Qblox 通过低于 7.2 微秒的延迟将 NVIDIA DGX Spark 接入量子控制
Qblox 表示已通过 NVQLink 将 NVIDIA DGX Spark 与其量子控制器集成，目标是实现实时校准和纠错。
本页由英文翻译而来。公司和产品名称及来源链接保持不变。 阅读英文原文
Qblox 表示，已使用 NVIDIA NVQLink 将 NVIDIA 的 DGX Spark 桌面 AI 系统连接到其量子系统控制器，并称在 DGX Spark 上测得的往返延迟低于 7.2 微秒，在 NVIDIA RTX PRO 6000 Blackwell 上低于 4.0 微秒。根据公司公告，其目标是将 GPU 计算直接引入实时量子控制回路，用于校准和量子纠错等工作负载。
发布了什么
这份于 10 月 22 日发布的公告，标志着 Qblox 与 NVIDIA 围绕量子-经典混合计算合作的又一步进展。Qblox 表示，这一新配置将其控制栈与 NVIDIA DGX Spark 相结合，使单台桌面机器能够通过 CUDA-Q 承载量子、AI 和仿真工作负载。
根据公告，开发者可以先在桌面硬件上构建应用，然后随着系统规模扩大，将相同代码迁移到 GPU 服务器上。NVIDIA 将 CUDA-Q 描述为一个开放的量子计算平台，可在单个程序中覆盖 CPU、GPU 和 QPU 资源。
Qblox CEO 兼联合创始人 Niels Bultink 表示，经典控制将成为量子计算机扩展规模的限制因素，并补充说，这一集成旨在让 GPU 成为该控制路径的一部分。
技术细节
Qblox 将这种低延迟连接归因于其 Q1 sequence processors 和 LINQ interconnect；该公司表示，它们提供了所需吞吐量，使其 Cluster 控制系统能够与 GPU 协同工作。在这一架构中，GPU 加速例程可以在实验运行期间更新量子比特参数，而不再仅限于两次运行之间。
该公司还表示，用于量子纠错的 syndrome data 可以以足够低的延迟发送到基于 GPU 的解码器，从而支持对错误进行实时识别和纠正。这是一个值得注意的区别：在许多混合工作流中，经典后处理位于关键时序路径之外，而这里所宣称的目标则是直接参与实时控制。
所报告的测量结果具有特定硬件属性。Qblox 表示，在 RTX PRO 6000 Blackwell 上，往返延迟低于 4.0 微秒；在 DGX Spark 上，低于 7.2 微秒。公告未提供更完整的基准测试方法，也没有独立验证。
这为什么重要
对于量子处理器而言，随着系统迈向更复杂的校准和纠错例程，快速的经典反馈变得愈发重要。如果能够在不过多增加延迟的情况下将 GPU 纳入控制回路，它们就可以处理计算量较大的任务，而这些任务仅靠固定功能控制电子设备很难完成。
这对于纠错中的解码器工作负载以及自适应校准尤为相关，因为这些场景必须足够快地做出决策，才能影响正在进行的实验。Qblox 的公告表明，其正尝试通过在桌面和数据中心 GPU 系统上使用相同的 CUDA-Q 软件路径，打通实验室规模开发与更大规模部署之间的连接。
后续看点
这一步最新进展建立在 Qblox 提到的早期里程碑之上：包括 2025 年 10 月宣布的此前 NVQLink 相关工作，以及 2026 年 3 月对 CUDA-Q realtime API 的支持。新的说法并非关于未来架构，而是关于现已与该公司控制器集成的硬件所测得的性能。
接下来的问题将是实际应用层面的。研究人员和客户会希望看到，这些延迟数据如何转化为具体应用，这种方法对不同量子比特模态的适配范围有多广，以及端到端系统在更大实验负载下能否维持这些时序表现。目前，这份公告指向的是 GPU 在量子控制内部、而不仅仅是在其旁侧，正在扮演更明确的角色。
来源
本页事实信息来自以下来源，由 DesignQuantum 整理。
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com