量子電腦有個讓工程師頭痛的老問題：校準。一台量子處理器（QPU）每運行一段時間，量子位元之間的相干性就會漂移，需要重新校準。人工校準少則數天，多則一週，這還是在有豐富經驗的團隊情況下。
NVIDIA 在 4 月 14 日為這個問題提出了一個新方案：NVIDIA Ising，全球第一個開源量子 AI 模型系列，採用 Apache 2.0 授權，免費使用。
兩個模型，解決兩個問題
Ising 不是單一模型，而是兩塊拼圖：
Ising Calibration（350 億參數）
這是一個視覺語言模型，專門「看懂」量子處理器的測量結果。量子位元的狀態資料用一般資料很難表示，但用影像加文字的聯合表徵效果出乎意料地好。
- 模型輸入：量子位元的各種測量資料（支援超導、量子點、離子、中性原子等平台）
- 模型輸出：校準操作建議與自動執行
- 效果：將校準時間從數天壓縮到數小時
在新引入的 QCalEval 基準測試中，Ising Calibration 的成績為：
- 比 Gemini 3.1 Pro 高 3.27%
- 比 Claude Opus 4.6 高 9.68%
- 比 GPT-5.4 高 14.5%
開源模型，在這個專業領域上擊敗了三個最強的封閉源碼旗艦模型。
Ising Decoding（兩款 3D CNN）
量子電腦天生會出錯，量子錯誤修正（QEC）就是即時檢測並糾正這些錯誤的機制。Ising Decoding 提供快速與精準兩個版本：
| 版本 | 參數量 | 速度提升 | 精準度提升 |
|---|---|---|---|
| 快速版 | 約 91.2 萬 | 2.5 倍 | 1.11 倍 |
| 精準版 | 約 179 萬 | 2.25 倍 | 1.53 倍 |
對比基準是 pyMatching——目前業界標準的解碼器。同時在速度與精準度上勝出，這件事情的含金量不低。
實測：在 13 個量子位元、錯誤率 0.3% 條件下，每輪解碼耗時僅 2.33 微秒（FP16 精度）。
NVIDIA 為什麼要做這個
量子電腦市場現在還很小，這不是 NVIDIA 的主營業務。但背後有幾個邏輯：
GPU 是量子電腦最好的經典計算外掛。 量子錯誤修正、量子線路模擬、量子演算法最佳化——這些任務全都要跑在傳統計算硬體上。NVIDIA 的 CUDA-Q 平台就是 GPU+QPU 的混合計算框架，Ising 直接整合進去了。買了這個開源模型，生態還是 NVIDIA 的。
提前卡位容錯量子計算（FTQC）賽道。 量子電腦要真正實用，容錯是繞不過的門檻。解碼器是最底層的基礎元件，現在開源出來，等市場成熟了就有先發優勢——就像當年 CUDA 對 GPU 計算生態的作用一樣。
擴大學術合作夥伴圈。 哈佛工程學院、費米國家加速器實驗室、勞倫斯伯克利國家實驗室、英國國家物理實驗室、IQM Quantum Computers——這些機構是量子計算研究的核心節點。Ising 把 NVIDIA 嵌入進了這條供應鏈。
股市的連鎖反應
4 月 16 日 CNBC 報導，Ising 發布後量子計算概念股集體上漲，IonQ 單日漲超 20%。
這個漲幅說明市場讀出了訊號：IonQ 是 NVIDIA 在量子處理器方面的合作方之一，Ising 支援 IonQ 的離子阱量子硬體。換句話說，NVIDIA 公開背書了離子阱這個技術路線——至少是在校準和解碼這兩個關鍵能力上。
「量子+AI」的組合開始有具體落地產品，不再只是簡報。
一個細節
Ising 這個名字來自物理學的伊辛模型（Ising model），一個用來描述相變和磁性的統計力學模型。量子電腦的校準問題在數學上和這個有對應關係，所以命名不是隨便起的。
NVIDIA 專門給這個技術方向取了一個嚴肅的物理學名字，不是行銷噱頭。
量子電腦什麼時候真正商用，沒人能給出確切時間表。但如果那一天到來，量子錯誤修正是必須解決的基礎設施問題。NVIDIA 在這裡埋了一顆釘子，還把它開源了出來。
參考來源：NVIDIA Launches Ising, the World's First Open AI Models to Accelerate the Path to Useful Quantum Computers（NVIDIA Newsroom）；NVIDIA Ising Introduces AI-Powered Workflows to Build Fault-Tolerant Quantum Systems（NVIDIA Technical Blog）；CocoLoop、Quantum stocks on pace for a massive week after Nvidia debuts AI models to boost the tech（CNBC）