最近一年，“中性原子”四个字火遍了全球，一跃成为当下量子计算最受瞩目的方向。量子计算的竞争在物理比特数量、容错能力、有效逻辑算力、整机长期稳定运行等方面全面展开。
这场竞争同时考验前沿科研与系统工程能力。团队既要理解底层物理、突破关键实验瓶颈，也要将激光、真空、光学和控制系统整合起来，在持续迭代中把科研成果转化为整机能力。能够贯通这两端的团队，是量子计算创业最稀缺的资源之一。
在这场激烈的行业赛跑中，一家名叫FlipFlop拓原触发的公司正异军突起，这支年轻的天才战队手握国际顶尖实验室的科研突破能力与产业一线的整机工程落地速度，具备行业最稀缺的团队配置。
投中网了解到，拓原成立不到两个月，已完成数亿元融资，获某顶级双币基金、某知名早期投资机构、中金资本旗下基金、某顶级家办、永兴材料、含章资本等多家机构支持，高鹄资本担任独家财务顾问。
其中，某顶级双币基金、某知名早期投资机构、含章资本是财务投资机构，永兴材料是A股上市公司，均为首次布局量子计算。中金资本旗下基金围绕国家科技创新战略开展量子科技等未来产业布局，本次参与拓原融资，系其在量子算力核心软硬件技术路线上的持续探索与支持。各投资方普遍看好中性原子技术路线在通用量子计算与产业化落地的长远潜力。
拓原的创始人乔木是清华博士、法国国家科学研究中心（CNRS）博士后，回国后还拿到了清华物理系AP教职offer。清华在国内硬科技一级市场受欢迎程度不必多说，量子赛道信息和技术壁垒又很强，乔木的背景就是最顶级的背书，成熟的清华硬科技校友网络，也能够持续供给人才与产学研资源。
除乔木博士外，拓原的团队也规避了很多量子计算公司的通病，比如首席科学家科研很强，但团队缺少产业化经验，以及供应链和落地交付的产业人才，容易困在实验室原型阶段。拓原的联合创始人马晓彬曾是国内某产业领军企业中性原子计算负责人，恰好补齐了团队工程落地与商业化能力。
乔木对投中网表示，回国创业有一个很核心的判断，高校的组织模式更适合开放科研，但较难支撑量子整机需要的海量、持续的工程迭代。创业的本质，是搭建一套能长期跑起来的系统，而不只是在实验室做出单次惊艳的实验。“要做一名Founder，而不只是一名科学家”，乔木说。
本就稀缺的量子初创公司，再遇到这样的团队配置和产业认知，堪称量子计算“梦之队”，投资机构快速锁定份额也就不奇怪了。
造真正有用的量子计算机
纵观全球，存在几支开拓性的中性原子量子计算研究团队。其中，哈佛大学的Lukin实验室走出了QuEra，其组内的博士与博士后则联合创办了Oratomic；法国CNRS的Browaeys实验室则走出了Pasqal，该公司于今年8月刚刚于纳斯达克上市。
2022年，在清华大学攻读物理学博士的乔木，首次实现了二维离子晶体的相干操控，他将全球十年未突破的离子阱量子模拟从一维离子链推进至二维，开创了离子阱量子计算和模拟的新范式，而该突破也被《Nature》编辑评价为“Heroic”。
对于此次成功的突破，乔木跳出结果本身，从量子计算的第一性原理出发，思考一系列更长远的问题：如果目标不是完成下一次漂亮的物理实验，而是真正造出一台有用的量子计算机，这条技术路线还能走多远？
这促使乔木最终选择赴法国国家科学研究中心（CNRS）Antoine Browaeys研究组，开展博士后研究，从熟悉的离子阱的路线毅然迁移到中性原子路线。
在开展博士后研究期间，乔木原本计划的职业规划是，回国后继续从事量子相关教育和研究工作，在高校搭建独立实验室继续基础研究，也拿到清华大学物理系等顶级offer。
但AI的跨越式发展让乔木重新思考了这个决定。在法国做实验的闲暇时间，他一直有一个自己的Side Project：开发一套自主科研Agent，希望AI能够围绕一个科学问题，自主阅读文献、设计计算实验、分析结果，甚至完成研究报告。
起初，这更多是一个出于兴趣的尝试。AI虽然能够完成不少任务，但一旦涉及复杂的研究流程，仍然需要研究人员不断介入和纠正。
然而，随着Claude、GPT和DeepSeek新一代模型的能力跃升，乔木发现情况变了。原本需要频繁人工干预的研究任务，开始能够由AI连续执行。AI不仅能理解专业论文，还能编写计算程序、分析实验结果，并在遇到问题时尝试自主修正。
这种变化让乔木感到一种前所未有的兴奋。
乔木将自己的尝试与CNRS及Pasqal的同事交流。大家逐渐形成了相近的判断：AI 已经不能再被简单视作科研辅助工具，它正在开始承担过去只有专业研究人员才能完成的工作。
一个更根本的问题随之浮现：AI研究能力的持续快速提高，给科学研究的人力组织方式带来怎样的积极变化？
