NVIDIA hat gerade KI und Quantencomputing zusammengeführt.

Jensen Huang hat nicht zu viel versprochen, als er NVQLink als die „Rosetta-Stein“ zwischen Quanten- und klassischen Supercomputern bezeichnete. Rosetta-Steine übersetzen nicht nur; sie öffnen ganze Sprachen. Hier sind die „Sprachen“ GPU-beschleunigte KI und fragiles, latenzarmes Quanten-Hardware, die historisch in separaten Silos existiert haben.

Ein Jahrzehnt lang schienen KI und Quantentechnologie rivalisierende Zukunftsvisionen zu sein. GPUs skalierten Transformatoren und Diffusionsmodelle auf Billionen von Parametern, während die Quantenforschung nach fehlerresistenten Qubits und Fehlerkorrektur in isolierten Kryostaten strebte. NVQLink verändert diese Erzählung: Quantentechnologie hört auf, mit klassischer Technologie zu konkurrieren und wird zu einem eng verbundenen Beschleuniger, der an einem Grace–Blackwell KI-Supercomputer hängt.

NVIDIAs Ansatz ist klar: Das Zeitalter der Quantum-GPU ersetzt die Debatte zwischen Quantum und GPU. Anstatt zu fragen, ob ein 1.000-Qubit-Prozessor eine Exascale-Maschine übertreffen kann, verbinden Forscher die beiden über Hunderte von Gb/s Bandbreite mit Mikrosekundenlatenz. Hybride Algorithmen – variational Solvers, quantum-verbesserte Monte-Carlo-Methoden, quantum-gestützte Optimierung – erscheinen plötzlich als vollwertige Akteure und nicht als Laborneugierigkeiten.

Hybrid als Standard verändert, wie wissenschaftliche Maschinen gebaut werden. US-Nationale Labore wie Oak Ridge, Lawrence Berkeley und Los Alamos planen NVQLink-verbundene Quanten-Systeme zusammen mit GPU-Clustern und nicht in einem separaten Experimentierbereich. Auch europäische und asiatische Supercomputing-Zentren schließen sich an und behandeln Quanten-Racks als einen weiteren Knotentyp im Netzwerk.

Huangs Aussage, dass „jeder NVIDIA GPU-Wissenschafts-Supercomputer hybrid sein wird“, klingt weniger nach Marketing und mehr nach einer Einschränkung des Fahrplans. Wenn Sie ein nächstes Grace-Blackwell-System kaufen, wird erwartet, dass Sie QPUs von Partnern wie Quantinuum, ORCA Computing oder dem NVQLink-fähigen „Sqale“-System von Infleqtion in Illinois anbringen können. Der Supercomputer wird zu einem Gehäuse für welche auch immer Quantenmodifikation – Ionenfallen, neutrale Atome, supraleitende Qubits – auch immer das Rennen macht.

Diese Standardisierung erstreckt sich auch auf Software. CUDA‑Q behandelt CPUs, GPUs und QPUs als Gleichgestellte in einem einheitlichen Programmiermodell, sodass ein Chemiker oder Werkstoffwissenschaftler eine einzige hybride Codebasis schreibt. Langfristig betrachtet wirken „nur-GPU“-wissenschaftliche Supercomputer so veraltet wie einst CPU-only Cluster, als die Beschleuniger aufkamen.

NVQLink zielt darauf ab, die fehlende Brücke zwischen den heutigen KI-Supercomputern und der Hardware der Zukunft zu sein. Während NVLink GPUs mit anderen GPUs oder CPUs verbindet, läuft NVQLink direkt von NVIDIA Grace–Blackwell GPU-Knoten zu externen Quantenprozessoren, oder QPUs. Es handelt sich um eine offene, hochgeschwindigkeits Interconnect, sodass Quantenanbietern nicht ihre Systeme komplett ersetzen müssen, um sich an die Maschinen von NVIDIA anzuschließen.

Betrachten Sie NVQLink als eine spezielle Verbindung zwischen zwei sehr unterschiedlichen Welten. GPUs sprechen Fließkommazahlen in Petaflop-Skalen; QPUs manipulieren fragile Qubits, die in Mikrosekunden decohere. NVQLink bietet ihnen eine gemeinsame physische und Protokollebene, die speziell für hybride quantenklassische Arbeitslasten entwickelt wurde, nicht für generische Netzwerktechnologie.

