量子計算有望迎來高複合增長階段，市場增長潛力可觀。根據光子盒研究院預測，量子計算有望進入高複合增長階段，全球量子計算產業規模有望從2024年的50億美元左右，增長至2035年的8000億美元左右，佔據量子科技近90%的份額，成為其主要增長引擎。產業鏈上游發展相對成熟、增長顯著，下游處於產業初期，增長潛力巨大，有望從2024年的2.7億美元，逐步增長到2035年的2026.7億美元。量子計算招標市場聚焦上游關鍵裝置，下游科研領域應用最為主流。產業規模有望保持高複合增長，市場增長潛力可觀1.上游發展相對成熟、下游成長潛力大，2035年全球量子計算市場規模有望超8000億美元量子計算產業規模增長潛力大，2035年有望超過8000億美元。根據光子盒研究院資料，2024年，全球量子科技產業整體規模將達到80億美元，2024-2035年複合增長率將達到53.76%，到2035年量子總產業規模將有望達到9089.1億美元。2024年，量子計算產業規模達到50.37億美元，其中，北美量子計算產業規模佔比為29.73%，歐洲佔28.83%，中國佔比25.30%，亞太地區（除中國）佔比12.24%、其他地區佔比3.90%。2035年，量子計算產業規模有望達到8077.5億美元。產業上游呈現出顯著增長態勢，下游增長處於起步初期、潛力巨大。量子計算產業鏈上游市場總規模由2024年的20.4億美元增長到2035年2527.2億美元。其中，2035年，量子位元環境系統有望增長到687.3億美元，量子測控系統有望增長到996.2億美元，量子晶片有望增長到794.2億美元。下游市場正處在起步階段，各細分領域市場規模較小，但發展潛力大，有望從2024年的2.7億美元，逐步增長到2035年的2026.7億美元。2.招標市場聚焦量子計算上游領域，科研領域應用最為主流根據知了標訊，梳理近一年量子計算招標情況，篩選條件：1）公告類型：中標結果；2）項目地區：全部；3）發佈時間：近一年（截至2025年12月5日）；4）搜尋範圍：標的。按照以上條件篩選出96條標訊（如附件所示），去除重複以及不合理標訊，共計89條標訊。基於上述招標情況，得出以下結論：從招標金額來看，百萬級項目居多，重點聚焦中上游關鍵裝置採購。其中，共計61條招標資訊公佈招標金額。其中，最高金額為蘇州創元量子產業發展有限公司新建量子電腦製造項目二期，主要為科研辦公樓地下車庫施工等土建工程，共計2.08億元，也是唯一超過1億元的項目。此外，中標金額在1000萬到1億之間的項目為7個，聚焦測控系統等上游關鍵裝置及元件；中標金額在100萬-1000萬資金的項目為30個；中標金額小於100萬的項目為23個，主要聚焦量子計算教研類等產品。總體來看，近一年招標項目中，並無公開具體金額的量子電腦，主要採購內容為關鍵裝置與元件、量子電腦/雲平台以及下游專業系統等，主要用於科研教學領域。從招標單位屬性來看，學校、政府及事業單位為主要招標單位，量子計算在科研領域應用為主流。其中，招標單位為國有企業共計13個、民營企業為22個、學校為28個、政府及事業單位為23個、銀行為1個以及醫院為2個。總體來看，學校及政府、事業單位（以科研機構為主）共計51個，主要用於科研領域，佔據主導地位。此外，銀行和醫院作為行業應用代表，相對來說，招標數量少，表明量子計算在醫療、金融等下游應用仍處於初期。從中標單位來看，量子計算側重基礎設施建設，產業集聚度相對較低。中標超過3次以上的企業分別是：南京乾海通訊技術有限公司（5次，量子晶片封裝、低溫測控鏈路以及微波器件研發供應）、中億豐建設集團股份有限公司（量子科技相關基礎設施建設）、北京中科弧光量子軟體技術有限公司（量子軟體、開發平台以及雲服務）、本源量子計算科技（合肥）股份有限公司（全端自主量子電腦及軟硬體、雲平台研製）以及深圳量旋科技有限公司（教育/產業級量子電腦、雲平台及軟體開發）。