两仪万象完成数亿元A+轮融资：三个月两轮，原子量子计算挺进万比特时代

三个月内完成两轮融资，两仪万象以数亿元A+轮融资再次点燃市场对前沿量子计算的热情。当全球还在为量子比特的规模化争论不休时，这家清华系创业公司已率先将捕获原子数推至11000个——这是否意味着原子量子计算正从实验室走向工程化，成为通往通用量子计算机的最短路径？

万级原子阵列的“暴力美学”：两仪万象如何用光学超表面改写量子计算硬件规则

2024年7月，当两仪万象在其公众号上公布“利用光学超表面捕获11000个单原子”的消息时，全球量子计算领域为之侧目。这个数字不仅刷新了原子量子计算的纪录，更意味着在量子计算的所有技术路线中，中性原子阵营率先将可获取的物理比特资源推向了“万量级”。而实现这一突破的核心，是一块比指甲盖还小的光学超表面——它像一面魔法镜，将一束激光分裂成数千个微小的“光镊”，每个光镊都能精准捕获并囚禁一个铷原子。

要理解这一突破的“暴力”之处，必须回到量子计算硬件的基础困境。传统的中性原子量子计算机，通常采用声光偏转器（AOD）或空间光调制器（SLM）来生成光镊阵列。AOD通过射频信号控制激光偏转角度，快速扫描形成动态阵列，但其扩展性受限于扫描速度和功率密度——当原子数量超过数百个时，每个原子的捕获稳定性会急剧下降。SLM虽能生成静态图案，但像素分辨率有限，且光斑均匀性难以控制，通常只能生成几百个光镊。这两条路径的“天花板”大约在1000个原子左右，再往上走，光学系统的复杂度、激光功率的消耗、以及原子间的串扰都会呈指数级增长。

两仪万象团队选择了一条截然不同的路。他们利用纳米压印技术，在二氧化硅基底上刻蚀出周期性的亚波长结构，形成光学超表面。当特定波长的激光垂直入射时，超表面会像“分束器阵列”一样，将光束均匀地分割成数万个独立的光斑——每个光斑的尺寸、强度和相位都高度一致。这种方法的本质是“并行化”：传统方法需要逐个生成光镊，而超表面一次性生成整个阵列。团队在实验中成功生成了超过11000个光镊，每个光镊捕获一个原子，排列成规则的二维晶格。这种“暴力”扩展的物理本质，在于将光学系统的复杂度从“主动控制”转移到了“被动结构”上——超表面一旦制造完成，其分束能力是固定的、稳定的，不需要复杂的反馈控制，从而绕开了传统路径的扩展瓶颈。

“这就像从手工作坊切换到流水线生产。”一位接近两仪万象的量子物理学者向《RecodeX》评价道，“传统方法相当于用几把镊子一个一个夹原子，而超表面相当于一次性印出几万个镊子。虽然每个镊子的精度还有提升空间，但数量上的优势已经形成了质变。”

这种质变在对比中尤为明显。全球中性原子量子计算的领军者——美国QuEra公司，其最新机型Aquila在2023年实现了256个原子的捕获，两比特门保真度约为99.3%；法国Pasqal公司的设备支持约200个原子，保真度在99%左右；而Atom Computing在2023年宣称实现了1180个原子的捕获，但使用的是基于光晶格的技术，并非严格意义上的光镊阵列。两仪万象的11000个原子，在数量级上已经甩开了所有竞争对手。更重要的是，其两比特门保真度达到了99.5%，突破了表面码纠错所需的约99%阈值——这意味着，两仪万象的原子阵列已经具备编码逻辑比特的物理基础。

“万量级”的意义远不止于数字本身。在量子纠错理论中，一个逻辑比特通常需要数百甚至上千个物理比特来编码。例如，表面码（Surface Code）的纠错效率与码距d的平方成正比，一个码距为11的表面码需要约242个物理比特，可以纠正约5个错误。要实现实用的容错量子计算，至少需要数千个逻辑比特，对应数百万个物理比特。在此之前，超导量子计算机的比特数停留在数十到数百个（IBM的Osprey为433比特，Google的Sycamore为53比特），离子阱量子计算机更是长期徘徊在几十个比特。两仪万象率先将物理比特资源推入万量级，意味着大规模纠错码的物理实现第一次有了现实的硬件基础——虽然距离百万比特还有距离，但至少打开了“可规模化”的窗口。

两仪万象的技术突破并非孤例。团队同步发布的“毫米量级光学腔”和“快速重排算法”，构成了完整的系统集成能力。光学腔的尺寸仅为几毫米，却能同时容纳上百个原子，为原子间的长程纠缠提供了新工具；快速重排算法则能在微秒级别内检测并移除缺陷原子，将阵列的“无缺陷率”提升到99%以上。这些技术的组合，使得两仪万象不仅“捕获得多”，还“控制得稳”。

然而，技术上的“暴力”突破也伴随着隐忧。光学超表面虽然解决了数量问题，但单个光镊的深度和均匀性仍受限于制造工艺——纳米压印的精度在10纳米级别，这会导致不同光镊之间的势阱深度存在微小差异，进而影响原子操作的保真度。此外，11000个原子同时进行量子门操作时，激光串扰和原子碰撞的概率会显著增加。一位不愿具名的量子计算从业者向《RecodeX》指出：“数量上去了，但单比特和两比特门的保真度能否在更大规模下保持稳定，还需要更多实验验证。99.5%的保真度在几百个原子的系统中很优秀，但在万级系统中，哪怕0.1%的误差都可能被放大。”

