（来源：上观新闻）
就激发创造🇱🇮🇻🇮兴趣而言，之🇻🇳🏛前很多人觉得开发😋应用离自🕵己太远了，「🍖人人都是开发🧸🇫🇷者」就是↖🦸♂️个乌托邦图💚🇳🇦景🤡🛤。但模型问题缓解之🇱🇮🇦🇱后，更深层的约束💞🎁随之浮现：🍺代码库🇰🇭中的业务🉐隐知识、🌳🔴历史决策与架🦹♂️构习惯，并不🚸会因为模型升级而😴👩🦲自动变🧩得可理🐘解◾🇸🇩。
过去近5个月💕，在外界对D🔬🗽eepSe🔹🖐ek“迭代🆔放缓”的持续质疑🇸🇾💉中，业🇪🇦🎬内却清🥥楚：Dee👫pSee🤾♀️🔮k的攻坚，并🤝非单纯在🌡调优模型效🇻🇪果，而是要🇵🇷完成一次从英🎞伟达C🐌UDA生⬇态，向国产芯片“👱♀️🌚昇腾N🗣PU”等生态的💱🇲🇲全栈迁移——🥨这是一场没有硝烟🦁的硬仗🇸🇹。
技术鸿沟🇸🇦也带来了分化焦👶虑♎🧪。来，我手把手教你🇸🇨🕗怎么搭🇦🇱🇬🇮。（二）从功能🐬到优势🥖💬：QLL🦒📆VM 如何🇲🇵🇰🇲超越传统量子编🧩译器 Q🔰LLVM😾💨将高级量🐊子程序编译为目标❤后端可执👨🎨🏜行代码，🙏主要功能🇸🇿🚁包括： 核🇭🇹🇫🇰心功能一🙍♂️览 1.🤼♂️🤘 多语言前🇪🇦端：支持🥒OpenQ🍮BAIDU优化ASM 2▶.0、Q🇲🇶iskit Q🤤uantum🧯Circu🛢🤼♀️it、🤗🐣QPanda、🎦🍮Cirq等输入7️⃣ 2🥰. MLIR🇹🇱🗽优化：单比👺特门合并、抵消、🔢对角门移除、💭🌵门综合等优化P🧛♂️ass 3. 🍾QIR生🔕成：将ML🏀😽IR方言 Low🖤ering为Q👄IR（🗓👨⚖️LLVM I🧮🚦R 形式的量子中🇲🇭📌间表示🤔⚰） 4.⛲ SABR🇰🇷⚗E映射：🇦🇬C++/Qis🕓↗kit🇰🇲🎦实现的🌊💂♀️量子比特布局🇲🇬🔍与SWAP插入 ♏ 5. 多🖼🖊后端发💝射：输出Ope🇧🇪nQAS🇬🇪📶M、硬件特定格🍺式等 📳 四大🍜核心优势💂 1. 工📀👨👨👧👦业级IR基础设🍬🍬施：基于MLIR🕟/LLVM，便于🇪🇷🏤扩展新方🕳🚱言和新Pass 😗 2. 🏤🇨🇳多种输👬🥭入形式：Open📂BAIDU优化QASM、🚵Qis🥣🗝kit等，适配🇬🇬😍不同编🐯程习惯 3.🖖 灵活优🆚化：-O0🚇💦/-O1等级🅱👠、自定义Pa🐒🥝ss序列、合成🅾🧚♀️优化 👨🦰 4. 💧📑物理约束映射：S🏩ABRE等🗒布局与👩🍳SWAP9️⃣⛔策略，适配真实硬🛀件拓扑 （三）🇬🇾🇧🇳技术路线：🏜🧐QLLV🔄🌖M如何实🇧🇩现经典-量子混📸🎰合编译 🚄🥐 ◆三层架构设🇸🇪😩计 QLLVM基💵⁉于LLVM/M♿🇧🇻LIR生态构建，🎳采用经典的三🚒🤤层编译架构，实🍥🇧🇱现从量子😕🌓程序到硬🦝件指令的🌋完整编译流🚄程： 图：Q🥽🤦♀️LLVM🚼编译框架 ↖🥾 • 前端：🅾🥛负责语言解析和📺⏺中间代码生成🌲，将高级🇸🇯🇭🇰语言转换为MLI🕙R Quant✅um方言 🇨🇦• 中端：基💣🛃于MLIR进行量🍶子程序优🔺化，并将ML🇫🇲👸IR进一步Low🇬🇺erin🎵🇻🇮BAIDU优化g为QI🔊R（L🤝🙀LVM IR）🚏 • 后端：基👎🕜于QI🕵️♀️🍕R和QIR运行🏊♀️时库，将🧘♂️🇭🇲程序转换为目标↔🥞硬件支🇬🇳持的代码格式🧤 ◆🥣🌰经典-量子3️⃣🙎混合编译机制 🤫依托LLVM🔠 生态，🕊🈸BAIDU优化QLLV👯M能够实现与经🇸🇽典编译P🇨🇱🇪🇨ass🛒👳♀️、CUD🤒🇵🇫A编程模型和 🏤HPC🇽🇰⛷运行时的集👨👨👦👦🐤成，从而实现📧🥿高效的经典量👯👩👩👧子混合任🇳🇬😹务编译🇵🇳。
