2025年9月23日至25日，2025年世界量子峰會（WQS）在新加坡喜來登酒店成功舉辦。2025年世界量子峰會由全球數字可訪問服務廠商TPGI主辦，是全球首個專注于實用化量子技術的行業(yè)盛會，旨在匯聚全球頂尖科學家、初創(chuàng)企業(yè)、大型公司、政府及投資者等，共同推動量子技術在現實世界的應用，并促成具有重大影響力的合作。
AI發(fā)展迅速，量子計算正成為解決超越經典計算極限的復雜挑戰(zhàn)的關鍵。2025年世界量子峰會主要探討“量子計算+AI”融合技術正在如何改變網絡安全、金融、制藥、物流和能源等行業(yè)的發(fā)展格局。峰會以專家小組討論、網絡會議以及現場演示等多種形式，分享來自全球頂尖量子專家的戰(zhàn)略見解和實操知識，探討量子計算從實驗室技術突破到產業(yè)應用的路徑與策略。
北京玻色量子科技有限公司（以下簡稱“玻色量子”）作為中國量子計算領軍企業(yè)，也是唯一一家受邀的中國量子企業(yè)，攜1000量子比特相干光量子計算機模型參展，成為展會現場備受關注的焦點之一。并與ST Engineering、TM Research & Development等領軍企業(yè)共同展示量子技術在優(yōu)化計算、安全計算和人工智能加速等領域的增強型解決方案，充分展出中國量子科技的硬實力。
峰會的一大亮點是匯聚了來自全球的巨頭企業(yè)及頂尖名校、知名科研院所的19位頂尖演講嘉賓。玻色量子算法總監(jiān)高奇作為玻色量子企業(yè)代表與來自南洋理工大學、D-Wave、戴爾、微軟、英偉達、是德科技、RAQS Quantum、IWC、NGC Ventures、Insignia Ventures、ST Engineering、德勤、Oxford Quantum Circuits、富士通、SAP、谷歌、AWS的頂尖專家同臺演講。
高奇現場發(fā)表了以《See the Unseen, Quantum Computing Unlocks a New Paradigm for AI》為主題的精彩演講，并作為唯一的演示企業(yè)代表現場進行量子實時計算演示。演講詳細深入的講解了玻色量子基于自研的相干光量子計算機真機，在量子賦能AI底層方法、量子AI賦能生命科學和藥物發(fā)現等研究領域的最新研究成果突破。演示環(huán)節(jié)分為《Quantum Optimization in Action: Logistics, Delivery, and AI Planning》以及《Quantum Simulation in Life Sciences: Drug Discovery and Molecular》兩個部分，還原玻色量子已經探索的金融和生物制藥真實應用場景，進行了現場求解計算和結果分享，展示了高度成熟可用的實用化量子計算工具鏈。演講和真機演示引起現場嘉賓與業(yè)內外專家、學者的高度關注與熱烈反響！
2025年世界量子峰會（WQS）
1000量子比特相干光量子計算機模型
玻色量子算法總監(jiān)高奇演講現場
高奇現場介紹，從客戶應用角度，量子計算機可分為基于邏輯門的通用量子計算機和非門型的專用量子計算機。其中，基于邏輯門型量子計算機是通往大規(guī)模可容錯通用量子計算的發(fā)展方向，但是在量子位的穩(wěn)定性、錯誤率、可擴展性、量子比特規(guī)模以及量子算法和軟件的成熟度等方面仍存在一系列瓶頸，實現大規(guī)?？扇蒎e通用量子計算仍需10-20年以上的時間。而利用量子特性專用于求解特定問題的非門型專用量子計算機優(yōu)勢突顯。
玻色量子是一家專注于光量子計算的硬科技公司，也是中國量子計算領軍企業(yè)。玻色量子自研的相干光量子計算機是一種專用的求解伊辛模型的量子計算機，由光量子態(tài)制備、光量子存儲器和測控一體機三個核心模塊組成。基于Ising模型原理，利用光纖中的激光脈沖進行量子比特的制備，利用量子系統(tǒng)往基態(tài)能量進行衍化的過程來尋找最低哈密頓量（計算問題的最優(yōu)解），具有極高的并行計算能力和快速求解能力。
