导语
量子计算近期的三条新闻显示，“模拟器 + 行业共创”正成为主旋律：INSAIT、ETH、牛津大学发布 qblaze 模拟器，用稀疏矩阵把 Shor 算法的经典模拟速度提升 120 倍；Telstra 与 Silicon Quantum Computing 完成量子机器学习在网络预测的试点；沙特阿美则携手 NVIDIA 构建 Dammam 7Q 量子模拟平台，服务地震数据分析。量子计算正通过模拟平台提前渗透电信与能源行业。
qblaze：稀疏模拟器的性能突破
- 设计：将量子态存储为排序后的非零幅值数组，利用缓存友好、线性扩展的并行算法，避免哈希表瓶颈。
- 性能：在 180 个 CPU 核心上实现近线性扩展，单核速度比 2021 年稀疏模拟器快两个数量级。
- 成果：成功在 2×90 核 CPU 上模拟 Shor 算法分解 39-bit 整数，与此前需要 2048 GPU 的结果持平。
- 意义：降低量子算法开发门槛，为教学与工业界提供高性能模拟环境。
Telstra × SQC：量子水库网络助力预测
- 平台：SQC 的 Watermelon 量子水库生成量子特征，Telstra 用其预测网络指标。
- 结果：训练时间从数周缩短到数天，准确度与深度学习持平且不依赖 GPU。
- 场景：可用于容量规划、动态资源分配、异常检测，证明电信运营商有望在真实业务中试用量子增强模型。
Aramco Dammam 7Q：能源巨头的量子模拟
- 架构：基于 Dammam 7 超算 + NVIDIA CUDA-Q，实现每 GPU 模拟 30 个量子比特，可横向扩展。
- 应用：测试量子 Hadamard 边缘检测算法，提升地震数据的故障识别。
- 目标：为未来量子硬件落地做准备，探索混合超级计算架构。
趋势：模拟赋能、行业共建、混合架构
- 模拟赋能：qblaze 等高性能模拟器让量子算法开发可以在经典资源上完成，降低试错成本。
- 行业共建：Telstra、Aramco 等头部企业亲自参与，共同定义量子场景，未来将影响标准与生态。
- 混合架构：结合 CPU/GPU/量子模拟的混合模式成为主流，为未来真实量子硬件接入打基础。
企业行动建议
- 研发部门：关注 qblaze 等开源模拟器，引入量子算法 PoC 流程，验证业务价值。
- 行业合作：加入电信、能源等行业的量子实验项目，获取先发优势。
- 架构规划：为混合算力设计统一调度与监控体系，提前布局量子工作负载接口。
风险提示
- 量子模拟仍受限于比特数，密集态仍难以模拟，需要谨慎选择场景。
- 行业试点多处探索阶段，需设定合理的 ROI 预期。
- 混合架构复杂度高，需解决资源调度、安全隔离等问题。
