10月27日，英特尔宣布已就收购以色列量子计算软件初创公司Classiq Technologies达成最终协议。交易预计于2027年上半年完成。

量子软件领域的"隐形冠军"

Classiq成立于2020年5月，总部位于以色列特拉维夫，由Nir Minerbi、Yehuda和Amir联合创立，现有员工约130人。

公司核心产品是一套与底层量子比特模态和硬件无关的统一软件平台，通过Qmod量子建模语言、深度编译技术和AI工具，将高级功能模型自动合成为优化后的量子电路。开发者无需深入掌握量子电路设计的底层知识，即可创建可扩展的量子应用程序。

该平台支持AWS Braket、Microsoft Azure Quantum、Google Cloud等多个云平台，可直接集成IBM、IonQ、QuEra、Quantinuum等主流量子硬件，并拥有超过60项核心专利。

融资方面，Classiq累计融资总额已超过2亿美元。其中2025年5月完成的1.1亿美元C轮融资创下量子软件领域最大单笔融资纪录，同年11月又获得AMD Ventures、高通创投、IonQ等机构的数千万美元战略投资。

客户方面，Classiq已与宝马集团、花旗银行、德勤、劳斯莱斯、瑞穗银行、东芝、AT&T等企业建立合作。2023年，公司与英伟达、劳斯莱斯合作设计了用于提升喷气发动机效率的大型量子计算流体动力学电路，测量深度达1000万层。

构建软硬件协同的全栈能力

英特尔自2015年起投入量子计算研发，以硅基自旋量子比特（spin qubit）为核心技术路线，是目前唯一能够利用传统硅基半导体制造工艺和设备，大规模生产量子比特芯片及复杂低温控制电子器件的公司。

2024年12月，英特尔发布12量子比特硅自旋量子芯片Tunnel Falls，采用300毫米晶圆和EUV光刻工艺制造，晶圆级良率达95%。2026年7月，英特尔与日立、日本产业技术综合研究所宣布基于Intel 18A制程合作开发100+量子比特硅基量子芯片。

Classiq的合成引擎和Qmod语言，与硬件实力突出的英特尔恰好形成了互补——英特尔将其与四十年前电子设计自动化（EDA）软件对传统芯片设计行业的变革相提并论，认为后者通过“抽象硬件复杂性”推动了集成电路从小众专业走向规模化产业。

交易完成后，英特尔的计算产品组合将从CPU、GPU、ASIC进一步延伸至量子处理单元（QPU），形成硬件与软件协同的全栈能力。

英特尔在公告中承诺，交易完成后，Classiq平台将继续保持对多家量子硬件平台的兼容，包括竞争对手硬件，以维持其已建立的开放生态系统定位。这一表态旨在缓解客户和合作伙伴对平台“封闭化”的担忧。

英特尔同时强调，量子计算被定位为与传统计算协同工作的技术，而非全面取代现有架构。陈立武此前曾表示，预计未来三至五年量子计算有机会进入主流应用，与CPU、GPU形成异构混合计算网络。

陈立武的“十年前瞻工程”

陈立武将量子计算纳入其“十年前瞻工程”布局。他指出，人脑处理极高复杂度认知仅需几十瓦能耗，未来算力存在“降耗10,000倍的潜在技术空间”，而量子计算正是突破传统算力功耗瓶颈的关键路径之一。

不过，收购Classiq只是英特尔在AI算力布局链条上的最新一环。《国际电子商情》通过梳理发现，英特尔的总体布局可以概括为：“CPU回归核心、制程与封装双轮驱动、机架级系统落地、物理AI与边缘扩张、定制芯片与代工绑定客户、量子计算做远期储备”。

1. 重新定义AI算力：CPU不是配角

陈立武判断，AI正在从训练走向推理，再走向智能体和多智能体工作负载。过去训练阶段常见的CPU:GPU≈1:8，正在向1:4甚至1:1收敛。这意味着CPU不再只是“给GPU配一颗”的附属件，而是承担任务编排、工具调用、数据调度、低延迟控制的关键层。

2. 数据中心：至强6+瞄准Agentic AI

英特尔发布了基于Intel 18A的 至强6+，最高支持288个能效核，面向云原生、Agentic AI和网络密集型负载。Xeon 6也被选为英伟达DGX Rubin NVL8系统的Host CPU，显示其在AI服务器生态中仍具位置。

3. 制程与封装：18A量产，14A加速导入

• Intel 18A：良率按月提升，已支持Panther Lake等产品，并获得大量设计订单。

• Intel 14A：0.5 PDK已交付，0.9 PDK预计2026年10月发布，风险试产时间表在2027年下半年至2028年之间，量产在2028-2029年。

• 先进封装：EMIB/EMIB-T被定位为对标CoWoS的关键能力，已有客户评估将部分项目转至EMIB平台。

4. 机架级AI基础设施：从卖芯片到卖系统

英特尔联合富士康、SambaNova推出Rack Scale Blueprints，构建面向AI推理的机架级方案。

其中“Vector Core Compute”采用解耦推理架构：至强CPU负责编排执行，SambaNova RDU负责解码，NVIDIA GPU负责预填充。这说明英特尔不再只强调单颗芯片，而是试图参与AI整机柜和系统级竞争。

5. 物理AI与边缘：把AI从数据中心推到设备侧

英特尔成立客户端计算与物理AI事业群，推动AI进入机器人、工业自动化、边缘设备等物理系统。产品侧包括第三代酷睿Ultra、Intel Robotics AI Suite、OpenVINO Physical AI软件栈，强调CPU+GPU+NPU异构协同。

6. 定制芯片与代工：绑定谷歌、特斯拉、AMD等客户

推动英特尔从“只做自有产品”转向“为客户做定制芯片”。相关举措包括与谷歌长期合作开发IPU；参与马斯克旗下Terafab项目，探索高规模AI芯片制造；与AMD在x86 AI软件优化上合作。代工客户还包括博通、微软等被市场提及的潜在或已签约客户。

7. 新材料与长期技术：玻璃基板、金刚石散热、宽禁带半导体

积极布局玻璃基板、EMIB-T、氮化镓、碳化硅、磷化铟、人工金刚石散热等前沿技术方向，应对高算力芯片在互连密度、功耗和散热上的瓶颈。

8. 量子计算：补齐软件层，形成远期算力拼图

收购Classiq后，英特尔量子业务将从硬件研发扩展为硬件+软件平台。Classiq的量子建模语言和电路合成能力，有助于降低量子应用开发门槛。