量子-HPC 集成研究的问题是：当 QPU 真的接入数据中心，流体软件栈会长什么样、瓶颈在哪里。现实答案与 GPU 的历史惊人相似——QPU 作为协处理器挂在经典求解器旁边，只接管它擅长的内核（线性代数），数据在两域之间来回搬运；与 GPU 不同的是，经典→量子的数据装载本身就是指数开销（见 io-problem 词条），所以”哪些数据值得过河”成了第一设计决策。三个工程样本给出了可操作的经验：Quanscient 用 Intel Quantum SDK 的模块化实现把混合 QLBM 做到与经典 LBM 符合 ，本源量子的 QLAS 框架让量子线性求解器像经典库一样即插即用（Physics of Fluids 36, 2024），Syamlal 等则给出对标 Frontier 超算的 性能模型。
系统架构：QPU 作为协处理器
主流架构（见hybrid-quantum-classical）把 CFD 时间推进拆成经典主循环 + 量子内核调用：经典侧做非线性步、边界条件、网格管理与收敛控制；量子侧解压力泊松（投影法的大头，见projection-method、quantum-poisson-solver）或每步的线性系统。Song 等的混合 NS 方案是这个架构的教科书实现——经典设备算动量方程，量子 VQLS 解压力泊松，多重网格预条件压条件数Song et al. 2024 (arXiv)（结果见nisq-experiments）。
与 GPU 类比有助也有害。相似处：主机-加速器编程模型、kernel 式调用、把热点循环外包。根本差异在数据经济学：GPU 拷贝 个浮点数是 带宽问题，把 个浮点数装进振幅编码态是 门深问题（Shende 分解 级，见state-preparation）——“搬运”本身可能比”计算”贵。因此量子-HPC 集成的设计法则是：让量子态在量子侧尽量长寿（多步演化不测量），跨域传输的只有低维参数（ansatz 参数、代价标量、少量 QoI），这正是 npj QI 量子 LBM”只在末端测量”设计的工程动机Wang et al. 2025 (npj QI)。
Quanscient：模块化软件工程的经验（QC084）
芬兰 Quanscient 团队（Budinski 所在司）把经典软件工程原则——自顶向下、单一职责、模块化——移植到 Intel Quantum SDK 1.0（C++/LLVM 混合量子-经典框架）中实现 D1Q2 对流扩散 QLBMShinde et al. 2025 (TQC)：预处理/求解器/后处理三模块、自定义门（CCPHASE、五比特受控 X 按 Nielsen–Chuang 分解）、collision/propagation/宏观量提取三个子线路分层组装。数值验证上 1D 通道输运（32 格点）与解析解、经典 LBM 三方对比，QLBM 与经典 LBM 在 容差内一致——差异来自 Boltzmann 离散与网格分辨率而非量子算法本身。
两条工程经验值得记录：其一，除态制备步外复杂度 ，编码步最贵（最坏指数）——数据搬运瓶颈在代码结构上就看得见；其二，混合时间步进每步重新编码初态，作者自己明说该做法”很可能破坏量子加速”，时间步串联要参考 Schalkers–Möller 型设计——工程诚实是这类论文最有价值的部分。
本源 QLAS：求解器即插即用（QC006）
本源量子与中科大的混合框架走了库化路线：传统有限体积 CFD 求解器（可压流守恒律）以弱耦合方式接入量子线性代数库 QLAS——LinSolver 抽象类下并列 CG（经典）、HHL、VQLS 等实现，调用侧代码不变即可替换后端Ye et al. 2024 (Phys. Fluids)。核心创新是 SUB-HHL/SUB-VQLS 子空间迭代：把量子求解器嵌进经典子空间迭代内，问题尺寸被匹配到可用量子资源，同时保住精度。验证案例覆盖定常（无粘 bump 跨声速绕流，Mach/压力等值线与 FGMRES 完全吻合）与非定常（圆柱绕流阻力/升力时间历程、带攻角翼型 与实验对比）。这条”先接管线性代数内核、再逐步扩大量子份额”的渐进路线，与 Quanscient 的”先建立软件工程规范”互为镜像。
Syamlal：对标 Frontier 的性能模型（QC011）
QubitSolve 团队的工业路线图回答的是”还差多远”：先对世界最快超算 Frontier（9408 节点、AMD MI250X）建 roofline 式经典性能模型——CFD 内核算术强度仅 – FLOP/byte，访存主导，各网格规模存在最优 GPU 数；再用 IBM 真机实测电路运行时间外推量子侧，定义关键性能参数Syamlal et al. 2024 (AIAA)：
即量子优势。结论直白：未优化 VQCFD 原型 vs 优化经典代码，当前上界 ——悲观，但只是上界；论文列出有望把比值压到 1 以下的技术清单（高效参数化电路、场变量/多积并行化、误差缓解+shot 分配优化、Superstaq 编译、连接性分解、噪声感知映射、最小化测量，见error-mitigation），下一阶段开发 3D 最小可行产品。与 Penuel 的自上而下核算（见resource-estimation）互补，这提供了自下而上的对标方法论。
现实约束与算法-硬件配对
集成不是纯软件问题。Tennie 等的 Nature Reviews Physics 综述给出算法家族与硬件平台的配对建议：混合变分算法 ↔ 超导电路（短深电路、快门操作）、平均场量子求解器 ↔ 囚禁离子（长相干、全连接）、线性化类求解器 ↔ 中性原子（大规模模拟量子计算、并行演化）Tennie et al. 2025 (Nat. Rev. Phys.)——CFD 的变分路线（vqls、variational-pde-solver）因此与超导平台绑定最深，这也是 IBM 设备主导真机演示的原因（见nisq-experiments）。其余硬约束：QRAM 缺位使经典数据装载只能靠结构化态制备（见state-preparation）；每分钟级的队列与校准漂移使”量子内核必须无状态、可重试”；而稀释制冷机、激光系统的功耗与占地把 QPU 的数据中心化变成十年尺度的工程问题（能耗账见resource-estimation）。