Pasqal 量子 AI 数据中心携手 LG CNS 成形，但验证仍在后面
Pasqal 与 LG CNS 签署了一项为期三年的协议，计划将量子处理器引入 AI 数据中心，尽管目前企业级优势的证据仍然有限。Pasqal 量子 AI 数据中心项目将中性原子硬件与 LG CNS 的平台、运营能力和商业分销网络相连接。
这一组合之所以重要，是因为它不只是又一个远程量子试点项目。双方希望将量子处理单元部署进围绕高要求 AI 工作负载设计的基础设施中，并计划将这些资源作为更广泛计算环境的一部分进行管理。
该公告使 Pasqal 面对一条更成熟的经典计算路径，后者由 CPU、GPU、网络、存储和专用加速器构成。IBM、QuEra 以及多家超级计算中心也在开发混合系统。然而，将量子计算机连接到经典基础设施，并不会自动创造出有价值的生产级工作负载。
因此，核心考验在于运营，而非宣传。LG CNS 能否将适当的问题路由至 Pasqal 硬件，返回可信的答案，并优于最佳经典替代方案？在此之前，“量子就绪”描述的是架构意图，而非已获验证的商业优势。
Pasqal 与 LG CNS 将量子硬件纳入数据中心规划
该协议推动量子计算从孤立实验走向可由企业技术运营商部署和管理的基础设施。
Pasqal 和 LG CNS 于 2026 年 9 月 10 日宣布签署谅解备忘录。签约恰逢法国—韩国国事访问期间，合作计划为期三年。
根据这项混合计算协议，两家公司将围绕三个相互关联的领域开展合作。每个领域都旨在弥合实验室硬件与企业服务之间的不同缺口。
首先，双方计划将 Pasqal 的中性原子量子处理器与 LG CNS 平台集成。这些平台包括 AI Haus 环境以及该公司的 AI Data Center 基础设施。
其次，该协议涵盖在这些环境中对量子资源的运营、管理和部署。这项工作不如硬件显眼，却将决定客户能否可靠地使用这些系统。
第三，双方计划在韩国及国际市场寻找商业机会。项目并不局限于 LG 集团内部研究。
Pasqal 提供量子处理单元，通常称为 QPU。QPU 负责量子操作，而经典处理器则准备输入、控制执行并解读结果。
LG CNS 则带来数据中心工程、系统集成、云运营能力以及企业客户渠道。其角色可能将一套专业物理系统转变为托管式基础设施组件。
不过，该公告并未说明首套系统将部署在哪一座具体设施中，也未提供安装时间表、客户合同、工作负载基准或生产服务上线日期。
该文件仍是一份 MoU，而非已披露的采购订单。它建立了合作框架，但未披露具有约束力的容量承诺或可量化的性能要求。
这一区别并不意味着协议毫无意义。硬件供应商需要理解设施、调度、安全和服务交付的运营商；数据中心运营商则需要在客户开始提出需求前接触新兴加速器。
不过，目前这项合作定义的是一个方向，而非已交付的产品。“量子就绪”一词应在这一背景下理解。
该项目也建立在 Pasqal 与 LG 体系内既有合作关系之上。Pasqal 曾于 2025 年 11 月表示，LG Electronics 已对该公司进行股权投资，并与其建立研究合作关系。
此前的LG 研究合作涵盖多物理场仿真、优化和材料发现算法。这些类别为未来混合服务提供了潜在工作负载。
与 LG CNS 的协议则将合作从工业研究延伸至基础设施交付。简单来说，LG Electronics 协助探索问题，而 LG CNS 可以帮助打包计算访问服务。
Pasqal 还将韩国称为其亚太业务的战略枢纽。新协议为这一战略增加了第二家大型韩国合作伙伴，并提供了更清晰的数据中心渠道。
因此，眼下的变化既是组织层面的，也是技术层面的。Pasqal 如今拥有一家能够连接硬件、设施、软件运营和企业销售的合作伙伴。
仍然缺失的是能够证明这些环节共同创造价值的工作负载。这个缺口推动着混合量子基础设施与传统加速计算之间的竞争。
