英伟达是否为2026年最佳量子计算股票？

投资者可能尚未意识到，在开发生成式人工智能的同时构建量子计算具有多么重要的意义，尤其是对“美股七巨头”中的几家成员而言。Google (Alphabet)、Amazon和Microsoft已分别研制出名为Willow、Ocelot和Majorana的专用量子处理器。Google量子人工智能团队在Willow上的工作成果优于此前利用纠错技术提升电路性能的参与者。此外，Google还发布了卓越的随机电路采样（RCS）基准测试，助力其股价启动了一波反弹。然而，研究人员强调，这些成就仅是该技术开发的第一步。

因此，实现这一目标的实际时间表至关重要，因为该领域的许多人认为，在2030年之前，量子计算相对于经典计算不会展现出真正的、具有实际意义的优势；相当多的人认为，直到2040年代中期，我们才会看到重大的量子技术进展。

如今，量子计算在企业层面仍主要是一项以实验为导向的工作，大多数公司仍处于深入的研发阶段。具体而言，IonQ和Rigetti都在开发利用离子阱和超导体的门控系统，而D-Wave的量子退火系统则专注于优化问题。

归根结底，这些公司正在应对与量子比特开发和利用相关的极具挑战性的物理难题，因此，目前开展的所有工作都是未来量子计算机商业化部署的基础。

2026年，Nvidia已经确立了明确的量子计算战略，旨在充当经典超级计算技术与量子硬件之间的“通用桥梁”。Nvidia并未致力于开发专有的量子处理器（QPU），而是专注于生产必要的软硬件“粘合剂”，使量子-经典计算机混合系统能够高效运行。

Nvidia主要的量子计算业务领域和产品包括CUDA-Q、cuQuantum、NVQLink、DGX Quantum和NVAQC。

1. CUDA-Q（软件平台）

CUDA-Q是一个开源且独立于QPU的平台，被视为混合计算的“操作系统”。它允许开发人员在单一环境（C++或Python）中编写代码，并可在CPU、GPU和QPU上运行。截至2026年，该平台已与全球约75%的公开可用量子处理器集成，包括来自IonQ、Rigetti和IQM的处理器。它可以自动分配任务，将繁重的数学模拟发送至GPU，并将特定的量子任务发送至QPU。

2. cuQuantum（模拟软件开发工具包）

在量子硬件尚未实现大规模开发的情况下，研究人员利用Nvidia GPU来模拟量子电路的预期行为。借助cuQuantum框架，研究人员通过使用Nvidia GPU加速库（如cuStateVec和cuTensorNet），能够以比传统CPU技术快数千倍的速度模拟量子电路。最新发布的cuQuantum软件版本（v25.11）包含多项新功能，例如模拟随机泡利算符在量子电路和稳定器上的传播，这两者在量子纠错（QEC）的开发以及设计更大、更稳健的量子计算系统方面发挥着重要作用。

3. NVQLink（硬件互连）

NVQLink于2025年底发布，是一种旨在解决量子计算“延迟瓶颈”的高速硬件架构。它在GPU与量子系统控制器之间提供了直接且低延迟（小于4微秒）的链接。这种速度对于量子纠错至关重要，因为经典GPU必须在“量子比特”失去其量子状态（即退相干）之前，处理错误数据并将修正指令发回量子处理器。

4. DGX Quantum（混合系统架构）

Nvidia与Quantum Machines等公司合作打造了DGX Quantum这一物理硬件系统。全球研究中心（如以色列量子计算中心和美国各国家实验室）将其用作“工作台”，以开发药物研发和材料科学等领域的第一代实用级量子应用。

5. NVAQC（研究与生态系统）

NVIDIA加速量子计算研究中心（NVAQC）是生态系统发展的枢纽。Nvidia利用其风险投资部门投资领先的量子初创公司（如Quantinuum、QuEra和PsiQuantum），以确保其下一代硬件能够与Nvidia的技术堆栈实现原生兼容。

与业内其他公司不同，NVIDIA 在 QPU 领域开辟了一条截然不同的道路。NVIDIA 并没有试图开发最强大的 QPU，而是专注于构建一个涵盖量子计算和加速计算（也称为经典计算）解决方案的完整生态系统，通过中间件将两者连接，并整合混合系统的软件和硬件组件。

CUDA-Q 解决方案允许应用开发人员创建可运行在 CPU、GPU 和 QPU 上的应用程序，而无需重新开发整个技术栈。此外，NVQLink 通过高速数据路径在 QPU 和 GPU 之间提供低延迟、高带宽的连接，使数据能以极快的速度流动，从而实现无缝通信。

这种桥接策略对 NVIDIA 而言是一项审慎的对冲，因为它让公司无论在哪种量子处理器设计或量子比特架构成为标准格式时都能做好准备。此外，NVIDIA 的桥接方法与其支持整个生态系统的各种工具高度契合，其中之一便是 cuQuantum，这是一个旨在利用 GPGPU 加速计算帮助工程师开发量子工作流的软件开发工具包。它使工程师能够使用熟悉的软件开发框架来构建其下一代量子系统。

