從精密的藥物研發到搜索算法，在許多重要問題上，量子計算機都有望勝過傳統計算機。然而，設計一種可以在實際環境中制造和運行的量子計算機是頗具挑戰性的系統工程。
各大巨頭將量子計算研究推向高潮
目前量子計算和量子通信等最前沿的量子信息技術，成為當下科技界和工業界追捧的大熱點，在全球的大型科技公司中，包括谷歌、IBM、英特爾、微軟、阿里巴巴在內的企業已投資數億美元開發量子計算，更是將量子計算機的研究和競爭態勢推向高潮。
谷歌在量子人工智能實驗室運營著一臺D－Wave量子計算機。該實驗室由美國國家航空航天局和加州山景城NASA艾姆斯研究中心的大學空間研究協會共同創建。在2018年，谷歌宣布它已經建立了一個新的量子處理器，代號為Bristlecone。這款72比特的設備在谷歌此前最好的9量子比特機器取得了重大進步。在2019年初，谷歌在舊金山舉行的IEEE國際固態電路會議上展示了為量子計算定制的電路。
IBM推出了一款名為“IBM Q System One”的20比特量子計算系統，用戶可以通過云端訪問該系統，并宣布為埃克森美孚和歐洲核子研究中心提供量子服務。IBM全球副總裁Norishige Morimoto最近表示IBM將在五年內將量子計算機商業化。
英特爾：在2019年3月，宣布了一種量子計算機測試工具，該工具允許研究人員驗證量子芯片可靠性晶圓并檢查量子比特在構建成全量子處理器之前是否正常工作。對于量子計算研究人員而言，這可能是一項重要的節省成本和時間的技術，也是量子處理器大批量生產的一個步驟。
微軟在2017年底，微軟宣布推出量子開發套件一種名為Q＃的編程框架和語言，供尋求為量子計算機編寫應用程序的開發人員使用。2019年2月，微軟推出了微軟量子網絡一個致力于量子應用和硬件的機構和個人網絡。微軟表示其量子開發套件已被下載100，000次，并且它將開源其Q＃語言，編譯器和量子模擬器。
阿里巴巴旗下阿里云和中國科學院在上海建立了一個名為阿里巴巴量子計算實驗室的研究機構。該實驗室研究各個領域的量子計算應用，包括人工智能和電子商務和數據中心的安全性。2018年2月，阿里云推出了具有11個量子比特的量子計算云服務。
量子計算得到進一步發展
2020年4月15日，英特爾與代爾夫特理工大學和荷蘭應用科學研究會合作創立的QuTech公司共同在《自然》雜志上發表了一篇論文，證明了在高于1開氏度下，能夠成功控制“高溫”量子位。一直以來，溫度是困擾量子計算平臺得到大規模應用的難題之一。研究團隊都將研究重點放在熱量子比特技術，添加到系統中的每個量子比特對都會增加產生的總熱量，并且增加的熱量會導致錯誤，所以量子計算平臺的設計接近絕對零度。
而在新的研究成果表面，在溫度高于 1K（零下 272．15℃）的硅基量子計算平臺上，系統可以正常運作。這一突破突顯出對未來量子系統和硅自旋量子位進行低溫控制的潛力。一般來說，除非將量子位冷卻到接近絕對零度（－273攝氏度，或0開氏度），否則量子位中存儲的量子信息通常很快就會丟失。
隨著這項研究的開展，硅能把超過 1K 溫度下正常運作的材料很好地與周圍物質隔離開，因此研究都將電子在硅中的自旋作為量子比特。在這種極低的溫度下，制冷設備強大到可以允許引入局域電子來校正量子比特。
英特爾與研究團隊的研發硅自旋量子位
英特爾和QuTech在研究中也證明了能夠控制雙量子位系統電子自旋的能力，并測量出單量子位保真度高達99．3％，且可對系統進行精確調整。并且在45毫開氏度到1．25開氏度的溫度范圍內，自旋量子位的性能受影響最小，從而向量子計算的可擴展性邁出了一步。
自旋量子位制造流程，基于300毫米工藝技術，使用的是同位素純晶圓。硅自旋量子位是英特爾實現量子計算一個獨一無二的路徑，這個路徑非常適合使用英特爾現在的一整套硅半導體工藝，發揮出英特爾的優勢。英特爾已經可以在12寸的晶圓上制造出兩個硅自旋量子位，然后控制它們進行糾纏。