Hier zählen die nackten Zahlen. NVIDIA und Partner beschreiben NVQLink-Verbindungen, die Hunderte von Gb/s Bandbreite liefern, wobei berichtete Konfigurationen um 400 Gb/s GPU-zu-QPU-Durchsatz erreichen. Die Latenz liegt im Mikrosekunden-Bereich, für einige Systeme unter etwa 4 µs, im Gegensatz zu den zehntausenden oder hunderten von Mikrosekunden, die man in typischen Rechenzentrumsnetzwerken sieht.

Diese Zahlen übersetzen sich direkt in das, was Quantenforscher tatsächlich erreichen können. Hohe Bandbreite bedeutet, dass eine GPU Steuerimpulse, Fehlkorrekturdaten und von KI erzeugte Gatesequenzen an einen QPU streamen kann, ohne zum Engpass zu werden. Eine Latenz im Mikrosekundenbereich bedeutet, dass die GPU eine Quantenmessung beobachten, eine klassische Berechnung durchführen und mit einer neuen Quantenanweisung reagieren kann, bevor die Qubits ihre Kohärenz verlieren.

Die Quantenfehlerkorrektur macht diese Latenz unverhandelbar. Fehlerkorrigierte Qubits benötigen enge Rückkopplungsschleifen, in denen klassische Hardware kontinuierlich misst, decodiert und Korrekturoperationen anwendet. Wenn diese Schleife zu lange dauert – sagen wir Dutzende von Mikrosekunden anstatt nur wenigen – gewinnt das Rauschen und das logische Qubit bricht zusammen.

NVQLink verwandelt die GPU effektiv in einen Echtzeit-Steuermechanismus für die QPU. KI-Modelle, die auf Grace–Blackwell laufen, können optimale Pulse ableiten, Experimente spontan anpassen oder variationalen Algorithmen schrittweise anpassen. Die QPU hört auf, ein externes Batch-Gerät zu sein, und beginnt, wie ein eng gekoppelt beschleunigter Teil desselben Nervensystems zu agieren.

Analogisch betrachtet, imagine die GPU als das klassische Gehirn und die QPU als den quantenmäßigen Muskel. NVQLink ist das superschnelle Nervensystem zwischen ihnen: dicke, latenzarme Fasern anstelle langsamer, verzögerter Nerven, sodass Gedanken und Aktionen zu einem kontinuierlichen Zyklus verschmelzen.

Quantencomputing scheitert nicht an der Mathematik, sondern an der Physik. Qubits sind absurd fragil: Herumirrende elektromagnetische Störungen, leichte Temperaturänderungen oder ungenaue Steuerpulse verursachen Dekohärenz, die ihren Quantenzustand in Mikrosekunden oder weniger zum Zusammenbruch bringt. Diese Instabilität macht es brutal schwer, über einige hundert hochpräzise Qubits hinaus zu skalieren.

Forscher reagieren mit quantum error correction (QEC), das ein einzelnes „logisches“ Qubit in Dutzende oder Hunderte physischer Qubits kodiert. Oberflächen-Codes und ähnliche Verfahren messen ständig Fehler-Syndrome und wenden Korrekturoperationen an, ohne die kodierten Informationen zu zerstören. Der Haken: Diese Dekodierungsalgorithmen ähneln einem kleinen Supercomputer-Job, der alle paar Mikrosekunden läuft.

QEC-Arbeitslasten belasten klassische Hardware stark. In jedem Zyklus muss das System Ströme von Syndromdaten verarbeiten, probabilistische Dekodierer oder Modelle des maschinellen Lernens ausführen und neue Steueranweisungen ausgeben, bevor die Qubits driften. Dieser Prozess erfordert massive Parallelität und extrem niedrige Latenz; traditionelle CPUs oder über Ethernet verbundene Cluster tun sich schwer, mitzuhalten.

NVQLink verwandelt GPUs in den fehlenden klassischen Co-Prozessor. NVIDIA entwarf die Interconnect, um Hunderte von Gb/s zwischen QPUs und Grace–Blackwell GPU-Knoten mit Rundlaufzeiten im Mikrosekundenbereich zu übertragen. Anstatt Daten über einen langsamen Steuer-PC zu senden, kommuniziert der QPU nahezu direkt mit einem KI-Beschleuniger in Supercomputer-Klasse.

