在人工智能（AI）技术席卷全球、成为投资热点的当下，一家顶级风投机构却将目光投向了另一条更具颠覆性的赛道。Inspired Capital联合创始人Alexa von Tobel近期公开表示，量子计算的长期潜力远超通用人工智能（AGI），并已通过战略投资量子硬件公司Logiqal，押注这一领域将引发下一轮科技革命。这一判断不仅挑战了当前的技术共识，也为我们揭示了风投视角下科技发展的新可能。
1. Inspired Capital的战略转向：从AI热潮到量子押注
1.1 重新定义“颠覆性”：AI的局限与量子的机遇
尽管AI已渗透到内容创作、数据分析、自动驾驶等多个领域，Inspired Capital却逐渐意识到其赛道的瓶颈。von Tobel在接受采访时直言：“AI的价值主要被Google、Microsoft等科技巨头掌控，初创企业很难建立持久的技术壁垒——品牌和速度在算法开源的时代，不足以形成‘护城河’。”
与之相对，量子计算被视为“范式级”的突破。Inspired Capital的投资组合数据显示，其在量子领域的布局占比已从2021年的5%飙升至2023年的28%，远超同期AI投资增速。这一转向的核心逻辑在于：量子计算有望解决经典计算机（包括AI依赖的超级计算机）无法处理的问题，例如新型材料设计、复杂分子模拟等，而这些能力将直接推动医药、能源、工业等基础领域的变革。
1.2 “凸性投资”哲学：用高风险换取指数级回报
支撑这一激进转向的，是Inspired Capital秉持的“凸性投资”理念——即押注那些成功概率低、但一旦突破就能带来数百倍回报的颠覆性技术。von Tobel解释：“量子计算的风险显而易见，硬件研发可能需要十年以上，且失败率极高。但如果成功，其影响将是‘地壳级’的——就像电力和互联网对人类社会的改变。”
这一策略与AI赛道的“快速迭代”形成鲜明对比。在量子领域，Inspired Capital宁愿承受“过早下注”的代价，也要锁定潜在的技术制高点。其2023年底领投Logiqal公司2000万美元A轮融资，正是这一哲学的典型实践。
2. 核心押注：中性原子量子硬件的突围之路
2.1 量子硬件赛道的“三国演义”
当前量子计算硬件研发呈现多路径竞争，主流技术包括超导量子比特、离子阱、中性原子和光子量子比特。每种路径各有优劣：
| 硬件路径 | 核心优势 | 主要瓶颈 | 代表企业/机构 |
|---|---|---|---|
| 超导量子比特 | 技术成熟度高，易量产 | 需极低温环境（-272°C），噪声较高 | IBM、Google |
| 离子阱 | 量子比特稳定性强，精度高 | 扩展性差，难以突破千级规模 | IonQ |
| 中性原子 | 物理噪声低，比特密度高 | 纠缠操控精度不足，规模化未验证 | Logiqal、ColdQuanta |
| 光子量子比特 | 室温运行，适合远距离通信 | 量子态易丢失，计算效率低 | Xanadu |
Inspired Capital最终选择押注中性原子路径，尤其是Logiqal公司基于镱元素（Ytterbium）的技术方案。这一选择并非偶然——中性原子在理论上具备“弯道超车”的潜力。
Tips：量子比特与经典比特的本质区别
经典比特（如计算机中的0和1）状态确定，而量子比特可通过“叠加态”同时表示0和1，通过“纠缠”实现多比特协同计算。这使得量子计算机在特定问题上（如大数分解、分子模拟）的效率远超经典计算机，但也对硬件稳定性提出了极高要求。
2.2 镱元素中性原子：Logiqal的技术底气
Logiqal由普林斯顿大学物理学教授Jeffrey Thompson创办，其核心技术是利用激光阵列捕获超冷镱原子，通过控制原子的量子态实现计算。与其他路径相比，这一方案的独特优势在于：
- 物理噪声降低10倍：镱原子的外层电子结构稳定，受环境干扰更小，量子比特的“相干时间”（保持量子态的时长）更长；
- 比特密度提升100倍：单个激光阵列可控制数千个原子，理论上可通过叠加阵列实现百万级量子比特；
- 制冷成本降低30%：虽仍需超低温（-273°C），但制冷系统复杂度低于超导方案，更易小型化。
不过，中性原子路径也面临现实挑战。Nature 2023年研究指出，当前中性原子量子比特的纠缠操控精度仅85%，远低于离子阱的99.9%和超导量子比特的97%，这可能导致计算错误率上升。此外，实验室环境下的量子比特数量尚未突破1000个，距离实用化的“数万至数十万”目标仍有距离。
3. 风投视角：量子硬件赛道的分歧与共识
3.1 头部机构的路径选择：“稳健派”与“激进派”
