量子计算“拐点”已至！英伟达的未来不止 GPU，黄仁勋指向了一个新“Q”

最新推荐文章于 2025-12-03 08:43:36 发布
原创 最新推荐文章于 2025-12-03 08:43:36 发布 · 891 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#量子计算 #人工智能 #量子

部署运行你感兴趣的模型镜像

 内容来源：量子前哨（ID：Qforepost）

文丨浪味仙  排版丨浪味仙

行业动向：2300字丨6分钟阅读

英伟达 CEO 黄仁勋在 Viva Tech 2025 大会上发表了对未来科技的展望。

他认为量子计算正迎来一个“拐点”，英伟达已推出 CUDA-Q 平台，旨在促进量子与经典计算的结合，并预测未来所有超级计算机都将集成量子处理单元（QPU）与图形处理单元（GPU）。

此外，黄仁勋还发布了下一代 Grace Blackwell 平台，将其描述为一台“思考机器”，能实现数字孪生技术，让物理世界的一切都可被虚拟模拟。

他还提出 AI 工厂的概念，这些数据中心将不再仅用于存储，而是专注于处理和生成智能数据，以推动 AI 应用的发展。他强调，智能基础设施对各国、社会和企业都至关重要，欧洲也已认识到 AI 工厂的重要性。

要点一

量子计算正迎来“拐点”

英伟达 CEO 黄仁勋正将目光投向人工智能（AI）革命的下一个关键推动者：量子计算。

在周三（6月11日）举办的 2025 年巴黎 Viva Tech 大会上，黄仁勋表示：“量子计算正迎来一个拐点。”他还补充道：“现在很清楚的是，我们已接近能够将量子与经典计算结合应用的阶段，这将能够解决一些有趣的问题。”

今年 1 月，黄仁勋曾质疑是否有可能在未来 15 年内推出实用的量子计算机，该言论导致部分量子股下跌，但在随后的 GTC 大会上他承认自己此前的看法是错误的。此次他在 Viva Tech 2025 大会上的演讲再次与 1 月的发言形成鲜明对比，显示出他对量子计算进展更为乐观的态度。

正如摩尔定律曾预言经典计算的指数增长一样，黄仁勋认为量子计算正迎来类似的增长轨迹。“我完全可以预期，每五年，逻辑量子比特将增加 10 倍，每十年，逻辑量子比特将增加 100 倍。”此外他还提到目前在纠错、鲁棒性和可扩展性的进步已触手可及。（就在 Viva Tech 2025 前一天，IBM 表示正在构建世界上第一台大规模容错型量子计算机，将于 2029 年推出。）

黄仁勋还强调了英伟达对支持量子生态系统的承诺，表示英伟达的芯片将用于支持量子计算，且公司完整的量子算法栈将在其 Grace Blackwell 200 芯片上加速运行。量子计算机有潜力大幅提升大语言模型的运算速度，并推动更强大 AI 的诞生。

要点二

量子计算新篇章：CUDA-Q 面世

黄仁勋曾以将英伟达的未来押注在 AI 和 GPU 上而闻名，彼时这项技术尚未家喻户晓。而在被誉为“法国版 CES”的 Viva Tech 大会的主题演讲中，黄仁勋透露，英伟达正在为 AI 发展进程中的下一个关键节点做好准备。“每一次工业革命都始于基础设施。AI 是我们这个时代必不可少的基础设施，就像电力和互联网一样。”

量子计算是一类比当今经典计算机强大数倍的计算机，能够加速 AI（智能软件）的处理。量子计算机使用量子比特（qubits），相比于经典计算机（使用 1 和 0 表示的比特）能够处理更多的数据。

在 Viva Tech 上，黄仁勋发布了 CUDA-Q，这是其 CUDA 平台的新扩展，专为量子-经典混合计算而设计。作为一个开源的混合计算平台，CUDA-Q 能够使运行量子计算应用程序所需的硬件和软件协同工作。

黄仁勋预测：“至少在下一代超级计算机中，每一台都将配备 QPU（量子处理单元）并与 GPU 相连。”基于此，他描绘了一个量子和经典架构协同工作，解决曾被认为无法解决问题的未来。

要点三

Grace Blackwell 平台：数字孪生时代来临

除了量子计算，黄仁勋还展示了英伟达的下一代 Grace Blackwell 平台，他将其描述为一台专为推理和规划而设计的“思考机器”。

这一硬件上的飞跃使得数字孪生（物理系统的数字副本）得以创建和运行，并在虚拟环境中进行设计和测试，然后再部署到现实世界中。

黄仁勋提到：“由于我们现在能够以极快的速度模拟几乎所有事物，因此我们可以将一切都变成数字孪生。”同时他还强调：“所有物理实体都将以可视化的方式被构建。”