两仪万象的团队显然意识到了这一点。他们在论文中强调，目前的11000个原子阵列主要用于验证“可扩展性”，下一步的工作重点是在更大规模下提升门保真度，并实现逻辑比特的编码操作。从技术路线图来看，两仪万象正在走一条“先数量后质量”的激进路径——用光学超表面快速堆叠比特资源，再逐步优化控制精度。这种策略的风险在于，如果保真度无法在万量级下突破99.9%以上的实用阈值，那么数量的优势可能沦为“数字游戏”。

但无论如何，两仪万象已经用“万级原子阵列”证明了一件事：在量子计算的硬件竞赛中，中性原子路线不再是配角。当超导和离子阱还在为几百个比特的稳定运行而挣扎时，两仪万象已经打开了通往“百万比特”的大门——虽然门后的路还很长，但至少，他们第一个走到了门口。

资本“闪电战”：三个月两轮融资背后的战略意图与产业合纵连横

2024年4月初，两仪万象宣布完成A轮融资，投资方为顺为资本和科大讯飞。仅仅三个月后，7月，公司再次官宣完成数亿元A+轮融资，领投方变为君联资本，新增北京基石创投、上海科创基金、北洋海棠基金和中信建投投资，A轮股东顺为资本和科大讯飞则“持续加注”。在量子计算这个公认的“长周期、高投入、慢回报”赛道，两仪万象的融资节奏堪称“闪电战”——三个月内完成两轮融资，总额数亿元，这在全球量子计算初创公司中都极为罕见。

要理解这一资本运作的逻辑，必须拆解其投资方矩阵的特殊构成。A+轮的投资方可以分为四类：以君联资本为代表的头部市场化财务机构，以北京基石创投和上海科创基金为代表的地方政府引导基金，以北洋海棠基金为代表的高校关联基金，以及以中信建投投资为代表的券商直投。这种“地方+财务+券商+产业”的复合结构，绝非简单的资金堆砌，而是一张精心编织的资源网络。

君联资本的领投，意味着两仪万象获得了中国最顶级风险投资机构的背书。君联资本在硬科技领域布局深厚，从芯片到生物医药皆有涉猎，但其在量子计算领域的投资极为审慎——此前仅投资过国科量子等少数项目。君联的入局，不仅为两仪万象带来了品牌溢价，更重要的是打通了与联想系产业资源的连接通道。联想在计算基础设施、供应链管理方面的经验，可能对两仪万象未来量子计算机的整机集成和量产提供隐性支持。

北京基石创投和上海科创基金的出现，则揭示了地方政府对量子计算产业的战略争夺。北京基石创投由北京市政府引导基金发起，其投资逻辑直指“量子信息”作为北京重点发展的未来产业方向——两仪万象总部位于北京通明湖国家信创园，正是北京市“量子信息”产业布局的核心区域。上海科创基金则代表上海市政府对量子计算的押注，其投资意味着两仪万象未来可能在长三角地区设立研发中心或生产基地。这种“双城记”式的布局，使两仪万象能够同时享受北京的人才集聚优势和上海的金融开放红利。

北洋海棠基金的参与，则与两仪万象和天津大学的深度绑定直接相关。该基金由天津大学校友发起，主要投资于天津大学关联的科技成果转化项目。两仪万象与天津大学精密测试技术及仪器全国重点实验室共同建设量子科技联合研究中心，北洋海棠基金的注资实质上是对这一产学研合作的资本确认。这种“大学基金+创业公司”的模式，在量子计算领域并非首创——本源量子与中科大的关系、国盾量子的中科大背景，都证明了高校资源对量子计算初创公司的核心价值。但北洋海棠基金的介入，使得两仪万象与天津大学的绑定从“项目合作”升级为“资本联结”，这比单纯的研发合同更具粘性。

中信建投投资的加入，则带有明显的“Pre-IPO”信号。作为头部券商，中信建投的直投部门通常在企业上市前1-2年介入，其投资逻辑是“以投带保”——通过早期投资锁定未来的IPO承销业务。两仪万象目前尚无明确的上市时间表，但中信建投的入局，意味着公司已经开始为资本市场的“最后一跃”铺路。在A股科创板，量子计算公司已有国盾量子（688027.SH）上市，其市值在2024年一度突破300亿元。两仪万象的估值虽未公开，但参考国盾量子上市前的融资节奏和估值水平，数亿元A+轮融资对应的投后估值可能在20-30亿元区间——对于一家成立仅两年、尚未产生营收的量子计算初创公司，这一估值反映了资本对其技术路线和团队背景的极高溢价。

顺为资本和科大讯飞的“持续加注”，则揭示了产业资本和财务资本对两仪万象的不同估值逻辑。顺为资本由小米创始人雷军和许达来联合创立，其投资风格以“长周期、高容忍”著称。在量子计算领域，顺为此前投资过量旋科技和本源量子，两仪万象是其第三次押注中性原子路线。顺为的持续加注，核心逻辑在于“技术代际跨越”——中性原子路线被认为是继超导和离子阱之后的“第三代”量子计算技术，其可扩展性优势一旦被验证，将带来指数级的价值增长。顺为愿意在A轮和A+轮连续出资，说明其内部对两仪万象的技术突破有较高置信度。

科大讯飞的加注，则带有更强烈的产业整合意图。作为中国AI领域的头部企业，科大讯飞在语音识别、自然语言处理等AI大模型领域投入巨大，但其算力瓶颈日益凸显——训练千亿参数的大模型需要海量计算资源，而量子计算在特定优化问题（如矩阵乘法、组合优化）上可能提供指数级加速。科大讯飞投资两仪万象，核心逻辑在于“量子+AI”的融合：一方面，量子机器学习（QML）可能提升AI模型的训练效率；另一方面，量子计算本身也需要AI算法来优化量子门操作和纠错编码。科大讯飞在AI算法和行业应用方面的积累，恰好可以弥补两仪万象在软件层的短板。这种“产业资本+技术初创”的协同，比单纯的财务投资更具战略纵深。

