一年一度创投圈盛会如约而至。2025年12月2-5日，由清科控股（01945.HK）、投资界主办，汇通金控、南山战新投联合主办的第二十五届中国股权投资年度大会在深圳举行。本届大会集结逾千位*投资人、领军企业家，打造兼具深度洞察与互动活力的“创·投嘉年华”，致力成为观察中国科技创新的窗口。

会上，玻色量子创始人、COO马寅发表了《量子计算：AI 算力革命与产业赋能》主题演讲。

以下为演讲实录，

经投资界（ID:pedaily2012）编辑：

我的演讲主题是量子计算，会通过15分钟的时间给大家讲一讲这个行业的投资逻辑，以及玻色量子如何引导物理世界的量子计算机应用在人工智能的反向规划。

从“十四五”规划开始，国家已经将量子计算定义为未来产业进行前瞻性布局，“十五五”规划更将量子科技列为七大未来产业之首，原因是量子计算在未来人工智能大时代给我们提供了另一个选择。

量子计算行业发展脉络很清晰，这是一个非常小众的圈子，国内量子计算行业基本上包含两大体系，一个是中科大体系；另一个是清华体系，以南方科技大学校长薛其坤院士为代表，目前国家在量子计算领域做了非常多布局。

今天很多LP来自各地方的引导基金，那么科技产业在各地如何落地，也是企业在融资过程中经常遇到的问题。我们总结了国内比较关注量子计算的城市，这些城市的市、区各级领导都对量子计算有相对比较高的认知，每个城市基于量子计算都有数十亿级别的预算支持。

例如北京是国家科技发展的高地，主要集中在海淀和朝阳；合肥是量子计算的高地，也是目前量子人才和技术团队、创业公司聚集最多的地方；上海是一个关注量子应用落地的地方；我们在深圳南山区落地了中国*专用光量子计算机制造工厂，希望在南山这片沃土上，我们能将中国的量子计算机整机制造实力提高到跟美国一样。

量子计算在哪些方面能*实现商业化，应用起来以后在哪些行业具有优势，而不是偏向于探讨宇宙本源的问题？*个是模拟，包含生物医药领域的小分子制药、蛋白质预测，航空的流体动力学、化学的催化剂设计、能源的太阳能转化、金融的市场模拟等领域。

第二个是大规模的组合优化，多数是金融行业，玻色量子已经与光大科技、平安银行、龙盈智达、华夏银行、招商银行等实现“量子计算+金融”领域的深入工作，我们研究发现，这些探索应用美国做的更好，在美国已经有300多家企业把量子计算与金融结合，做出了很多案例成果。

第三就是人工智能，这一部分我在后面会讲到，如何把人工智能跟量子计算结合起来。还有密码学，这牵涉到国家安全。

量子计算分为两大类：一个是门型，一个是非门型。当前中国投资圈更多时候是用另外一个词来描述：通用型量子计算机和专用型量子计算机，其实是对应背后的这样一套技术逻辑。用量子计算方法构建基本逻辑门，继而构建类似于CPU这样的中央处理器，再加上操作系统，就能解决各种问题，这就是基于逻辑门的通用量子计算机（门型）；如果不构建基本逻辑门，而是采用非冯诺依曼架构，进而构建一个类似于GPU这样的专用设备，那它就是利用量子特性专用于求解特定问题的专用量子计算机（非门型），适合解决某些特定问题，这两大分类各有千秋。

门型不可能在量子比特规模、求解质量、速度三要素上同时达到*。其实很容易理解，因为一个计算机的计算规模肯定要够大，如果一个量子计算机计算规模还不如一个服务器，就没有必要研制量子计算机。那需要多少个量子比特来标定呢？全世界的*专家一致给出相对确定的答案——100是门槛，1000个计算量子比特是行业真正能够达到交叉点，而达到10000个计算量子比特具有明显的突破性意义，目前为止量子比特数量还远远没有达到这一数量级。

另外就是求解质量，为什么要强调质量呢？量子计算机需要遵循量子力学规律调控量子信息单元进行计算，所有光、电、热、磁场等外界条件都可能对其造成计算干扰，进而导致求解质量非常差，甚至差到令人难以接受。目前包括谷歌、微软在内研发的通用型量子计算机，无法实现“1+1=2”，那在这种情况下如何继续发展量子计算机，这是一个需要挑战的科学门槛，而不是一个技术门槛。

第三点是速度。我们得出一个结论：任何技术路线的门型量子计算机均未突破该“三角”，包括超导、离子阱、通用光量子以及中性原子等技术路线。在量子芯片上如何构建计算系统？需要将很多逻辑门累加在一起。

例如，华大九天这类从事EDA及相关服务的公司，他们研究EDA工具就是把这些逻辑门进行串联，逻辑门串联矩阵继而构建计算逻辑，单个逻辑门的质量和下一个逻辑门之间是乘的关系。比如两个逻辑门，0进去1出来是一个非门，1进去0出来，两个门累加在一起，它们的概率是两个逻辑门的正确性相乘，0.99的二次方还是近似0.99，0.99的一百次方近似为0.36，0.99的一千次方则趋近于0。也就是说，今天通用量子计算机按照这种方法研究逻辑门的阵列，保真度无法满足“1+1=2”。