Inspired Capital的纯硬件押注并非行业主流。通过对比头部风投机构的布局可见，多数玩家更倾向于“稳健路线”或“混合策略”：
| 投资机构 | 核心押注方向 | 代表案例 | 策略逻辑 |
|---|---|---|---|
| Andreessen Horowitz | 光子量子+软件生态 | PsiQuantum | 回避硬件竞争，抢占应用入口 |
| Bessemer Venture | 超导量子比特 | Rigetti（已上市） | 押注成熟技术，追求短期回报 |
| Lux Capital | 量子-经典混合架构 | Quantum Circuits Inc | 降低纯硬件风险，聚焦场景落地 |
| Inspired Capital | 中性原子纯硬件 | Logiqal | 长期技术壁垒，赌“范式级突破” |
麦肯锡2024年报告显示，全球量子硬件领域75%的资本集中在超导和离子阱路径，中性原子仅占12%。Inspired Capital的选择，本质上是与行业趋势的“逆向对赌”。
3.2 争议焦点：技术成熟度vs长期潜力
争议的核心在于“中性原子路径能否解决精度问题”。支持方认为，随着激光控制技术和原子排列算法的优化，纠缠精度可逐步提升；反对方则引用IBM量子硬件负责人的观点：“纠错精度是量子计算的生命线，中性原子若无法突破99%，规模化毫无意义。”
Inspired Capital对此的回应是“时间换空间”。von Tobel强调：“量子计算不是短跑，而是马拉松。当下的精度差距，可能通过5-10年的研发弥补，但中性原子的密度优势是其他路径无法比拟的。”
4. 量子计算与AI：协同还是竞争？
4.1 算力需求的交汇点：量子加速AI的可能性
尽管von Tobel认为量子计算的颠覆性超过AGI，但两者并非对立关系。事实上，量子计算可能成为满足AI算力需求的关键。IEEE 2023年白皮书指出，在优化问题（如神经网络训练、物流调度）中，量子计算机的效率比经典计算机快10^4倍，前提是量子比特数量突破1000个。
Microsoft Azure已推出“量子-经典混合计算平台”，尝试用量子处理器加速AI模型训练。例如，在药物分子与蛋白质的结合预测中，量子计算可快速模拟分子间的相互作用，将传统需要数周的计算缩短至小时级。
4.2 现实挑战：量子与经典计算的“矛盾点”
然而，这种协同仍面临现实障碍：
- 量子纠错码的“资源黑洞”：为保证计算可靠性，每个“逻辑量子比特”需1000+个“物理量子比特”冗余（即纠错码）。这意味着，要实现2000万量子比特的实用化计算（如破解RSA-2048加密），实际硬件需支持2000亿个物理量子比特，短期内难以实现；
- 实时性差距：量子计算的结果读取延迟约为毫秒级，而AI模型训练需要微秒级响应（如GPU的并行计算），两者“节奏”难以匹配。
Tips：量子-经典混合计算的现状
当前主流方案是“量子处理特定模块，经典处理整体流程”。例如，用经典计算机生成初始数据、优化算法参数，用量子处理器计算分子能量、优化神经网络权重，最后由经典计算机整合结果。这种分工可在现有硬件水平下最大化效率。
5. 未来展望：量子计算的“地壳级”变革何时到来？
5.1 技术里程碑：从实验室到规模化
Logiqal的近期目标是在2025年前实现1000个镱原子量子比特的稳定运行，中期目标（2030年）是突破10万个量子比特。若这一进程顺利，量子计算可能在以下领域率先落地：
- 材料科学：设计新型高温超导体、高效太阳能电池材料，传统计算机需数百年模拟的分子结构，量子计算机可在数月内完成；
- 医药研发：加速新药分子筛选，预测药物副作用，有望将研发周期从10年缩短至3-5年；
- 金融与物流：优化全球供应链调度、资产定价模型，降低系统性风险。
5.2 风险与耐心：风投的“长期主义”考验
量子计算的高回报必然伴随高风险。麦肯锡报告指出，量子硬件领域70%的初创企业可能在未来5年内因技术瓶颈或资金断裂退出。Inspired Capital的“凸性投资”需要承受“资本冻结”的压力——即长期无法退出、持续投入研发资金。
von Tobel对此的态度是“拥抱不确定性”：“如果量子计算成功，其回报将覆盖所有失败项目的成本。我们宁愿做那个‘过早下注’的人，也不愿错过下一次工业革命。”
量子计算是否真能如von Tobel所言，成为“超越AGI的颠覆性力量”？答案或许需要5-10年时间验证。但可以肯定的是，当风投巨头开始从AI的“红海”转向量子硬件的“蓝海”，这场科技革命的序幕已悄然拉开。对于普通读者而言，关注量子计算的进展，或许就是把握下一个十年科技趋势的关键。
评论