要点四

AI 工厂：智能时代的制造中心

上述这些 AI 能力需要一种全新的数据中心，黄仁勋称之为 AI 工厂，尽管这可能看起来与传统的数据中心无二，但事实上，它们不仅仅是用于存储和检索文件的地方。

黄仁勋提到，AI 工厂处理和生成用于 AI 应用的智能令牌（例如词汇组和其他数据），就像汽车工厂制造汽车一样。“每个国家、每个社会、每个公司都将依赖于这种智能基础设施，欧洲现在已经意识到这些 AI 工厂、以及 AI 基础设施的重要性。”

欧洲有 20 多个 AI 工厂正在计划中，黄仁勋提到，两年之内，英伟达就会助力欧洲将 AI 计算能力提升 10 倍。与此同时，英伟达已与多个国家合作开发生态系统，包括与 77 个国家合作建立 AI 技术中心，目标之一是与初创公司合作共建生态系统。此外，英国光量子计算公司 ORCA Computing 也正在为 AI 工厂量身打造量子加速器🔗。

黄仁勋在 Viva Tech 大会上的言论，令多家开发量子技术的公司股价在当日盘前交易中出现大幅上涨，这反映出公众对该行业的广泛热情，市场预期量子突破可能很快为医疗、科研和金融等领域解锁新能力。