为什么 Pasqal 量子 AI 数据中心采用混合模式
Pasqal 并非提议让量子机器取代 AI 服务器，而是让其成为混合计算栈中的专用资源。
现代 AI 数据中心已经会在不同处理器之间分配工作。CPU 协调应用，GPU 执行并行计算，网络设备则在大型集群间传输数据。
量子处理器将增加另一种专用资源。软件必须决定问题的哪一部分应交由该处理器处理，以及哪些部分仍应保留在经典系统中。
这一模式被称为混合量子—经典计算。工作流在量子与经典资源之间交替，由各系统处理适合其架构的计算。
这种描述听起来可能类似于增加 GPU。但运营现实更为困难，因为当前量子处理器存在噪声、资源稀缺，且大多数数据中心团队对此并不熟悉。
Pasqal 使用中性原子作为量子比特，也就是用于编码和操纵信息的量子单元。被称为光镊的激光装置将单个原子固定在可配置的排列中。
该平台可以以模拟和数字模式运行。在模拟运行中，研究人员排列原子，使其相互作用代表另一种物理系统的行为。
数字运行则使用一系列量子门，其形式类似于量子计算中广泛采用的基于指令的模型。Pasqal 将容错数字计算视为其路线图中的未来阶段。
从理论上看，中性原子具备若干基础设施优势。同一种元素的原子天然一致，可减少由半导体制造导致的量子比特差异。
Pasqal 还表示，其已部署的处理器不需要超导量子计算机所使用的深低温系统。这简化了一项重要设施要求，不过激光、真空设备、控制系统和校准仍不可或缺。
Pasqal 在提交给美国证券监管机构的投资者演示材料中称，已部署七套 QPU，另有三套处于生产阶段。该公司表示，这些系统运行于标准数据中心或超级计算中心。
同一份文件称，当前系统包含 100 至 200 多个量子比特。Pasqal 还表示，每套已部署 QPU 的功耗低于四千瓦。
这些数据来自该公司，应据此审慎看待。量子比特数量不能完整衡量实际可用性能，设施功耗也未包含周边经典基础设施。
Pasqal 的材料还区分了物理量子比特与逻辑量子比特。物理量子比特是单个硬件元件，而逻辑量子比特通过错误管理技术组合而成，以支持更可靠的计算。
这一区别至关重要。即便一台机器拥有大量物理量子比特，如果噪声在执行结束前干扰结果，它仍可能难以完成深度计算。
Pasqal 表示，模拟系统目前可以处理优化和材料问题。其路线图瞄准更通用的容错能力，包括在 2029 年实现超过 200 个逻辑量子比特。
LG CNS 合作并未等待这一路线图完成。它从运营集成、工作负载发现以及协调不同处理器所需的软件开始。
这种方式具有商业合理性。即使量子硬件的改进速度快于预期，数据中心集成仍然需要时间。
运营商需要调度系统、身份控制、可观测性、维护流程和开发工具，还必须确定数据如何进入和离开量子工作流。
延迟是另一个问题。混合算法可能需要在经典和量子处理器之间反复交换。缓慢的连接或长时间排队可能抹去理论上的计算优势。
共址可以减少部分延迟，但物理接近并不能解决所有瓶颈。控制系统、软件层、校准窗口和资源争用仍会影响执行时间。
LG CNS 可以在这些不那么引人注目的层面贡献经验。如果双方构建出可复用的编排能力，客户或许能够在无需自行组装所有组件的情况下测试量子工作负载。
在广泛的量子优势出现之前，这样的结果也能让基础设施体现价值。企业可以培训员工、梳理工作负载，并在硬件持续改进期间建立运营控制机制。
但准备工作只有与严谨实验相结合才有价值。包含 QPU 的数据中心并不天然优于没有 QPU 的数据中心。
混合模式的成功，在于软件将一项狭窄计算分配给量子硬件，并产生更好的端到端结果。在此之前的一切，都只是为可能出现的优势做准备。
经典加速器才是真正的对手
最棘手的竞争者并非另一家量子公司，而是持续改进、且已在大规模企业工作负载中运行的经典计算栈。