我们用光研发通用型量子计算机，并发布了相关产品，也没有办法构建这样的阵列，门型量子计算机限制了它的实用算法的发展。这又得出一个关键结论：有理论优势的量子算法至今还是屈指可数的，想要找到适用于门型量子计算机的算法也很难，量子优越性目前也仅通过随机性采样等问题来验证，这是比较现实的问题。包括美国等其他国家也面临着这样的问题，有的量子计算公司通过SPAC借壳的方式上市，如果真的能在真实问题上有优势就不用借壳了。

在含噪声中等规模量子（NISQ）计算时代，只能运行一些有用的混合量子-经典算法（如变分量子算法），而噪声与算法架构的耦合作用导致了速度积累非常缓慢。美国现在大概有500-600家下游企业在构建各种各样的算法，通过这种算法弥补硬件差，通过软硬结合构建算力壁垒。目前在中国投资圈，像我们这样的量子计算硬件公司的下游企业基本没有，玻色量子准备在下一年成立自己的基金专投下游，国家队也会帮助我们做这件事。

根据谷歌的技术路线图，可以看到在里程碑的第二个节点，真实可用的量子比特是0个，也就是说目前虽然构建了几百个物理量子比特，但因为保真度的问题，直接反映了系统的质量水平，还没有构建出一个可以用的计算量子比特。谷歌希望到2030年在1000个物理比特的情况下，通过纠错编码构建出1个计算量子比特。我们给出的答案是“量子优越性=可用性+必要性+经济性”。通用型量子计算的实用化还需要5-10年，专用型量子计算机当下就可以在生物制药为代表的AI4S场景，快速落地。

玻色量子如何用量子重新定义AI？如何用物理世界的量子计算机赋能人工智能？我们采用的技术路线的背后由三大诺奖加持，*个诺奖是1982年的伊辛模型，用二值世界去理解能量函数。这是我们经常说的，一个由基本粒子组成的系统，随着能量的降低会坍塌到哈密顿量的*能量状态，也就是系统能量的最稳定状态，这一结果在地球上百分之百存在，这是量子计算用到的物理原理。

2024年的诺奖颁发给了Hinton 和 Hopfield，Hinton常被称为“反向传播之父”，但是他获诺奖的贡献不在于反向传播，而是玻尔兹曼机。而他早期与他人合作推广的反向传播算法，极大地促进了多层神经网络的高效训练，称为深度学习的基石之一。玻尔兹曼机是一种基于统计物理的能量模型：将数据变量映射为自旋粒子，驱动系统向最小能量态演化。因此，玻尔兹曼机具备无监督生成学习能力，能够学习数据概率分布并生成新样本（如图像重构、文本生成），这大大奠定了深度学习的基础。玻尔兹曼机基于能量演化，把所有的基本粒子之间互相关联，这是一个很复杂的神经网络。这个神经网络牵一发而动全身，每个变量跟其他变量都相互关联，它没有层的概念，整体是一个球形，想要去计算它只能用整体的能量演化，没有办法把它离散成 GPU 的迭代计算，这就是今天我们看到的玻尔兹曼机。第三个就是2025年最新的诺贝尔物理学奖——量子计算。

玻色量子公司核心研发团队来自斯坦福、清华、中国科学院等国内外知名学府，且具备多年光量子信息研究经验，申请发明专利数十项。我们用能量演化的方式构建一台相干光量子计算机，已销售十余台，部署到国内外多个地方。

因为玻尔兹曼机是把自然规律描述在一个数学网络中，所以它并不是一个*用数据驱动的一个人工智能框架，而是将数据与自然规律驱动二者结合起来。因此我们重磅推出国内*量子玻尔兹曼机（QBM）及开源编程套件（KPP），KPP还提供了简单易用的接口，便于研究人员和开发者能够快速实现能量神经网络模型的训练与验证，并应用于各种机器学习开发任务。

以生物制药为代表的AIDD，我们在VAE、生成式AI等方面取得了诸多研究突破，收获了一系列示范性案例。例如，在生态合作方面，玻色量子联合广州国家实验室开发了蛋白质结构预测量子算法。基于量子玻尔兹曼机，高效求解Potts模型的同时精确预测蛋白氨基酸残基接触图，已经在100结点的数据集上实现收敛，突破了传统算法难以攻克的复杂场景，用另外一种思路解构了人工智能的发展路径。

我们与华夏银行在金融反欺诈领域也取得了突破成果，研发的量子原生AI的云服务，金融科技公司都在高频使用，我们把所有框架开源放在PyTorch量子神经网络上，用比较熟悉的人工智能框架直接测试，不用学量子物理也会编程，三天就能学会。

玻色量子的专用量子计算实力目前处于世界头部水平，率先在人工智能、通信、金融、医药、能源等20+个行业实现100+场景探索与应用，并取得了一系列成果突破，具有巨大的实用前景。我们可能是中国量子计算*钱的公司，也是*一个挣钱的公司。

近日，在成都市科技局的支持下，国家超级计算成都中心已完成玻色量子的量子计算机的部署工作，并顺利开展了测试工作。这标志着国内首台部署于国家超算中心的专用量子计算机成功“点亮”，“量超融合”新模式在成都落地实践。2026年我们也会在深圳将量子计算跟经典计算机结合，实现一个“1+1>2”的事。谢谢大家！