Auf der GPU-Seite ermöglicht CUDA‑Q Entwicklern, QEC-Decodierer auf Tausenden von CUDA-Kernen oder Tensor-Kernen zuzuordnen, genau wie bei einem Deep-Learning-Modell. Ein Oberflächen-Code-Decodierer, der früher ein CPU-Cluster ausgelastet hat, kann nun auf einer einzigen Blackwell-GPU betrieben werden, die nur wenige Mikrosekunden vom Kryostaten entfernt ist. Diese Nähe hält den Korrekturzyklus angenehm innerhalb der Kohärenzfenster der Qubits.

Quantinuum und NVIDIA haben bereits gezeigt, dass der Kreislauf geschlossen werden kann. Durch die Verwendung von NVQLink zur Verbindung eines Quantinuum-Trapped-Ion-QPU mit einem Grace-Blackwell-System haben die Partner eine 67‑Mikrosekunden lange Rundreise für QEC-ähnliches Feedback demonstriert. Diese Zahl umfasst das Senden von Messdaten nach oben, das Ausführen eines Decoders auf der GPU und das Zurücksenden von Korrekturbefehlen nach unten.

Um das ins rechte Licht zu rücken: Viele führende Qubit-Technologien bieten Kohärenzzeiten im Millisekundenbereich, aber die Steuerungssysteme und Verkabelungen fressen oft den Großteil dieses Budgets. Eine Steuerungsschleife von 67 Mikrosekunden lässt Spielraum für tiefere Codes, komplexere Decoder oder KI-unterstützte Kalibrierung. Sie bestätigt auch, dass die mikrosekundenschnelle Latenz von NVQLink kein Marketing ist, sondern gemessen.

NVIDIA präsentiert dies als Plattform, nicht als einmalige Demo. Unternehmensmaterialien, einschließlich NVIDIA führt NVQLink ein – Verbindung von Quanten- und GPU-Computing, betonen ausdrücklich die QEC als herausragenden Anwendungsfall. Wenn zukünftige fehlerresistente Maschinen planmäßig eintreffen, könnte der Verdienst ebenso sehr den GPUs wie den Qubits zukommen.

CUDA-Q steht im Mittelpunkt von NVIDIAs Quantum-Initiative und fungiert als die Software, die CPUs, GPUs und QPUs anweist, was zu tun ist und wann. Anstelle eines Quantum-SDKs, das an das bestehende CUDA angefügt wird, hat NVIDIA CUDA-Q als eine vollständige Plattform für hybride Workloads entwickelt, die eng mit NVQLink und Grace–Blackwell-Systemen integriert ist.

Entwickler schreiben ein einzelnes Programm, das klassische Simulation, KI-Inferenz und Quantenexecutierung umfasst, ohne separate Toolchains jonglieren zu müssen. CUDA-Q bietet ein einheitliches Programmiermodell, sodass der Code Aufgaben an folgende Komponenten delegieren kann: - CPU-Hosts zur Orchestrierung - GPU-Cluster für Simulation und KI - QPUs für Quanten-Schaltkreise und Messungen

Dieses Modell eröffnet eine neue Kategorie von Anwendungen, bei denen KI-Modelle mehr tun als nur quantenmechanische Ergebnisse zu analysieren; sie steuern aktiv die Hardware. Ein Reinforcement-Learning-Agent, der auf Blackwell-GPUs läuft, kann Pulssequenzen, Gatternanordnungen oder Fehlerkorrekturcodes auf einem QPU in Rückkoppelungsschleifen im Mikrosekundenbereich anpassen.

Da NVQLink Hunderte von Gb/s und eine Latenz von unter 4 µs zwischen GPU und QPU liefert, kann CUDA-Q die Quantenkontrollschleifen so eng halten, dass eine Echtzeiterror-Korrektur möglich ist. Anstatt Messdaten an einen entfernten Kontrollserver zu senden, verarbeiten in der GPU ansässige Kerne Syndrome, leiten Fehler ab und geben Korrekturen zurück, bevor sich Qubits decoherieren.

CUDA-Q betrachtet Quantenprozessoren ebenfalls als einen weiteren Beschleuniger in der Sichtweise des Cluster-Schedulers. Aufträge können von reiner GPU-Simulation Tausender logischer Qubits bis hin zu gemischten Arbeitslasten skalieren, bei denen nur die anspruchsvollsten Quantenunterprogramme die QPU erreichen, während der Rest auf Grace-CPUs und Blackwell-GPUs ausgeführt wird.