典型招標案例：（1）浙江大學量子計算未來學習中心裝置一批中標公告本次招標項目主要包括超導量子計算測控系統以及氦3/氦4稀釋製冷機。其中，超導量子計算測控系統分兩個供應商提供，分別為杭州正東電子（5台，共計1738萬元，單價為347.6萬元/台），杭州邏輯位元（2台，共計526萬元，單價為263萬元/台），稀釋製冷機供應商為量羲技術（3台，共計1914萬元，單價為638萬元/台）。（2）某實驗室量子電腦機時中標結果公告本次招標項目內容為某實驗室擬租賃1台量子電腦，該機器具備高保真度的量子門操作，適用於高度複雜的量子化學模擬與演算法測試，合同簽訂之日起一年或180量子計算小時全部用完。該項目中標總金額為466萬元，單價為2.59萬元/小時。（3）合肥氣象量子科技創新研究中心量子計算雲平台服務項目中標結果公告本次招標項目為合肥氣象量子技術創新研究中心量子計算平台服務，總金額為153.80萬元，中標單位為中國電信股份有限公司安徽分公司。本項目主要內容是建設面向氣象領域的專用量子計算雲平台，包含氣象門戶、學習中心、程式設計實驗室三大模組，平台支援私有化部署，支援對接外部量子計算雲平台，可實現量子計算真機的呼叫。（4）多模態醫學圖像處理與分子劑量計算測定系統中標結果公告本次招標項目為多模態圖像處理與分子計量計算測定系統，招標方為西南醫科大學附屬醫院，供應商為成都壹元科技有限公司，中標總金額為161.78萬元。（5）關於量子計算服務採購項目成交公告本次招標項目為量子計算服務，招標方為中信銀行，供應商為玻色量子。該項目細節尚未公佈，但根據玻色量子官方公眾號表明，專用計算技術在金融領域的又一次重要合作，標誌著“量子計算+金融”加速邁進商業化探索與應用新階段。（1）核心技術突破滯後風險。量子位元退相干、糾錯技術不成熟等瓶頸未破，規模化整合難度大。各技術路線均有擴展性短板，百萬級量子位元實用化目標短期難實現，制約產業進階。（2）產業生態建設不完善風險。多技術路線並存導致標準不統一，軟體工具鏈與演算法庫稀缺。核心零部件依賴進口，關鍵裝置供給受限，形成生態建設“卡脖子”隱患。（3）應用落地場景稀缺風險。量子計算多處於實驗室驗證階段，缺乏規模化商業場景。行業需求與現有算力不匹配，試點項目難複製，商業化盈利模式尚未形成。（4）政策與監管適配風險。部分國家技術出口管制趨嚴，行業標準與監管規則缺失。政策多集中研發端，應用轉化扶持不足，連續性存疑，影響產業穩定發展。（5）投入與回報失衡風險。研發需要巨額資金搭建高精度環境，企業長期虧損依賴融資。商業化回報周期模糊，投融資熱度退潮易引發資金鏈壓力，拖累產業節奏。 (中信建投證券研究)

在2022年GTC的技術大會上，輝達首席執行官黃仁勳（Jensen Huang）一句 “摩爾定律已死” 的斷言震動業界。彼時半導體行業仍在3奈米製程的賽道上競速，英特爾、台積電等巨頭尚未公開承認技術迭代的疲態。近期，黃仁勳通過播客節目進一步拋出驚人預測，認為"OpenAI很有可能成為下一個兆美元等級的超大規模企業"，同時宣佈了一項規模達千億美元的合作計畫，共同建設10吉瓦（GW）的AI資料中心。這兩條看似獨立的論斷，實則構成黃仁勳對技術革命的完整預判：當傳統晶片迭代邏輯崩塌，以 OpenAI 為代表的 AI 力量將重構計算產業的底層規則。訪談播客節目/Youtube視訊截圖摩爾定律的失效摩爾定律由英特爾創始人戈登·摩爾提出，其核心在於承諾"晶片性能定期倍增而成本減半"。然而，行業資料表明這一良性循環已被打破。根據Google在國際電子器件大會上的研究報告，電晶體成本在台積電28奈米工藝量產後便停止下降趨勢，到7奈米、5奈米節點時甚至出現回升。