Китайская Xianggan Technology превращает квантовые вычисления в облачную услугу

Проблема, которую пытается решить компания, знакома всем, кто следит за рынком вычислений: классические GPU упираются в потолок. Аренда одного ускорителя Nvidia Blackwell в облаке за пару месяцев подорожала на 48 процентов, и даже OpenAI, по словам финансового директора Сары Фрайар, приходится «очень трудно выбирать проекты» — желаемого больше, чем доступных мощностей. Но дело не только в цене и дефиците. Молекулярное моделирование и масштабная комбинаторная оптимизация растут экспоненциально вместе с размером задачи, и никакое наращивание парка GPU этого не компенсирует. Для типичной NP-задачи со ста переменными, каждая из которых принимает всего два значения, число возможных комбинаций достигает двух в сотой степени — примерно 1,27 на десять в тридцатой, что превышает сто триллионов триллионов триллионов. Перебрать все варианты не хватит никаких мощностей мира.

Выход — в смене самой парадигмы вычислений. Кубит может находиться в суперпозиции нуля и единицы и запутываться с другими кубитами, а каждый новый кубит удваивает размерность вычислительного пространства. Это позволяет быстро кодировать взрывной рост комбинаций, а квантовые алгоритмы через интерференцию «проявляют» полезный результат. Квантовый процессор рассматривают как третий тип вычислительной мощности после CPU и GPU, и именно там, где классика бессильна, у него появляется шанс.

Основатель и генеральный директор Xianggan Technology Цзинь Ижун, почти двадцать лет работающий в области сверхпроводящих квантовых цепей, уверен: будущее — за гибридными вычислениями, где квантовые системы сочетаются с классическими суперкомпьютерами и ИИ-кластерами. Особенно тесно эта связка связана с искусственным интеллектом: подбор сотен гиперпараметров и оптимизация миллиардов параметров — это те же задачи комбинаторного взрыва. Правда, по мнению Цзинь Ижуна, сейчас реалистичнее обратное движение — использовать ИИ для калибровки квантовых систем, оптимизации параметров и диагностики ошибок, чтобы быстрее поднять их возможности, а уже потом квантовые вычисления начнут отдавать долг ИИ.

Между лабораторией и промышленностью стоят три барьера. Первый — стоимость: квантовая машина требует температур, близких к абсолютному нулю, а вместе с ней — измерительную электронику, криогенные линии и калибровочное ПО, так что покупать целую систему большинству команд нереально. Второй — программирование: пользователю приходится вручную разбивать задачу на квантовые вентили и выстраивать из них схему, примерно как писать на ассемблере, что резко ограничивает круг разработчиков. Третий — инженерия: рост числа кубитов с десятков до тысяч сам по себе не даёт мощности, если не снижена ошибка и не отлажена вся связка чипа, измерений, софта и калибровки.

Xianggan Technology, основанная в октябре 2023 года, делает ставку на сверхпроводящий путь с танталом в качестве основного материала схем, вместе с сапфировыми и высокоомными кремниевыми подложками. Плотный оксидный слой на тантале подавляет шумы, ведущие к декогеренции, а технология сверхвысоковакуумного магнетронного напыления даёт ровные плёнки с малым числом дефектов. Ещё в Пекинской академии команда получила сверхпроводящий кубит с временем жизни 503 микросекунды; сейчас чипы компании достигли сотни кубитов при времени жизни свыше 100 микросекунд, средней точности однокубитных операций выше 99,9 процента и двухкубитных — выше 99,5 процента. Компания строит собственную линию, чтобы проектирование, итерации техпроцесса, производство пластин и упаковка шли внутри.

Следующий шаг — целые машины. Текущее решение поддерживает независимое управление и измерение от 10 до 1000 кубитов, включает интеграцию чипа, измерительного оборудования и софта и может разворачиваться как локально, так и в облаке. На системах свыше ста кубитов точность однокубитных операций достигает 99,99 процента, двухкубитных — 99,8 процента, считывания — выше 99 процентов. Именно на измерительной электронике компания заработала первые деньги: выручка этого направления выросла с чуть более трёх миллионов юаней в 2024 году до 31 миллиона в 2025-м, среди клиентов — структуры Китайской академии наук, Университет Цинхуа и квантовый научный центр района Большого залива. В этом году цель — сдать заказчику полноценную систему на сотню кубитов.

Параллельно строится облачная платформа на тысячу кубитов. Цзинь Ижун сравнивает её с тем, как сегодня устроен доступ к передовым ИИ-моделям: в основном через облако, а для чувствительных к данным клиентов — в приватном развёртывании. Пользователь сможет собирать квантовые схемы перетаскиванием в графическом интерфейсе или отправлять задачи через API, а в перспективе — формулировать задачу на естественном языке; для ИИ-агентов платформа зарезервирует отдельный интерфейс. Приложения уже нащупываются в финансах, суперкомпьютерных расчётах и метеорологии. Быстрее всего идёт финансы: подбор оптимального портфеля из тысяч акций или одновременное ценообразование сотен деривативов — это ровно та же экспоненциальная стена, а у банков есть и желание, и деньги платить за скорость и точность. Речь идёт о пятнадцати сценариях — от интеллектуального управления рисками до борьбы с отмыванием денег.

Отдельно компания занимается экосистемой разработчиков: в декабре 2025 года она помогала проводить второй семинар по квантовым облачным вычислениям и вместе с Пекинской академией развивает платформу Quafu, а в 2026-м участвовала в организации первого турнира Quafu Cup, где участники тестировали алгоритмы на реальном железе, а не на симуляторе. Логика простая: пока алгоритмисты не начнут работать с настоящими машинами, прикладная экосистема не вырастет. Чипы, целые системы, облако, сообщество разработчиков — за три года компания расставила фигуры на всех ключевых участках «последней мили» квантовых вычислений, и на этой дистанции уже есть те, кто сошёл со стартовой черты.