然而，数亿元融资能否支撑两仪万象从实验室走向商业化，仍是一个关键问题。量子计算初创公司的现金流消耗点主要集中在三个方面：设备采购、人才薪酬和超净实验室运营。以两仪万象为例，其光学超表面制造需要昂贵的纳米压印设备（单台约2000万元），激光器阵列（用于生成光镊）的单套成本在500万元以上，而超净实验室的建设和维护费用每年高达数千万元。此外，量子计算领域的高端人才薪酬极为昂贵——一个博士后的年薪通常在50-80万元，核心团队的期权激励成本更高。按照行业平均的“烧钱”速度，一家量子计算初创公司每年的运营成本在1-2亿元左右。两仪万象两轮融资总额若在5-8亿元区间，理论上可以支撑3-5年的研发投入——但这取决于其能否在2027年前后实现商业化落地或获得下一轮更大规模的融资。

对比同类公司的融资节奏，两仪万象的“快”并非偶然。国盾量子从成立到上市用了10年，本源量子成立7年仍处于Pre-IPO阶段，量旋科技成立5年完成B轮融资。两仪万象的“加速”背后，是三重因素的叠加：一是技术突破窗口期极短——中性原子路线在2023-2024年进入爆发期，QuEra、Pasqal等海外公司也在加速融资，若不快速抢占人才和算力基础设施，可能被竞争对手拉开差距；二是国家“量子信息”战略的催化——2024年政府工作报告首次将“量子信息”列为重点发展产业，地方政府和国家级基金对量子计算的投入力度显著加大；三是资本市场对“硬科技”的估值逻辑转变——在AI大模型估值泡沫的背景下，量子计算被视为“下一个确定性赛道”，资本愿意为技术壁垒支付溢价。

但两仪万象的资本“闪电战”也面临隐忧。数亿元融资在量子计算领域并不算“天量”——IBM每年在量子计算上的研发投入超过10亿美元，Google的量子AI团队预算也在数十亿美元级别。两仪万象若要在未来3-5年内实现逻辑比特的编码和容错计算，还需要持续的大规模融资。此外，投资方的多元化虽然带来了资源网络，但也可能导致战略决策的碎片化——地方政府的产业落地诉求、券商的IPO时间表、产业资本的技术整合需求，这些不同的利益诉求可能在公司发展方向上产生摩擦。如何平衡各方诉求，同时保持技术团队的独立性和创新节奏，将是两仪万象管理层面临的长期挑战。

从“冷原子”到“热产业”：两仪万象的产学研闭环与商业化悖论

2024年7月，当两仪万象宣布其“冷原子北京市重点实验室”获批成立时，这家公司向外界展示了一个精心设计的产学研闭环模型。实验室的挂牌地点并非传统的大学校园，而是两仪万象位于通明湖国家信创园的总部——这意味着，从物理空间上，基础研究与产业转化被压缩到了同一栋楼里。同一时间，公司与天津大学精密测试技术及仪器全国重点实验室共建的“量子科技联合研究中心”也正式落地，成为其“高校-企业”双轮驱动的另一支点。

这种布局的深层逻辑，在于量子计算这一特殊赛道的“研发-工程”鸿沟。在超导量子计算领域，Google和IBM的团队几乎完全内部化——从芯片设计到低温系统到控制软件，全部自研。但在中性原子路线中，光学、原子物理、控制算法、材料科学等多个学科的交织，使得任何单一团队都难以覆盖全部技术栈。两仪万象的策略，是让高校团队聚焦于“理论创新”和“原型验证”，而公司自身承担“工程化”和“系统集成”的职能。

以“冷原子北京市重点实验室”为例，其研究方向包括超冷原子物理、光镊阵列技术、量子纠错算法等基础课题，由清华原子量子计算团队的教授担任学术带头人，但实验室的日常运营和实验设备管理则由两仪万象的工程师团队负责。这种“双轨制”的好处在于：高校团队可以专注于发表高影响力论文（如11000个原子阵列的Nature论文），而两仪万象则同步申请专利、开发原型机、优化制造工艺。据接近公司的人士透露，两仪万象在2024年上半年已提交了超过40项专利申请，覆盖光学超表面制造、原子重排算法、量子门控制等多个核心领域。这种“论文-专利-产品”的快速迭代，使得公司的技术储备从“实验室奇观”向“可复制的工程方案”转化。

天津大学联合研究中心的设立，则带有更明确的“人才输送”意图。天津大学精密测试技术及仪器全国重点实验室在精密光学测量、微纳制造领域有深厚积累，这些技术恰好是两仪万象光学超表面制造和光学腔设计的关键支撑。双方的合作模式是：天津大学负责基础光学元件的理论设计和仿真，两仪万象提供制造设备和测试平台，共同开发下一代光学超表面和毫米级光学腔。这种合作不仅降低了公司的研发成本，更重要的是建立了一个稳定的人才输送管道——天津大学的博士生和博士后可以直接在两仪万象的实验室完成课题，毕业后自然转化为公司员工。

然而，产学研闭环的另一面，是商业化落地的“悖论”。两仪万象目前尚未公开披露任何实际客户或商业订单。公司官网和融资公告中提到的“应用场景”，主要集中在“组合优化”“量子化学模拟”“密码学”等通用方向，但均未给出具体的客户名称或合作金额。对比海外同行，QuEra在2023年已通过Amazon Braket云平台提供商业化的量子计算服务，其客户包括制药公司（用于分子模拟）和金融机构（用于投资组合优化）；Atom Computing则在2023年与微软达成合作，计划将其中性原子量子计算机集成到Azure Quantum云生态中。两仪万象的“零订单”状态，在资本狂热的背景下显得尤为扎眼。

