2026年8月26日，IBM完成对顶级私营研究机构HRL Laboratories的收购。HRL在半导体微电子、材料等硬科技领域深耕数十年，也是硅自旋量子处理器及其低温控制系统领域的领先者之一。曾凭借绝对优势开创大型机和个人计算机时代的IBM，则已在量子计算领域押注超导路线十余年，是该领域的领军者。 

硅自旋比特与超导比特不仅在工作原理上有所不同，发展阶段也存在显著差异。硅自旋比特以电子或空穴的自旋态作为量子信息载体，器件尺寸远小于超导比特，具有更高的潜在集成密度；但从当前工程化和规模化成熟度来看，超导路线仍明显领先于硅自旋路线。 

IBM这一动作应如何解读？官方公告强调HRL 将“加强”（strengthen）并“延伸”（extend）IBM 在量子计算领域的全球领先地位，却没有直接回答一个更关键的问题：IBM 的量子战略究竟发生了怎样的变化？以下四点或许有助于我们进一步理解这一布局。 

其一，收购计划于7月公开后不久，HRL在《自然》发表了一篇“亮剑”论文，将同类比特的操作错误率降低约一个数量级，达到一线超导比特的水平；与此同时，HRL将最关键的控制部分从室温下沉至4K的极低温环境，突破了传统的室温模拟控制架构。值得注意的是，超导路线的控制架构也正经历类似变革。收购公告所提及的HRL优势，包括低温电子学、控制电子学、量子比特互联、先进制造、封装与材料等，均与超导量子芯片的高密度集成和规模化扩展高度契合。 

其二，IBM 与初创企业SEEQC 曾参与美国国防高级研究计划局（DARPA）支持的相关项目，探索将部分低温控制功能移至量子芯片附近。SEEQC 的设想是将基于SFQ（单磁通量子）的经典控制电路作为“量子母板”，与量子比特芯片集成在同一封装中。此类架构有望减少量子比特所在的10mK 温区与较高温度控制电子设备之间的信号传输和布线负担。 

其三，IBM 于今年5月宣布计划建设量子芯片晶圆厂Anderon。该项目由IBM 与美国商务部各出资10亿美元，定位为国家量子计算基础设施，服务对象不仅包括IBM，也涵盖其他美国量子硬件厂商。官方公告中有一句耐人寻味的表述：“Anderon 起步将支持超导量子比特及其配套电子晶圆，随后将扩展至其他量子硬件。” 

最后，IBM近期展示了一套可组装的模块化低温系统：两台制冷单元已实现互联，并将温度共同降至15mK以下。此前，IBM还在60厘米片上演示了远程CNOT门，为模块间量子互联提供了原理验证。 

基于上述信息，并结合我们的实践经验，我们对本次收购及IBM的量子计算战略作出如下解读。 

首先，IBM 对量子计算的布局已不再局限于超导路线，而是拓展至更广泛的“泛半导体”路径。超导量子比特与硅自旋量子比特有一个独特的共同点：都能在较大程度上借助先进硅制造、微电子及先进封装产业。不同技术路线均有望实现规模化，但对现有半导体产业基础的直接复用程度各不相同。 

其次，HRL 在Cryo-CMOS、高密度超导互连、封装与制造等方面的能力，预计将进一步助力IBM 超导量子计算体系的扩展。同时，IBM 很可能借助DARPA 等公共资源，验证更低温环境下的控制方案，继续以超导技术为核心路径推动量子计算实用化，并实现既定的技术里程碑。 

第三，IBM 为硅自旋保留了一项颇具分量的长期战略选择权。一旦该方向取得关键突破，IBM 已具备进一步加大投入所需的团队、制造能力和基础设施。 

实现两个低温区的协同控制固然具有挑战，但其解决路径已逐渐清晰。低温CMOS 已在航天等特殊场景中得到实际应用；SFQ 及其变体则积累了数十年的超导数字逻辑研发经验，应用覆盖处理器、信号处理和神经形态计算等方向，后者已有中国科学院上海微系统所等机构进行展示。值得一提的是，IBM早在上世纪六七十年代就曾大规模投入“约瑟夫森计算机”这一超导经典计算项目。尽管该项目最终败给了快速发展的硅技术，却为超导电子学留下了宝贵的人才与工艺积累。 

“系统向外”是指从芯粒（Chiplet）和3D 封装，进一步扩展到多QPU，乃至多个低温单元，实现系统的模块化扩展。芯粒能够在不显著增大单颗芯片尺寸的情况下，通过组合多颗芯粒来扩展系统规模，并在一定程度上缓解大尺寸单片制造对良率带来的压力。3D 封装支持垂直及多平面布线，有助于提高单个封装内的互连密度和可控比特数量。多QPU 可提升制冷机空间与控制资源的利用效率；多个低温单元则能够通过并行扩展，缓解单个制冷单元在空间、布线和散热等方面的规模限制。 

美国上市公司Rigetti 多年来持续深耕芯粒技术。IBM 也长期致力于高密度信号引出、多层互连及先进封装技术，为Heron 及后续多芯片系统的扩展提供了坚实的工程基础。

围绕“控制向下”和“系统向外”两个方向，中国团队开展了一系列探索，部分单项成果已达到国际前沿水平。 

这些探索表明，中国团队已经参与下一阶段关键技术的开拓。但单项成果达到国际前沿，并不意味着已经具备下一阶段的系统竞争力。低温控制、先进封装和量子互联，还需要在同一系统中协同运行，并在规模扩大时维持性能、可靠性和可承受的成本。IBM等美国领先团队已将部分新技术接入较大规模的处理器，并推进配套低温基础设施的验证。因此，评估中国量子计算的发展，不仅要关注单项技术突破，也要考察这些突破转化为系统能力的进度，以及支撑这种转化的资源配置机制。 

