国内首家AI+量子实体公司来了，能打破算力天花板吗？

算力焦虑下，AI与量子计算的融合正在走向产业落地

近年来，生成式AI快速发展，大模型参数规模、训练数据量和推理调用量持续增长，推动算力需求不断攀升。随着大模型从文本生成走向多模态、智能体、自动驾驶、药物研发、工业优化等更复杂场景，传统算力体系正面临成本、能耗和效率上的多重压力。

经典芯片工艺已经进入先进制程深水区，继续依靠晶体管微缩提升性能的边际收益正在下降。与此同时，AI数据中心的用电量和散热问题也受到全球关注。国际能源机构等机构的研究显示，数据中心用电需求正在快速增长，AI负载正成为其中的重要增量来源。如何在算力需求持续扩张的同时控制成本和能耗，已经成为AI产业必须面对的现实问题。

在这一背景下，科技企业和科研机构开始探索新的算力路径。量子计算因其在特定复杂问题上的潜在加速能力，被视为未来算力体系的重要方向之一。虽然通用量子计算距离大规模商业化仍有距离，但“AI+量子”的融合应用，已经开始从科研讨论走向产业探索。

国内首家“AI+量子”实体公司诞生

2026年4月，一场智能量子峰会在北京中关村展示中心举行。会上，科大讯飞与相关量子计算科研团队共同发起成立“量智开物”，聚焦AI与量子计算融合方向。

公开报道显示，量智开物定位于AI与量子计算融合应用平台，目标是推动量子计算科研成果与AI产业场景结合，探索量子算法、量子启发算法在实际业务中的落地路径。

科大讯飞董事长刘庆峰在相关活动中表示，未来AI发展需要寻找新的算力突破口，量子计算可能成为重要方向之一。中国科学技术大学团队此前研发的“九章”“祖冲之”等量子计算原型机，已经在特定问题上展示出量子计算的潜在优势。但这些优势如何转化为AI产业中的真实生产力，仍需要算法、硬件、场景和工程化能力共同推进。

与传统量子硬件创业公司不同，量智开物更强调从应用场景切入，探索AI与量子计算的结合方式。这也意味着，它并不是等待通用量子计算机完全成熟后再落地，而是尝试通过“量子启发算法+经典算力+NISQ设备”的方式，先在部分优化问题中寻找实际价值。

AI+量子不是简单叠加，而是双向赋能

外界对“AI+量子”容易产生误解，认为它只是用量子计算机来运行AI模型。实际上，AI与量子计算的结合更像是一种双向赋能。

一方面，量子计算有望为AI中的部分复杂问题提供新的求解路径。许多AI应用背后都涉及组合优化问题，例如模型训练中的参数优化、算力资源调度、自动驾驶路径规划、药物分子筛选等。量子算法或量子启发算法，理论上可能在部分优化任务中提供更高效的搜索方式。

另一方面，AI也可以反过来帮助量子计算发展。当前量子计算仍处在噪声中等规模量子设备阶段，量子比特稳定性、误差率和纠错能力仍是关键瓶颈。AI算法可以用于量子系统误差预测、控制参数优化、芯片设计辅助和实验数据分析，从而提升量子设备的运行效率和可用性。

因此，AI+量子的真正价值，不是简单把两个热门概念叠加，而是在具体场景中寻找两者能够互补的技术路径。

落地路径：从场景切入，先解决“卡脖子”问题

现阶段，通用量子计算机距离大规模商业化应用仍有较长距离。因此，AI+量子的落地更可能从具体场景开始，而不是一步到位替代经典算力。

第一个方向是大模型训练和推理优化。大模型训练涉及大量参数搜索和优化问题，量子启发优化算法有可能在部分任务中提升搜索效率，降低训练和调优成本。不过，这类效果需要在公开测试、真实业务和可复现实验中进一步验证。

第二个方向是AI药物研发。药物研发涉及分子结构、靶点结合、候选化合物筛选等复杂计算问题。AI已经在该领域发挥作用，而量子计算未来可能在分子模拟、组合筛选和优化搜索中提供新的工具。但从当前阶段看，短期内更现实的路径仍是量子启发算法与经典AI方法结合。

第三个方向是算力网络调度。随着全国一体化算力体系建设推进，跨区域、跨数据中心的算力调度会涉及带宽、负载、能耗、成本和时延等多个变量。如何提高整体资源利用率，是典型的复杂优化问题。量子启发算法有望在这类场景中提供新的求解思路。

此外，金融风控、气象预测、工业设计、密码安全等领域，也可能成为AI+量子的探索方向。但这些方向目前大多仍处于验证或早期试点阶段，距离规模化商业应用仍需要时间。

距离打破算力天花板还有多远

量智开物的成立，说明国内AI+量子融合正在从科研概念走向产业实践。但要真正突破经典算力瓶颈，仍面临多方面挑战。

首先是量子硬件成熟度不足。当前量子计算设备仍受量子比特规模、稳定性、误差率和纠错能力限制。真正可大规模运行复杂商业任务的通用量子计算机，仍需要较长时间发展。

其次是复合型人才不足。AI+量子需要同时理解人工智能、量子计算、算法工程和产业场景的人才，而这类人才培养周期长、供给有限。

第三是产业认知和验证门槛较高。许多企业对量子计算的实际价值仍处于观望阶段，市场需要更多可复现、可量化、可落地的案例来证明技术价值。

总体来看，AI+量子并不是解决算力焦虑的“即插即用”方案，也不会在短期内完全替代经典计算。但它代表了一条值得持续投入的新路径：在经典算力增长放缓、AI需求持续扩张的背景下，通过量子算法、量子启发方法和AI工程能力结合，为复杂优化问题寻找新的突破口。

量智开物的出现，或许意味着国内AI+量子产业化进入了一个新的起点。真正的考验不在于概念是否足够前沿，而在于它能否在真实产业场景中解决问题、降低成本、提升效率，并形成可持续的商业价值。