量观知元胡晓晓：智能重塑量子，量子拓展智能

来源：市场资讯

（来源：澎湃新闻）

近年来，量子计算硬件发展速度远超预期，但量子计算发展道路的前方仍悬着“两朵乌云”，即量子计算机不易用、算力应用尚未打开。在日前由澎湃新闻和上海国投未来产业基金共同举办的《逐浪·未来科技演讲》上，量观知元联合创始人兼CEO胡晓晓分享了他所带领的团队用AI 将量子计算任务的全流程编排为自动化闭环，并探索Quantum AI方向，力图让量子算力从实验室科研设备走向产业级应用。

以下为演讲内容节选：

量子计算硬件：十年跨越与技术路线并存

今天想和大家聊的主题是AI遇见量子。我们先回答一个最基本的问题：我们已经拥有了量子计算机吗？

是的，但是要加几个限制。今天的量子计算机已经不再是原来只有少数几个比特的演示了，它已经发展到了几百、几千个物理比特，而且可以通过本地的系统或者云平台去调用，像Google、IBM等，包括中国移动这些厂商都已经提供了远程的访问接口。也就是说，“可访问”这件事上基本已经实现了。

但是，能访问、能使用、有价值，这三件事差别还是蛮大的。我们可以现在登录云平台去提交一个任务，但是任务能不能跑完、结果可不可信、能不能解决实际问题，每一层都有差距。所以大规模通用、完全容错、能稳定解决高价值问题的量子计算机，现在其实还没有出现。

我们把现状拆成三个维度来看。

第一个是技术里程碑，在特定任务上要证明量子计算有超越经典的潜力；第二个是访问入口，让用户能够真正触达量子计算机，并且能运行程序；第三个是真实问题，比如面向材料研究、药物发现、能源化学、工业优化这些高价值的场景。前两个维度的进展还比较明显，但到第三个维度要真正创造价值，全行业现在都还在积极探索当中。

说到量子计算硬件，现在实现它的方式有很多，目前主要有6条技术路线。

超导：基于超导约瑟夫森结来实现，优点是门速快，测控、编译、云服务生态成熟，代表公司包括Google、IBM。

离子阱，在真空中用电磁场囚禁离子，用激光或者微波操控，优点是一致性很好、相干长、精度高、连接灵活，代表企业如Quantinuum。

中性原子路线，用光镊捕获中性原子，阵列可重构，物理比特拓展快，代表企业包括QuEra、Atom Computing、Infleqtion。

光量子，适合传输和模块互联，串扰低，代表企业包括Xanadu、PsiQuantum。

半导体自旋路线，器件小、集成密度潜力高，可借力CMOS制造，代表企业包括Diraq、imec。

拓扑，理论容错开销非常低，代表企业有Microsoft。

整体来看，这6条路线各有长处和短板，没有一条路线能够在比特规模、保真度、连接性、并行度、制造能力以及容错纠错开销上同时领先。也就是说，现在的技术范式还没有收敛，整个行业还处在多路线并存、系统能力提升的阶段。

下一步的里程碑会是什么？

在我看来，行业正在从单纯追求物理比特数量，转向比容错、比拓展、比逻辑能力。比如超导方向，Google的Willow芯片已经在表面码中实现了纠错阈值运行，说明我们已经进入了逻辑比特优于物理比特的阶段。离子阱方向，Quantinuum做了98个离子，平均单比特门保真度达到了4个9，双比特门是3个9，数据非常出色。中性原子方向，QuEra——哈佛和MIT的团队——已经在448个中性原子上验证了通用容错架构，同时实现了3000个原子的连续相干运行，中国团队也已经实现了11000个原子阵列的构架，中性原子确实是当前发展速度最快的路线。

这些进展告诉我们，硬件除了物理比特要扩大以外，还在从“能造”走向“能容错”。下一步从“能容错”到“能有用”，还有一段路要走。

“两朵乌云”：量子计算后半场的核心挑战

在这个背景下，我们想提出今天的核心观点：造出量子计算机以后，前方还有“两朵乌云”。

第一朵“乌云”，是“量子计算机不易用”。从实验室设备到一个可用的装置，中间还有很长的路要走——需要非常复杂的校准，噪声干扰严重，高度依赖专家，包括最后结果的数据读出处理，每一个环节都在提高使用门槛。