在量子算力優(yōu)勢上，相干光量子計算機作為專用量子計算架構，能夠并行遍歷勢能面并快速收斂到全局最優(yōu)解，避免了經典算法在NP-Hard問題中因遍歷指數級解空間而產生的計算瓶頸。實驗表明，在處理大規(guī)模組合優(yōu)化問題時，相干光量子計算機在求解速度與能耗效率上相比傳統(tǒng)馮·諾依曼架構可呈現數量級優(yōu)勢，為突破經典計算極限提供了新范式。因此，相干光量子計算機具備以下四大優(yōu)勢：量子比特規(guī)模大、室溫下即可運行、比特全連接、能耗低，可滿足大數據和人工智能、金融等算力消耗極大的領域的實用化市場需求。
玻色量子自研的1000量子比特相干光量子計算機，是目前中國首個突破千比特規(guī)模、唯一可長時間穩(wěn)定運行的專用光量子計算機，具有單次計算解空間高達2^1000、全連接且多場景適配、毫秒級高質量求解能力、較經典計算提高數萬倍加速等優(yōu)勢，技術處于世界領先水平。在人工智能、通信、金融、醫(yī)藥、能源等行業(yè)實現了一系列成果突破，具有巨大的實用前景。
近期，玻色量子重磅發(fā)布——自研的可支持1000計算量子比特云服務，標志著專用量子計算正式邁向千比特規(guī)?；瘜嵱眯码A段。高奇強調，玻色量子的1000計算量子比特云服務還可提供CPQC-X服務，支持深度戰(zhàn)略合作用戶提交大于1000量子比特的計算任務，支持更大量子比特規(guī)模的實際問題的探索與應用。該服務為用戶提供了更加靈活的量子云算力支持，開啟了定制化量子計算服務的新模式。
高奇演講現場
2024年諾貝爾物理學獎獲得者杰弗里·辛頓（Geoffrey Hinton）曾提出了一種重要的能量神經網絡——玻爾茲曼機（Boltzmann Machine,BM），玻爾茲曼機是一種基于統(tǒng)計物理的能量模型：將數據變量映射為自旋粒子，驅動系統(tǒng)向最小能量態(tài)演化。因此，玻爾茲曼機具備強大的抗噪聲能力、生成式的表征學習能力，能夠學習數據概率復雜分布并生成新樣本（如圖像重構、文本生成），是深度學習流派的基石之一。
玻爾茲曼機/受限玻爾茲曼機（BM/RBM）作為深度神經網絡的鼻祖，在刻畫數據特性、聯想記憶查詢等方面具有不可替代的理論優(yōu)勢。然而，全連接無向圖的計算訓練過程，傳統(tǒng)CPU和GPU 計算架構無法展開，嚴重限制了這項技術發(fā)展。
高奇介紹到，相干光量子計算機底層物理計算邏輯完美匹配玻爾茲曼機的全連接屬性，易用性更高，還能實現快速精準的玻爾茲曼采樣，可以在毫秒級時間內單次返回數千個量子采樣結果。實驗驗證表明，相干光量子計算機增強的玻爾茲曼機（QBM）在訓練速度上可實現指數級加速（理論上，n個量子比特可同時處理2^n種狀態(tài)）。
基于量子玻爾茲曼機，玻色量子開源了國內首個PyTorch量子神經網絡開發(fā)套件Kaiwu-PyTorch-Plugin（KPP），KPP是一個基于PyTorch和Kaiwu SDK的量子計算編程套件，可基于玻色量子“相干光量子計算機”來訓練和評估受限玻爾茲曼機和玻爾茲曼機，該插件提供了簡單易用的接口，使研究人員和開發(fā)者能夠快速實現包含能量演化特性的神經網絡模型的訓練與驗證，并應用于各種下游機器學習任務。
量子計算在金融反欺詐識別中的應用
在反欺詐識別場景中，金融領域面臨諸多挑戰(zhàn)。隨著數字化金融的發(fā)展，欺詐手段愈發(fā)復雜隱蔽，交易模式隱藏在海量交易背后，使得交易追蹤和分析難度極大。
高奇介紹，以銀行反欺詐場景為例，通過構建量子社區(qū)發(fā)現算法對交易網絡進行有效識別，為進一步判斷社區(qū)中的賬戶是否存在欺詐風險提供了技術支撐。模塊度可用來衡量社區(qū)劃分的好壞，模塊度可以簡單地理解為“社區(qū)內的連接比隨機連接更加有組織的程度”。如果劃分的社區(qū)內部有較多的邊，社區(qū)之間有較少的邊，則這個度量數值較高。可以將社區(qū)發(fā)現問題轉換為最大化網絡模塊度問題。
