Home » 股票 »

如何投资量子计算股票

不懂量子、甚至不想懂术语，如何抓住下一波？量子技术正从实验室走向真实试点，已在新药研发、金融、物流与网络安全等领域加速落地。自 2024 年起，谷歌宣布研发出可工作的量子芯片（听起来像科幻），讨论热度飙升。到 2025 年 10 月，《华尔街日报》还报道称美国政府计划对该高科技领域的一些领军企业提供部分资助。

对投资者而言，机会具有不对称性：若容错系统如期到来，小额资金也能撬动巨大的上行可选性；但风险同样明确：漫长的研发周期、顽固的技术瓶颈，以及盈利落后于叙事。本文覆盖与“量子”相关的各类投资路径。

2025-11-12

量子投资究竟投什么

先看技术：量子芯片能做什么、为何位于计算下一前沿，以及它如何与 AI 协同而非竞争。

量子计算处在下一代计算的前沿，更重要的是，它与 AI 相辅相成。经典计算依赖著名的二进制——比特只能是 0 或 1——非常适合表格与服务器，但对“天文级可能性空间”的问题较为吃力。量子机器使用量子比特（qubit），能同时探索多种可能。

其核心目标是在特定任务上实现跨越式性能提升——复杂模拟与优化等，这些都是你的笔记本电脑，甚至当下最强的经典超级计算机也难以高效完成的工作。

这使量子成为 AI 的“倍增器”。可把 GPU 与大模型理解为负责感知、生成与模式识别，而量子加速器则攻克这些 AI 流水线暴露出的最难子问题。短期内，AI 反向赋能量子——设计更优电路、调优误差控制、加速迭代；长期则由量子反哺 AI——改进训练与推理中的采样与优化，并模拟分子与材料以加速发现。实践上，这意味着：

AI → 量子：AI 帮助设计更好的量子电路、调整误差缓解策略并管理控制系统——缩短迭代周期。
量子 → AI：量子例程可加速训练与推理中的采样/优化，搜索更大的模型结构空间，并为 AI 驱动的研发管线提供高保真模拟数据。

对投资者而言，栈很清晰，有三条路径：

硬件型公司：量子芯片与整机。
中间件型公司：把量子芯片与经典系统打通、让其“可用”的软件层。
应用型公司：基于云交付、解决行业痛点的工具。价值更易沉淀在开发者趋同与切换成本上升的平台——能让 AI+量子混合流程“无痛”的平台。

下文将提到若干重点公司及其投资方式。商业化曲线将很坎坷：当下——来自小规模处理器的云端访问、服务培训与政企联合试点的收入（常与 AI 项目捆绑）；下一阶段——在药物、物流与金融等领域，依靠领域加速器与误差缓解拿下小而可变现的优势；更远——若容错系统落地且误差校正成本下降，软件市场将扩容。仓位与里程碑跟踪不可或缺——把新闻稿当成输入而非结果，寻找 AI+量子混合栈在真实工作负载上、单位经济性持续改善的证据。

量子计算是投资机会吗？

若量子能为 AI 乘法加速，问题就不是“何时登月”，而是更复杂的几连问：

“这项技术的潜力何在？”（我们能否做出可用的量子计算机？）
“这家公司在研究什么、距离核心目标还有多远？”（请记住：很多仍在实验阶段）

把问题落到投资框架上：

用情景，不用神预言。

基准情景：技术稳步推进；与 AI 项目捆绑的选择性试点；云访问收入温和——持有以学习与博取可选性。
乐观情景：在化学、优化等特定任务上取得“量子优势”，带来企业订阅与工作流锁定；切换成本上升，ARR 复利。
悲观情景：相干性/保真度停滞、融资收紧拉长时间线、压缩估值并带来摊薄。

把“离目标多远”转成可量化信号

硬件：相干时间、双比特门保真度、错误率、串扰抑制、（低温/光子）稳定性、单位晶圆良率。问自己：能否走出实验室做成可量产产品？是生意还是项目？
软件：SDK 采用度、开源活跃度、与超大云的集成、在企业工具链中的真实出现。开发者是否“留得住”？
商业：订单质量、付费试点向多年合同转化、由伙伴出资的研发降低路线图风险。有没有“反复付钱”的客户？
财务：现金与里程碑匹配度、费用纪律、适度摊薄以适配长周期。能否“活到交付”？

理解竞品棋局

不同量子比特路径——囚禁离子、超导、光子、中性原子、自旋——在保真度、可扩展性、可制造性与体积功耗等维度互有取舍，尚无定论。优选两类公司：（a）能走通大规模纠错路径；（b）在容错前就能靠仿真、AI+量子混合流程或“量子预备”服务赚钱、改善当下单位经济性。

贯穿 AI+量子的主线只有一句：把量子当作嵌入 AI 流水线的专用加速器。投资那些让混合栈更易买、易部署、易扩展的玩家。

值得关注的量子公司与潜在障碍

你可以直接买“量子类股”，也可以间接配置“资助量子项目的科技巨头”。前者弹性更大、风险更高；后者更稳健，但量子短期对利润贡献极小。以下六家公司与其“看点清单”，先看三家“纯量子”。