这一困境的核心，在于中性原子路线在商业化早期面临的“通用性-专用性”矛盾。中性原子量子计算机的优势在于可扩展性和高保真度，但其“可编程性”相比超导路线存在天然短板。超导量子计算机（如IBM的Eagle处理器）可以通过微波脉冲精确控制每个比特的量子门操作，实现任意量子线路的编译；而中性原子量子计算机的量子门操作依赖于激光脉冲的全局或局部控制，其“可编程性”受限于光镊阵列的几何结构和原子间的相互作用方式。目前，两仪万象的原子阵列只能执行特定的量子算法（如量子模拟和量子优化），而无法像超导计算机那样运行通用的量子线路。这意味着，在通用量子计算（即“量子霸权”级别的任务）到来之前，中性原子路线更适合“专用”场景——如模拟量子系统的演化（量子化学、材料科学）或解决组合优化问题（物流调度、金融风险分析）。

但问题在于，这些“专用”场景是否已经具备足够大的商业价值？以组合优化为例，虽然理论上量子退火（Quantum Annealing）可以加速某些NP-hard问题的求解，但实际应用中，经典算法（如模拟退火、遗传算法）在大多数问题上已经足够高效。两仪万象需要向潜在客户证明，其量子计算机在特定问题上的计算速度或精度，能够显著超越经典计算机的“最佳实践”。目前，这一“量子优势”尚未被任何中性原子量子计算机在商业场景中验证过——QuEra的Aquila机型虽然已在云平台上线，但其客户反馈大多停留在“实验性验证”阶段，尚未产生可量化的商业价值。

更严峻的挑战来自资本市场的“泡沫”风险。量子计算领域在2021-2023年间经历了一轮估值暴涨，美国上市的量子计算公司如IonQ、Rigetti、D-Wave的市值一度超过百亿美元，但随后大幅回调——IonQ的股价从2021年高点的35美元跌至2024年的8美元左右，跌幅超过75%。中国市场的量子计算公司虽然尚未上市，但一级市场的估值逻辑同样面临质疑：当技术尚未达到“量子霸权”或“容错计算”的实用化阶段，资本的热捧是否会导致估值虚高？两仪万象在A+轮融资后的估值若在20-30亿元区间，对应的“技术溢价”是否合理？

两仪万象的管理层显然意识到了这一问题。据接近公司的投资人透露，公司正在推进两项商业化计划：一是与某头部制药企业合作，利用其原子阵列模拟小分子药物的量子化学性质，目标是在2025年底前完成首个“量子辅助药物设计”的案例验证；二是计划在2025年推出基于云平台的“量子计算即服务”（QCaaS）模式，类似QuEra的Amazon Braket集成，但初期可能优先接入国内云计算平台（如阿里云、华为云）。这两项计划若能落地，将为公司提供首个商业收入来源，并验证中性原子路线的“可落地性”。

但商业化道路上的障碍依然重重。首先是“人才与设备的错配”：两仪万象的千平米实验室虽然已经投入使用，但其中大部分设备仍处于“调试”阶段——光学超表面的制造良率仅为60%左右，激光器阵列的稳定性也需进一步优化。这意味着，公司目前的主要精力仍集中在“让设备稳定运行”上，而非“为客户解决问题”。其次是“生态缺失”：与超导路线拥有IBM的Qiskit、Google的Cirq等成熟的开源软件栈不同，中性原子路线缺乏统一的编程框架和编译器。两仪万象虽然自研了部分控制软件，但尚未形成开发者社区，这限制了其云服务的用户获取速度。

从数据指标来看，两仪万象的“硬实力”在快速积累：实验室面积超过1000平方米，研究人员（含合作高校团队）约80人，已提交专利40余项，公开的合作项目仅一项（与天津大学的联合研究中心）。这些数字在量子计算初创公司中属于中上水平，但相比海外同行仍有差距——QuEra拥有超过150名员工，专利数量超过100项，且已与多家制药和金融公司签署了付费服务合同。两仪万象若要在2025年前后实现商业化破冰，需要在“客户获取”和“生态建设”上投入更多资源，而这恰恰是资本“闪电战”之后最需要证明的能力。

“量子计算公司的商业化，本质上是一场‘时间赛跑’——你必须在资本耗尽之前，找到第一个愿意付费的客户。”一位关注量子计算领域的风险投资人向《RecodeX》评价道，“两仪万象的技术路线很有希望，但‘希望’不等于‘订单’。他们需要尽快从‘讲故事’切换到‘做产品’的阶段。”

比特“搬运工”：快速重排算法与解码器如何跨越量子纠错的“死亡之谷”

在两仪万象11000个原子阵列的“暴力美学”背后，隐藏着一个更为精妙的算法工程——如何将这些随机捕获的原子，从无序的“散兵游勇”重排成整齐的“阅兵方阵”？这并非简单的“搬砖”任务。在光镊阵列中，原子被捕获的位置是随机的——每个光镊捕获一个原子的概率约为50%-70%，这意味着初始阵列中约有30%-50%的“空位”。更棘手的是，原子在光镊中的位置存在微米级别的随机偏移，这种“位置噪声”会直接导致量子门操作的保真度下降。要实现大规模量子纠错，必须首先将原子重排成“无缺陷阵列”——即每个光镊位置恰好有一个原子，且原子之间的间距严格均匀。