Für Forscher verhält sich CUDA-Q wie ein Betriebssystem für das Quantum-GPU-Zeitalter. Es blendet gerätespezifische Eigenheiten von Partnern wie Quantinuum, IQM oder Infleqtion aus, sodass derselbe hybride Code verschiedene Backends ansprechen kann, sowohl lokal als auch in der Cloud.

Dass Zugänglichkeit wichtiger ist als jeder einzelne Maßstab. Wenn nationale Labore wie Oak Ridge und Lawrence Berkeley NVQLink-fähige Systeme einsetzen, ist CUDA-Q die Schicht, die modernste Hardware in etwas verwandelt, das nicht nur ein Quantentechniker, sondern auch ein Doktorand tatsächlich programmieren kann.

Nationale Labore betrachten NVQLink als strategische Infrastruktur und nicht nur als eine weitere Beschleunigungsoption. Das Oak Ridge National Laboratory, das Los Alamos National Laboratory und die Sandia National Laboratories verpflichten sich alle zu GPU–QPU-Systemen, die auf mit NVQLink verbundenen Grace–Blackwell-Hypercomputern basieren. Sie reißen sich mit Brookhaven, Fermilab, Lawrence Berkeley, Pacific Northwest und dem MIT Lincoln Laboratory um eine koordinierte föderale Wette auf hybrides Quantencomputing.

Dies ist kein Wissenschaftsprojekt; es ist ein Posten in der nationalen Wettbewerbsfähigkeit. Diese Labore betreiben bereits einige der schnellsten Maschinen der Welt, darunter Frontier in Oak Ridge und Trinity in Los Alamos/Sandia, und jetzt integrieren sie Quantenprozessoren direkt in dieses Ökosystem. NVQLink verwandelt Quantenexperimente in erstklassige Bürger auf US-Supercomputern, nicht in Seitenkästen in einem separaten Labor.

Die Einführung ist bereits global. NVIDIA berichtet, dass mehr als ein Dutzend Supercomputing-Zentren und Forschungseinrichtungen in Europa und Asien Systeme auf Basis von NVQLink implementiert haben, die QPUs in Grace–Blackwell-Cluster integrieren. Diese Liste umfasst nationale HPC-Einrichtungen in Ländern, die Halbleiter- und Quantenfähigkeiten als strategische Vermögenswerte auf Augenhöhe mit Energie und Verteidigung betrachten.

Während NVIDIA nicht alle Standorte offengelegt hat, ist das Muster klar: Flagship-Zentren, die bereits Petascale- und Exascale-Workloads ausführen, möchten nun Quantum in dieselben Job-Scheduler und Datenpipelines integriert haben. Europäische und asiatische Einrichtungen planen NVQLink für Chemie-, Materialwissenschafts- und Optimierungs-Workloads, bei denen eine Quantenbeschleunigung sogar einen kleinen Vorteil bringen könnte. Diese frühen Erfolge können in politische und finanzielle Impulse umgewandelt werden.

US-Beamte sagen das Offensichtliche laut heraus. Der US-Energieminister bezeichnete Hybrid-Systeme im NVQLink-Stil als „entscheidend für den Erhalt der amerikanischen Führungsrolle im Bereich Hochleistungsrechnen und wissenschaftlicher Entdeckungen“ und verband die Integration von GPU und QPU ausdrücklich mit nationaler Führungsstärke. Diese Formulierung stellt NVQLink in die gleiche politische Kategorie wie Exascale-Computing und fortschrittliche Lithografie.

Standards im HPC entstehen oft de facto, nicht durch Kommissionen, und NVQLink übernimmt schnell diese Rolle für die Quantenintegration. Wenn Oak Ridge, Los Alamos, Sandia und mehr als ein Dutzend globaler Zentren alle um dasselbe GPU–QPU-Interconnect entwerfen, passen sich Anbieter und Toolchains an. Wenn Sie möchten, dass Ihre Quantenhardware in den führenden Maschinen der Welt eingesetzt wird, zielen Sie jetzt zuerst auf NVQLink ab.