此外，NVIDIA 在 2023 年 3 月推出了 DGX Quantum，它将尖端 NVIDIA GPU 与 Quantum Machines 的量子硬件相结合，旨在让科研人员能够获取利用量子计算能力的工具。凭借 DGX Quantum，NVIDIA 致力于推动实质性创新，助力开发高燃油效率的喷气式飞机发动机，并优化药物及健康相关产品的研发流程。

从更宏观的角度审视现状，可以看到该观点拥有宏观层面的支撑体系。Nvidia的业绩表现将很大程度上取决于大型科技公司在AI领域的投入，且这些公司将继续加大资本支出（CapEx）。目前，资本支出曲线的斜率显示，超大规模数据中心（特别是扩容建设）以及网络和芯片的采购是其优先事项。

据高盛预测，到2026年，超大规模云服务商在AI基础设施上的支出将接近5000亿美元；另据麦肯锡预计，到本十年末，AI基础设施的市场规模可能达到约7万亿美元。因此，这对Nvidia而言是短期的极大利好。

更重要的是，AI基础设施的构建为Nvidia提供了一个长期的多年增长周期。随着量子计算在未来几年成为AI整体讨论中更为重要的组成部分，市场对Nvidia产品的巨大需求将持续存在。虽然CUDA-Q和NVQLink相对于公司的核心计算和网络领域尚未形成规模，但随着我们迈入AI基础设施时代，对量子计算的追求将变得日益重要。

您如何看待NVDA截至1月21日的当前股价？目前，NVDA股票的远期市盈率（PE ratio）为24倍，结合其现有的增长态势及华尔街的预期，该股估值显得非常有吸引力。

此外，我认为随着人工智能技术在商业领域的持续渗透，量子计算已成为NVDA宏大长期增长战略中的又一重要支柱。对于正考虑在未来几年内买入NVDA股票的投资者，应当注意到其未来估值扩张的潜力，并将NVDA视为值得长期持有的投资标的。

量子计算利用量子力学原理，包括描述亚原子水平上物体缺乏确定状态的叠加态。这使得在某些类型的计算中，量子计算相比传统计算方法具有显著提升性能的潜力。然而，截至2025年，该技术在很大程度上仍处于开发阶段。量子系统构建速度的提高和成本的降低，以及允许学术界和软件开发人员使用量子系统的云端解决方案的出现，增加了能够接触到量子系统的人数。

Google通过其“Willow”项目展示了纠错算法的性能将持续改进，直到当前所有算法都被基于量子系统的算法取代，并且源自量子系统的算法将无缝集成到当前的量子计算平台中。因此，Google的Willow所获得的RCS基准测试评分代表了该领域此前测试的所有项目中最高质量水平并不令人意外，但这仍只是量子系统走向实际应用开发之路的开始。

尽管量子计算的前景尚不确定，但建立多元化的投资组合是合理的，因为投资纯业务标的具有高风险。

此外，虽然软件行业在该领域增长显著，但也有公司致力于开发软硬件集成产品；这些公司将继续成为量子计算领域的重要参与者。同样，为了获得更多量子计算市场的风险敞口，有一只名为Defiance Quantum的量子交易所交易基金（ETF）。由于量子竞争优势可能需要很长时间才能实现，一些专家认为直到2030年才会有广泛的量子优势，而另一些专家则预计要到2040年代中期。

因此，将投资资金分配到几家公司是有益的，其中一些已经产生现金流，而另一些则是高风险的纯业务标的。包含这两类公司的多元化方法是投资者进入量子计算领域的绝佳方式。

Nvidia是2026年最具吸引力的量子计算投资标的吗？对于许多投资者来说，答案很可能是肯定的。Nvidia并不是在构建量子处理单元（QPU），而是通过CUDA-Q、NVQLink、cuQuantum和DGX Quantum等产品，为量子计算和经典计算的协同工作构建必要的基础设施。作为一家专注于AI基础设施领域的早期阶段公司，Nvidia很可能从该细分市场支出的增长中获益，同时也提供了一种在不承担纯量子业务风险的情况下投资量子公司的途径。

因此，投资者可以在持有Nvidia股票的同时，投资于精选的量子企业或ETF。如果您考虑在2026年以单一个股作为量子投资策略的基石，那么在所有上市公司中，Nvidia很可能是规模、战略和持久性结合得最好的。此外，如果Nvidia的股价主要由其核心AI业务驱动，而未考虑到其作为通往量子计算桥梁的作用，这可能会为长期股东提供一个相对于其他量子投资而言更具潜在优势的投资头寸。

本内容经由 AI 翻译并经人工审阅，仅供参考与一般资讯用途，不构成投资建议。