當(dāng)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(shù)大會（GAITC 2025）專場活動上，業(yè)內(nèi)專家指出，“量智融合”有望引領(lǐng)新一輪科技創(chuàng)新浪潮。
“量智融合的核心不是單向技術(shù)疊加，而是多領(lǐng)域、多學(xué)科的橫向連接，通過協(xié)同創(chuàng)新實現(xiàn)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(dāng)前AI模型訓(xùn)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(shè)計等方面反向賦能量子技術(shù)，為量子系統(tǒng)的穩(wěn)定性和可擴(kuò)展性提供新路徑。
“過去5年，人工智能技術(shù)特別是生成式AI的爆發(fā)，讓我們看到計算模式出現(xiàn)了很多顛覆性的發(fā)展；未來5年，量子計算很可能從實驗室走向應(yīng)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(xué)院計算技術(shù)研究所研究員孫曉明說。
清華大學(xué)教授、北京量子信息科學(xué)研究院副院長龍桂魯認(rèn)為，當(dāng)前量子信息與人工智能的結(jié)合有兩個方向：一是AI for Science（科學(xué)智能），例如去年谷歌就用量子人工智能優(yōu)化了糾錯碼；二是量子計算賦能機(jī)器學(xué)習(xí)，未來，隨著量子計算機(jī)的成熟，它將為AI提供算力支持。
當(dāng)前，產(chǎn)學(xué)研各界均在加快“量智融合”方面的創(chuàng)新探索，并取得了不少成果。例如，浙江大學(xué)計算機(jī)學(xué)院百人計劃研究員盧麗強(qiáng)團(tuán)隊采用混合專家模型提高校準(zhǔn)質(zhì)量，讓量子態(tài)區(qū)分度提升了25.5%；同時，基于卷積匹配的波形優(yōu)化技術(shù)，使量子電路編譯速度提升158倍。上海交通大學(xué)肖太龍團(tuán)隊率先將量子機(jī)器學(xué)習(xí)應(yīng)用于單像素成像系統(tǒng)，突破了傳統(tǒng)算法依賴大量標(biāo)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(yōu)勢。北京量子院團(tuán)隊也取得了量子節(jié)點(diǎn)嵌入算法、量子卷積神經(jīng)網(wǎng)絡(luò)、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(jī)的量子訓(xùn)練方法，以量子采樣替代傳統(tǒng)吉布斯采樣方法，大幅提升了玻爾茲曼機(jī)的訓(xùn)練效率。玻色量子還聯(lián)合廣州國家實驗室開發(fā)了蛋白質(zhì)結(jié)構(gòu)預(yù)測量子算法，突破了傳統(tǒng)算法難以攻克的復(fù)雜場景。
“量子計算在制藥、金融、AI制造等領(lǐng)域有著廣闊的應(yīng)用空間。特別是在制藥領(lǐng)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(diǎn)的分子，顯著降低了研發(fā)成本和時間。”玻色量子研發(fā)總監(jiān)高奇說。
越來越多的城市也在加入開拓“量智融合”未來產(chǎn)業(yè)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(tài)，加速“量子+AI”技術(shù)落地。
“我們深刻認(rèn)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(chǎn)業(yè)、未來話語權(quán)的關(guān)鍵路徑。”杭州未來科技城管委會黨工委委員勵波說，當(dāng)前杭州構(gòu)建了“1+3+X”的未來產(chǎn)業(yè)體系——以人工智能為基座，聚焦低空經(jīng)濟(jì)、人形機(jī)器人、類腦智能三大風(fēng)口，前瞻布局量子信息等“X”個前沿領(lǐng)域。“未來，我們將重點(diǎn)關(guān)注量子算法加速AI訓(xùn)練、神經(jīng)擬態(tài)計算等融合賽道，讓更多從0到1的成果涌現(xiàn)。”
不過，不少專家認(rèn)為，當(dāng)前“量智融合”領(lǐng)域仍然存在諸多挑戰(zhàn)亟待解決。上海交通大學(xué)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(yōu)化，就可以通過量子計算的強(qiáng)大算力得到全量化的模型，現(xiàn)在的光計算和量子計算技術(shù)路線就在做這一方向的結(jié)合，但是都有各自的約束性、限制性。
盧麗強(qiáng)也表示，盡管面臨量子比特數(shù)有限、理論范式缺失等挑戰(zhàn)，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(gòu)、編譯優(yōu)化等領(lǐng)域的全棧研究，正推動這一變革從實驗室走向?qū)嶋H應(yīng)用。
