量子计算也有「开源SDK」了!Python代码就能拨通8量子比特和25量子比特真机

2026年7月9日晚上八点三十七分，科技资讯账号@SciTechera发了一条推特，配图是黑底卡片，大标题写着「QpiAI Open-Sources Quantum SDK To Accelerate Agentic Quantum Computing」。

底下配文只有短短一行：

"Just as open-source software accelerated the AI revolution, open quantum tools could help accelerate the quantum era."

「就像开源软件加速了AI革命一样，开放的量子工具或许也能加速量子时代的到来。」

这条推文当晚浏览量刚过千，转发和收藏却在陆续往上走。评论区有人贴出GitHub链接，有人贴出官方新闻稿，还有人开始追问：真的能用Python代码连上真的量子计算机吗？

答案是：能，但没有配文听起来那么轻松。

▲ @SciTechera 2026年7月9日20:37发布，约1.1K浏览，评论区随后补上了OSFY与官方新闻链接

印度公司把「遥控器」交出来了

发这条消息的是印度班加罗尔的量子计算公司QpiAI。这家公司自称"全栈"，处理器、控制电子、软件平台、行业方案，一条龙自己做。

他们这次开源的东西叫QpiAI Quantum SDK，代码放在GitHub的qpiai/quantum-sdk仓库里，用Apache-2.0协议，这意味着企业可以拿去二次开发和商用，几乎没有限制。Python包名叫qpiai-quantum，采集当天版本停在0.1.42，标注"Latest release"，发布日期是7月9日。

其实官方账号@qpiai在7月8日就已经先手发过一条推文，附上了GitHub地址和媒体报道链接，@SciTechera那条深夜刷屏帖，严格说是二传。

公司创始人Nagendra Nagaraja在新闻稿里这样描述这次开源的意义：

"India is entering a defining decade for quantum technologies, and open-source software will be critical to building the talent, research, and innovation base that national leadership requires… The convergence of quantum computing, AI, and agentic development will define the next generation of deep-tech platforms."

「印度正在进入量子技术的关键十年，开源软件对建立人才、研究与创新基础至关重要……量子计算、AI与智能体开发的交汇，将定义下一代深度技术平台。」

负责量子平台业务的VPLakshya Priyadarshi说得更干脆，量子计算能不能真正铺开，看的是开发者能不能没有阻力地上手：

"Quantum computing will scale only when developers can experiment, learn, and deploy without friction… The QpiAI Quantum SDK is the open developer gateway."

「只有当开发者能够毫无阻力地实验、学习和部署，量子计算才能真正规模化……QpiAI量子SDK就是那扇开放的开发者大门。」

▲ 官方@qpiai在7月8日率先发布，附GitHub仓库与媒体报道链接，是这次开源事件的一手信源

三行代码，从笔记本到真机之间隔着什么

打开文档，安装这套SDK其实就一行命令：

pip install qpiai-quantum

装完之后，写一个最简单的贝尔态（两个量子比特纠缠在一起，是量子计算教学的第一课）大概是这样：

from qpiai_quantum import Circuit

circuit = Circuit(2, 2)
circuit.h(0)
circuit.cx(0, 1)
circuit.measure([0, 1], [0, 1])
job_result = circuit.run(shots=10000, experiment_name="Bell State",
                         device_name="QpiAI-QSV-Local")
print(job_result.get_counts())

这段代码跑在QpiAI-QSV-Local上，也就是本地模拟器，你自己电脑的CPU在数值层面一步步求解薛定谔方程，不需要联网，不需要注册账号。

想连真机，得多走两步。先去QCloud平台注册拿到API Key，再在代码里加一句鉴权：

from qpiai_quantum import QpiAIQuantumAuth
QpiAIQuantumAuth.login(api_key="your_api_key_here")

鉴权通过后，用list_compute_resources看一眼有哪些设备可选，把device_name换成云端的模拟器或者QPU（量子处理单元），同一段电路代码，就从自己电脑飞到了班加罗尔那台真正的低温装置里。

这套流程可以想象成学做菜。以前真正的厨房锁在实验室，门口贴着"专业人员通道"。现在有人把菜谱写成了大家都熟悉的语言，菜谱软件也公开下载，厨房那边开了一扇预约窗口，你在家里用玩具炉灶练熟了，同一份步骤可以提交到真厨房试做。厨房还是人家的，预约也还是要排队的，但至少你现在知道门在哪，也拿得到菜谱了。

文档里有个细节值得留意：资源列表页面会显示usage_rate和credits字段。也就是说，软件免费，机时未必无限，真机额度受平台政策约束，这一点在讨论"开源=免费"时经常被跳过。

▲ PyPI页面显示qpiai-quantum最新版本0.1.42，7月9日发布，安装门槛就是一行pip命令

8比特和25比特，到底算多大

新闻标题都爱强调"8比特"和"25比特"，这两个数字背后是一道简单的数学题。

描述n个量子比特的完整状态，经典计算机大致需要2的n次方个数字去记录。8比特是256维，普通笔记本随手就能模拟，适合课堂演示。25比特是三千四百多万维，本地模拟器已经开始吃力，这正是"真机"存在的价值：当经典模拟变贵时，量子处理器依然能给出一份带噪声的采样结果。

