被忽视的量子能耗账单

联合国研究人员预测，到2030年，数据中心的耗电量和耗水量将达到2025年的两倍，主要诱因是人工智能。能耗已经成为算力扩容时必须考虑的核心约束条件。量子计算扩容也面临同样的问题，但行业衡量进展时，往往仍只看量子比特数量和保真度。这两项指标固然重要，但单凭它们，无法反映一套系统究竟能输出多少可用算力。归根结底，我们推动技术走向实用规模，最根本的标准就是：单套方案带来的收益，必须高于它的成本。

一旦达到实用规模，量子计算机在落地场景中具备真实潜力：加速新药研发、加快材料研究，或是支撑效率更高的机器学习。想要实现这一点，我们必须像重视底层物理原理一样，认真控制运行成本，让量子计算机具备经济可行性。而关键就在于，搞清楚每投入一单位能源、每投入一美元，这套系统能产出多少有效量子算力。

达到实用规模后，单位功耗算力才是核心

这个评价公式包含两部分。分母是功耗：量子计算机的制冷系统与控制电子电路会持续耗电。大规模量子计算机的功耗会达到数十兆瓦，耗电十分可观。但量子算力可以随处理器规模呈指数级增长，因此公式里的分子更为关键。最重要的指标，是系统每消耗一瓦电能，能够产出多少算力，这由系统的QPU架构决定。

经典计算机也曾遇到类似难题。很长一段时间里，处理器性能都以主频作为评判标准。但随着数据中心不断扩容，功耗变成瓶颈，单位功耗性能才成为关键指标。自2007年起，Green500榜单就按照每瓦算力对全球超算进行排名，和TOP500按原始运算速度排名形成对照。

AI兴起、超大规模算力集群持续建设之后，算力需求一直供不应求。之后几年，行业一直在追赶供给，都是先建算力、再补供电和制冷，而不是在设计阶段就统筹规划。现在运营商只能靠现场燃气发电机为新建数据中心供电，这其实是一种倒退。发展量子计算，我们需要在走到同样拐点之前，就搭建高能效的系统架构。

从只看量子比特数，转向单位功耗算力、单位成本算力

这就是行业需要一套新标准的原因。单位功耗算力应当成为核心指标：系统每消耗一瓦电能，可以产出多少有效计算量。这个指标会倒逼设备采购方与研发方，权衡算力输出和对应的能耗，而不是单纯堆量子比特、默认性能自然跟上。

该指标一边统计制冷、控制电路、配套经典计算的总功耗，另一边统计系统交付的有效量子计算能力。如果采购方和研发方统一采用单位功耗算力作为衡量标准，整个行业都会向着 “每一份能源产出更多有效算力” 的方向优化。同样逻辑也适用于成本维度：单位成本算力，衡量算力输出和整套系统建设、运行开销的对比。

突破口在于芯片本身的设计

想要提升单位功耗算力，很大程度取决于芯片的设计方案。在功耗侧，芯片和系统架构的设计方式，决定了低温制冷、控制硬件、配套经典计算需要消耗多少电能。

而在算力侧，不同架构之间的差距会更大。量子计算机主要有两条扩容路线：单片扩容（scaling up） 和分布式组网扩容（scaling out）。分布式组网扩容，就是把现有多颗QPU互联组网，以此扩大量子计算机规模；单片扩容，则是突破现有的扩容瓶颈，直接做大单颗QPU本身。两种方式都能增加量子比特数量，但比特数量增加，不等于算力同步提升。

近期一项研究量化了这个差距：基于大尺寸单颗QPU搭建的量子计算机，算力最高可以比多机互联的量子计算机高出指数倍。差距来自互联链路：链路的传输速度远低于单颗QPU内部互连，信号损耗也更高。

行业讨论量子计算扩容时，经常忽略这种组网损耗。它带来的差距可能非常悬殊：同样一项任务，在一套系统上1小时就能跑完；换到另一套组网方案，哪怕量子比特数量达到1000亿个，可能要跑10年。组网互联未来固然重要，但要放在后面发展。我们应当先做好单片扩容，再做分布式组网。

当下的选型，决定长期走向

这套系统的架构和制造工艺方案，现在就正在敲定，这些选择会定下未来十年的发展路线。量子计算的发展阶段早于AI，所以行业拥有AI当初没有的选择权：要么从现在开始，用兼顾经济性和能耗的标准衡量技术进展；要么日后承担忽视这些关键问题带来的后果。