因此，對銀行反欺詐場景相關的社區(qū)發(fā)現問題進行建模，將其轉化為二次無約束二值優(yōu)化（QUBO）問題，可以使用相干光量子計算機進行高效求解。通過進一步測試驗證，結果表明：在包含1,200個交易賬戶的數據集上，當相似度閾值為40%時，量子社區(qū)檢測算法的KS指標達到0.56，優(yōu)于傳統(tǒng)Louvain算法，展現出更穩(wěn)定的業(yè)務表現。
高奇總結到，量子計算的變革性優(yōu)勢在于首先在于并行的社區(qū)搜索：量子疊加態(tài)可同步探索所有可能的社區(qū)劃分方案；其次是全局優(yōu)化能力：量子算法能規(guī)避經典社區(qū)檢測易陷入的局部最優(yōu)陷阱；最后的結果是指數級加速：通過QUBO建?？汕蠼獯笠?guī)模網絡問題。
量子計算在生物制藥中的應用
場景一：分子對接是一種基于配體-受體"鎖鑰模型"識別機制的計算技術，通過評估空間互補性與能量匹配度，確定配體-受體復合物的結合構象。作為藥物發(fā)現的核心技術，分子對接面臨搜索空間巨大、計算需求高的挑戰(zhàn)，這對傳統(tǒng)計算系統(tǒng)構成重大瓶頸。
玻色量子將配體原子與靶受體網格點的匹配關系編碼為兼容相干光量子計算的模型。通過對所有可能的匹配組合進行并行搜索，系統(tǒng)可識別自由能最低的構型，從而確定分子與靶標的空間結合姿態(tài)。在標準CASF2016數據集上的測試表明：基于相干光量子計算的方法達到了與商業(yè)工具Glide SP相當的采樣能力，同時將采樣時間縮短至少兩個數量級。
場景二：基因組組裝是將測序產生的短DNA片段進行拼接、以重構完整基因組的過程。測序錯誤、基因組中大量存在的重復序列、雜合性及多倍體現象等因素，給組裝工作帶來了巨大挑戰(zhàn)。
高奇介紹到，玻色量子將測序片段定位問題轉化為有向圖旅行商問題，通過構建QUBO模型求解有向圖中的最短路徑，從而確定不同測序片段的位置關系，最終完成全基因組組裝。
測試結果與模擬退火、禁忌搜索等傳統(tǒng)算法相比，基于相干光量子計算的方法展現出顯著的時間優(yōu)勢。更重要的是，隨著問題規(guī)模增大，該量子解決方案的性能幾乎不會下降。
場景三：AlphaFold等AI模型高度依賴大量結構數據進行訓練。然而在生物制藥領域，生物數據通常包含大量噪聲且質量參差不齊，導致對某些類別蛋白質（尤其是膜蛋白）的預測精度較低。
而天然蛋白質中的氨基酸分布遵循玻爾茲曼分布。通過結合物種進化信息和光量子計算機的玻爾茲曼采樣能力，量子增強的玻爾茲曼機能夠快速學習蛋白質序列的長期進化規(guī)律，從而準確捕獲氨基酸相互作用關系。
玻色量子研究發(fā)現，聚類分析是單細胞組學研究的關鍵問題，通過量子玻爾茲曼機增強的變分自動編碼器（QBM-VAE）能夠捕獲隱藏在龐大單細胞組學數據背后的隱藏特征，進行更精細的聚類，并刻畫展示出前所未有的細胞發(fā)展軌跡。
玻色量子倡導的實用量子計算的發(fā)展，加速傳統(tǒng)組合難題計算的同時，開辟了新的方法學范式，并在生物信息分析領域率先看見過去看不見的新發(fā)現，走出了See the Unseen的第一步。
玻色量子此次攜1000量子比特相干光量子計算機驚艷亮相世界量子峰會，與全球量子領域的頂尖專家、學者同臺論道，分享中國實用化專用量子計算的最新成果突破，再度彰顯了玻色量子引領實用化量子計算的技術實力。此次峰會見證了全球實用化量子計算技術的砥礪前行，以及實用化量子產業(yè)生態(tài)的欣欣向榮，玻色量子愿為實用化量子出海先行者，期待與全球伙伴聚力前行，共振共贏，為中國乃至世界量子計算的發(fā)展，走出一條堅實的實用化道路！
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
