4月14日，英伟达选在"世界量子日"这天，发布了一个叫 Ising 的东西。

这个名字不是随机起的。伊辛模型（Ising Model）是统计物理学里的经典数学模型，1920年代由物理学家恩斯特·伊辛提出——它用极简的规则，描述了磁性材料中粒子之间的相互作用，后来被用于理解从磁铁到大脑神经网络的各种复杂系统。英伟达把这个名字给了自己的量子AI模型，意思很直白：我们想做同样的事，用简洁的工具，处理量子计算里最混乱的部分。

Ising 是全球第一个专为量子计算设计的开源 AI 模型家族。

量子计算的两个拦路虎

要理解 Ising 解决了什么问题，先得明白量子计算为什么还没有"实用"。

量子计算机的核心单元是量子比特（qubit）。不同于经典比特只能是0或1，量子比特可以同时处于0和1的叠加态，这让量子计算机在某些任务上拥有指数级的计算优势——理论上。

实践中，有两道墙挡在前面。

第一道：校准。 量子比特极其脆弱，温度、磁场、振动，哪怕是宇宙射线，都会让它出错。量子处理器需要持续校准才能正常工作。而传统的校准流程是人工的，需要专家手动调整，一次完整校准可能耗费数天时间。这不是在做科学，这是在跟物理规律拉锯。

第二道：纠错解码。 量子比特出错的概率比经典比特高几个数量级。“量子纠错"是解决方案——用多个物理量子比特冗余地编码一个逻辑量子比特，然后实时检测并纠正错误。但解码这些错误信号本身就是一个计算密集型任务，需要在极短时间内完成，否则后续计算已经在错误上继续叠加。

Ising 做的，就是用 AI 拆掉这两道墙。

两个模型，两把钥匙

Ising Calibration 是一个 350 亿参数的视觉语言模型（VLM）。

为什么是视觉语言模型？因为量子处理器的校准数据本质上是测量图像和信号图谱——不是纯文本，而是实验波形、频谱和状态分布图。Ising Calibration 被训练成能"看懂"这些图像，并直接推断出需要做哪些校准动作。

在 QCalEval——量子校准专用基准测试——上，它的表现超过了 Gemini 3.1 Pro、Claude Opus 和 GPT-5。把校准时间从原来的数天压缩到数小时。

Ising Decoding 是两个 3D 卷积神经网络变体。

  • 快速版：约90万参数，优化延迟，用于实时解码
  • 精准版：约180万参数，优化错误率，用于精度敏感场景

与当前开源行业标准 pyMatching 相比：解码速度快 2.5 倍，准确率高 3 倍。

两个模型都是开源的，代码基于 PyTorch 和 CUDA-Q 框架，支持自定义噪声模型，覆盖表面码的任意码距。

英伟达在下的棋

黄仁勋发布会上说了一句话，值得仔细读：

“AI 是让量子计算走向实用的关键。有了 Ising，AI 成为控制平面——量子机器的操作系统——将脆弱的量子比特转化为可扩展、可靠的量子-GPU 系统。”

控制平面。操作系统。 这两个词不是比喻，是战略表态。

英伟达没有造量子计算机，也没有打算造。它在做的是：在量子硬件和量子软件之间，插入一层 AI 控制层，让 AI 来负责维持量子处理器的稳定运行。

这个逻辑跟英伟达在 GPU 时代做的事一脉相承：英伟达不生产芯片代工厂，不做数据中心建筑，它做的是 CUDA——让 GPU 变得可编程、可用、可依赖的那一层软件。现在，它想用同样的方式切入量子计算：做那个让量子处理器变得可用的工具层。

目前已经宣布采用 Ising 的机构包括：费米国家加速器实验室、劳伦斯伯克利国家实验室、哈佛大学工程学院、IQM Quantum Computers、Infleqtion、英国国家物理实验室，以及中央研究院。这个名单横跨国家实验室、顶尖高校和量子硬件企业，覆盖了量子计算的主要生态节点。

这一步的意义

量子计算领域流行一个说法：NISQ 时代（Noisy Intermediate-Scale Quantum，含噪中等规模量子计算）。意思是现阶段的量子计算机虽然存在，但噪声太大、规模不够、错误率太高，离真正有用还差得远。

Ising 的出现，是一次对 NISQ 困境的正面回应。

它没有试图从物理层面解决量子比特的脆弱性——那是材料科学和低温工程的问题。它选择的是：接受物理层的局限，在控制层用 AI 去补偿这些局限。校准慢？用 AI 自动化。解码慢、准确率低？用 AI 加速。

这种路线的本质是：不等待完美的量子硬件，先让现有的量子硬件变得可用。

对于整个量子计算产业来说，这一步的意义类似于 CUDA 对 GPU 的意义：它不是让硬件更好，但它让硬件第一次真正可以被用起来。

Ising 发布后，IonQ、Rigetti、D-Wave 等量子计算股票应声上涨，市场的反应比任何分析都更直接。

有没有可能这条路线最终失败？当然有。量子纠错的理论复杂度可能超出 AI 能够稳定处理的范围。但在更好的答案出现之前，英伟达给出了一个可以执行的方向。

在量子计算这件事上，这已经很难得了。