Quint Computing 融资 910 万欧元，IBM 把两颗 120 量子比特处理器连了起来

欧洲量子硬件最新的一笔钱在 11 月 3 日到账。据 Tech.eu 报道，2025 年 10 月成立的德国初创公司 Quint Computing 完成 910 万欧元首轮融资，由 Vsquared 领投。Quantonation、Nucleus Capital、Faber、Vanagon Ventures 和 ZOHO.VC 参投。天使投资人里有 IQM 与 QMill 创始人 Mikko Möttönen 教授。Tech.eu 还提到，这家公司拿到了欧洲创新委员会 220 万欧元的 Pathfinder 资助。一家成立刚满一年的公司就拿到公共资金，说明这个领域下注的时点仍然很早。

Quint 的卖点在硬件层面降错。它正在做一种超导芯片架构，目标是在软件纠错介入之前就把错误率压下来。正是这个问题，让量子机器一直进不了工业应用。

创始人是量子物理学家 Michael Hartmann 教授和 Christopher Eichler 教授，加上经济学家 Jona Stinner 博士。据 Tech.eu 报道，团队出自埃尔朗根-纽伦堡大学，属于慕尼黑量子谷生态。他们押注的是：错误率必须在芯片内部降下来，不能只靠叠在上面的经典软件。他们还押注，为这件事专门调校的超导设计，能比依赖事后纠错层的架构更早接触到工业用户。种子阶段的团队能不能把设计推进到流片，这轮融资没有回答。

两颗处理器，一米距离，四个耦合器

11 月 2 日，Semiconductor Engineering 报道了 IBM Research 的一篇论文《Meter-scale quantum interconnects between large quantum processors》，该文以 2610.29986 的编号发布在 arXiv。摘要描述了四个 L 耦合器，它们工作在两颗 120 量子比特的 IBM Nighthawk R1 超导处理器之间。模块化设计要的正是这个：在米级距离上仍能保持相干性的长距离耦合器。而且这些耦合器还得能扩展到任意两个模块之间的多重连接。

一米为什么重要？一台稀释制冷机的布线预算是有限的。纠错机器需要的量子比特数，远超任何单颗芯片的容量。如果能把模块拼接起来又不让量子态塌缩，就能靠增加模块来扩大机器，不必重新设计芯片。这是论文的论点。论文演示的是耦合器，不是容错计算机。

围绕这件事的商业动作跑得比物理快。10 月 26 日，英特尔表示已签署最终协议，收购以色列量子软件公司 Classiq，后者的综合平台不依赖具体的量子比特实现方式。英特尔的新闻稿把交易说成是把 Classiq 的算法综合与自家硅自旋量子比特制造结合起来。这笔交易给本已覆盖 CPU、GPU 和 ASIC 的产品组合添上了量子处理单元。

“与 Classiq 联手，将把英特尔的量子计算部门变成一家全栈量子计算业务。”英特尔首席执行官陈立武在公司公告中说。

英特尔表示，交易仍需监管批准。新闻稿没有披露价格。

纠错从论文走向产品

错误率是贯穿这一切的线索。Quint 卖的是针对错误率的芯片架构。IBM 做互连，是为了把纠错模块拼起来。10 月 26 日，arXiv 刊出谷歌量子团队 Emma Rosenfeld、Craig Gidney 及一长串作者的《Magic state cultivation on a superconducting quantum processor》。论文 2025 年 12 月首次提交，上周做了修订。魔术态是容错算法所需的非 Clifford 门的原料。低成本制备它们，是这个领域里较少被谈起的瓶颈之一。

本周并非每个进展都来自芯片厂。佛罗里达大西洋大学 Arslan Munir 教授带领的研究人员，在 Discover Quantum Science 上发表了一项比较研究，考察训练数据被刻意限制时，各种量子机器学习方法预测肺癌的效果。HPCwire 在 11 月 2 日报道，一台运行量子支持向量机的 D-Wave 退火机在模拟中达到 94.31% 的准确率，在量子硬件上达到 91.90%。

这份数据集值得细看。它起初是 309 条公开记录，涵盖吸烟史、咳嗽、喘息、疲劳和胸痛。随后用合成样本补到 540 条。补进来的记录不是新病人。模型用 108 个样本训练，在 432 个样本上测试，共五轮。在一个规模不大、经过合成扩充的数据集上得出 91.90% 的硬件成绩，是研究结果，不是临床结果。作者们自己也是这样表述的。

钱的问题，以及改名的问题

资本正以小额度支票和大额收购同时到来。对一家需要低温设备、流片渠道和物理学家的公司来说，Quint 的 910 万欧元只是种子轮的量级。英特尔买的则是软件，用来叠在它已经制造的硬件之上。这两种位置之间的落差，就是当下市场的形状。

与此同时，为大量周边算力买单的 AI 基础设施热潮正碰上公关麻烦。The Verge 在 11 月 3 日报道，OpenAI 在周一的一份 Grid Protectors Program 公告中用了“compute campus”一词。“data center”在约 900 词里只出现了两次。Tom's Hardware 在 11 月 2 日指出，Axios 曾在美国中期选举前报道过这一改名计划。报道引用 OpenAI 全球事务主管 Chris Lehane 的话，称中期选举“有点像 2028 年将要发生的事情的预告片”。

“OpenAI 显然是在回应数据中心不受欢迎这件事。”PauseAI US 创始人兼执行董事 Holly Elmore 对 The Verge 说，“把它们改名叫‘compute campuses’也许能骗过听众一两次，但不受欢迎的并不是‘data center’这个名字。”这段引述来自 The Verge 的报道，不是我们的。

本周有两篇 arXiv 论文指向这一切算力底下的经济层。其中一篇由 Nastaran Okati、Ricardo Olmedo 和 Moritz Hardt 于 10 月 29 日提交，把计算套利形式化了。在这种设定里，中间商从一组模型那里买入推理，再转卖出去。论文证明该分配问题一般是 NP 难的，随后说明在收益递减条件下它变得可解。另一篇由 Genliang Zhu 和 Chu Wang 于 10 月 30 日提交，为计算机使用型智能体提出一套授权协议。这类智能体在图形界面、命令行、API 和 Model Context Protocol 服务器上行动。协议在 1732 个场景的 3464 条轨迹上做了测试。

两篇论文都不是量子圈子所说的那种里程碑。它们描述的是管道，而这些管道将决定这些硬件能不能挣回成本。

接下来要看的，比量子比特数枯燥得多。IBM 的耦合器需要在两个以上模块之间也能工作。Quint 需要在硅片上而不是在融资公告里展示它的架构。英特尔需要监管机构点头。这个领域还需要把错误率降到足够低，让一颗 120 量子比特处理器与另一颗相连时是一台计算机，而不是一次实验。