Grace-Blackwell verwandelt NVQLink von einem Kabel in eine Architektur. Stellen Sie sich einen GB200 Superchip-Knoten vor, mit Grace-CPUs und Blackwell-GPUs, die über NVLink verbunden sind und direkt in einem Kryostat untergebracht sind, der einen Quantenprozessor beherbergt. CUDA-Q sitzt obenauf und plant Kerne über CPUs, Hunderte von GPUs und einen QPU, als ob sie zu einer einzigen Maschine gehören und nicht zu drei separaten Boxen.

Im Rack-Maßstab werden die GB200 NVL4 Systeme von NVIDIA zur klassischen Hälfte eines beschleunigten Quanten-Supercomputers. Jedes NVL4-Knoten enthält vier GB200 Superchips, die über NVLink und Quantum-X800 InfiniBand in einem Fat-Tree-Netzwerk verbunden sind. NVQLink verbindet ausgewählte GPU-Paare mit nahegelegenen QPUs, sodass Quantenfehlerkorrekturschleifen und KI-Kontrollmodelle in Mikrosekunden anstatt in Millisekunden ausgeführt werden.

Die Skalierung sieht brutal aus. Eine Referenzkonfiguration kann folgendes kombinieren: - 540 Blackwell GPUs - Dutzende von Grace CPU-Kernen pro GB200 - Mehrere QPUs pro Rack, jede mit Hunderten oder Tausenden von physischen Qubits

Diese 540 GPUs können Dutzende von PFLOPS an FP8/FP4 KI-Leistung bieten, die größtenteils der quantum error correction, Kalibrierung und Simulation gewidmet sind, während QPUs die empfindlichen logischen Qubits verwalten. Das Quantum-X800 InfiniBand dehnt dann dieses hybride Netzwerk über Reihen von Schränken aus, sodass Labore auf Tausende von GPUs und Flotten von QPUs wachsen können, ohne die Topologie neu entwerfen zu müssen.

Dieses Design behandelt Quantum-Hardware nicht mehr als Peripheriegerät. NVQLink, GB200 NVL4-Nodes und Quantum-X800 schaffen einen eng gekoppelten Regelkreis, in dem klassische und quantenmechanische Elemente Timing, Speicher-Modelle und Software-Tools miteinander teilen. Für weitere architektonische Details skizziert die Ankündigung von NVIDIA, Weltweit führende wissenschaftliche Supercomputing-Zentren setzen NVIDIA NVQLink ein, um die Grace-Blackwell-Plattform mit Quantenprozessoren zu integrieren, wie nationale Labore planen, diese Systeme einzusetzen.

Was entsteht, ist kein GPU-Cluster mit einem Quanten-Beiwagen, sondern eine neue Klasse von Computern. Quantenprozessoren werden zu erstklassigen Beschleunigern, gleichwertig mit GPUs, und Grace-Blackwell verwandelt sich in das Echtzeitsystem, das den gesamten quanten-klassischen Organismus am Leben hält.

Infleqtion steht an erster Stelle, um einen echten Quantencomputer an die neue Brücke von NVIDIA anzuschließen. Sein kommendes Sqale-System kombiniert einen QPU mit neutralen Atomen mit NVQLink-verbundenen GPUs und verwandelt ein normalerweise fragiles Laborinstrument in etwas, das sich wie ein vernetzter Beschleuniger verhält. Anstatt kalte Atomhardware an jeden Kunden zu versenden, stellt Infleqtion diese über den NVIDIA-Stack bereit, als wäre es nur ein weiteres Gerät in einem Grace-Blackwell-Rack.

Im Illinois Quantum & Microelectronics Park (IQMP) in den westlichen Vororten von Chicago untergebracht, wird Sqale in einem speziell für Quanten-Startups und akademische Gruppen erbauten Zentrum angesiedelt sein. Die Rolle des IQMP ist einfach: Die Laser, Vakuumkammern und Kryogenik vor Ort bereitzustellen und dann den Zugang zu Quanten über Hochgeschwindigkeitsverbindungen für alle berechtigten Benutzer zu streamen. Dadurch wird eine einzige Installation gleichzeitig für Forscher in Urbana, Zürich oder Tokio relevant.

NVIDIA und Infleqtion präsentieren Sqale als eine schlüsselfertige Lösung für Quantencomputing im CUDA-Universum. Anstatt sich mit benutzerdefinierten Treibern, RPC-Schichten und laborbezogenen APIs herumzuschlagen, sehen Entwickler einen QPU als ein weiteres Ziel in CUDA-Q. Die mühsame Arbeit, GPU-Kernel mit Atom-Array-Gatesequenzen über NVQLink zu synchronisieren, entfällt dank eines einheitlichen Programmiermodells.