硅自旋量子位的優勢是可以利用具體粒子做量子位，實現起來體積更小，更適合構造大型量子計算系統。 利用硅自旋量子推進量子計算，讓英特爾能夠利用在先進封裝和互連技術方面的專業性，為實現量子實用性開辟一條可擴展的道路。
量子計算高于傳統計算機優勢
①量子模擬（Quantum simulation），量子計算機對復雜分子進行建模模擬；
②優化（Optimization），即以前所未有的速度解決多變量問題；
③量子人工智能（AI），具有更好的算法，可以改變制藥和汽車等行業的機器學習；
④素因數分解（The prime factorization），這可能會徹底改變以往的加密技術。
量子計算發展難點
物理量子比特的不穩定性
量子比特的不穩定性與經典計算機的比特不同，量子比特可以表示0和1的組合疊加狀態（疊加態），但是在物理環境下，其疊加狀態并不穩定。因此，要確保量子計算機芯片上的某個位不干擾該芯片上的任何其他位，那就需要做大量的輔助工作。
數學問題障礙大
從初創公司到研究機構，再到Google、IBM和Microsoft之類的軟、硬件公司，都在努力克服這一數學問題障礙。量子計算作為一種概念早在1980年代就已經存在，但直到2019年9月，Google才宣布其量子計算機僅用2分30秒就解決了傳統超級計算機需要耗時10000年才能解決的問題時，量子計算機才首次用事實證明。
未來量子計算應用前景
通過模擬仿真縮短化學藥品開發的時間
尋求開發新藥物和新物質的科學家經常需要了解分子的精確結構，以確定其特性，并了解其如何與其他分子相互作用。但即使相對較小的分子也很難用經典計算機準確地建模，因為每個原子都在以復雜的方式與其他原子相互作用。當前的計算機幾乎不可能精確模擬哪怕較少原子數目的基本分子。
而量子計算機其物理本質上就非常適合解決這個問題，因為分子內原子的相互作用本身就是一個量子系統。而專家認為，實際上量子計算機甚至可以對人體中最復雜的分子進行建模。因此在這個方向上的每一點進展都將推動新藥和其他產品的更快發展，并有可能帶來變革性的新療法。
顛覆性的速度，解決優化問題
在每個行業中，許多復雜的業務問題都涉及諸多變量。如果用經典計算解決如上這些問題，這將非常艱巨。為了獨立驅動性能提升或損失的輸入，必須嚴格限制在任一計算中其可變動的變量數量。因此在任何計算中可變動的變量數量必須受到嚴格限制，但經典計算代價高且耗時長。
由于量子計算機可以同時處理多個變量，使得它們可以在很短的時間內顯著地縮小可能的答案范圍。這樣一來，經典計算就可以在一個很小的范圍內得到確切的結果。盡管如此，與量子計算相比，它的工作效率仍然很慢。由于量子技術消除了很多可能性，因此這種混合方法將大大縮短尋找最佳解決方案所需的時間。
量子人工智能加速自動駕駛的研發
量子計算機有可能加速自動駕駛汽車時代的快速到來。在福特、通用汽車、大眾汽車和其他汽車制造商以及新移動領域的眾多初創企業中，工程師們通過復雜的神經網絡，長時間地來處理視頻、圖像和激光雷達數據。使用人工智能教會汽車做出關鍵的駕駛策略，這種方式訓練人工智能算法需要一系列密集型的計算，隨著數據的增加，以及變量之間更復雜的關系的增加，使得計算變得越來越困難。這樣的訓練需求可能會使世界上最快的計算機連續工作數天甚至數月。
而由于量子計算機可以同時執行多個變量的復雜計算，因此它們可以指數級地加速這類人工智能系統的訓練。
結尾：
量子計算的發展會帶動一場大的科技革命，就目前而言全球的科技公司的量子計算成果來說，量子計算的發展是有目可睹的，相信在不久的未來，困難點都會隨著科技的不斷發展逐漸完善。