两仪万象团队开发的“快速重排万量级原子无缺陷阵列”算法，本质上是一个“原子搬运工”的调度系统。其核心挑战在于：在保持原子量子态相干性的前提下，以最短的时间和最低的能量消耗，将原子从“冗余”位置移动到“空缺”位置。传统方法采用“逐行扫描”策略——先检测阵列中的缺陷分布，然后逐个移动原子填补空缺，类似于“贪吃蛇”游戏。但这种方法的时间复杂度随原子数量呈O(N²)增长，对于万量级阵列，重排时间可能达到秒级——这远远超出了原子量子态的相干时间（通常在毫秒级别）。两仪万象的算法创新在于引入了“并行化重排”策略：通过将阵列划分为多个子区域，同时进行原子移动，将时间复杂度降低到O(N log N)。具体实现上，团队利用声光偏转器（AOD）的快速扫描能力，生成动态光镊阵列，将原子以“群组”为单位进行批量移动——一次操作可以同时移动数十个原子，而非逐个搬运。据团队在预印本平台arXiv上发表的论文，其算法在模拟实验中实现了毫秒级别的重排时间（约5-10毫秒），无缺陷率超过99.5%，这为后续的逻辑比特编码奠定了“干净”的物理基础。

与重排算法配套的，是两仪万象开发的“能解码原子比特丢失信息的解码器”。原子比特丢失是中性原子路线特有的“阿喀琉斯之踵”——在量子计算过程中，原子可能因激光功率波动、背景气体碰撞或光镊势阱深度不足而逃逸，导致比特“凭空消失”。这与超导路线中比特的“退相干”（量子态信息衰减但物理比特仍在）本质不同：丢失的比特意味着物理资源的永久性损失，纠错码必须能识别“哪些比特消失了”，而非仅仅纠正“哪些比特出错了”。两仪万象的解码器采用“标记+纠错”的混合策略：首先，通过连续监测每个光镊的荧光信号（原子存在时会发出特定波长的荧光），实时检测原子是否丢失；然后，将丢失比特的位置信息输入到表面码解码器中，重新计算纠错路径。这种“先标记后解码”的方法，将原子丢失错误转化为“已知位置错误”，大幅降低了纠错码的复杂度——传统表面码需要假设错误发生在未知位置，解码复杂度为O(N²)；而两仪万象的解码器在已知丢失位置后，复杂度降至O(N)。据团队透露，解码器的准确率在模拟环境中超过99.9%，且解码延迟控制在微秒级别，足以满足实时纠错的需求。

对比超导路线的纠错进展，中性原子路线的“可扩展性”优势在此刻显得尤为突出。Google的Willow芯片在2024年12月实现了“低于阈值”的量子纠错——即随着码距增加，逻辑错误率呈指数级下降，这是超导路线首次验证了纠错码的“可扩展性”。但Willow芯片的物理比特数仅为105个，且每个比特需要复杂的超导电路和稀释制冷机（温度低至15毫开尔文）。两仪万象的原子阵列在室温下运行（仅需真空腔和激光冷却），且通过光学超表面可以轻松扩展到数万乃至数十万个比特——这种“光学扩展”的物理本质，在于原子阵列的“模块化”特性：增加原子数量只需更换更大面积的光学超表面，而无需重新设计芯片制造工艺。正如一位量子计算硬件工程师向《RecodeX》指出的：“超导路线每增加一个比特，就需要在芯片上多刻一个约瑟夫森结，良率和一致性是巨大的工程挑战；而中性原子路线增加比特，就像在照片上增加像素点——只要光学系统设计得当，理论上可以无限扩展。”

99.5%的两比特门保真度，是两仪万象跨越“死亡之谷”的关键一步。在量子纠错理论中，表面码的纠错阈值约为99%——即当物理比特的错误率低于1%时，纠错码才能有效降低逻辑错误率。两仪万象的99.5%不仅超过了这一阈值，还留出了0.5%的“安全边际”。这意味着，公司已经具备了编码逻辑比特的物理基础——下一步是演示逻辑门操作，即在一个逻辑比特上执行X门、Z门或CNOT门，并验证其错误率低于物理比特。两仪万象团队在论文中表示，他们计划采用“Steane码”或“表面码”作为初始编码方案，前者需要7个物理比特编码1个逻辑比特，后者需要更多但容错能力更强。从技术路线图来看，公司可能在2025年底前实现“逻辑比特的首次演示”，这将是中性原子路线在量子纠错上的里程碑事件。

然而，技术的“亮眼数据”背后，风险同样不容忽视。光学系统的稳定性是最大的“隐形杀手”——振动、温度波动、激光功率漂移，这些看似微小的扰动，在万量级原子阵列中会被显著放大。例如，实验室中常见的空调气流引起的空气折射率变化，就可能导致光镊阵列的聚焦位置偏移数十纳米——对于原子间距仅为5微米的阵列，这足以破坏相邻原子间的纠缠操作。两仪万象的千平米实验室虽然配备了主动减振平台和恒温恒湿系统，但“实验室环境”与“工业环境”之间的鸿沟仍然巨大——一台量子计算机如果要在数据中心稳定运行，必须能承受更宽的温度范围和更强的振动干扰。此外，重排算法的“毫秒级”速度是否足以满足实时纠错的需求，也存疑。在表面码的纠错循环中，每个纠错周期需要在微秒级别内完成——因为原子量子态的相干时间通常在毫秒级别，而一次纠错循环需要多次测量和反馈。两仪万象的重排时间（5-10毫秒）虽然比传统方法快了数个数量级，但仍远高于纠错周期的要求。这意味着，目前的算法可能只能用于“初始化”阶段（即对阵列进行一次性的无缺陷重排），而无法在“运行中”实时修复丢失的比特。团队正在开发“增量式重排”算法——即在纠错循环的间隙，只移动少量原子来填补新出现的空缺，而非每次重启全局重排——但这一方案的可行性仍需实验验证。