Durch CUDA-Q wird Sqale zu einem Testbed für Echtzeit-Hybridalgorithmen anstelle einer Demobox für isolierte Quanten Schaltungen. Entwickler können Workflows erstellen, in denen: - KI-Modelle auf Grace-Blackwell-GPUs Steuerimpulse vorschlagen - Der Neutral-Atom-QPU diese ausführt - Klassische Routinen Fehlerkorrektur und Parameteraktualisierungen in Mikrosekunden durchführen

Globale Nutzer werden auf diesen Loop als Cloud-Dienst zugreifen, wobei die Steuerlatenz von unter 4 µs zwischen GPU und QPU vor Ort erhalten bleibt. Dieser enge Rückkopplungsweg ermöglicht Experimente in der Quantenfehlerkorrektur, der Chemiesimulation und der Optimierung, die kontinuierlich auf große KI-Modelle angewiesen sind, und nicht nur auf sporadische Quantenaufrufe.

KI hört auf, nur eine Arbeitslast auf diesen Systemen zu sein, und beginnt, wie ein Ingenieur im Inneren des Systems zu agieren. Mit der NVQLink-Verkabelung werden Grace‑Blackwell GPU-Knoten direkt mit Quantenprozessoren verbunden, sodass große Modelle jeden Qubit-Puls, jedes Tor und jede Auslesung in Echtzeit überwachen und Korrekturen über eine Verbindung von unter 4 Mikrosekunden zurücksenden können.

Diese Geschwindigkeit ist entscheidend, da Qubits auf Mikrosekunden- bis Millisekunden-Zeitskalen abdriften, entstimmt werden und dekoherieren. KI-Modelle, die auf CUDA‑Q laufen, können Hardwaretelemetrie streamen, Rauschmuster ableiten und Steuerparameter—Pulseformen, Frequenzen, Timings—hunderte Tausende Male pro Sekunde anpassen, ohne den Supercomputer jemals zu verlassen.

Anstelle statischer Kalibrierungsroutinen, die Labore einmal täglich durchführen, ermöglicht NVQLink eine kontinuierliche Rückkopplungsschleife. Ein GPU-Cluster mit zig PFLOPS an KI-Leistung kann verstärkendes Lernen oder Bayessche Optimierung durchführen, um einen QPU während der Experimente in seinem optimalen Bereich zu halten, und nicht erst nach dem Scheitern.

Quantenfehlerkorrektur wird zu einem Co-Design-Problem zwischen Silizium und Software. KI kann riesige Code-Räume durchsuchen – Oberflächen-Codes, LDPC-Varianten, Gittergeometrien – sie simuliert sie auf GPUs und überträgt dann die vielversprechendsten Systeme direkt auf die angeschlossene QPU für Live-Tests und Verfeinerungen.

Diese Schleife sieht folgendermaßen aus: - GPUs simulieren Millionen von Qubit-Geräuschszenarien - Modelle schlagen neue Gattersequenzen und Fehlerkorrekturpläne vor - NVQLink überträgt diese Pläne an das QPU - Zurückgegebene Messdaten trainieren das nächste, bessere Modell

Im Laufe der Zeit erhalten Sie einen selbstverbessernden Stack: Hardware charakterisiert sich selbst, KI lernt ihre Eigenheiten, und Steuerungsfirmware wird im laufenden Betrieb aktualisiert. Jede Generation des QPU wird mit einem fähigeren KI-„Piloten“ ausgeliefert, der den Weg von rauschenden Prototypen zu fehlertoleranten Maschinen verkürzt.

Die weitreichenden Implikationen gehen weit über Quanten hinaus. Das gleiche Muster – KI-Modelle, die eng mit Echtzeit-Regelkreisen über Hochgeschwindigkeitsverbindungen verbunden sind – lässt sich auf Fusionsreaktoren, Teilchenbeschleuniger, autonome Fertigungsanlagen und große Teleskope übertragen.

Sobald KI direkte Eingriffe an Reglern komplexer wissenschaftlicher Hardware vornehmen kann, anstatt nur protokollierte Daten zu analysieren, beschleunigt sich das Experimentieren um Größenordnungen. NVQLink verwandelt GPU-Cluster effektiv in aktive Teilnehmer der Physik, nicht nur in Zahlenschubser, die sie beschreiben.

