这是丁型肝炎病毒——一种导致严重肝病的人类病毒——的全部遗传信息。放在人类31亿个碱基对的基因组面前，它渺小得几乎不值一提。
但就在几天前，这个“迷你”基因组创造了一项历史：它成为人类第一个被完整编码到量子计算机上的物种基因组。
牛津大学与惠康桑格研究所的科学家团队，将这段约1700个碱基的遗传密码，成功“装载”到IBM一台搭载156量子比特Heron处理器的量子计算机上，实际占用117个量子比特。这项突破近日公布于arXiv预印本平台，迅速引发全球科技界关注。
这不是量子计算第一次接触生物数据。但这一次，“把完整基因组放进量子计算机”这件事本身，就是一个里程碑。量子计算领域有一个不成文的说法：把数据成功输进去，就已经是一场值得开香槟的硬仗。
而这场“香槟”背后，是基因学面临的一场算力危机，以及量子计算试图“降维打击”的巨大野心。
自2003年人类基因组计划完成以来，DNA测序技术迎来了爆发式发展。测序成本以超越摩尔定律的速度下降，海量基因数据如洪水般涌来，传统计算机已难以满足激增的算力需求。
过去二十多年，遗传学家一直把基因组看作一条线性的参考序列——用少数几个人的基因来代表全人类。但问题是，人跟人不一样。只用几个人的基因做“标准答案”，会产生巨大的“参考偏差”，许多特定人群的基因变异被系统性忽视。
于是，科学家提出了“泛基因组”——不是一条单行道，而是一张极其复杂的“城市地铁网”：主干线是全人类共有的核心基因，而那些弯弯绕绕的支线、环线，则代表着不同人群的基因变异。
牛津大学计算机科学系副教授、该研究的领导者Sergii Strelchuk打了一个生动的比方：“泛基因组就像一团交织缠绕的复杂迷宫，现有计算机在这张迷宫里找路，已经撞上了天花板。”
更具体地说：当要分析成百上千人的基因网络时，传统计算机的二进制逻辑——不是0就是1——被庞大的计算量“按在地上摩擦”。泛基因组构建和分析，本质上是在海量、交错的序列组合中寻找最优路径，计算复杂度呈指数级增长。
而量子计算机的“量子比特”因为可以同时处于0和1的叠加态，天生就适合处理这种包含无数条可能路径的迷宫问题。理论上，量子算法可以让多个可能的答案像水面涟漪一样相互干涉——让更优解的概率更高、较差解的概率更低。
有一个令人震惊的理论数据：人类单倍体基因组有32亿个碱基对，用传统计算机存储约需64亿个经典比特；但如果在完全理想化的量子计算机上，理论上只需要33个量子比特就能搞定。
理想很丰满，现实很骨感。把基因装进量子计算机，绝不是插个U盘、“Ctrl C+Ctrl V”那么简单。
研究团队原本的野心要大得多。他们想拿ΦX174噬菌体来练手——这是1977年第一个被完整测序的生物，基因组长达5386个碱基，在病毒界算是一个“中等身材”。但一盘算，ΦX174需要387个量子比特来编码。
尴尬的是，他们手里那台IBM最新的Heron处理器，只有156个量子比特。算力余额不足，只能“降级消费”。
团队最终选中了导致严重肝病的丁型肝炎病毒（HDV），原因很简单——它的基因组仅约1700个碱基，是已知人类病毒中最小的。作为概念验证，它足够复杂——能测试真实生物数据能否被压缩进量子态；又足够精简——不至于超出当前量子硬件的承载上限。
这就像用最前沿的宇宙飞船，运送了一颗非常小的土豆。但正如Q4Bio项目总监Shihan Sajeed所说：“上世纪70年代Fred Sanger测序第一个基因组时，人类基因组计划看起来也遥不可及。今天，我们正处于量子基因组学的一个类似起点。”
最关键的技术突破不在于“选了一个小目标”，而在于如何把生物信息压缩并编码成量子态——这一步的难度丝毫不亚于计算本身。团队采用了墨尔本大学合作者Lloyd Hollenberg教授25年前在量子生物信息学初期提出的编码方案，开发了创建量子电路的高效方法。