从数据指标来看，两仪万象的技术进展在“量”上已领先全球，但在“质”上仍有提升空间。重排时间（5-10毫秒）、解码器准确率（99.9%）、两比特门保真度（99.5%），这些数字在学术界属于“世界纪录”级别，但距离实用化的量子计算（保真度>99.99%，纠错周期<1微秒）仍有数个数量级的差距。一位长期研究量子纠错的理论物理学家向《RecodeX》评价道：“两仪万象证明了中性原子路线在‘可扩展性’上的优势，但‘可扩展’不等于‘可纠错’。从万级物理比特到实用逻辑比特，中间还需要跨越‘保真度提升’和‘纠错速度’两座大山。他们现在的成绩是‘证明原理可行’，但距离‘制造一台有用的量子计算机’还差一个‘工程奇迹’。”

量子计算“三国杀”：两仪万象、QuEra与Pasqal的全球竞赛与中国的差异化路径

当两仪万象在2024年7月宣布捕获11000个单原子时，全球中性原子量子计算的版图被重新绘制。这场竞赛的主角，是三家背景相似、路径各异的初创公司：美国QuEra（哈佛/MIT背景）、法国Pasqal（索邦/CNRS背景），以及中国两仪万象（清华背景）。它们共享“中性原子”这一技术路线，却在原子种类、纠错策略、商业节奏上走出了截然不同的道路。而两仪万象的“万级原子阵列”，不仅是一次技术突破，更是一次战略宣言——它试图证明，在中性原子这条赛道上，中国公司不仅能够跟上，还能在某些维度上领跑。

三强对比：技术路线的“同源异流”

三家公司的技术根基都源于同一篇里程碑论文——2016年，哈佛大学Mikhail Lukin团队在《Nature》上首次演示了用光镊阵列捕获单个原子并实现量子门操作。此后，Lukin的学生和博士后分别创立了QuEra和两仪万象，而Pasqal则脱胎于法国国家科学研究中心（CNRS）的Antoine Browaeys团队。这种“师出同门”的背景，使得三家公司在基础原理上高度相似：都使用激光冷却和光镊捕获中性原子（铷或铯），都依赖里德堡阻塞效应实现量子门操作，都采用表面码作为纠错方案。但在具体实现上，三者选择了不同的“武器”。

QuEra 的差异化在于“原子种类”和“纠错策略”。QuEra使用铯-133原子，其里德堡态寿命更长（约200微秒），理论上可以实现更长的量子门操作时间。在纠错上，QuEra是三家中最激进的：2023年，其在《Nature》上发表了“逻辑比特的首次演示”——将256个物理比特编码为48个逻辑比特，并实现了逻辑门操作，虽然保真度仅为99.1%，但这是中性原子路线第一次证明纠错码的可行性。QuEra的商业化路径也最为清晰：2023年底通过Amazon Braket云平台提供Aquila机型的付费服务，客户包括制药巨头罗氏（用于分子模拟）和能源公司埃克森美孚（用于物流优化）。融资方面，QuEra在2022年完成了2.3亿美元的B轮融资，投资方包括软银愿景基金和老虎环球基金，估值超过10亿美元。

Pasqal 的差异化在于“原子阵列的几何结构”和“专用性”。Pasqal采用铷-87原子，但将原子排列成三维晶格（而非QuEra和两仪万象的二维阵列），这使得其在模拟量子系统（如高温超导模型）时具有天然优势。Pasqal的“杀手锏”是“量子模拟”而非“通用量子计算”——其设备可以模拟特定哈密顿量的演化，这在材料科学和药物发现中具有直接应用。商业上，Pasqal在2023年与法国电力公司EDF合作，用其量子模拟器优化电网调度；2024年初，又与日本丰田合作，探索量子计算在电池材料设计中的应用。融资方面，Pasqal在2023年完成了1.2亿欧元的C轮融资，投资方包括法国国家投资银行（BPI）和欧洲量子基金。

两仪万象 的差异化，则在于“数量”和“光学系统”。当QuEra和Pasqal还在为数百个原子的稳定运行而优化时，两仪万象用光学超表面将原子数量推到了11000个——这不仅是数量上的“暴力”，更是系统架构上的“降维打击”。QuEra和Pasqal的光镊阵列都基于声光偏转器（AOD），这种“串行”生成方式使得原子数量受限于激光功率和扫描速度，物理上限约为1000个。两仪万象的光学超表面则是“并行”生成——一次曝光即可产生数万个光镊，且每个光镊的均匀性由纳米压印工艺保证。这种架构差异，使得两仪万象在“可扩展性”上拥有理论上的无限可能：只要更换更大面积的光学超表面，原子数量可以轻松扩展到数十万乃至百万级别。

但“数量”并非一切。在“质量”指标上，两仪万象仍有差距。QuEra的两比特门保真度在2024年已提升至99.6%（针对铯原子），Pasqal约为99.3%，而两仪万象为99.5%。虽然数字接近，但QuEra和Pasqal的保真度是在“全栈系统”（包括控制电子学、实时反馈）中测量的，而两仪万象的99.5%是在“实验室原型”中实现的——这意味着，当系统复杂度提升时，两仪万象的保真度可能面临更大的退化风险。此外，在“逻辑比特”的演示上，QuEra已领先一步，而两仪万象尚未公开任何逻辑比特的实验数据。一位关注量子计算的投资人向《RecodeX》指出：“两仪万象在‘量’上赢了，但在‘质’上还需要追赶。量子计算最终拼的是‘逻辑比特的保真度’，而不是‘物理比特的数量’。11000个原子很震撼，但如果不能把它们变成有用的逻辑比特，那只是‘数字游戏’。”