AI 基础设施买家可以在 GPU、定制加速器、优化软件和大型 CPU 集群之间选择。这些系统拥有成熟的工具链、可预测的运营表现和可衡量的输出。
量子硬件必须在相关任务上胜过当时可用的最佳经典方法。击败过时算法或不切实际的模拟，并不能证明其商业价值。
这一要求带来了一个不断移动的目标。量子团队公布所谓优势后，经典计算研究人员往往会改进算法。
当各平台报告不同指标时，硬件比较也会变得困难。量子比特数量、保真度、连接性、执行速度和应用准确性都会影响结果。
Pasqal 的中性原子架构与 IBM 和 Google 的超导系统竞争，同时还面临 IonQ 和 Quantinuum 的离子阱系统、光子路线，以及中性原子竞争对手 QuEra 的挑战。
每种架构都带来不同取舍。超导处理器通常需要极低温运行环境，而离子阱则可以提供高质量操作，但执行速度较慢。
中性原子凭借由相同原子构成的阵列，有望实现灵活布局与规模扩展。然而，要在大型阵列中实现可靠控制和纠错运行，仍是活跃的工程挑战。
因此，LG CNS 项目加入了定义混合计算架构的更广泛竞争。IBM 已发布一份以量子为中心的蓝图，将 QPU 与 CPU、GPU、存储、网络及编排软件连接起来。
该蓝图将量子硬件视为异构系统中的一种资源。应用程序会将任务分配给不同处理器，而不是迫使单一架构处理整个问题。
IBM 与 RIKEN 还介绍了一种涉及 IBM Heron 处理器和 Fugaku 的闭环工作流。在闭环中，经典系统和量子系统会反复交换中间结果，且不会中断工作流。
其 Fugaku 实验聚焦于铁硫分子的电子结构。IBM 将其视为紧密协同的系统能够支持高要求化学计算的证据。
这一案例提高了 Pasqal 和 LG CNS 面临的标准。仅宣布集成已不再足够，因为竞争对手正在发布架构、软件组件及工作负载结果。
QuEra 在中性原子计算领域带来了直接压力。该公司面向高性能计算中心推广本地部署系统，并强调低功耗需求和在室温设施中运行的能力。
这使竞争变得更具体。Pasqal 必须证明，其硬件、软件和与 LG CNS 的集成，何以能比另一套中性原子系统提供更优的运营方案。
Pasqal 也与 IBM 合作开展经典-量子集成，因此竞争版图并非泾渭分明。量子公司经常在软件或标准上合作，同时又在硬件部署方面展开竞争。
这种重叠进一步凸显了互操作性的重要性。企业买家会抵制将工作负载锁定在单一实验性技术栈中的基础设施。
对 LG CNS 而言，最佳结果将是一个能够管理多种处理器类型的编排层。Pasqal 仍可成为首个量子后端，但数据中心应保留架构灵活性。
这种可能性会给 Pasqal 带来张力。供应商受益于广泛分发，但开放的数据中心平台可能使硬件变得可替换。
眼下的压力同样落在既有基础设施提供商身上。云平台和系统集成商必须决定：是提供量子访问、等待需求进一步增强，还是与相互竞争的供应商合作。
韩国云服务商已表现出兴趣。2026 年 7 月，Pasqal 与 MegazoneCloud 宣布了一项托管量子计算计划，涵盖云访问、用例开发以及可能的本地部署。
LG CNS 如今为同一市场带来了另一条路径。这两项合作表明，Pasqal 希望通过韩国云服务、工业客户和数据中心等多个渠道进入市场。
对买家而言，这种扩张只有在访问体验趋于一致时才有价值。不同合作伙伴不应带来不兼容的环境、账户模式或开发接口。
团队需要清晰记录算法、数据集、基准测试设置和硬件版本。一套可搜索的知识库可帮助在长期实验中保留这些决策。
更大的竞争仍在于量子加速与经典计算进步之间。只有当客户能够明确问题、衡量结果并证明混合系统的合理性时，Pasqal 才能在这场竞争中胜出。
这份 MoU 未回答最重要的问题
这项公告确立了访问权和合作意向，但尚未确立性能、需求或生产级服务。
两家公司均未披露首个目标工作负载。公告提到计算密集型工业和科学挑战，但没有点名应用、数据集或预期结果。