目前，5奈米晶片的設計成本已突破5億美元，相比28奈米工藝增長25倍，而建設3奈米晶圓廠所需投資高達200-300億美元。在2022年GTC大會上，黃仁勳展示的對比資料更具說服力：過去十年間，單顆CPU性能提升僅3倍，而GPU通過架構創新實現了317倍的AI計算性能突破。台積電的最新財報進一步印證了技術迭代的收益遞減：3奈米工藝雖然達到85%的良率，但性能提升幅度從早期製程的60%降至30%，製造成本反而增加40%。技術層面的制約同樣不容忽視。台積電3奈米工藝中電晶體間距已縮小至12奈米，量子隧穿效應導致的漏電問題日益突出。更關鍵的是，儲存與邏輯晶片的工藝發展路徑出現分化。研究表明，SRAM儲存單元在5奈米節點已基本停止微縮。正如北京大學積體電路專家蔡一茂所言："傳統儲存器的微縮瓶頸正成為算力提升的主要制約因素。"AI計算需求的爆發式增長與晶片技術進步放緩形成鮮明對比的是AI算力需求的爆發式增長。黃仁勳提出的"AI三大擴展定律"——涵蓋預訓練（Pre-training）、訓練後最佳化Post-training）和推理應用（Inference）的全周期算力需求增長，正獲得業界廣泛認同。他強調："模型訓練是階段性的，但推理應用是持續性的——從智能對話到視訊生成，每個AI互動都在產生持續的算力消耗。"OpenAI公佈的資料顯示，GPT-4的訓練算力需求達到1.3×10²⁵次浮點運算，是前代模型的百倍之多。更值得注意的是推理階段的算力消耗：2025年第二季度，其全球API日呼叫量突破百億次，相當於每秒需要十萬台高端伺服器同時運行。黃仁勳進一步闡釋，傳統AI推理是"即時響應"，而新一代推理則是"深度思考"過程。AI系統在回答前需要進行研究分析、事實核驗和多輪計算，這使得單次互動的算力需求提升10-100倍。他預計推理階段的算力總需求將實現"十億倍"增長，並承認此前（一年前）的預測顯得“過於保守”。OpenAI及其GPT-4的logo/百度圖片輝達的戰略轉型面對摩爾定律的失效，黃仁勳推動輝達實施"全端創新"戰略——通過晶片、系統和演算法的協同突破實現跨越式發展。這一戰略在輝達的產品演進中得到充分體現：從單純追求製程進步，轉向通過GPU架構革新、軟體生態最佳化和系統整合能力建構綜合競爭優勢。最新資料顯示，採用Blackwell架構的H200 圖形處理器（GPU）在FP8精度下實現每秒32千兆次（PFlops）運算性能，較前代提升3倍。這種貫穿資料中心等級的整體最佳化，使新架構在推理性能上實現30倍躍升，遠超依靠傳統製程進步所能達到的成效。黃仁勳將這種策略稱為“極致協同設計”（Extreme Co-design）。由於電晶體性能提升趨緩，輝達選擇在系統層級同時革新所有環節：“我們同時改變中央處理器（CPU）、圖形處理器（GPU）、網路晶片、NVLink擴展（Scale up）、Spectrum-X橫向擴展（Scale out）以及所有相關軟體堆疊。”這一戰略重新定義了輝達的產業定位。黃仁勳在該訪談中強調：“市場將我們視為晶片公司，但輝達本質上是一家AI基礎設施企業。”與OpenAI的合作正是這一定位的體現：除了提供晶片，更在系統架構、軟體平台和人工智慧（AI）工廠建設等層面深度協同，共同建構新一代AI基礎設施。黃仁勳在發佈會上介紹Blackwell架構的晶片/輝達官網報導圖OpenAI的兆級潛力黃仁勳對OpenAI的看好，本質是押注AI成為算力需求的“永動機”。他在合作聲明中指出，OpenAI正經歷“雙重增長浪潮”： 使用者規模隨著應用場景拓展而指數級擴大，單使用者算力消耗隨著推理複雜度提升而同步增長。這兩股趨勢的疊加，創造了持續旺盛的算力需求。OpenAI的核心優勢在於其“持續思考”推理模式。以GPT-4 Turbo為例，其處理複雜數學問題需呼叫上千次圖形處理器（GPU）計算單元，通過多輪計算最佳化答案質量，使響應精準率提升至使用者滿意度89%。