意大利国际高等研究院的Guglielmo Mazzola评价道：“这是至关重要的一步。想要进行基因组处理，首先必须把数据载入进去。”但他也冷静地指出：“有时载入数据的难度堪比完成整个计算，会直接抵消使用量子计算机的先天优势。”
这话说得直白而清醒：把基因塞进去只是万里长征第一步。 在量子计算机能够处理更大的基因组、并真正开展分析之前，很难判断它们是否会超越传统方法。“量子计算能否真正带来增益，目前仍未可知。”
牛津团队的这项突破，并非孤立的学术实验，而是一场全球性“量子+生物”竞赛的最新战果。
这项研究的“幕后推手”，是一个名为量子生物计划（Q4Bio） 的全球性挑战项目。由惠康基金会创立的非营利组织Wellcome Leap出资5000万美元设立，其中4000万美元用于研究经费，最高1000万美元作为奖金池。
这不是普通的科研基金。Q4Bio的设计堪称“残酷”——12支团队在30个月内经历了“饥饿游戏”式的淘汰竞争，竞相在各自领域展示量子优势，以换取奖励和后续融资。
游戏规则简单而严苛：用50个以上量子比特运行有用的医疗算法，证明你的方案超越经典计算机——拿走200万美元。 用100个以上量子比特解决真实医疗难题，且经典计算机搞不定的——拿走500万美元大奖。
入围决赛的六支团队阵容豪华，由Infleqtion、诺丁汉大学、哈佛大学、斯坦福大学、Algorithmiq及牛津大学领导。牛津团队的量子泛基因组项目，正是其中之一。
目前Wellcome Leap已确认，由量子软件公司Algorithmiq主导、IBM提供硬件支持、克利夫兰诊所贡献生物专业知识的跨学科团队，已成功达到200万美元奖项标准——该团队开发出端到端量子-经典混合工作流，用于计算光动力癌症治疗中光敏剂药物的激发态特性。
Q4Bio项目总监Shihan Sajeed说了一句意味深长的话：“项目启动时，人们不知道量子计算在生物学中有什么确切的用武之地。现在，我们知道量子可以在哪些领域发挥作用了。”
如果把牛津的突破看作一个“点”，那么整个量子生物领域正在形成一张“网”。
就在牛津团队发布成果的同一周，Nature Medicine发表了日本Q-MONSTAR联盟的研究——这是全球首个嵌入临床研究基础设施的容错量子计算概念验证平台，专注于癌症精准治疗。该平台依托日本国家癌症中心的SCRUM-Japan——一个全国性大规模产学癌症基因组筛查项目，利用临床验证的大规模多组学数据，验证量子计算在癌症治疗中的潜力。
Nature Medicine文章尖锐地指出：在精准肿瘤学中，许多核心问题——从蛋白质构象动力学到药物结合的量子效应预测，再到基因组突变的组合复杂性——对传统高性能计算而言“在计算上难以处理”。例如，精确计算癌症相关蛋白与小分子化合物的结合自由能，在传统超级计算机上预计需要超过1000年。
与此同时，克利夫兰诊所也在加速布局。其“量子创新加速器计划”刚刚宣布了2026年的入选者，三家初创公司——EntangleBio、Polaris Quantum Biotech和Singularity Quantum——将获得高达25万美元的投资，并可使用克利夫兰诊所的IBM量子系统一号，这是全球第一台专门用于医疗保健和生命科学研究的量子计算机。
大西洋彼岸，丹麦创新基金投资3000万丹麦克朗（约合460万美元），启动EarlyBIRDD项目——由Kvantify、Atom Computing和奥胡斯大学合作，目标是克服导致新药研发平均耗时10-15年、耗资150亿丹麦克朗（约合23亿美元）的计算瓶颈。
更早布局的还有加拿大。2025年12月，量子计算公司IonQ与加拿大先进治疗中心网络CCRM达成合作，确立了IonQ作为CCRM全球先进治疗中心网络的核心技术合作伙伴，首批项目计划于2026年在加拿大和瑞典启动，聚焦生物工艺优化和疾病建模。
