据图灵量子介绍，面向光量子计算规模化、芯片化和工程化，TuringQ Gen3基于高速可编程薄膜铌酸锂光量子芯片，集成量子光源、可编程光量子处理芯片、单光子探测及量子-经典异构计算等核心模块，构建起全芯片化、模块化、可扩展的整机架构与全栈软硬件体系。

系统采用空时复用架构，将空间光路、时间循环和高速电光调控纳入统一可编程网络，使同一组物理器件能够在不同时间模式中重复参与量子演化，并与空间模式共同形成大规模时空计算网络。其中高斯玻色采样的重要计算单元“致远3号”，支持单芯片万光子级、百万模式数计算资源扩展，在系统规模与实际损耗的严格边界条件下实现芯片级量子优越性，并面向世界模型等人工智能方向开展探索。

在图灵量子看来，大规模高斯玻色采样量子优越性的关键，不仅在于模式数与光子数的提升，还需要在实际系统损耗条件下，使有效计算规模超出先进经典算法的模拟能力。随着空时复用不断扩大模式规模和线路深度，光子需要经历更多传输、耦合、调控和探测环节，规模扩展与损耗控制的协同优化成为工程化落地的核心难题。

2024年，芝加哥大学蒋良团队等在《Nature Physics》发表针对损耗下的高斯玻色采样系统的经典模拟研究，给出了量子优越性在损耗和系统规模的严格边界。由此，此前国内外多个团队量子优越性演示都为无效。

围绕这一更严格的判定标准，图灵量子创始人金贤敏和团队以芯片工程为核心开展长期技术攻坚。TuringQ Gen3同步推进时空模式扩展与全链路低损耗优化，团队围绕量子光源、片上传输、器件调控、芯片耦合和单光子探测持续优化，薄膜铌酸锂光量子芯片光子线路传输损耗达到0.03 dB/cm，关键单器件插入损耗低于0.1 dB，光纤—芯片单端耦合损耗达到0.9 dB/facet，晶圆级量子光源光谱纯度超过 99%，系统总损耗率越过了演示量子优越性的关键瓶颈。

上述性能建立在全栈研发能力和晶圆级工艺持续迭代基础上。图灵量子建立“设计—制造—测试—反馈—再迭代”的晶圆级芯片工艺闭环，将优化目标由单器件性能进一步拓展至晶圆级一致性、参数分布和批次重复性，使传输、调控和耦合等关键性能在设计与制造迭代中持续优化，为大规模光量子芯片和整机系统扩展提供工艺支撑。

在系统实验中，团队对不同光子规模下的高斯玻色采样输出开展统计验证。不同泵浦功率下，系统获得相应的光子点击数概率分布；对约8000个不同输出事件进行逐项比较，实测结果与理论预测高度一致，验证大规模高斯玻色采样计算正确性。

此外，TuringQ Gen3具备优秀的易用性、鲁棒性和经济性，构建完善的软硬件全栈体系。硬件层面，自主研发的XLink低延迟互联架构，将 QPU、专用量子加速单元与 CPU、GPU 等经典计算资源纳入统一异构计算体系；软件层面，打造 DeepQuantum 量子编程框架、量擎量子计算云平台、QAgent 等量子 - 经典混合软件工具链，覆盖量子算法开发、算力调用、任务调度与工具链管理全流程，将复杂的底层量子硬件封装为可直接调用的计算能力，大幅降低量子算法开发与算力调用门槛。

同时，图灵量子加速推进量子智算中心布局，将光量子计算机接入现有智算基础设施，实现量子算力与经典算力的统一调度、稳定部署与持续调用，为产业应用提供工程化支撑。团队围绕人工智能、生物医药、金融科技等方向开展联合验证，并探索高斯玻色采样在世界模型动力学预测等人工智能任务中的应用。

金贤敏表示，真正具有应用价值的量子优势，无法由一家量子计算企业单独定义。正如GPU从专业计算工具逐步走向广泛应用，量子计算也需要让更多科研人员、开发者和行业用户便捷使用、广泛参与，更需要各行业开放真实场景、提出真实问题。“只有让量子计算走进更多实际场景，在应用中验证优势、发现价值，才能不断拓展其应用边界，推动量子计算与各行业深度融合。”

TuringQ Gen3的发布，展现了图灵量子在工程能力、开发生态与应用转化上的持续深耕与核心突破，推动光量子计算由量子优越性验证进一步迈向大规模可编程计算和应用价值挖掘，加快光量子计算的工程化。