“纯量子”公司

IonQ (NYSE: IONQ)：实验强劲，量产艰难

做什么：基于囚禁离子的量子机器，经由主流云平台对外开放，并与客户开展试点与演示。
为何受捧：实验室精度高，且与亚马逊、微软等云生态联动，试用门槛低。
风险点：把实验表现转成可负担、可复制的量产系统很难；收入仍偏向小项目/科研属性；在销售放量前可能需要继续融资。
优势：硬件精度高；云端接入便捷；伙伴生态增长。
核心问题：离子架构规模化难；机器间光互连工程复杂；营收集中于试点。
观察项：路线图拖延；云访问 vs 服务的毛利结构；为资本开支增发股票。

Rigetti Computing (NASDAQ: RGTI)：自建产线，需加速进度

做什么：打造超导量子芯片，并提供配套软件与云接入，几乎掌控从芯片到客户的全流程。
为何受捧：自研自造能加速学习、长期降低成本；且与政府与高校合作紧密。
风险点：近年管理层与节奏多次调整。要胜出，需显著提升芯片质量，交付客户可验证的业务成效，并保持充足现金。
优势：端到端控制；政产学合作；混合（经典+量子）工作流经验。
核心问题：执行起伏；融资周期敏感；面临大厂竞争压力。
观察项：晶圆良率；保真度升级节奏；试点向按用量计费转化。

D-Wave Quantum (NYSE: QBTS)：当下可用，但非通用

做什么：专注“退火式”量子计算，擅长特定优化问题（路线/排程等），可在云端租用。
为何受捧：已有真实客户在具体任务中使用，价值兑现更快。
风险点：退火并非通用路线；行业长期路线更偏“门模型（gate-based）”的通用量子。公司虽也布局门模型，但竞争更难。
优势：先发；优化场景落地；活跃的云业务。
核心问题：适用面更窄；一旦通用机器取得优势可能被挤压；需持续证明优于经典/AI 优化器。
观察项：客户复购；相对经典方法的优势证据；门模型研发进展；云与服务的毛利对比。

量子“蓝筹”参与者

这些大众熟悉的科技巨头把量子作为“侧翼项目”。资产负债表更稳，但量子贡献短期有限。

Alphabet (NASDAQ: GOOGL)：研究一流，变现缓慢

做什么：Google Quantum AI 发表顶级研究，成熟时可通过 Google Cloud 提供访问。
为何受捧：顶尖人才、雄厚预算与云端全球分发能力。
风险点：量子对整体利润贡献极小，短期难撬动股价；云端打包销售或受监管关注。
优势：研究梯队强；云分发广；现金充裕。
核心问题：量子收入可见性低；注意力在广告/AI/云之间分散；潜在监管约束。
观察项：把论文产品化为托管服务；可点名的企业客户；面向买方的清晰路线图。

IBM (NYSE: IBM)：路线清晰，需证明成效

做什么：公布透明路线图、运营大型云端系统、建设开源 Qiskit 与伙伴网络。
为何受捧：深耕企业与政府客户，咨询团队能把客户从试点带到上线。
风险点：量子收入占比小；服务占比较高，可能掩盖量子硬/软件相对 HPC/AI 的“净优势”。
优势：路线纪律；企业触达；开发者生态活跃。
核心问题：变现依赖服务；在部分技术路径上可能慢于敏捷对手；难以在客户 KPI 上量化优势。
观察项：量子云使用率；第三方验证；高端系统溢价能力。

NVIDIA (NASDAQ: NVDA)：不可或缺的工具，非纯量子

做什么：提供 GPU 与软件框架，支撑量子仿真与混合流程，尤其与 AI 结合。
为何受捧：研究团队今天就大量使用其工具，量子活动越多，需求越强。
风险点：量子对其 AI/数据中心盘子的影响很小；若未来对重度 GPU 仿真的依赖下降，量子带来的增量会变弱。
优势：庞大开发者生态；一流仿真性能；合作伙伴强。
核心问题：量子收入不具材料性；依赖更广泛的科技资本开支；若出现专用量子硬件，可能绕过 GPU 流程。
观察项：混合 AI+量子 SDK 的采用；纳入企业参考架构；量子相关软件的毛利。

使用 ETF 与自建篮子：分散 vs 拖累

主要量子主题 ETF（附带两只“含量子”产品）：

Defiance Quantum ETF (QTUM)——美股上市；覆盖量子计算与机器学习相关公司，流动性较好，成分更偏“未来计算”。
WisdomTree Quantum Computing Fund (WQTM)——美股；与 Classiq 共研的量子主题策略。
WisdomTree Quantum Computing UCITS ETF (WQTM)——欧盟/英国可买的 UCITS 版本；跟踪 WisdomTree Classiq Quantum Computing 指数。
VanEck Quantum Computing UCITS ETF (QNTG)——UCITS；瞄准从事量子技术或拥有领先专利的公司，欧洲/英国多地上市。

“量子相关”（范围更广，含量子敞口）：