量将这些资源态连接起来，逐步构建大规模计算结构。
这种架构为光量子系统提供了不同的扩展方式，但光子损失和融合测量错误仍然需要处理。系统必须利用量子纠错技术识别和修正错误。这个过程离不开经典计算设备。经典计算系统需要读取测量结果，判断可能出现的错误，再及时完成解码。
随着系统规模扩大，测量数据量和解码任务也会增加。经典计算系统能否及时处理这些数据，将直接影响纠错流程。因此，量子处理器和经典计算设备需要共同设计，不能等到量子硬件完成后再考虑外围计算能力。
此前，PsiQuantum已经选择AMD Versal FPGA用于容错量子计算平台的开发。此次合作又引入Instinct GPU、EPYC CPU和ROCm软件平台，为双方的研发提供更多计算资源。
PRISM解码器展示硬件协同
错误解码是容错量子计算需要解决的关键问题之一。解码器需要根据测量结果判断系统可能发生的错误，并在规定时间内给出结果。解码速度越快，系统就越有条件及时完成后续纠错操作。
PsiQuantum与AMD围绕机器学习解码器PRISM开展了优化工作。PRISM采用基于Transformer的模型，用于处理光量子计算中光子损失和融合测量带来的错误。部分光子损失的位置可以被识别，研究人员利用这些已知信息辅助解码，希望提高处理效率。
2026年11月10日，相关研究预印本公布了硬件测试结果。研究团队将优化后的PRISM解码器部署在AMD VP1902 FPGA上，并针对码距为8的逻辑区块进行测试。论文报告的解码延迟为6.59微秒，按逻辑区块计算的摊销解码时间为1.56微秒
这项研究展示了机器学习解码算法在AMD可编程硬件上的实现方式。
GPU计算化学拓展应用场景
双方的另一项合作涉及计算化学。根据AMD与PsiQuantum公布的信息，双方已经使用AMD GPU开展共价抑制剂模拟。共价抑制剂与部分肿瘤药物研发有关。双方还计划继续探索制药研究和药物发现领域的应用。
这项工作与PRISM解码器的目标也不同：PRISM面向量子系统的纠错需求，计算化学工作则利用GPU开展科学模拟。
对于PsiQuantum来说，现有经典计算平台可以支持相关算法和应用研究。对于AMD来说，这项合作也展示了GPU在计算化学领域的应用能力。双方未来能否将研究推进到实际制药流程，还要看模拟结果、计算效率和产业用户的需求。
此外，双方还计划探索在美国伊利诺伊州量子与微电子园区（IQMP）扩大合作。PsiQuantum正在推进当地光量子计算项目，AMD与PsiQuantum希望评估进一步合作的可能性。
产业竞争
AMD参与量子计算并不只围绕PsiQuantum展开。2026年11月5日，IBM、美国能源部量子科学中心（QSC）、橡树岭国家实验室（ORNL）和AMD宣布建立量子纠错协同设计平台。首个部署方案将IBM量子处理器与ORNL的Umbra高性能计算系统放在同一地点。Umbra采用AMD Instinct MI355X GPU和第五代EPYC CPU，为量子纠错研究提供经典计算支持。
这项合作采用超导量子处理器，与PsiQuantum的光量子路线不同。AMD已经通过两个项目参与不同架构的研发。两种系统的硬件设计并不相同，但都需要经典计算设备处理测量数据、运行解码算法和协调系统任务。因此，AMD的CPU、GPU和FPGA有机会进入不同类型的量子计算项目。
英伟达也在争取这一市场。2025年10月，英伟达发布NVQLink开放架构，用于连接量子处理器与GPU超级计算机。该架构支持量子控制、校准和实时纠错。英伟达公布的合作名单包括17家量子处理器企业、5家控制系统企业和9家美国国家实验室。
英伟达还在扩展CUDA-Q软件平台。CUDA-Q为量子处理器与CPU、GPU之间的协同开发提供软件环境。2026年9月，英伟达推出CUDA-Q Logical，将平台能力延伸到容错量子计算，支持系统设计、资源评估和任务编排。费米国家加速器实验室利用相关平台开展研究，将一项容错架构开发流程从通常需要的五个月缩短到三周。这个结果来自特定研究项目，不能直接视为该平台在所有场景下都能达到的效率。
AMD和英伟达都在利用现有计算产品进入量子计算市场，但两家公司的合作方式有所不同。AMD目前更多通过与量子计算企业和科研机构合作，让CPU、GPU和FPGA进入具体项目。英伟达则依托GPU和CUDA-Q软件生态，推动量子处理器与超级计算平台连接，并向量子系统设计和开发工具延伸。
两家公司的竞争已经超出芯片供应。量子计算企业需要处理器，也需要控制设备、解码工具和软件平台。芯片企业如果能让自己的产品进入这些研发和运行环节，就有机会获得长期合作需求。量子处理器采用哪种技术路线仍未有定论，但围绕量子系统建立的经典计算基础设施，已经成为AMD和英伟达共同关注的市场。
扩大量子投资版图
AMD对量子计算企业的投资并非始于PsiQuantum。2025年11月，AMD Ventures参与了量子软件企业Classiq的战略融资，同轮投资方还包括Qualcomm Ventures和IonQ。此次AMD又计划投资PsiQuantum，投资对象从量子软件平台延伸到光量子计算系统。
Classiq主要提供量子算法设计和软件开发工具，PsiQuantum则专注于光量子计算机的研发与工程化建设。两家企业处于量子计算产业的不同环节，也体现出AMD正在接触软件和硬件两类技术方向。
当然，此次投资也让AMD与PsiQuantum的关系进一步加深。此前，双方已经围绕量子系统所需的经典计算开展合作，AMD提供计算硬件与软件支持，参与PsiQuantum的系统研发。如今，双方又将合作延伸至资本层面。
这对我国量子计算产业也有参考价值。国内企业和科研机构正在推进超导、光量子、中性原子等不同路线的研发。量子处理器之外的工程问题同样需要提前考虑。测量数据如何及时处理，纠错算法如何适配不同硬件，经典计算平台如何与量子处理器协同运行，都关系到系统能否稳定扩展。
国内高性能计算和芯片企业可以加强与量子计算团队的合作，在算法适配、硬件控制和软件开发中积累经验。量子计算企业也可以利用成熟的经典计算平台，减少对所有配套技术进行独立开发的压力。