这些行动指向同一个方向：全球顶级医疗机构和药企，正在把量子计算从“学术玩具”推向“临床武器”。
2026年4月1日，西北地区首台15量子比特超导量子计算机在西安正式投用运行。这台“黑科技”计算机聚焦生物医药与材料设计领域，深度融合人工智能算力与经典超级计算资源，构建“量超融合”算力平台，填补了西北地区量子算力基础设施的空白。
医图生科联合创始人李翛然透露，早在2022至2023年，团队就利用量子计算机参与了一款癌症药物的研发。“当时那款药有个毒副作用较大的分子结构，我们用量子计算机设计了一个精妙的‘保护罩’，让药物只在癌细胞里释放药效，大幅提升用药安全性，充分验证了量子计算在药物研发中的实际应用价值。”
基于该设备，长安先导产业创新中心与医图生科共建了“先导医图量子AI融合计算中心”，已为4所高校、3家生物医药企业提供算法验证及药物设计服务。
政策端也在加速跟进。就在4月22日，广东省印发的《加快推进人工智能全域全时全行业高水平应用行动方案》明确提到：探索量子计算在生物、医药、能源等领域的验证应用，打造一批应用场景。2026年政府工作报告更是首次将量子科技与未来能源、生物制造并列，纳入未来产业培育体系。
2026年一季度，国内量子科技行业融资总额突破32亿元，一举超越2025年全年总量。“量子+AI”双向赋能——AI技术降低量子研发成本，量子算力突破经典瓶颈——成为本轮资本持续加码的核心逻辑。
牛津团队的突破是“概念验证”的胜利，但从“验证”到“实用”，中间横亘着巨大的鸿沟。
首先，量子计算机本身还远未成熟。今天的量子计算机不稳定、易出错，量子比特数量有限。IBM目前最先进的Heron处理器有156量子比特，而谷歌的Willow芯片运行105个量子比特。处理一个仅1700个碱基的丁肝病毒就用了117个量子比特——要处理人类32亿碱基的基因组，还有极其漫长的路要走。
IBM的公开路线年将推出一台容错量子计算机，能在200个逻辑量子比特上运行1亿个纠错门，“量子优势”将在三年前（即2026年）到来。但“路线图”不等于“现实”，量子纠错和可扩展性仍是巨大的工程挑战。
其次，传统计算方法也在进步。弗吉尼亚大学的Stefan Bekiranov虽然称赞了牛津团队的技术成就，但认为量子基因组学短期内不会快速发展，他提醒：“你要面对的是极其强大的传统计算算法。”
但市场的预期已经在升温。据Research and Markets发布的报告，量子增强预测基因组学市场规模正在以惊人的速度扩张——从2025年的19.5亿美元增长到2026年的26.1亿美元，年复合增长率高达34%，预计2030年将达到83.6亿美元。
多家科技巨头已深度布局这一赛道：Google、Microsoft、亚马逊AWS、阿里巴巴等均在量子增强预测基因组学市场占据重要地位。随着云计算平台与量子硬件的结合日益紧密，“量子基因组学即服务”可能成为未来十年的重要商业模式。
117个量子比特，一个1700碱基的病毒基因组，一次“把数据成功输进去”的突破。
这听起来似乎不够震撼。但正如Q4Bio项目总监Shihan Sajeed所说，1977年Fred Sanger完成ΦX174的测序时，没有人能想象30年后人类基因组会被完整解码。
牛津大学的研究者设定了雄心勃勃的目标：通过量子算法，将完整人类泛基因组分析的速度提升最多100倍。这个目标能否实现，取决于量子硬件的进步速度，取决于算法工程化的成熟度，更取决于全球科研力量的持续投入。
但有一件事是确定的：当生命密码开始被翻译成量子态，生物学和计算科学的边界正在被永久改写。 一个由量子比特驱动的生物计算新时代，已经露出了它的第一缕曙光。
本文核心数据与观点来源：中国科学报、搜狐科技、央广网、等报道。返回搜狐，查看更多