NVIDIAs Ankündigung von NVQLink klingt weniger nach einer einmaligen Produkteinführung und mehr nach einem langfristigen Ökosystem-Move. Indem ein offenes GPU–QPU-Interconnect definiert und dieses mit CUDA-Q kombiniert wird, zieht NVIDIA Quantenanbieter und Supercomputing-Zentren in sein bestehendes KI-Schwergewicht, anstatt ihnen auf neutralem Boden zu begegnen.

NVQLink kommt ebenfalls zusammen mit NVLink Fusion, das es Hyperscalern und OEMs ermöglicht, maßgeschneiderte CPUs direkt in NVIDIAs Fabric zu integrieren. Das bedeutet, dass zukünftige Racks hosten können: - Grace-CPUs - Drittanbieter x86 oder Arm CPUs - Blackwell GPUs - Externe QPUs, die alle einen gemeinsamen, von NVIDIA kontrollierten Dialekt sprechen.

Diese Fabric-Strategie verwandelt NVIDIA von einem „GPU-Lieferanten“ in das de facto Rückgrat für heterogenes Rechnen. Wenn Ihre CPU, DPU oder QPU einen latenzarmen, hochbandbreitigen Zugang zu dem dominierenden KI-Stack der Welt wünscht, muss sie sich effektiv mit NVIDIAs Netzwerk verbinden.

Konkurrenten wie Intel, AMD und Microsoft stehen jetzt vor einer brutalen Frage: Bauen sie rivalisierende Quanten-klassische Stapel oder interagieren sie mit dem von NVIDIA? Sobald die Quantenfehlerkorrektur, Kalibrierung und Simulation am besten auf Grace-Blackwell-Clustern über CUDA-Q laufen, sieht Quantencomputing weniger wie ein neuer Markt aus und mehr wie ein Merkmal, das an die Plattform von NVIDIA angefügt ist.

Diese Rahmenbedingungen sind wichtig für nationale Labore und HPC-Zentren. Oak Ridge, Los Alamos, Sandia und andere, die NVQLink und CUDA-Q standardisieren, standardisieren auch die Art und Weise, wie NVIDIA hybrides Rechnen umsetzt, von Compiler-Toolchains über Laufzeitplaner bis hin zu Telemetrie.

Langfristig könnte dies Software und Workflows festlegen, selbst wenn die zugrunde liegende Quantenhardware wechselt. Tauschen Sie einen Neutral-Atom-QPU gegen ein supraleitendes oder gefangenes Ionen-System aus, und der Kontrollloop läuft weiterhin über NVIDIA-GPUs, NVQLink und CUDA-Q.

Für KI-Unternehmen wird Quantencomputing lediglich zu einem weiteren Beschleuniger, der an die gleiche Infrastruktur wie die DGX-Modelle angeschlossen ist, die heutzutage an der Ausbildung von Grenzmodellen arbeiten. Ein 40 PFLOPS FP4 Grace-Blackwell Knoten, der über 400 Gb/s NVQLink mit einer Latenz von unter 4 µs einen QPU steuert, sieht operationell wie eine exotische, aber vertraute Erweiterungskarte aus.

Weiterführende Lektüre wie Nvidia vereint Quanten- und KI-Technologie für HPC-Zentren macht das Muster deutlich: NVIDIA verkauft nicht nur Chips, sondern das Rechenrückgrat, an das sich alle anderen anpassen müssen. Quantenprozessoren laufen jetzt Gefahr, Peripheriegeräte in einer Welt zu werden, in der NVIDIA den Anschluss besitzt.

Quanten-AI-Hybride verlagern die Arzneimittelentdeckung von „einer Nadel im Heuhaufen“ zu einer systematischen Suche. GPUs simulieren bereits die Proteinfaltung und molekulare Dynamik; fügt man einen QPU hinzu, der direkt Quantenzustände erkunden kann, erhält man eine schnellere Überprüfung von Bindungsstellen, Reaktionswegen und seltenen Konformationen. Das bedeutet, dass kleinere Pharma-Teams eine Pipeline betreiben könnten, die wie eine nationale Laborgröße aussieht, auf einem Grace-Blackwell + QPU-Stack.