从前沿探索到系统能力的转化，不仅取决于研发本身，也取决于资源配置机制。中国量子计算的发展具有鲜明的政策驱动特征，风险投资的判断也会受到政策导向、引导资金决策和学术权威评价等因素的影响。因此，探讨资源配置机制中的潜在风险，是制定有效政策、引导市场走向并影响最终格局的核心问题之一。

先看一种可能存在的激励偏差。我们作如下假设：（a）在某项技术上，生态A领先于生态B；（b）该技术正从阶段一迈向阶段二，以解决阶段一暴露出的根本问题；（c）两个生态中的精英团队都已认识到阶段一存在的问题，并形成了技术向阶段二发展的共识；（d）生态B的资源分配者主要依据B中团队与生态A在当前阶段（即阶段一）的差距来进行评价。

在这些假设下，为争取资源，B中的团队理性上会优先提升阶段一的指标，尽管他们也意识到，这可能导致对下一阶段投入不足。个体的理性选择，最终使整个生态系统对下一阶段准备不足。 

低温控制恰恰揭示了“标准过时”机制所带来的风险。如果考核仍主要围绕现有室温控制架构下的比特数量和性能展开，团队就更有动力沿着既有架构持续扩展。低温器件模型、控制芯片和同温封装虽然关系到未来的规模化发展，却未必能在短期内显著提升当前排名，因此容易被推迟。就超导量子芯片的3D堆叠而言，除阿里巴巴量子实验室已开展、并由幂波公司延续的长期探索外，作者尚未发现其他团队取得相关公开成果。这或许部分归因于：在当前阶段，单芯片达到百级比特规模已属领先水平，暂时还不必依赖3D集成，凭借“堆资源”也能实现突破。 

第二种机制是，在某些领域，复制成果就必须复制支撑其取得的整套体系；当时间被压缩时，成本不仅难以实质性降低，甚至可能更高。要推动低温控制技术蓬勃发展，需要长期积累器件理论与模型，持续开展工艺、封装和测试等方面的工程迭代，并建设跨学科团队及跨团队协作生态。待这条路线得到充分验证后再集中投入，既要补齐整套能力，也要承担压缩学习周期所带来的额外成本。

这一“基础不牢”的机制会与“标准过时”的机制相互叠加、彼此放大：当前指标的挤压导致积累不足，而积累不足又抬高了转型时的追赶成本；新的落后进一步强化短期追赶压力，使未来投入再次让位于眼前目标。在这样的评价体系下，追赶越是紧迫，就越容易错失下一次技术转向，导致落后者始终困于“追赶陷阱”之中。 

这两种机制都可能产生实际影响，尤其是在国内“复制”与“集中资源办大事”的惯性作用下。“复制”惯性使既有成果更容易成为最具分量的评价依据，而资源配置的集中又可能进一步放大这一偏差。集中投入本身有助于支持长期建设，Anderon就是一个例子。其风险在于，单一标准与集中配置相结合后，可能使同一种判断支配过多资源，进而压缩其他方向持续探索的空间。

为避免这些风险，评价标准应具备前瞻性。为此，关键在于建立与之相适应的决策与治理机制。具体而言，一方面，决策意见的来源应多元化，兼顾产业界与学术界，不因资历尚浅而忽视其能力，为另辟蹊径者提供关注与验证的机会。另一方面，应持续提升科研政策专职队伍的专业能力，确保资源配置的决策者与申请者彼此独立。此外，掌握资源配置权的机构还应建立动态调整机制，不断自我完善、与时俱进。

我们需要清醒地认识到，如果资源过度集中于某个固化机构，且缺乏独立于该机构之外的判断机制，就可能导致成果与资源形成局部闭环，彼此构成自我强化的因果链条，从而增加整个生态系统战略误判、错失方向的风险。我国在多个领域都取得了基于前瞻性判断的重大成就，例如高铁、新能源和电动汽车。量子计算同样完全有可能另辟蹊径，实现领先。即便在他人已经领先的方向上，我们也可以“容忍落后”，乃至“决心落后”，将资源投入下一阶段技术的开发。归根结底，要实现这一目标，关键取决于机制与治理。 

再者，应持续建设能够惠及整个生态（即多个团队）的资源与能力，包括基础设施、基础研究，以及新生人才与能力的扩散。低温器件模型、工艺平台、先进封装和联合测试设施等，可降低整个生态的探索成本。应从机制上保障这些生态资源的定位，例如引入竞争、加强利益冲突管理。基础研究有助于支撑技术突破和方向转型，并促进对现有成果更快速、高效的吸收与应用。学生和博士后在完成学业与培训后流动至其他院所，有助于知识传播和人才储备的指数级增长。 

中国量子计算已经取得令人瞩目的成就；能否进一步走向引领，取决于这些探索能否在形成确定答案之前，获得持续发展的条件。要跳出“追赶陷阱”，既要缩小当下的差距，也要不断积累定义未来问题的能力。

作者简介：施尧耘，北京大学本科毕业、普林斯顿大学博士，幂波隧力科技有限公司创始人。长期从事量子计算研究，拥有近30年相关经验。曾任密歇根大学教授，创立并领导阿里巴巴量子实验室和S实验室。作者感谢幂波同事高然博士、鲁刊南博士、祝莎莎博士对本文观点和文字所作的贡献。