在过去的传统里，顶尖学者带领研究团队阅读文献、设计实验、调试仪器、处理数据，最终撰写论文。知识产生的核心流程高度依赖研究人员的手工劳动。这有点像蒸汽机出现前的手工作坊。但工业革命改变了整个生产方式。
乔木开始认为，科学研究也正站在类似的历史拐点，科学研究也需要拥抱全新的生产方式。
但在这场变化中，乔木也注意到一个明显的缺口。对于主要在数字世界中进行的数学和编程，AI已经表现出很强的推理与执行能力；但物理学却不同。它最终必须接受真实世界的检验，直接面对激光漂移、原子损失、实验噪声和大量难以预料的物理问题。
AI已经越来越会思考，却还缺少一双能够触碰真实世界的手。
如果AI不仅能读论文、写代码，还能自主操控仪器、完成实验、发现新的物理规律，会发生什么？这个问题，成为乔木选择创办拓原的重要动机。
乔木希望建设的不只是一间拥有先进设备的量子计算实验室，更是一套能够持续自主运行、自我迭代的科研系统。让AI承担繁重的实验调试、测量和数据分析，让人类研究者专注于提出重要问题、形成判断与理解物理。让机器完成繁重的工作，让科学家享受思考与发现的乐趣。
从离子阱转向中性原子，是乔木对量子计算技术路线的一次选择；而决定从科学家转向Founder，与马晓彬等团队成员一起创办了FlipFlop拓原，则是他对科研和工程组织方式的一次选择。两次选择背后，始终是同一个目标：造出一台真正有用的量子计算机。
在乔木看来，量子计算的发展需要跨越三道难关：抓得住、纠得对、跑得久。抓得住，解决原子规模问题；纠得对，解决有效算力问题；跑得久，解决工程化问题。
抓得住：从一个原子到一千个原子
在中性原子量子计算的发展史上，2016年是一个关键节点。这一年，法国CNRS的Browaeys团队和哈佛大学的Lukin团队，几乎同时在《Science》发表了原子重排技术的突破。
把原子一个个摆到想要的位置并不轻松。光镊技术是一种有效的对单个原子进行操控的方式。此前，利用光镊直接捕获的原子位置具有随机性，很难直接形成完整、无缺陷的阵列。通过原子重排，研究人员可以先识别原子的位置，再用光镊将它们搬运到指定位置。这样即可将原子阵列自由排列成各种形状。
用围棋比喻，这就像从随机撒下一把棋子，转变为下出任意一盘棋。
这个看似不起眼的改变，正式拉开了中性原子量子计算规模化的序幕。在此后十年间，中性原子量子计算与量子模拟迎来爆发，实验中可操控的原子规模从几十个增加到数千个。中性原子路线也一跃成为世界三大量子计算路线之一。
乔木后来加入的，正是完成这一突破的Browaeys团队。在法国期间，他深度参与了新一代中性原子实验平台的设计与搭建，探索更丰富的原子间相互作用与复杂量子多体物理。
2025年，他作为第一作者与通讯作者在《Nature》期刊发表了利用里德堡原子阵列实现掺杂量子反铁磁体的研究，为探索与高温超导相关的强关联物理提供了新的实验平台。从二维离子晶体，到可重构中性原子阵列，乔木先后参与了两种量子计算体系的前沿实验，也见证了中性原子技术的快速发展。
但原子数量的突破只是第一步。能抓住一千个原子，不等于拥有一千个真正可用的量子比特。这就引出了第二道关卡。
纠得对：从比特数量竞争到有效算力竞争
今天的量子计算行业，有一点类似于早期的计算机产业。大家很容易比较一块芯片拥有多少晶体管、有多少核心，但用户真正关心的，是这台计算机到底能完成多少工作。量子计算也不例外。
量子态非常脆弱，即使单次操作的错误概率很小，随着计算步骤增加，错误也会不断累积。因此，研究人员需要用多个物理量子比特共同编码一个受到保护的逻辑量子比特，再通过量子纠错，持续检测和修正计算过程中的错误。
问题在于，纠错本身也要消耗大量资源。如果保护一个逻辑量子比特就需要成百上千个物理量子比特，那么即使有一天造出了百万物理比特的量子计算机，真正可用于计算的逻辑比特也可能仍然十分有限。
所以下一阶段的竞争，仅仅堆更多物理量子比特远远不够；谁能用更少的物理资源，完成更多、更可靠的逻辑运算，才会成为FTQC（容错量子计算）时代真正的赢家。
乔木认为，这恰恰可能会触发中性原子路线的第二次技术爆炸。
与许多局限于近邻相互作用的硬件架构不同，中性原子不仅能够形成大规模阵列，还可以通过原子移动和并行里德堡相互作用，在不同位置的量子比特之间建立纠缠。
就比如在投中的会场，原本参会者除了听大会的演讲，只能跟旁边的人交流（纠缠）。原子移动相当于可以调整参会者的位置，并行里德堡相当于会场里建了不少1V1的小会议室，让参会者既可以跟旁边的人交流，也可以按需交流，并且避免了彼此互相打扰。