Reference：

NVIDIA CEO Jensen Huang Live GTC Paris Keynote at VivaTech 2025

https://www.youtube.com/watch?v=X9cHONwKkn4

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Qforepost
关注
量子“三连投”：不止芯片，英伟达的量子野心是一套“新秩序”
Qforepost的博客
09-11 903
再接上近日公开的三连投资，黄仁勋更是将“拐点”从一个口号变成了具体的商业行动，向外界传递出清晰的信号：量子计算的部分路线已经拥有可信赖的技术成熟度，值得大规模投资，并可与现有计算体系结合，解决现实世界中的“有趣问题”，英伟达正在用真金白银投资那些最有可能成为“混合计算”基础设施的关键玩家。资本的躁动是信号，拐点的临近是事实，英伟达近日的几笔投资，也有可能会被历史记为一个分水岭：自此以后，算力的竞争，不再局限于经典范式，而是进入了量子与经典交织的新秩序。在量子计算的世界里，“路线之争”是绕不开的话题。
重磅！英伟达/阿里千亿级投入，拉开决定未来的算力之争
最近开始研究AIGC领域技术，欢迎交流
09-24 969
用于建设大规模 AI 数据中心和 GPU 集群。加码自研芯片、超算中心和云计算平台。这背后透露出的信息非常清晰：AI 的发展，已经不再是单纯的算法比拼，而是进入了的时代。GPU 作为核心算力引擎，正在成为资本竞相追逐的战略高地。
黄仁勋发布量子计算专用CUDA！预言量子计算机几年内应用，但现在还离不开GB200
量子位
06-12 112
此外，英伟达还发布了新的 AI 工具和模拟技术，包括三种新的最先进的Cosmos模型，用于提高AV软件的性能；按照老黄的观点，AI将引领一场全面的工业革命，正在通过生成式AI、物理AI、数字孪生以及新的AI工厂和计算范式，彻底改变工业的方方面。同时物理AI也被英伟达视为一个巨大的市场机遇，老黄表示，英伟达的物理AI系统有望彻底改变各行各业，在工厂、交通运输和人形机器人领域。另外，英伟达的Halo安全系统也得到了领先认证机构的认可，并且正在发布新的AI工具，来推动自动驾驶和机器人技术的发展。
释放量子洪荒之力！详解NVIDIA 的 CUDA Q-wist
Qforepost的博客
03-28 611
此外，总部位于加利福尼亚州的BlueQubit在一篇博文中详细介绍了 NVIDIA 的量子技术如何利用其研究和 GPU 服务，促进在 GPU 上实现最快、最广泛的量子仿真。NVIDIA 还与量子技术领域的领导者Inflection合作，通过 NVIDIA 支持的 Superstaq 软件，为欧洲最大的网络防御演习提供尖端的量子解决方案。NVIDIA 表示，该云平台使用户能够开发和试验新颖的量子算法和应用程序，例如用于混合量子经典计算机编程的模拟器和工具，这标志着可访问性和功能的重大进步。
英伟达投资两家量子计算公司，押注GPU+量子混合计算
SuaniCommunity的博客
09-15 606
据 DCD（数据中心动态）报道，英伟达旗下的风险投资部门NVentures，战略投资了一家名叫QuEra Computing的量子计算公司。这可不是英伟达第一次“剁手”量子领域，之前他们已经投了另一家大神级公司Quantinuum。QuEra Computing的首席执行官Andy Ory一番话给这把火浇满了油：“我们已与英伟达合作，将我们可扩展的中性原子架构与其加速计算堆栈相结合，以加速实用且容错的量子机器的到来。
黄仁勋论AI与量子技术驱动新浪潮，微美全息正加速量子计算产业化融合
2501_92029301的博客
06-12 474
北京时间6月12日，英伟达CEO黄仁勋在法国巴黎召开的VivaTech2025上表示，对量子计算越来越看好。
GTC DC 2025：英伟达的三重革命，定义AI时代新规则
科技峰行者的博客
10-30 728
摘要：2025年华盛顿GTC大会标志着AI产业进入新阶段。英伟达发布革命性Blackwell Ultra芯片，采用4nm工艺和3D堆叠技术，AI推理速度提升11倍，并推出配套6G通信、自动驾驶等解决方案。大会提出"AI即劳动力"新范式，认为AI将重构就业结构，创造高技能岗位。通过硬件突破、生态扩张和认知革新，英伟达正从芯片供应商转型为产业规则制定者，手握5000亿美元订单，其技术优势预计将维持2-3年领先。这场变革将重塑全球科技竞争格局，并深刻影响教育、就业等社会层面。
英伟达GTC2025震撼启幕：AI推理新篇章，三大“核武器”引领未来！
mike_leeso的博客
03-19 814
量子计算方面，英伟达与IonQ、D-Wave的合作，正在探索“量子-经典”混合计算的商业化前景，为AI的未来发展开辟了新的道路。”黄仁勋的这番话，无疑为AI产业的未来发展指明了方向。在GTC的生态展区，百胜餐饮的数字孪生厨房、百事可乐的供应链优化、Roblox的元宇宙扩展等案例，充分展示了AI落地的多样性。黄仁勋展示的路线图清晰地描绘了英伟达的未来布局：从2025年的Blackwell到2028年的Feynman，单集群算力将激增14倍，这一算力跃迁将为百万GPU级AI工厂的诞生提供坚实支撑。
英伟达GTC2025震撼发布：AI推理新纪元，三大“杀手锏”引领变革！
finehoo_andy的博客
03-19 1031
同时，在量子计算领域，英伟达与IonQ、D-Wave的合作，正在探索“量子-经典”混合计算的商业化可能性。英伟达CEO黄仁勋，这位科技界的“布道大师”，再次以震撼性的发布，宣告了AI产业新纪元的到来。在GTC的生态展区，百胜餐饮的数字孪生厨房、百事可乐的供应链优化、Roblox的元宇宙扩展等案例，充分展示了AI落地的多样性。黄仁勋展示的路线图清晰地揭示了英伟达的战略意图：从2025年的Blackwell到2028年的Feynman，单集群算力将激增14倍，为百万GPU级AI工厂的诞生奠定坚实基础。
GPU 英伟达GPU架构回顾
热门推荐
生活需要深度
10-01 1万+
1999 年，英伟达发明了 GPU（graphics processing unit），本节将介绍英伟达 GPU 从 Fermi 到 Blackwell 共 9 代架构，时间跨度从 2010 年至 2024 年，具体包括费米（Feimi）、开普勒（Kepler）、麦克斯韦（Maxwell）、帕斯卡（Pashcal）、伏特（Volt）、图灵（Turing）、安培（Ampere）和赫柏（Hopper）和布莱克韦尔（Blackwell）架构。
GPU计算助力天河问鼎世界第一 国家超级计算天津中心携手英伟达掀起超算新纪元.pdf
09-25