这台25比特的机器叫QpiAI-Indus，早在2025年4月世界量子日前后就已经亮相，是基于transmon（一种超导量子比特类型）的超导系统，需要接近绝对零度的稀释制冷机维持运行，照片里常见的金色多层枝形装置，指的就是它。

弄清楚这个时间差很重要：先有整机，后有开源SDK。2025年那台机器先立住了脚跟，2026年才把软件入口彻底打开，顺序反过来讲就说不通了。

冷静的声音：这依然是一台"小机器"

围观群众里，也有人没有跟着欢呼。同一条讨论串下面，AI助手Grok给出了一段更谨慎的评价：

"These remain small NISQ devices… no demonstrated practical quantum advantage on real-world tasks yet."

「这些仍然是小型的NISQ设备……在真实任务上尚未展示出可证明的实用量子优势。」

NISQ全称是Noisy Intermediate-Scale Quantum，含噪声的中等规模量子设备。眼下这一代量子机器，包括这次开源牵出的8比特和25比特系统，普遍存在相干时间短、门操作有误差的问题。它们适合做实验算法验证、教学演示、基准测试，还远远够不上替代经典计算机去解决真实工业问题的门槛。

GitHub仓库的数字也在提醒同一件事：采集当天大约50个Star，15个Fork，贡献者三四个人。这是一个发布仅几天、刚刚起步的开源项目，和拥有多年社区积累的成熟框架比，体量差着好几个数量级。

文档里内置的算法模块列表看着挺唬人，Grover搜索、Shor分解、QFT、QPE……但README专门标注了一句：Shor算法是面向教学的小N实现。翻译过来，这套工具能帮你理解"大数分解"这类算法的原理，离真拿它去破解现实里的加密体系，隔着相当遥远的距离。

▲ Grok在同一讨论串下的回复：工具进步确实有价值，但规模和噪声这两道坎还没跨过去

开源量子SDK早有先例，QpiAI靠什么站住脚

如果只看"开源量子软件"这件事本身，开创者的位置轮不到QpiAI。IBM的Qiskit是目前用户量最大的Python量子框架之一，教材和社区已经沉淀多年；Google生态的Cirq偏研究和精细电路控制；Xanadu的PennyLane主攻量子机器学习。这几家早就把各自的工具箱摆在了台面上。

QpiAI这次能被单独拎出来讲的原因，是它把开源软件和自家真机绑在了一起，同一套Python代码，鉴权之后可以切换到公司自己运营的8比特和25比特云端设备，不只是一个只能跑本地模拟的空壳工具库。对开发者来说，这多了一条"写完代码就能碰到真实机器"的路径；对QpiAI来说，开源也是把自己"手握真机"这个差异化条件摆到全球开发者面前的方式。

新闻稿里反复出现"agentic"这个词，架构图上客户端一侧，Jupyter/Python代码和AI Agent被并列画在了一起。翻译过来，这句话暗示了公司心里那批目标用户：以后能用SDK的，未必只是手写每一个量子门的物理学家，也可能是让AI智能体自动完成"设计电路、挑选后端、提交任务、读取结果"这一整套流程的工程师。目前能看到的还只是架构图和说法，还没有一个足够成熟、可复现的智能体量子实验产品摆在桌面上，这一点值得留个心眼。

通稿还把目标用户圈定在高校、黑客松和培训项目，专门设了一个"学术与创新网络"，早期加入的机构能拿到云资源优惠条款。这背后的逻辑不难猜：真正买得起一台稀释制冷机的高校寥寥无几，但花点预算买云端机时、加入一个学术合作网络，门槛低得多。抢占下一批量子课程的默认实验工具位置，可能才是这盘棋真正的落点。

门开了一条缝，别急着往里冲

回到最初那条深夜转发的推文。它把这次开源和AI领域的开源浪潮做了类比，这个类比听起来振奋，物理约束却完全不同。AI开源模型可以在一张消费级显卡上复现训练和推理，几乎人人可玩；量子真机依然稀缺，噪声依然巨大，开源代码没办法凭空复制出更多台超导量子计算机。

开源打开的，是软件这一层的门，教程门槛、安装门槛、账号门槛都在往下降。真正稀缺的算力，包括那台需要极低温维持运行的超导芯片，仍然握在公司自己手里。

想上手的话，路径其实不难：先装包，本地把贝尔态和GHZ态跑熟，对照理论概率核实自己的理解没错，再去申请QCloud账号，用最简单的电路碰一碰真机的噪声。8比特够练手，25比特则更适合观察"理想模型"和"物理现实"之间的差距。

这次开源的热度能维持多久其实是次要问题，真正值得盯着看的是几件更实际的事：有没有高校把它写进课程大纲，云端排队和额度政策会不会持续透明，能不能和Qiskit这类主流框架实现互操作，门保真度这类核心指标会不会被公开发布。这些答案出来之前，量子计算的大门确实又被撬开了一条缝，但缝的背后，还是那台需要极低温和精细校准才能运转的机器。