先说一个我最近看到的案例。北京有一家叫弧光量子的公司，2020年11月成立，专做量子计算的基础软件，近期完成了超亿元战略融资，投资方是中国移动链长基金。资金用途写得很清楚：量子+AI融合研发、高端人才引进，以及分布式芯片、新测控架构方向的联合研发。
量子计算这几年被讨论得很多，但大部分注意力都在硬件上——谁的比特数更多、谁的相干时间更长、哪条技术路线会先跑出来。超导、离子阱、中性原子、光量子几条路线并行竞赛，隔一段时间就有一个新数字被刷新。
弧光量子选的是另一条路：不做比特，做让比特"能被用起来"的那一层。产品分三层——底层是量子芯片设计与测控工具，包括量子EDA、芯片缺陷检测、测控系统和纠错解码；中间是编译器，相当于量子计算机的操作系统级工具；上层是量子云平台和量子机器学习平台，面向金融、医药、能源、材料、航天、物流等场景。这个位置听起来不像能上头条的样子，但它决定了一台量子计算机能不能被开发者真正用起来。创始人应圣钢有个比喻我觉得很准：没有软件，那些硬件就是一堆物理器件。
我看到这个案例的第一反应，不是"又一个量子概念"，而是它的路径选得很有讲究。借着它，说说我的几点看法。
第一，在一个技术路线还没定下来的行业里，做所有路线都需要的那一层，比押注某一条路线更稳。
量子硬件眼下真正的变数，不是能不能做出来，而是最后哪条路会赢。今天超导在比特数上领先，明天可能是中性原子在某个指标上反超，这类问题连专业研究者都不敢下定论。这个时候假如创业公司把自己绑在单一路线上——比如只做某一种芯片的专用工具——就等于在一个还没开奖的局里提前押了注。
弧光量子的做法是往下兼容：它的软件部署在国盾量子的超导系统上，也部署在华翊量子的离子阱系统上。编译器的活儿，是把开发者写的量子程序翻译并优化成不同硬件能执行的指令。这意味着无论最后哪条路线胜出，它都在服务范围之内。别人在赌谁会赢，它在做所有参赛者都要经过的那个路口。
这对创业者的启发很直接：当一个行业的底层技术还没有收敛，把资源投在"公共环节"上，往往比投在具体方案上更划算。公共环节的客户是所有玩家，而具体方案的客户只有其中一半。
不过这件事看着讨巧，门槛其实不低。要让一套编译器同时适配多条硬件路线，前提是对每条路线的物理特性理解得足够深——这是它承担国家重点研发课题的那个团队的积累所在。选择做公共层不是回避竞争，是换了一种竞争方式：不比赛谁跑得快，比赛谁被需要得更广。
第二，一门技术的市场天花板，往往不是技术决定的，是使用门槛决定的。
量子计算长期是科研工具，会用的人很少。这并不奇怪——写量子程序要懂量子力学、懂线性代数、懂硬件特性，这个门槛把绝大多数开发者挡在了门外。行业里经常讨论"量子计算什么时候能用上"，我觉得可以先换一个问题：什么时候普通人也用得上？
弧光量子正在做的"用自然语言写量子程序"，就是朝这个方向走：算法智能层负责理解需求、选择算法，isQCDer大模型把方案转换成isQ程序，目前的编译率是98%，Agent执行层再调用工具验证并自动修复。我理解这套系统的意义不在于技术炫技，而在于把使用门槛往下压。
这个判断我愿意讲得直接一些：技术能覆盖多少用户，取决于你想让多少人有能力用。门槛降一半，市场可能大一倍。这个规律在软件行业反复出现过——数据库、云计算、人工智能，每一次普及都不是因为技术突然变强了，是因为使用成本降下来了。做深科技的公司，很容易把全部精力放在"性能再提升几个百分点"上，而忽略了让更多人用得上这件事，商业价值往往更大。
