近日，在Splunk .conf26大会的主题演讲中，英特尔CEO陈立武给出一个明确判断：“在我看来，GPU、CPU和量子计算都是计算形式，因此它们在某些应用领域会协同运行，你将能够更高效地使用量子计算。”
也就是说，量子计算机不会取代CPU和GPU，而是会与它们协同工作，成为计算体系中的“第三极”。
事实上，陈立武这一判断戳破了过去几年业界对于“量子计算将完全颠覆传统计算”的泡沫，一定程度上宣告了务实派“混合异构计算架构”的全面上位。
在量子计算圈内，由于底层物理比特稳定性的掣肘，人们一度认为技术演变过于缓慢。但在陈立武看来，整个行业只有在公司接受变革时才会受益，“企业应该尝试颠覆性变革，哪怕伴随着风险。”因此，英特尔一直在投资量子计算。
不过，陈立武本人对量子计算的投入不仅体现在英特尔内部。2026年4月，他加入了光量子计算公司PsiQuantum董事会，表明传统半导体领导力与新兴量子计算产业融合的显著加速。
算力范式的底层演进
过去数十年，借助强大的控制流处理能力，冯·诺依曼架构下的中央处理器（CPU）统治着通用计算市场。后来，以英伟达为代表的图形处理器（GPU）通过强大的海量并发浮点运算能力，成为训练庞大神经网络（如大语言模型）的基石。
正如陈立武所言：“如果说GPU开启了AI训练的时代，CPU与GPU并行在数据中心推动了AI推理的时代，那么在即将到来的量子时代，GPU和CPU将围绕量子芯片协同工作。”
传统计算机的核心是晶体管，通过控制电流的“开”与“关”来表征经典比特的“1”和“0”。而量子晶片利用量子力学的叠加态与纠缠态，使用量子比特进行运算。这说明，在经典计算机只能在线性时间轴上逐一排查答案时，量子计算机由于能同时处于多种状态，其算力理论上呈指数级增长。
然而，我们不可能、也完全不需要用一台纯量子计算机去运行操作系统、渲染视频或是处理简单的标量逻辑跳转。CPU依然是基础的逻辑运算效率最高的方案，GPU依旧在可微分的张量矩阵乘法发挥着不可替代的作用。
因此，真正的挑战仍然是那些具有“指数门槛”的NP-Hard（非多项式复杂程度）问题。比如大分子药物靶点发现、全球金融流体动力风险建模、气候变化的网格化模拟，以及最核心的RSA密码破解。
在这些应用里，即使是集齐全球所有的超级GPU集群，都可能需要数百年时间，如果交给量子芯片，运算时间将被压缩至数秒。
这就是异构并行的逻辑原点，把高度复杂的特定哈密顿量求解任务交给量子芯片，再把经典控制协议、错误纠正和数据预处理交还给CPU和GPU。
这一异构协同路线也得到产业界验证。例如，英伟达CUDA-Q允许开发者在同一程序中调用CPU、GPU和不同类型的QPU；IBM提出量子中心超级计算，共同编排QPU和经典高性能计算资源；英特尔量子SDK同样以混合量子经典程序为设计对象。
来源：英伟达
可见，不同公司的商业利益虽不尽相同，却都对未来系统形态形成了相近判断。
纠错与商业闭环
当谈及量子计算什么时候能成为现实时，陈立武的回答给出了“纠错”和“谁付费”这两个关键词。
这两个关键词清晰表明量子计算商业化面临着技术和商业的双层瓶颈。
纠错属于技术层面的硬约束。量子比特对热、振动、辐射和电噪声非常敏感，任何干扰都可能改变其脆弱的量子态并引入计算错误。目前业界普遍认为，要实现有实际价值的量子计算，需要从当前数十到数百个物理量子比特的规模，扩展到超过一百万个量子比特。
“谁付费”则是商业层面的现实问题。陈立武直言不讳地表示：“我也在想谁来付钱。”这句话出自一位掌管着全球最大半导体制造企业之一的CEO，可见其分量之大。只不过量子计算目前仍处于“试错阶段”，距离规模化的商业部署还有相当距离。
图：英特尔CEO陈立武
陈立武同时给出了一个时间窗口的判断：低温基础设施在未来3-5年内仍将是重要制约因素。这也说明，就算在纠错技术方面取得突破，冷却系统的工程复杂度和成本还是会限制量子系统的规模化部署。
低温瓶颈包含两层核心矛盾。第一是制冷机本身的工程复杂度，超导量子芯片需要稀释制冷机把芯片环境冷却至10-20mK，接近绝对零度，整套设备体积庞大、功耗高昂，运维成本居高不下。
第二层则是业内常提到的布线瓶颈，每一个量子比特都需要多路控制、读取线缆，当量子比特规模扩张到数千以上，传统室温测控线缆数量会突破制冷机物理接口上限，线缆引入热负载进一步加剧制冷压力，直接阻碍量子比特规模扩张。
军备竞赛与硬件突破
