科大讯飞联合清华系团队，如何做一家“AI+量子”公司

“沿着当前经典计算框架继续外推，算力与能耗都将是不可承受的‘天花板’。下一个十年，我们必须寻找新的路径，这条路径就是量子计算和人工智能的融合。“科大讯飞董事长、量智开物发起人刘庆峰如此表示。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

图片来自AI生成

4月22日，国内首家专注于“AI+量子”深度融合的实体公司——量智开物（北京）科技有限公司（下称“量智开物”）在北京正式揭牌。这家公司由科大讯飞与两仪万象合资设立，而就在近期，两仪万象刚刚宣布完成亿级A轮融资，科大讯飞正是其战略投资方。

公开资料显示，两仪万象孵化自清华大学翟荟教授领衔的原子量子计算研究团队，聚焦于当前最受关注的技术路径之一——原子阵列量子计算。一个值得关注的背景是，量智开物共同发起人翟荟教授，正是诺贝尔物理学奖获得者杨振宁先生的关门弟子。

量子计算的潜力有多大？以“九章三号”255光子原型机为例，它在特定问题上的处理速度，已经将经典计算机远远甩开，差距达到了“一亿亿倍”的惊人量级。“如果量子计算真的应用到现在人工智能的深度神经网络和预训练方法中，可以想象，现在所有的问题都会被解决掉。”刘庆峰这样描述其前景。

但他也强调，这件事单靠AI不行，单靠量子物理也不行。必须把量子物理理论科学家、量子算法科学家和人工智能专家真正拧成一股绳，形成合力。而这，正是“量智开物”成立的初衷，也是它未来要攻克的核心命题。

量子和AI，如何融合

眼下，“AI for 量子”与“量子 for AI”正成为全球科技竞争的焦点。

就在日前，加州理工的黄信元和翟荟教授的学生赵海谋，与谷歌团队联合发布了一篇2026年的最新论文。他们提出了一个全新的量子机器学习框架，首次用量子方法解决了一个经典的机器学习问题，从理论上论证了量子计算机在存储上的指数级优势。这无疑为“量子for AI”打开了一条全新的探索路径。

过去一年，产业界的动向也异常清晰。英伟达CEO黄仁勋公开明确表示“量子计算正在抵达拐点”。早些时候，英伟达发布了NVQLink，将量子计算正式纳入下一代计算的主战场，其旗下风投部门更是直接投资了中性原子、离子阱、光量子三条主流技术路线。到底哪一条路线最终会胜出？科学家们看法不一，但巨头们的布局已经全面展开。

为何融合如此紧迫？刘庆峰给出了他的观察：基于深度神经网络和GPT框架的通用人工智能持续摸高，模型参数已经卷到10万亿以上，对算力和能源的需求呈指数级增长。但一个普遍的共识是，未来两三年内，我们面临的将不仅是训练模型所需算力和能源能否支撑的问题，而是当AI像水和电一样成为社会基础设施后，其理论极限需求，至少是今天全球所能提供的芯片和能源总和的万倍以上。

那么，出路在哪里？从目前看到的诸多探索方向——无论是类脑计算、量子计算还是下一代计算架构来看，量子计算与人工智能的结合，被普遍视为未来最可预期的一条突破路径。

具体到量智开物，它将如何推动这场融合？可以从三个维度来理解：首先是国家战略的迫切需求；其次，当下的量子计算本身就需要人工智能来推动科研和产业化落地。

一个生动的例子就在眼前：在本次会议前夕，翟荟教授团队实现了一项关键的技术突破——首次在实验上捕获了10064个原子。这一数据打破了此前由加州理工学院保持的6100个原子的国际纪录，标志着中性原子量子计算首次迈入“万量级”时代。

然而，捕获10064个原子只是第一步。如何让这些原子更好地排序，从而应用于量子计算？这恰恰需要人工智能的助力。例如，利用图神经网络等方法，在极短的规定时间内（比如20毫秒）给出上万个量子比特的操控和排序方案，中间还需要快速并行的解码器——而这正是人工智能的核心特长所在。

其三，为何选择此时成立实体公司？刘庆峰透露，双方的合作已有两年基础。之所以将科研合作升级为实体化平台，是因为两仪万象从科研走向产业化已到了关键时期。他们希望通过“耐心资本”的加持，达成两个目标：一是培养最顶尖的、具备交叉学科知识的量智融合复合型人才；二是提供一个创新的舞台。讯飞提供的不仅是人工智能算法和资本，还有宝贵的产业化实践经验。

值得注意的是，科大讯飞作为投资方，为量智开物设定了一个颇为独特的基调：不设经营指标，不设量子比特操控数、纠错准确率等技术指标，甚至不设具体的时间表。

“我们要给科学家一个宽松自由的环境。”刘庆峰解释道，真正的原始创新不能以短期指标倒逼，尤其在量智融合这样面向“无人区”的前沿赛道上，过于功利主义的考核反而会扼杀创新的激情。

AI+量子赛道，中美无技术代差

在全球科技竞争的大棋盘上，形势正在分化。在通用大模型领域，由于高端芯片受限，中国在算力基础设施上确实面临挑战。但在“量智融合”这个新兴领域，局面却有所不同。

“这是一个我国和其他科技强国没有代差的研究领域。”翟荟教授在演讲中给出了一个极具分量的判断。回顾过去十年，从2016年全球仅有一二十个课题组涉足该领域，到如今中美两国不约而同地将其写入国家战略，中国在量智融合的征程上，始终与国际最前沿的同行齐头并进。

刘庆峰也持类似观点。他提到，中美在顶级大模型能力上或许存在半代到一代的差距，这主要源于算力和数据积累。但在量智融合领域，双方几乎是同时起步。

“我们现在做的上万个量子比特的操控排序，用到的图神经网络、高效并行解码器，本身并不需要那么复杂的经典算力支撑，关键是要在算法上真正实现落地创新。所以说，在量智融合领域，第一我们不缺顶尖人才，第二我们在技术逻辑和算法创新上是同步的。我们没有人工智能那边的算力限制，可以说是轻装上阵、齐头并进。”

成果已经初显。以本次量智开物发布的算法成果为例，“追风”算法解决了原子量子计算中快速操控万量级大规模原子阵列的难题；“扁鹊”则是全球首发的、由AI辅助并能动态检测原子丢失的纠错解码器。同时，团队也正在利用强化学习技术，来压缩量子线路的编译复杂度。

此外，双方还将共建“智能体量子计算机”。刘庆峰介绍，这并非简单拼接，而是要将大模型的感知、规划和决策能力深度嵌入量子计算机的控制系统，使其具备自主学习、自主调优的“智能”。这将大幅降低量子计算机的操控门槛，显著提升量子实验的效率和成果产出速度，从而让量子科学家能把精力更多地投向更本质的理论创新。

翟荟教授进一步勾勒了“量智开物”平台的四大研发方向：

一、开发人工智能赋能量子计算的核心算法，助力量子计算尽快突破比特规模和量子纠错两大关键瓶颈。

二、搭建智能体量子计算机，在量子科技领域加速推进由智能体支撑的自动化实验，大幅提升研究迭代速度。

三、结合量子效应提高灵敏度，利用人工智能技术降低噪音，打造量智联手的精密测量仪器，服务于生命健康等国计民生重要领域。

四、探索量子计算赋能人工智能的算法创新，以量子计算破局人工智能未来面临的算力难题。

（本文作者 | 张帅，编辑 | 杨林）