两仪万象的差异化优势：光学超表面、万级原子与“自主可控”

两仪万象的差异化优势，并非仅仅体现在“数量”上。光学超表面技术，是其在全球竞争中构建的“护城河”。传统的光镊阵列生成方法（AOD或SLM）依赖于主动光学元件，这些元件需要复杂的校准和反馈控制，且随着原子数量增加，系统的光学复杂度呈指数级增长。光学超表面则是一种“被动光学元件”——一旦制造完成，其分束特性是固定的、稳定的，不需要任何主动控制。这意味着，两仪万象的量子计算机在“系统复杂度”上远低于QuEra和Pasqal：QuEra的Aquila机型需要数十个AOD和数百个激光器，而两仪万象的原型机仅需一个超表面和几个激光器。这种“减法”思维，使得两仪万象在“可制造性”和“成本”上具有潜在优势——如果超表面的纳米压印工艺能够实现量产，其单台量子计算机的光学成本可能仅为QuEra的十分之一。

万级原子阵列的“先发优势”，则体现在“数据积累”上。量子计算是一个“数据驱动”的领域——原子阵列越大，系统噪声的统计特性就越清晰，纠错算法的优化空间就越大。两仪万象的11000个原子阵列，意味着其每天产生的实验数据量是QuEra的数十倍。这些数据可以用于训练“量子门操作的自动校准算法”，或者优化“原子重排的调度策略”。一位接近两仪万象的工程师向《RecodeX》透露：“我们现在的实验，相当于每天都在跑‘10000个原子的压力测试’。这种规模的数据，是QuEra和Pasqal花多少钱都买不到的。” 这种“数据飞轮”效应，可能使两仪万象在“系统优化”上形成正反馈——原子越多，数据越多，优化越快，保真度提升越快。

“自主可控”则是两仪万象在中国市场的“隐形护城河”。量子计算被中国列为“十四五”规划的前沿领域，国家层面的政策支持力度巨大。但“自主可控”的核心，并非简单的“国产替代”，而是“供应链安全”。两仪万象的光学超表面由国内供应商（如苏州苏大维格）制造，激光器由国内企业（如北京凯普林）提供，真空腔和控制电子学也实现了国产化。这种“全链条国产化”在量子计算领域极为罕见——QuEra的核心光学元件（如AOD）依赖日本和德国供应商，Pasqal的激光器来自美国公司（如Coherent）。在全球地缘政治紧张的背景下，两仪万象的“国产化”意味着其供应链不会受制于海外制裁或出口管制。更重要的是，中国政府基金（如北京基石创投、上海科创基金）的介入，使得两仪万象在获取国家级量子计算项目（如“量子通信与量子计算”国家重点研发计划）时具有天然优势。一位政策研究人士向《RecodeX》指出：“量子计算是‘大国重器’，国家不会容忍核心设备依赖进口。两仪万象的‘国产化’标签，在争取政府订单和科研项目时，是QuEra和Pasqal无法比拟的。”

劣势与风险：国际化、巨头挤压与人才短板

两仪万象的“差异化优势”并非没有代价。国际化程度低，是其最明显的短板。QuEra已与Amazon、微软等云平台合作，客户遍布欧美日韩；Pasqal则与法国电力、丰田等欧洲和日本企业建立了深度合作。两仪万象目前没有任何海外客户或合作伙伴，其“产学研闭环”完全局限在中国境内。这种“闭门造车”的风险在于：量子计算的“生态”是全球性的——开源软件栈（如Qiskit、Cirq）、行业标准（如QIR）、开发者社区，都由欧美主导。两仪万象若不参与全球生态，其量子计算机将难以被海外客户使用，也无法吸引国际顶尖人才。更严峻的是，如果QuEra和Pasqal在2025年前后实现“商业化破冰”，两仪万象可能被锁定在中国市场，错失全球量子计算的“黄金窗口期”。

英伟达、IBM等传统巨头的“降维打击”，则是另一重风险。英伟达在2023年推出了“量子计算模拟平台”cuQuantum，利用GPU加速量子线路的模拟，其性能在特定任务上已接近甚至超过真实的量子计算机。IBM则计划在2025年推出“1000量子比特”的超导量子计算机，虽然其比特数远低于两仪万象的11000个，但IBM的“全栈能力”（包括软件、云平台、行业应用）是初创公司无法比拟的。这些巨头的入场，可能挤压两仪万象的生存空间——如果英伟达的GPU模拟器在2026年前后能够模拟10000个原子的量子系统，那么两仪万象的“万级原子”优势将失去意义。一位量子计算从业者向《RecodeX》直言：“量子计算初创公司最大的竞争对手，不是同行，而是经典计算机。如果经典模拟的速度提升快于量子硬件的进步，那么‘量子优势’可能永远无法实现。”

中国量子计算人才储备的薄弱，则是两仪万象的“长期隐忧”。中国的量子计算人才主要集中在清华、中科大、浙大等少数高校，且大多从事超导路线（如中科大的潘建伟团队）或离子阱路线（如清华的段路明团队）。中性原子路线的人才极为稀缺——据不完全统计，全球从事中性原子量子计算的研究人员不超过500人，其中中国学者不到100人。两仪万象虽然从清华引入了核心团队，但“80人”的规模相比QuEra（150人）和Pasqal（120人）仍有差距。更棘手的是，中国高校的量子计算课程体系尚未完善，博士生和博士后的培养周期长达5-7年。这意味着，两仪万象在未来3-5年内，可能面临“人才断档”的风险——如果公司无法持续吸引顶尖人才，其技术迭代速度将不可避免地下滑。

