夜雨聆风
在4月14日，世界量子日上。
黄仁勋在说了这样一句话：「AI is essential to making quantum computing practical. With Ising, AI becomes the control plane — the operating system of quantum machines.」
翻译过来就是，量子计算能不能真正好用，关键看AI。而Ising，就是英伟达打算给量子计算机装的"操作系统"。
同一天，英伟达正式发布NVIDIA Ising——全球首个开源量子AI模型家族。
消息一出，英伟达股价涨了3.78%，量子概念股全线起飞，IonQ涨14%，Rigetti涨12%，D-Wave涨11%。
量子计算卡在了哪？
过去几年，量子计算行业的主旋律是"堆比特"。IBM的Condor在2023年率先突破1000个物理量子比特，路线图上写着2033年冲10万个。
但比特多了，问题反而更大了。
量子比特极度脆弱。温度稍有波动、旁边有电磁干扰、甚至宇宙射线打过来，都可能导致量子比特"跑偏"。当前最好的量子处理器大约每跑1000次操作就出错一次，但商用级别的要求是万亿分之一——差了整整九个数量级。
这就像你攒了一台1000核的超算，但每个核心随时可能罢工。光有核心不够，你得有一套极高效的监控系统，实时发现哪个核心出了问题、立刻补救，在用户察觉之前恢复如初。
在量子计算里，这套"监控系统"包含两件事：校准和纠错。校准是让量子比特处于最佳工作状态，纠错是在计算过程中实时修正错误。
英伟达这次发布的两个AI模型，就是专门干这俩活的。
一个管"调"，一个管"纠"
目前量子处理器的校准工作，主要靠物理学家手动完成。调微波脉冲、调激光功率、调磁场……一遍遍试，通常要好几天，而且每次计算前都得重来。
Ising Calibration，让AI替物理学家调参。Ising Calibration是一个350亿参数的视觉语言模型，能读懂量子处理器输出的测量数据，判断当前状态偏了多少，然后自主生成调参指令，反复迭代到达标。
结果就是，校准时间从几天缩短到了几小时。更关键的是它可以7×24小时自己跑，而且随着硬件规模变大，AI校准的优势只会更明显。
Ising Decoding，做量子纠错的实时裁判。纠错要用多个物理量子比特编码一个逻辑量子比特，实时监控并修正错误。但有一个硬约束：纠错的速度必须比出错的更快，否则就是越纠越错。
Ising Decoding用两个3D卷积神经网络模型来干这件事——一个追求速度，一个追求精度。和当前行业标准的pyMatching工具相比，速度快了2.5倍，精度高了3倍。
数字看着不大，但在纠错这个环节，2.5倍的速度提升可能直接决定一条技术路线到底能不能落地。
英伟达量子产品总监Sam Stanwyck在发布会上说得很直白：「今天最好的量子处理器大约每千次操作出一次错，已经很了不起了。但要让量子计算机真正有用，得降到万亿分之一。好消息是，AI可能是缩小这个差距的最佳路径。」
不造量子计算机的英伟达，在下一盘什么棋？
英伟达反复强调一件事：我们不造量子计算机。
眼下的量子行业高度碎片化。IBM和Google走超导路线，IonQ和Quantinuum押离子阱，Atom Computing搞中性原子，微软赌拓扑量子。每种技术路线的物理实现完全不同，互相之间几乎不互通。
这种局面下，谁来做"连接层"？英伟达瞅准了这个市场。
回头看，这是一条英伟达走过无数次的路径。2006年CUDA发布之前，GPU就是显卡，用途局限于游戏。CUDA把GPU变成了通用计算平台，直接催生了深度学习革命。英伟达不写AI应用，但几乎所有AI应用都跑在它的平台上。
现在，同样的剧本搬到了量子领域。
而且拼图已经基本凑齐了：
CUDA-Q是量子-经典混合编程平台； NVQLink是量子芯片和GPU之间的低延迟互连； cuQuantum是GPU加速的量子模拟库； Ising是AI模型层，管校准和纠错。
黄仁勋的设想是，未来每台超算都会配上一个量子处理单元（QPU），和GPU协同工作。QPU算特定的题，GPU做预处理、纠错解码和后处理。
为什么开源？因为碎片化的量子行业需要标准
Ising做了一个重要决定：完全开源。
代码和模型在GitHub、Hugging Face上都能下。这不像英伟达以往的风格，但这次有特殊原因。
量子硬件太碎片了。超导量子比特需要的校准逻辑，和离子阱完全不同；中性原子的纠错特征，跟拓扑量子比特也不是一回事。一套闭源模型根本无法适配所有路线。
但一旦行业都开始用Ising做校准和纠错，英伟达就事实上定义了量子计算的AI基础设施标准。这和当年CUDA定义GPU计算标准，是同一个逻辑。
而且英伟达有开源的资本。Ising Calibration在QCalEval基准——全球首个量子校准AI模型基准测试——上碾压了所有对手。比Gemini 3.1 Pro高3.27%，比Claude Opus 4.6高9.68%，比GPT 5.4高14.5%。
350亿参数的专用模型，在专业领域打赢了更大的通用模型。在量子计算这种高度垂直的领域，这大概不是偶然。
量子计算的时间表可能被提前
全球量子市场2025年达到19亿美元，年增速30%，预计2030年突破110亿美元。但增长曲线有一个前提：纠错问题得解决。
英伟达的入局给这个前提加了一个新变量。
之前纠错的进展主要靠硬件本身进步——更安静的量子比特、更精确的量子门。这是纯物理路径，速度受限于材料和制造工艺。
Ising开了另一条路：用AI提升经典计算部分的处理能力，降低对硬件完美的要求。两者不是替代关系，是乘法关系。硬件每年把错误率砍一个数量级，AI把纠错效率拉高2.5倍，叠加起来可能让容错量子的到来提前好几年。
有意思的是，就在同一天，量子计算公司Sygaldry宣布完成1.39亿美元融资（A轮1.05亿，Breakthrough Energy Ventures领投），专门做"量子加速AI服务器"。越来越多的钱和人在押注AI和量子的交叉点。
而英伟达又一次站在了交叉点的正中间。
写在最后
对量子硬件公司来说，这直接是利好。IonQ、Atom Computing、IQM已经是Ising的首批用户，相当于有人帮它们降低了从实验室走向商用的门槛。
对IBM、Google、微软这些既做硬件又做软件的巨头来说，局面就微妙了。它们可能需要在英伟达的软件栈和自家的全栈方案之间做取舍。不是非此即彼，但生态位之争已经开始。
更大的变化可能在未来。如果"量子-GPU混合超算"成为主流架构，量子计算的竞争焦点可能从"谁的量子比特更多"转向"谁的AI控制层更聪明"。这个战场，英伟达已经先落子了。