这种灵活、并行的非局域连接能力，为量子低密度奇偶校验码（qLDPC）等低开销纠错架构提供了很有吸引力的硬件基础。
过去，量子纠错往往需要投入大量额外的物理量子比特；将新的编码方式与硬件架构相结合，则有机会显著降低这笔成本。在乔木看来，这一轮技术转折的重要性，不亚于2016年的原子重排。
2016年的突破，让科学家有能力把越来越多的原子排列起来；新一代低开销量子纠错，则有机会让这些原子真正组成一台可靠的计算机。
这也是拓原选择从容错计算需求出发设计整机架构，并将100逻辑比特系统作为重要研发目标的原因。
但即使跨过了量子纠错这道门，距离真正的计算机，仍然差最后一步。
团队完成的中性原子分区计算架构演示
跑得久：从实验室Demo到真正的机器
在实验室里，做出一次漂亮的实验结果，和让一台机器连续工作，是两件完全不同的事情。今天，一台先进的中性原子实验装置，可能拥有数十条相互关联的激光光路、数百个控制参数，以及复杂的真空、光学与电子系统。科学家可以通过精密控制，让数千个原子按照预定方式排列和演化，但让整套系统日复一日地稳定工作，仍然是一个巨大的工程挑战。
设想这样一个场景。凌晨两点，一台正在运行的量子计算机突然无法正常捕获原子。问题可能出在激光偏振、光纤耦合，也可能是两束原本需要精确重合的激光，因为机械结构的微小形变而发生了偏移。任何一个微小的错误都可能导致中性原子量子计算机无法连续运行。
在今天的绝大多数实验室里，给量子计算系统做错误排除仍需要研究人员亲自到场。他们需要沿着复杂的光路排查问题，检查光斑和光功率，甚至打开防护罩，手动调整反射镜、波片和光纤耦合器。在找到问题之后，还要重新验证原子的捕获、操控与读出是否恢复正常。这一系列操作，有时只需十几分钟，有时却可能耗费整整一天。
一台真正的量子计算机，不能永远依赖物理学家站在光学平台旁边拧螺丝。
乔木认为，要跨过这道门槛，就必须重新思考实验系统的设计方式。传统自动化主要依靠反馈控制，把激光频率、功率和磁场等参数维持在设定值上。但未来的自主实验室，除了自动调参外，更需要能够判断故障发生在哪个物理环节，并通过精密执行机构乃至机器人，主动干预真实的实验装置。
这意味着，量子计算实验室需要从一套被动接受人类操作的设备，逐渐变成能够自主感知、诊断、执行与验证的物理系统。
前面说，AI的快速发展是乔木创办拓原的重要动机，但AI究竟能做什么，应该怎么用AI，乔木有自己的深度思考。
创立之初，拓原便选择了AI-native的研发方式。在乔木看来，给研究人员配备几个AI助手称不上是真正的AI-Native；以“AI+研究员”为中心，重新设计企业的研发流程与组织方式，才能够成就下一个时代真正伟大的硬科技企业。
过去，科研组织的产能主要取决于有多少研究人员、多少台实验设备；未来，还可能取决于研究人员能够调用多少机器智能，以及将这些智能转化为有效研究成果的效率。
乔木希望将这两件事变成拓原的重要组织能力：最大化有效Token的吞吐量，以及最大化每个Token的科研产出效率，让机器智能转化为更好的实验设计、更可靠的控制算法，以及最终经过真实物理实验验证的技术进步。
这需要让AI能够持续执行任务、调用工具、验证结果，也需要让科研知识、实验数据和调试经验沉淀为可复用的数字资产，更高效地服务研究人员。
实验室追求的是第一次做出来，工程追求的是每一次都能做出来。拓原想让量子计算机从一台需要科学家时刻照顾的实验装置，逐渐变成一台能够自己照顾自己的机器。
对量子计算而言，这个愿景又与第三道门槛形成了巧妙的呼应：让AI学会做量子计算实验，和让量子计算机学会自主运行，恰恰是同一件事情的两个侧面。因此拓原的AI-native模式，不是量子计算+AI两个概念的简单叠加，是AI对量子计算研究方式、组织方式和落地方式的根本变革。这也是某顶级双币基金、某知名早期投资机构、含章资本这类本就重仓AI的机构，之所以跨赛道进入量子计算领域，抢投拓原的核心原因。
回过头看，量子计算的三道门，其实对应着三种不同的能力：抓得住，决定量子计算有没有规模。纠得对，决定规模能不能变成算力。跑得久，决定算力能不能变成产品。
量子计算的落地注定是一场漫长的马拉松。乔木对AI如何辅助量子计算的思考，代表国内新一代量子创业公司对新路线的探索，也是国内量子计算全栈整机结合AI的一种创业路径新样本。乔木相信，在AI-Native的组织模式下，拓原将把不断自我迭代的研发能力和组织能力相结合，研发出大规模实用化量子计算机。量子计算的新时代，才刚刚开始。
热门跟贴