政策护城河：中国“十四五”规划与地方政府基金的“双刃剑”

两仪万象的政策护城河，是其在中国市场最大的“隐性优势”。中国“十四五”规划将“量子信息”列为“前沿领域”，国家科技部、工信部、发改委等多部门均设立了量子计算专项基金。两仪万象的“冷原子北京市重点实验室”和“天津大学联合研究中心”，正是这些政策落地的直接产物。北京、上海、天津三地政府基金的介入，不仅提供了资金支持，更重要的是提供了“场景”——地方政府希望量子计算公司能够服务于本地的产业升级，如北京的信创产业、上海的金融科技、天津的先进制造。两仪万象若能将这些“政策场景”转化为“商业订单”，将形成独特的“政策-商业”闭环。

但“政策护城河”也是一把双刃剑。过度依赖政府基金，可能导致公司“体制化”——决策流程冗长、创新动力不足、对市场信号反应迟钝。更危险的是，如果中国量子计算领域的“政策红利”在2026年前后消退（如因财政压力或技术路径调整），两仪万象可能陷入“断奶”困境。一位关注量子计算的风险投资人向《RecodeX》警告：“政策支持是‘加速器’，不是‘发动机’。两仪万象必须在政策红利期（2024-2027年）内证明自己的商业化能力，否则一旦政策转向，公司的估值逻辑将瞬间崩塌。”

未来展望：3-5年内能否推出商用量子处理器？

两仪万象能否在3-5年内推出具有商用价值的量子处理器？答案取决于三个关键节点：2025年底前实现逻辑比特的演示，2026年底前实现“量子优势”的验证（即在特定任务上超越经典计算机），2027年底前推出首款商用产品。

从技术路线图来看，两仪万象的“先数量后质量”策略，使其在“逻辑比特”演示上可能落后于QuEra（QuEra已在2023年完成），但有望在“量子优势”验证上实现反超。QuEra的Aquila机型虽然已上线云平台，但其“量子优势”尚未被验证——客户反馈大多停留在“实验性验证”阶段。两仪万象的11000个原子阵列，在“量子模拟”任务（如模拟自旋系统的相变）上，可能比QuEra的256个原子阵列具有指数级的优势。如果两仪万象能在2026年前后，

结语：从“万级原子”到“百万比特”，两仪万象的“时间窗口”与“生死线”

两仪万象的故事，是一面棱镜，折射出中国量子计算初创公司在技术突破、资本运作与商业化落地之间的复杂博弈。当“11000个原子”的世界纪录被写入论文，当“三个月两轮融资”的资本神话被媒体传颂，这家公司站在了聚光灯的正中央。然而，聚光灯之下，是更严峻的挑战：从“万级物理比特”到“实用逻辑比特”，中间横亘着保真度提升、纠错速度、系统稳定性、商业化场景等多座“大山”。两仪万象的“先数量后质量”策略，虽然打开了可扩展性的窗口，但也将公司置于“必须用数量证明质量”的险境——如果99.5%的两比特门保真度无法在万量级下稳定维持，如果重排算法无法在微秒级完成实时纠错，那么11000个原子可能只是“数字奇观”，而非“计算能力的革命”。

资本市场的“闪电战”，为两仪万象赢得了宝贵的“时间窗口”——数亿元融资足以支撑3-5年的高强度研发。但“时间窗口”也是“生死线”：公司必须在2027年前后实现至少一个“可验证的商业化案例”（如量子辅助药物设计或云平台付费服务），否则将面临“估值回调”和“融资断档”的风险。更关键的是，全球竞赛的“窗口期”同样紧迫——QuEra已在逻辑比特和商业化上领先，Pasqal在专用场景上深耕，而英伟达等巨头的经典模拟器正在逼近“量子优势”的边界。两仪万象若不能在“质量”和“生态”上快速追赶，其“万级原子”的领先优势可能被时间稀释。

从更宏观的视角看，两仪万象的崛起，标志着中国量子计算从“跟随”到“并跑”的转折。在超导和离子阱路线上，中国公司长期落后于IBM、Google、IonQ等海外巨头；但在中性原子路线这一“新赛道”上，两仪万象凭借光学超表面的“暴力美学”，第一次在硬件指标上实现了全球引领。这种“换道超车”的路径，能否最终转化为“产业胜势”，取决于两仪万象能否在“自主可控”与“全球生态”之间找到平衡，能否在“政策红利”与“市场逻辑”之间保持清醒，能否在“数量”与“质量”之间完成惊险一跃。

对于投资者和行业观察者而言，两仪万象的未来12-18个月，将是最关键的“验证期”。技术上的“逻辑比特演示”、商业上的“首个付费客户”、生态上的“云平台接入”，这三个里程碑的完成情况，将决定两仪万象是成为“中国的QuEra”，还是沦为“又一个烧钱无果的量子泡沫”。

核心判断：两仪万象凭借光学超表面在“物理比特数量”上取得全球领先，但未来12-18个月的关键观察指标，是“逻辑比特的保真度”和“商业化订单的零突破”。如果公司能在2025年底前演示保真度超过99.9%的逻辑门操作，并签署首个付费客户合同，则有望在2027年前后成为全球中性原子量子计算的领军者；反之，若保真度提升停滞或商业化落地延迟，其“万级原子”的先发优势将被QuEra的生态优势和经典模拟器的进步所侵蚀，面临估值回调与融资断档的双重风险。