英特尔实验室专注于量子技术的商业化，目前仍处于研究阶段。为此，他们开发了Tunnel Falls，这是一种基于硅自旋量子比特、可在更高温度下工作的小型计算设备，并与学术合作伙伴共同开展研究。2020年12月，英特尔发布第二代芯片Horse Ridge II，这款芯片可在低温环境下控制量子计算机。
目前掌握着人工智能市场的主动权的英伟达、AMD、三星电子等公司，也在积极投身量子研究，为后人工智能时代做准备。比如英伟达去年连续投资量子计算领域，并在今年推出量子AI模型家族“Ising”。AMD也不落后，与IBM合作加速量子计算研究。
就在上个月，IBM展示了专门用于低温环境的新型模块化架构。该新架构旨在扩展到模块化、共享和超冷系统，将数百个量子芯片连接到更强大的量子计算机中，从而解决大型问题。基于以往所有技术进展及成果，IBM将其下一代实用型量子计算机的大规模商用节点定在了2029年。
图：IBM量子计算机的低温模块化架构
来源：IBM
同时，IBM宣布成立专注于纯量子半导体生产的代工厂Anderon，并于6月首次在全球发布了0.7纳米芯片技术，采用了低于1纳米——即十亿分之一米——的工艺。这距离2021年5月首次开发出2纳米芯片已有五年。
微软是在2026年Build大会上发布Majorana 2拓扑量子芯片，宣称量子比特可靠性比上一代提升了约1000倍，量子态维持时间从微秒级跃升至平均20秒、最长接近1分钟。
目前，微软也是把2029年确定为自己的商业化节点并表明其AI平台Microsoft Discovery在自动化测量、优化制造流程、检测缺陷方面发挥了关键作用，大幅缩短了研发周期。
亚马逊元老Peter DeSantis则预估，首批具有商业价值的小型量子计算机将在未来5-7年内面世。
算力经济学与大国博弈
陈立武坦言，错误率、极限低温冷却、硬件规模扩展仍是制约量子计算发展的三大瓶颈。不过，这些技术层面的问题需要交给时间，而国家安全意志和地缘算力争夺才是更深层次的推动力。
当前，“算力霸权”已然成为全球竞争的重点之一。公开资料显示，美国政府早已把量子技术定性为国家绝对战略资产。
今年5月，美国商务部宣布拨款20.13亿美元，通过股权置换和直接拨款的方式加码量子赛道。其中包括向Quantinuum（工业巨头霍尼韦尔剥离的量子企业）、D-Wave Quantum以及Rigetti Computing等九大量子计算公司的分别投资1亿美元。
而在顶层设计上，特朗普的两到行政令给出了明确的时间节点：2028年前构建联邦级的科研生态，2031年前用量子传感器全面替代或补充现有的GPS全球定位系统。
所以说，如果企业界现在还不看懂这套底层逻辑，未来在算力采购的牌桌上可能连叫价的资格都没有。
陈立武试图传递的核心信号是，为量子计算付费的商业理由正在迅速成型。金融机构、化工巨头、物流枢纽等目前正在测试混合架构算法，试图跑通概念验证项目。
一旦“CPU+GPU+QPU”的架构被各类主流中间件完全支持，这就不仅仅是一次算力升级，更是重塑人类基础设施的代际革命。
总之，量子计算机成为计算体系中的“第三极”的定位几乎已经确定，接下来的问题就不再是量子计算会不会到来，而是它以什么形态、在什么时间、由谁来买单。
[1]https://en.sedaily.com/international/2026/09/21/after-gpus-and-cpus-quantum-chips-intel-ceo-sees-quantum
[2]https://sunmedia.tw/news/technology/1789948515-%E8%8B%B1%E7%89%B9%E7%88%BE%E5%9F%B7%E8%A1%8C%E9%95%B7%E9%99%B3%E7%AB%8B%E6%AD%A6%E9%A0%90%E6%B8%AC%EF%BC%9A%E9%87%8F%E5%AD%90%E6%99%B6%E7%89%87%E5%B0%87%E6%88%90%E9%81%8B%E7%AE%97%E7%AC%AC%E4%B8%89%E6%A5%B5
[3]https://thequantuminsider.com/2026/09/21/intel-ceo-sees-quantum-computing-working-alongside-cpus-and-gpus/
[4]https://www.edgen.tech/zh/news/post/intel-ceo-joins-board-of-1-quantum-firm-in-major-tech-endorsement
