當人工智能（AI）與量子計算融合，這兩個最熱門的未來賽道將交匯出怎樣的新圖景？日前，在杭州舉辦的2025全球人工智能技術大會（GAITC 2025）專場活動上，業內專家指出，“量智融合”有望引領新一輪科技創新浪潮。

  “量智融合的核心不是單向技術疊加，而是多領域、多學科的橫向連接，通過協同創新實現非線性增長。”中國工程院院士戴瓊海表示，一方面，量子計算有望突破當前AI模型訓練的算力瓶頸，提升算法效率；另一方面，人工智能可在量子控制、誤差校正、算法設計等方面反向賦能量子技術，為量子系統的穩定性和可擴展性提供新路徑。

  “過去5年，人工智能技術特別是生成式AI的爆發，讓我們看到計算模式出現了很多顛覆性的發展；未來5年，量子計算很可能從實驗室走向應用，所以，人工智能與量子計算的融合有望成為必然趨勢。”中國科學院計算技術研究所研究員孫曉明說。

  清華大學教授、北京量子信息科學研究院副院長龍桂魯認為，當前量子信息與人工智能的結合有兩個方向：一是AI for Science（科學智能），例如去年谷歌就用量子人工智能優化了糾錯碼；二是量子計算賦能機器學習，未來，隨著量子計算機的成熟，它將為AI提供算力支持。

  當前，產學研各界均在加快“量智融合”方面的創新探索，并取得了不少成果。例如，浙江大學計算機學院百人計劃研究員盧麗強團隊采用混合專家模型提高校準質量，讓量子態區分度提升了25.5%；同時，基于卷積匹配的波形優化技術，使量子電路編譯速度提升158倍。上海交通大學肖太龍團隊率先將量子機器學習應用于單像素成像系統，突破了傳統算法依賴大量標記樣本的瓶頸，并通過實驗驗證了量子特征空間在低采樣率下的信息提取優勢。北京量子院團隊也取得了量子節點嵌入算法、量子卷積神經網絡、基于量子共振的維度約化算法等最新成果。北京玻色量子科技有限公司（以下簡稱“玻色量子”）提出的基于相干光量子計算機的量子訓練方法，以量子采樣替代傳統吉布斯采樣方法，大幅提升了玻爾茲曼機的訓練效率。玻色量子還聯合廣州國家實驗室開發了蛋白質結構預測量子算法，突破了傳統算法難以攻克的復雜場景。

  “量子計算在制藥、金融、AI制造等領域有著廣闊的應用空間。特別是在制藥領域，通過‘量子+AI’的混合方法，能夠在龐大的化合物空間中高效篩選出針對特定靶點的分子，顯著降低了研發成本和時間。”玻色量子研發總監高奇說。

  越來越多的城市也在加入開拓“量智融合”未來產業新賽道的行列。目前，杭州、合肥都在推動量子計算融入AI生態，加速“量子+AI”技術落地。

  “我們深刻認識到人工智能是底座，量子科技是躍遷力，而兩者的融合正是搶占未來產業、未來話語權的關鍵路徑。”杭州未來科技城管委會黨工委委員勵波說，當前杭州構建了“1+3+X”的未來產業體系——以人工智能為基座，聚焦低空經濟、人形機器人、類腦智能三大風口，前瞻布局量子信息等“X”個前沿領域。“未來，我們將重點關注量子算法加速AI訓練、神經擬態計算等融合賽道，讓更多從0到1的成果涌現。”

  不過，不少專家認為，當前“量智融合”領域仍然存在諸多挑戰亟待解決。上海交通大學特聘教授熊紅凱表示，人工智能如果直接用量子計算的方式優化，就可以通過量子計算的強大算力得到全量化的模型，現在的光計算和量子計算技術路線就在做這一方向的結合，但是都有各自的約束性、限制性。

  盧麗強也表示，盡管面臨量子比特數有限、理論范式缺失等挑戰，但人工智能與量子的雙向賦能已開啟“量智融合”新圖景，芯片架構、編譯優化等領域的全棧研究，正推動這一變革從實驗室走向實際應用。

關鍵詞：