Die Materialwissenschaft steht ebenfalls vor einem Umbruch. Quantenchemische Berechnungen, die exponentiell auf CPUs explodieren, lassen sich natürlich auf Qubits abbilden, während CUDA‑Q GPUs weiterhin die restliche Simulation bearbeiten lässt. Die Entwicklung neuer Batterien, Supraleiter und Katalysatoren wird zu einer iterativen Schleife: KI schlägt Kandidaten vor, QPUs bewerten entscheidende Quantenmerkmale, GPUs verfeinern die Modelle.

Klimamodelle und Energiemodelle werden ebenfalls präziser. Hybridsysteme können hochauflösende Simulationen von Aerosolen, Ozeanströmungen und Netzdynamik vorantreiben, während QPUs quantenempfindliche Teilprobleme wie molekulare Absorptionsspektren angehen. Diese Kombination liefert genauere, schneller aktualisierte Klimaprognosen in Planungstools für Städte, Versorgungsunternehmen und Versicherer.

Schwierige Optimierungsprobleme sind der Bereich, in dem es für Finanzen und Logistik spannend wird. Die Portfolio-Konstruktion, das Risikomanagement und die Preisgestaltung von Derivaten reduzieren sich häufig auf kombinatorische Explosionen, die von GPUs mithilfe von Heuristiken approximiert werden. Ein QPU, das über NVQLink verbunden ist, kann riesige Lösungsräume erkunden, während KI-Modelle die Suche von toten Zonen ablenken.

Logistikunternehmen stehen vor ähnlichen Herausforderungen: Fahrzeugroutenplanung, Lagerkommissionierung, Einsatzplanung von Personal, Slots im Luftverkehr. Hybride Lösungen können diese als einheitliche Optimierungsprobleme betrachten, anstatt sie departmental isoliert zu behandeln. Erwarten Sie frühe Erfolge, bei denen Einsparungen von wenigen Prozent bei Treibstoff, Zeit oder Beständen Millionen von Dollar bedeuten.

All dies bringt den "quantum advantage" von einem vagen Ziel in den 2030er Jahren auf spezifische Arbeitslasten in diesem Jahrzehnt vor. Man benötigt keine Millionen perfekter Qubits, wenn 100–1.000 rauschende Qubits, stabilisiert durch GPU-gesteuerte Fehlerkorrektur, einen klassischen Supercomputer bei einer engen, aber wertvollen Aufgabe übertreffen. Die Mikrosekunden-Latenz von NVQLink und die Hunderte von Gb/s Bandbreite machen diesen engen Kontrollkreis realistisch und nicht nur erstrebenswert.

Zukünftige Durchbrüche in KI, Wissenschaft und Industrie werden nicht aus isolierten Quantenboxen oder eigenständigen GPU-Clustern hervorgehen. Sie werden aus integrierten Stacks resultieren, in denen QPUs, GPUs und CPUs wie eine einzige Maschine agieren – und wo Ihre wichtigste Software stillschweigend davon ausgeht, dass Hybridität der Standard ist.

Was ist NVIDIA NVQLink?

NVIDIA NVQLink ist eine Hochgeschwindigkeits- und Niedriglatenz-Verbindung, die speziell entwickelt wurde, um Quantenprozessoren (QPUs) eng mit NVIDIA's GPU-basierten KI-Supercomputern zu koppeln und ein einheitliches hybrides System zu schaffen.

Wie hilft NVQLink, das größte Problem der Quantencomputing zu lösen?

Quantencomputer sind sehr fehleranfällig. NVQLink bietet die Mikrosekunden-Latenzverbindung, die erforderlich ist, damit leistungsstarke GPUs komplexe Fehlerkorrekturalgorithmen in Echtzeit ausführen können, wodurch das fragile Quanten-System stabilisiert und praktikabler gemacht wird.

Ist NVQLink dasselbe wie NVIDIAs NVLink?

Nein. Während beide Verbindungen sind, verbindet NVLink GPUs und CPUs miteinander. NVQLink ist ein neuer, spezialisierter Standard, der entwickelt wurde, um die Lücke zwischen klassischen GPU-Supercomputern und Quantenprozessoren zu überbrücken.

Wer adoptiert die NVQLink-Technologie?

Führende wissenschaftliche Institutionen übernehmen es, darunter US-amerikanische nationale Laboratorien wie Oak Ridge und Los Alamos sowie Supercomputing-Zentren in Europa und Asien. Auch Unternehmen für Quantenhardware wie Infleqtion und Quantinuum integrieren es.