第二朵“乌云”叫“算力应用还没打开”。从技术验证到高价值应用还没有真正落地，不管是新材料研发、药物发现还是能源化学，方向大家都在提，但场景不是很清晰，价值也有待验证，生态远远没有成熟。

这“两朵乌云”构成了量子计算后半场的两条主线：一个是让量子计算机更好用，一个是让量子算力更有用。

第一朵“乌云”，很多讨论会把焦点放在硬件指标上，但其实瓶颈有可能不在硬件本身。从用户提出一个应用问题，到拿到一个可信的交付结果，中间要经过很多环节。几乎每一个环节都离不开懂量子的专家——不管是量子物理学家、算法工程师还是硬件工程师，中间任何一个环节卡住了，普通用户就用不起来。所以瓶颈不只是在硬件，整个调用过程都很容易被卡住。

面对这个问题，行业现在也在做很多努力。软件层面有很多进展，从底层的云平台到SDK、Runtime，到上面的API服务还是AI助手，每一层都能解决一部分问题：云平台解决访问问题，SDK解决编程问题，Runtime解决执行问题，API和AI助手尽量让用户少写代码。每一层都在降低一部分门槛，但整体的拼图来看，能力还是比较碎片化的，还没有形成端到端的统一链条。这是我们认为的第一朵“乌云”的核心问题所在。

AI Agent-QOS：打通量子算力调用闭环

我们团队认为，AI Agent可以把量子计算的任务、资源、执行和结果做一个统一的编排交付，形成闭环。这就是我们提出的AI Agent-QOS架构：把一次量子实验拆成规划、执行、解释多个步骤，全部用Agent来完成。此外在底层，我们还有一个关键设计——给Agent增加物理规律的约束，保证Agent在量子真机上的执行结果是可信的。AI Agent-QOS的目标，就是把这些离散的环节变成一个可编排、可验证、可复现的自动化流水线。

在AI Agent-QOS框架下，我们做了两类Agent。第一类叫Research Agent，目标是让人用起来——覆盖量子应用算法开发、线路编译、实验设计、结果分析可视化，让用户用得更方便。第二类叫Experiment Agent，目标是让量子计算机始终处于良好的运行状态——包括对量子设备做监控、参数自动优化、频率漂移的识别和补偿，以及校准报告和追溯。这解决了量子计算里一个非常常见的问题：量子设备随着使用会漂移，需要频繁校准。

比方在超导芯片上，传统人工校准需要2到3天，用我们的Agent校准系统，可以在4个多小时且不需要人工介入的情况下完成，效率提高了一个数量级。这两类Agent通过统一的控制面板来调用，可以把软硬件完全打通，让量子算力真正落地。

Quantum AI：打开算力应用的全新入口

现在讲第二朵“乌云”——算力应用没有打开。

这里有一个经常出现的误解：很多人把量子优越性和商业有用性当成一回事，实际上它们的差距还是很大的。我们在特定的量子任务上有超越经典算力的能力，但这只是实验室层面的技术突破，还没有解决具备真实商业价值的复杂问题。现在缺乏杀手级应用的核心瓶颈有三个：一是硬件的稳定性和纠错能力不足，二是量子软件生态还不成熟，三是技术与具体商业场景还不适配。

面对第二朵“乌云”，全行业也在尝试用AI来解决。AI可以在多个环节进行协助——对重要场景做筛选，对问题建模来使用量子算力，对算法进行搜索和参数优化等。我们认为，在高价值问题上，Quantum AI（量子人工智能）是一个很重要的入口。量子计算可以给AI的发展提供全新的可能性，有望突破经典计算的物理极限。从底层的算法加速到模型架构的创新，可以开启人工智能发展的下一个阶段。基于量子力学构建的神经网络，可以重塑识别与生成模型，将来其算力可以为万亿级大模型提供训练基座，突破传统架构的能效瓶颈，成为AGI的关键探索方向。

在QAI方向，我们团队也正在把经典AI中已被验证的架构思想迁移到量子模型上，从经典的ResNets到量子QResnets。

我们把解决“两朵乌云”的思路收缩到一条主线上：第一朵“乌云”，即量子计算机好不好用，我们用AI Agent-QOS：来解决，降低使用门槛，让普通用户也能用得起来；第二朵“乌云”，即应用没有打开，我们全力探索Quantum AI，目标是找到量子算法真正有用的场景。