这一遗漏很重要，因为量子处理器并非通用 AI 加速器。它们无法像 GPU 一样训练大型语言模型。
AI 与量子计算之间的潜在联系有多种形式。AI 可以帮助调校量子硬件，而量子算法则可用于优化、采样或科学模拟。
研究人员也在研究量子机器学习，即将量子电路应用于特定学习任务。相对于强大的经典方法，其实际优势的证据仍然有限，并且高度依赖具体工作负载。
因此，一项有价值的 Pasqal 量子 AI 数据中心服务需要谨慎定位。它不应暗示客户可以将常规模型训练从 GPU 转移到量子处理器上。
最有希望的早期工作负载，可能是在更大型经典流程中处理狭窄的优化或模拟步骤。Pasqal 现有的合作关系指向材料、金融、能源和工业规划等领域。
即便如此，每项结果都需要经典基线。合作伙伴应在不孤立有利指标的前提下，对准确性、总执行时间、能耗、运营投入和成本进行比较。
该公告也未明确部署架构。QPU 可以部署在 LG CNS 的设施中，通过另一座本地中心连接，或作为云接口背后的远程资源。
每种模式都会改变客户体验。本地硬件提供更严密的控制和更低的网络延迟，但也带来维护与容量责任。
远程访问简化了物理运营，却会引入排队、数据治理问题和网络延迟。当算法需要频繁的经典反馈时，这些因素会变得重要。
服务可靠性则是另一个未知数。企业数据中心会衡量可用性、恢复时间、工作负载完成情况和安全控制措施。
量子系统需要校准和专业支持。LG CNS 必须将这些要求转化为采购团队能够理解的服务预期。
这份 MoU 并未披露服务级别目标。关于容量分配、客户接入流程或支持哪些开发框架，也没有公开信息。
在这一阶段，缺少这些细节是正常的。但这也意味着，读者不应将合作范围与产品成熟度混为一谈。
Pasqal 的路线图带来了第二层不确定性。该公司计划持续提升物理量子比特、保真度和逻辑计算能力，但这些里程碑仍面向未来。
数据中心平台必须支持当前硬件，而不能完全依赖未来的纠错能力。否则，客户可能花费数年为实际到来时间晚于计划的能力做准备。
商业需求是第三个未解问题。企业通常出于研究、人才培养或战略曝光而参与量子项目。
这些动机可以支持实验，却不能证明存在持续的生产使用。可信的部署最终应展示来自明确业务团队的重复性作业。
合作伙伴还应披露客户是为专用容量、共享访问、咨询服务还是按结果付费的项目买单。不同模式反映不同程度的承诺。
Pasqal 作为上市公司的披露，为观察者提供了比许多私营竞争对手更多的信息。但这也加大了区分已签约机会、已确认收入与实际活跃使用的压力。
投资者和客户应将已部署系统与定期执行外部工作负载的已安装系统分开追踪。一台已通电的机器可能仍处于低利用率状态。
他们还应将技术演示与业务成果区分开来。一项在科学上有趣的计算，并不会自动缩短客户的开发时间或降低运营成本。
安全性和数据驻留还带来更多问题。韩国金融、制造业和公共部门的公司可能面临对敏感信息的严格管控。
LG CNS 拥有受监管企业环境的经验。但该合作尚未详细说明量子工作流将如何处理受保护数据、审计日志或跨境访问。
供应商依赖也值得关注。如果编排软件假定了 Pasqal 特有的硬件行为，迁移到另一种 QPU 可能需要对应用进行重大修改。
开放接口能够降低这一风险，尽管它可能削弱 Pasqal 对技术栈的控制。这是熟悉的基础设施取舍，如今正出现在实验性计算市场中。
这些不确定性均不会否定该项目。它们界定了项目必须在三年期限内解决的问题。
持怀疑态度的解读很直接：该协议可以产出有价值的基础设施成果，但未必能产生在商业上更具优势的量子应用。
更乐观的解读同样合理。早期集成可以在有用硬件达到更大规模之前暴露运营问题。
两种观点都指向同一项要求：发布工作负载层面的证据。当外部人士能够评估运行了什么、表现如何，以及为何必须使用量子硬件时，这项合作才会变得重要。
