有分析指出，量子计算正在越过过度期望的阶段，迈向与高性能计算（HPC）、人工智能（AI）“实用化整合”的时期。业界评价认为，量子系统并非取代传统计算，而是朝着补充超级计算机和图形处理器（GPU）的方向确立自身地位的观点正获得支持。
在SiliconANGLE旗下theCUBE节目中，戴夫·维兰特指出，无需将量子计算、HPC和AI视为“零和游戏”。他解释道，通过协同利用中央处理器（CPU）、GPU和量子处理器（QPU），可以解决以往难以攻克的问题。
此次讨论在HPE世界量子日活动上进行。维兰特与保罗·吉林关注了量子-HPC整合为何日益重要，以及为何能让实验室外开发者也能使用量子技术的软件抽象层竞争是关键所在。市场的关注点也正从独立的量子计算机本身转向构建“混合架构”的氛围。
向超级计算机与GPU靠拢的量子计算
保罗·吉林诊断称，如今市场的问题已从“量子计算是否会到来”转变为“将部署于何处、如何部署”。研究者们更清晰地认识到量子技术的局限，因此正寻求将量子系统连接至现有超级计算机和GPU基础设施中的方式。
他解释道，在研究现场，量子计算的角色焦点正从替代现有设备转向补充。这与惠普企业加速投资混合量子-经典计算基础设施的潮流相契合。这意味着将量子计算视为现有HPC产品线的延伸，而非独立实验设备的视角正在扩散。
这种路径亦可解读为商业化的现实途径。当前量子硬件虽在特定计算中展现潜力，但作为通用系统独立运行仍限制颇多。反之，若将其作为特定运算的“加速器”连接至现有HPC与AI环境，则实际应用可能性有望更快提升。
为何需要“量子计算的Python”
业界认为软件瓶颈不亚于硬件。吉林强调，需要一种能让开发者在无需复杂物理知识的情况下调用量子系统、执行困难计算并将结果重新接入现有应用的所谓“量子计算的Python”。
他综合访谈结果评价称，量子计算机的软件开发仍近乎“石器时代”。这意味着在出现更多开发者易于使用的工具之前，量子技术很难大幅超越实验室项目的性质。
这表明市场扩张的核心条件并不仅是硬件性能竞争。在实际产业现场，唯有确保使用便利性、开发环境及与现有系统的互操作性，量子-HPC整合才能提速。最终，谁能构建更便捷的软件层，与谁能制造更优的QPU同等重要。
混合架构或先于独立系统落地
全球超级计算中心押注混合架构而非独立量子系统的原因亦在于此。在已完备的HPC与AI基础设施上逐步叠加量子功能的方式，在成本、效率及实际引入层面更为现实。
量子计算虽仍是早期技术，但其方向性正逐渐清晰。它更有可能首先作为补充HPC与AI的专用技术立足，而非“改变一切的独立平台”。此次讨论的意义在于，市场已脱离仅凭预期驱动的阶段，进入了探讨实际整合与运用方案的时期。
TP AI 注意事项 使用基于TokenPost.ai的语言模型对文章进行了摘要处理。正文主要内容可能被省略或与事实存在出入。