GPU计算助力天河问鼎世界第一 国家超级计算天津中心携手英伟达掀起超算新纪元.pdf
GPU的未来——专访NVIDIA（英伟达）创始人、总裁兼首席执行官黄仁勋先生.pdf
09-25
GPU的未来——专访NVIDIA创始人黄仁勋 GPU，全称为图形处理器，自诞生以来，已经在计算机领域发挥了重要作用，尤其在高性能计算、图像处理和游戏开发中。随着技术的进步，GPU的角色也在不断演变。在黄仁勋先生的...
深入探索量子机器学习：原理、实践与未来趋势的全景剖析
weixin_45922644的博客
11-30 883
量子机器学习结合量子计算与经典算法，展现处理复杂任务的潜力。本文概述了量子比特叠加态、量子门操作等核心原理，并演示了量子支持向量机（QSVM）和量子神经网络（QNN）的实际应用。通过MNIST数据集分类案例，代码示例展示了量子核方法在高维特征空间中的优势以及量子神经网络的架构设计。尽管面临硬件限制和噪声干扰等挑战，量子机器学习在优化、模拟等领域已显示出独特优势。未来随着量子硬件发展，该技术有望突破经典计算瓶颈，实现更高效的智能系统。
什么是量子计算？
雪兽软件
12-02 366
经典计算机助力人类取得了多项辉煌成就。然而，即便经典计算机持续发展，仍存在一些我们认为它们永远无法解决的问题。由于量子计算机借助量子物理特性，获得了经典计算机无法企及的全新计算能力，因此我们预计，量子计算机在解决某些问题时，速度将远超经典计算机，达到指数级提升。
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 823
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1530
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
最新发布
minhuan的专栏
12-03 879
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
07_Spring AI 干货笔记之提示词
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 1748
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
【LLM】DeepSeekMath-V2模型
发现问题，并解决问题，批判性思维
11-29 1538
研究问题：这篇文章要解决的问题是如何在大型语言模型（LLMs）中进行自我验证的数学推理。具体来说，现有的基于最终答案奖励的强化学习方法在数学推理中存在根本局限性，因为正确答案并不能保证推理的正确性，特别是在定理证明任务中。 研究难点：该问题的研究难点包括：如何在不依赖最终答案的情况下验证推理的正确性；如何在生成和验证之间建立有效的迭代改进循环；如何在没有已知解决方案的开放问题上扩展测试时计算。 相关工作：该问题的研究相关工作有：OpenAI的推理模型在定量推理竞赛中取得了显著进展；DeepMind的Deep
c++ 调用英伟达GPU计算
12-11
在C++中调用英伟达GPU进行计算通常使用CUDA（Compute Unified Device Architecture）框架。CUDA是英伟达提供的一种并行计算平台和编程模型，允许开发者使用C++等高级编程语言来编写在GPU上运行的程序。以下是一个简单的示例，展示了如何在C++中使用CUDA调用GPU进行计算： 1. 首先，确保你已经安装了CUDA工具包，并且你的系统上有一个兼容的英伟达GPU。 2. 编写CUDA内核函数： ```cpp // kernel.cu extern "C" __global__ void add(int *a, int *b, int *c, int n) { int idx = blockIdx.x * blockDim.x + threadIdx.x; if (idx < n) { c[idx] = a[idx] + b[idx]; } } ``` 3. 在C++代码中调用这个内核函数： ```cpp // main.cpp #include <iostream> #include <cuda_runtime.h> extern void add(int *a, int *b, int *c, int n); int main() { int n = 1024; int *a, *b, *c; size_t size = n * sizeof(int); // 分配主机内存 a = (int *)malloc(size); b = (int *)malloc(size); c = (int *)malloc(size); // 初始化输入数据 for (int i = 0; i < n; i++) { a[i] = i; b[i] = i * 2; } // 分配设备内存 int *d_a, *d_b, *d_c; cudaMalloc((void **)&d_a, size); cudaMalloc((void **)&d_b, size); cudaMalloc((void **)&d_c, size); // 将数据从主机复制到设备 cudaMemcpy(d_a, a, size, cudaMemcpyHostToDevice); cudaMemcpy(d_b, b, size, cudaMemcpyHostToDevice); // 调用内核函数 add<<<(n + 255) / 256, 256>>>(d_a, d_b, d_c, n); // 将结果从设备复制回主机 cudaMemcpy(c, d_c, size, cudaMemcpyDeviceToHost); // 打印结果 for (int i = 0; i < n; i++) { std::cout << a[i] << " + " << b[i] << " = " << c[i] << std::endl; } // 释放内存 free(a); free(b); free(c); cudaFree(d_a); cudaFree(d_b); cudaFree(d_c); return 0; } ``` 4. 编译和运行： ```sh nvcc -c kernel.cu -o kernel.o g++ main.cpp kernel.o -o main -lcudart ./main ``` 这个示例展示了如何在C++中使用CUDA调用英伟达GPU进行简单的加法计算。你可以根据需要扩展这个示例，编写更复杂的内核函数和处理更复杂的数据结构。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值