此外，其訓練資料池涵蓋15兆單詞文字、1億小時視訊與5000萬份學術文獻，配合自研的資料清洗技術實現99.2%的噪聲過濾效率，構築了資料層面的壁壘。商業變現路徑同樣清晰。OpenAI收入結構已從單一應用程式程式設計介面（API）服務拓展為企業端與消費端雙輪驅動：微軟Azure OpenAI服務2025年上半年營收達120億美元，OpenAI分得30%分成；消費端ChatGPT Plus訂閱使用者突破1億，月均付費20美元，疊加DALL·E 4等圖像生成服務，年化直接收入達240億美元。據黃仁勳估算，如果AI能夠提升全球50兆美元智力產出的10%，其中一半轉化為基礎設施投入，年度資本支出將達5兆美元，足以讓OpenAI成為“下一個Meta或Google”。電力瓶頸與地緣政治新格局隨著AI計算規模持續擴大，電力供應成為關鍵制約因素。黃仁勳指出，單個資料中心功耗已達250兆瓦（MW），未來可能突破1吉瓦（GW）。在此背景下，"能效比"直接決定了"營收效率"。黃仁勳甚至語出驚人地提出：即使競爭對手免費提供晶片，客戶仍會選擇輝達的解決方案。他解釋道："在2吉瓦的電力配額下，如果我們的系統能效是對手的兩倍，意味著客戶能夠獲得雙倍的業務收益。"在電力成為硬性約束的時代，總體擁有成本的重要性已超越晶片單價。地緣政治層面，“主權AI”成為各國戰略焦點。通過頻繁與各國領導人交流，黃仁勳深切體會到"擁有自主AI基礎設施已成為國家競爭力的關鍵"。他強調，AI與核武器不同——“沒有人需要原子彈，但人人都需要AI”。這一趨勢下，美國對華晶片出口管制持續加碼，而中國通過全鏈路自主可控技術積極應對。這一趨勢下，美國持續加強對華晶片出口管制，而中國則通過全鏈路自主創新積極應對。近日，黃仁勳曾形象地比喻中美技術差距僅在"納秒之間"，認為中國半導體產業"充滿創新活力"，並建議美國通過開放競爭保持領先地位。挑戰與未來展望然而，黃仁勳的樂觀預期也面臨諸多質疑。OpenAI首席執行官薩姆·奧爾特曼近期表示："大量資金湧入尚未驗證的AI項目，存在泡沫化風險。"市場資料顯示，2025年全球AI初創企業融資總額達1800億美元，但八成企業尚未實現營收，僅一成能夠覆蓋算力成本。技術層面，量子計算可能帶來顛覆性變革：Google研發的千量子位原型機在特定任務上的算力相當於十萬台H200 GPU。產業生態方面，微軟、Google等巨頭加速追趕，亞馬遜雲服務（AWS）推出自研訓練（Trainium）晶片，競爭加劇可能壓縮輝達的利潤空間。儘管如此，黃仁勳認為AI革命與網際網路泡沫有本質區別。他引用輝達財報資料：2025年第二季度資料中心業務同比增長110%，毛利率維持在78%，顯示需求的真實性。更重要的是，推理算力佔比從2023年的20%升至2025年的55%，標誌著剛性需求正在形成。對於未來，黃仁勳預計五年內AI與機器人技術將深度融合，出現能夠自主行動的智能實體。每個人都有可能擁有個性化的AI助手和雲端數字孿生（Digital Twin）。他給企業的建議異常簡潔：“當面對指數級增長的技術浪潮時，最明智的選擇就是積極參與其中。”輝達與OpenA的合作插圖/矽谷新聞報導圖黃仁勳的雙重預判，清晰地勾勒出計算產業範式轉移的軌跡：摩爾定律的終結，宣告了“製程驅動時代”的落幕；而OpenAI的崛起，則標誌著“AI驅動時代”的正式開啟。Google的成本資料、台積電的工藝瓶頸、OpenAI的指數級算力需求，共同構成了這一歷史性轉折的完整證據鏈。輝達以“晶片+生態”深度繫結OpenAI，這不僅是對其成功路徑的復刻——如同昔日憑藉GPU定義遊戲與圖形市場——更是對未來產業規則的重新定義：得AI算力供需者，得天下。 (MGClouds蘑菇雲)