第三，硬科技创业绕不开的一课：信仰和账本要同时有。
这一块我想多说几句，因为它才是这家公司很值得琢磨的地方。
报道里有一个细节让我印象很深：研发投入占营收约80%，整体处于盈亏平衡，软件业务自成立以来保持高速增长。这三个数字放在一起，在深科技创业里相当罕见。
通常的情况是两种极端：要么技术前沿、但离钱很远，靠一轮轮融资续命；要么收入看着不错、但技术投入跟不上，慢慢被追上。能同时做到把八成收入投回研发、又整体不亏钱，说明它找到了一个很窄的平衡点——用能被验证的场景，养需要长期投入的能力。
应圣钢在访谈里的一段话，我觉得很实在。他说量子计算行业在商业化上还处于应用探索阶段，企业和高校的订单未来几年会逐渐增多，但还没有完全形成大规模商业落地。一个创始人愿意在融资发布的节点上讲这句话，比讲十句漂亮话都有价值。技术出身的创业者常犯的一个错，是把技术指标领先当成商业成立——可在这样一个还没有大规模应用的行业里，真正稀缺的是"有人愿意付钱"这件事。
弧光量子走的是先交付、再放大的路子：量子EDA和测控系统已经进了国内超导芯片的实际产线，编译器和云平台部署在客户的量子计算系统里，客户包括中电信量子、中国移动云公司、中国石化。这些订单未必都很大，但每一个都是一次真实验证。
顺带说说深科技创业者容易走偏的几个地方。
一是把"技术可行"当成"商业可行"。学术成果和产品交付是两套能力：前者看能不能做出来，后者看能不能稳定交付、能不能复制、能不能被维护。很多从实验室走出来的团队，就卡在第二步。
二是低估时间的长度，高估自己的耐力。深科技的时间表以年为单位，而人和钱是按月消耗的。能撑过这个错配的公司，通常不是技术更强的那些，是更早开始算账的那些。
三是把国产替代当成一个身份，而不是一种能力。真正的替代，是客户用下来发现确实更好用。报道里提到，弧光量子把整套软件往国产GPU上迁移，第一期模拟器在多个算例上达到了与英伟达方案相近的性能水平，部分场景显存消耗只有对方的10%以下。这个10%比任何口号都有说服力——国产化的通行证不是情怀，是性能和省下来的成本。
四是轻视人的密度。这家公司核心团队80%以上来自清华、北大等高校，硕博占比超过90%。软件公司的资产就是人，尤其在量子软件这个方向上，人才不是可替代资源，是全部。这次融资的用途里，人才引进被单独列出来，我认为是清醒的。
最后回到创业这件事本身。
希鸥网这些年接触过不少硬科技方向的创业者，多数有一个共同的样子：他们相信一件十年后才会成立的事，同时要解决明年的工资。这两种能力经常不兼容——太相信未来的人容易算不清账，太会算账的人也做不出需要长期投入的东西。深科技创业的难，就难在你得同时具备这两种看起来矛盾的性格。也难在你必须在一个没人能给出答案的阶段做决定：技术路线会不会变、市场什么时候起来、自己的钱能不能撑到那一天，全都没有参照物。更难的是，这些问题的答案不会一次性揭晓，而是一年一年地考验你的判断，而你只能一边相信，一边修正。
弧光量子这个案例让我觉得踏实的地方，不在于它做的事有多前沿，而在于它的姿态：一边承担国家重大项目的理论课题、把八成营收投回研发，一边坦诚地说行业还在应用探索阶段，同时把产品一件件送进产线和客户的系统里。既不吹，也不停。
量子计算最终是谁跑出来，现在没有答案。但有一件事我比较确定：一个行业的成熟，不只体现在比特数的增长上，还体现在有多少人能真正用上它。愿意在这个位置上长期投入的公司，值得被看好。
（作者系希鸥网创始人 李志磊）