三项信号将表明这项合作是否重要
下一阶段应依次通过部署、可重复的基准测试和客户采用情况来评判。
第一个信号是具名安装及其运行日期。Pasqal 和 LG CNS 应明确设施、硬件代际、访问模式和支持的软件环境。
实体安装将强化这项合作关乎基础设施而非营销的说法。它也会使系统面临真实的设施和运营要求。
远程演示提供的证据会较弱。它仍可测试软件，但无法验证协议中所描述的完整数据中心集成。
安装公告应不止是一张照片。有用的细节应涵盖 QPU 访问、经典计算资源、调度、监控、维护和数据控制。
观察者还应关注 LG CNS 是否只支持 Pasqal 硬件。多供应商编排将表明，LG CNS 将量子处理视为一个持久的基础设施类别。
独家集成将显示出对 Pasqal 更深的承诺，但也会增加平台风险。无论做出哪种选择，都将澄清该项目的商业架构。
第二个信号，是针对强大经典基线的可复现混合基准测试。这项基准测试应采用相关的工业或科学问题，而不仅仅是合成测试。
结果应报告端到端时间、准确性、资源消耗和实验条件，也应说明哪些计算在 QPU 上运行。
排除数据准备或经典后处理的基准测试会呈现不完整的图景。混合系统必须作为完整工作流加以评估。
独立参与将提升可信度。大学、客户、标准组织或同行评审渠道都可以审查该方法及其比较结果。
成功并不要求量子硬件在每项指标上获胜。在准确性、解质量或扩展性方面取得有意义的优势，就可能证明继续开发是合理的。
失败同样会提供有用信息。它可能揭示瓶颈究竟在于硬件保真度、软件编排、延迟，还是问题选择。
第二个信号将决定 Pasqal 量子 AI 数据中心这一构想是否具备技术实质。这是架构与证据交汇的关键点。
第三个信号是：付费客户在初步试点后选择继续使用。重复使用所体现的不只是好奇心，因为客户必须为持续访问权限和员工投入时间提供合理依据。
最有力的案例应明确客户身份、工作负载、使用模式以及运营收益。敏感项目可以保护专有数据，同时披露评估方法。
如果客户从云端实验转向预留容量或本地部署容量，将提供尤为有力的证据。这一转变表明，该工作负载需要可预测的量子计算访问能力。
Pasqal 已经证明，客户愿意托管其硬件。其披露的在 Saudi Aramco 的部署，为现场工业基础设施提供了相关先例。
LG CNS 可以测试这一模式能否扩展为更广泛的托管数据中心服务。其企业客户关系有望支持超越单一旗舰部署的推广。
这些信号必须按顺序出现。在合作伙伴建立可运行的环境和可信的性能证据之前，客户无法验证生产级服务。
三年期限为两家公司提供了推进这些阶段的时间，也给了竞争对手改进自身硬件和混合软件的时间。
IBM 的参考架构将持续演进。中性原子竞争对手将争取 HPC 部署，而经典加速器和算法也将不断改进。
这种竞争压力是健康的。它能防止“量子就绪”成为一个永久贴在从未获得实用工作负载的基础设施上的标签。
开发者应关注可访问的工具、完善记录的接口以及透明的队列行为。企业采购方则应要求具备安全控制、可衡量的成果，以及摆脱供应商专属软件的退出路径。
AI 团队尤其应警惕类别混淆。量子处理是 AI 数据中心中拟议的专业化能力，并非 GPU 集群的替代品。
Pasqal 与 LG CNS 的协议之所以重要，是因为它将量子硬件规划纳入主流数据中心运营。它把一家量子供应商与一个理解企业级交付的组织连接起来。
其意义仍取决于后续发展。签署 MoU 能带来时间和组织层面的协同，但并不能终结技术层面的争论。
关注首个具名部署、首个经得起检验的混合基准测试，以及首个在试点后继续使用的客户。这些结果将表明，这项合作究竟创造了计算能力，还是仅仅为其预留了空间。
目前，读者应将 Pasqal 量子 AI 数据中心视为一项严肃的基础设施实验，但它面临严格的举证责任。关注工作负载证据，而非公告的规模。
