9月底，新加坡举办了“2025年世界量子峰会”，玻色量子创始人、COO马寅对此的一点感受是，国际同行对中国量子计算的最新进展了解有限。

　　在会议上，玻色量子是唯一一家受邀的中国量子企业，并作为唯一的演示企业代表现场进行了量子实时计算演示。

　　在远程环境下，玻色量子通过相干光量子计算云平台，直接演示求解金融和生物制药应用场景的真实问题，并于毫秒级时间内成功返回计算结果。让现场与会者感到颇为震撼。

　　“我们是全场唯一一家敢于在真实、不可预测的网络环境下，公开进行远程量子云服务实时演示的量子公司。”马寅说，这次演示，也许正在改变国际对中国实用化专用量子科技发展的一些认知。

　　常出现于科幻作品中的人类终极算力——“量子计算机”，正加快进入现实世界。

　　10月22日，谷歌宣布已在演示量子计算机首项实际应用的竞赛中取得优势。

　　另一家在量子计算领域押下重注的IBM公司，目标是在2029年构建世界上第一台“容错量子计算机”。

　　同样在我国政策层面，量子计算有望成为下一个重大创新领域而备受重视。

　　10月28日发布的《关于制定国民经济和社会发展第十五个五年规划的建议》中提及，量子科技作为未来产业，同生物制造、氢能和核聚变能、脑机接口、具身智能、6G等并列规划成为前瞻布局的经济增长点。

　　美国波士顿咨询集团预测，量子计算机到2040年将带来4500亿至8500亿美元的经济效益。考虑到巨大的市场潜力，全球政企与研究机构之间对下一代科技主导权的竞争正日趋激烈。

　　2020年11月成立的玻色量子，发展迅速。2025年5月，玻色量子正式发布1000计算量子比特相干光量子计算机，持续聚焦“专用”光量子计算实用化与产业化突破。今年10月，玻色量子完成数亿元A++轮融资。

　　选择“光量子”计算路线

　　量子计算机基于物质在原子尺度上的量子特性进行运算。理论分析表明，对于某些特定类型的计算任务，量子计算机可实现远超传统计算机的算力提升。

　　在经典计算中，芯片中的比特仅有“1”或“0”两种状态，而量子比特能够处于叠加态，同时表示多种状态。这一性质使得量子计算系统能够实现对海量解空间的并行探索，从而大幅提升运算效率。

　　若要构建量子计算机，就需要实现量子比特的制备、存储、操控与纠错。目前主流的量子计算路线包括超导、离子阱和光量子等。

　　目前，在量子计算的研究与开发方面，谷歌和IBM作为全球量子计算硬件的领先者，他们均使用超导电路路线制备量子比特。然而，两家公司的实现方案都面临着类似的挑战，比如需要将量子芯片冷却至接近绝对零度的极低温环境，成本高昂，且纠错难度大。

　　玻色量子选择的是光量子计算路线：把很多束光注入特定光学材料，使其在非线性相互作用中收敛至两种稳定状态（可理解为"正/反"或"是/否"）。再通过预设的耦合关系，使系统自动朝着整体能量最低（即“最优解”）的状态演化——这个过程本质上将复杂问题转化成一种组合优化问题并高效求解。

　　马寅认为，与超导、离子阱等技术相比，光量子具有可用量子比特数规模大、可在室温稳定运行、相干时间长、短期可实现工程化等多方面的优势，是商用化量子计算机的理想形态，也是实现大规模量子计算的最佳途径之一，也是破局NISQ（含噪声中等规模量子）计算时代的首选技术路线。

　　所谓“NISQ时代难题”，是对当前所处的量子计算发展阶段所面临的挑战的精确描述，其潜台词是“在量子计算机系统不完美、规模有限的条件下，挖掘其实际应用价值，提前创造商业效益。”

　　这一观点，也是行业部分领先从业者的共识。

　　3月20日，在英伟达举办的首个量子计算论坛上，英伟达创始人、CEO黄仁勋称，一个常见错误认知是量子计算机是一台具有颠覆性能力的计算机，会颠覆现有经典计算机，但实际上量子计算是一种用于科学研究的工具。

　　马寅对此表示认同，他称，未来通用量子计算机和专用量子计算机的关系，将类似CPU与GPU之间的关系，专用量子计算机将更擅长处理特定类型的问题。

　　玻色量子的目标正是打造专用型的“量子GPU”。“CPU什么都能干，但不代表什么都擅长，用光量子做专用量子计算机，就是要在组合优化等特定问题上，发挥极致算力。”

　　实际上，相干光量子计算机不是万能的通用型设备，而是专注于求解组合优化等问题的高效工具，比如路径规划、人员排班、资源调度等。其优势在于能并行测算大量可能方案，并在在极短时间内给出一个质量很高、接近全局最优解的答案。

　　马寅告诉记者，光量子计算机是打造“专用计算加速器”的最佳路径之一，也是将量子计算通往实用化的重要捷径。

　　破解AI“小样本难题”

　　玻尔兹曼机是AI深度学习的重要理论基石，由2024年诺贝尔奖得主杰弗里·辛顿在1985年受统计物理学启发而提出。玻尔兹曼机可理解为一套能让AI模仿物理规律的智能系统，擅长自主学习复杂数据的内在规律，并生成新样本。

　　然而，这一模型虽然强大，但也极其复杂。马寅解释，传统的GPU硬件在训练玻尔兹曼机时面临挑战，因为其核心步骤——玻尔兹曼采样的计算复杂度极高。

　　而玻色量子的突破在于，利用自研的光量子计算机，构建了与玻尔兹曼机在数学上相互映射的物理Ising模型，从而能高效执行采样过程，为训练玻尔兹曼机提供了新的解决方案。

　　马寅称，玻色量子的目标不是颠覆性解决所有AI问题，而是聚焦于解决生命科学、生物制药、材料学等“AI for Science”领域的实际问题，利用量子计算实现指数级加速更符合自然规律的AI模型（玻尔兹曼机），去解决传统AI难以处理的"小样本"科研难题。

　　他进一步解释，传统AI是典型的"数据驱动型"AI，这类AI强依赖海量的高质量数据，然而，在许多AI for Science领域，如生物制药、材料学等真实场景研究中，样本量极为有限，例如在某些特定疾病研究中，天然就是“小样本场景”，远不足以支撑数据驱动型模型。

　　他举例说，比如研究某种特种的淋巴癌，可能只有12个样本，无法提供数以亿计的数据来支持研究。在这种情况下，传统的数据驱动型AI模型就会遇到极大的困难。

　　进一步来看，解决小样本难题的关键：通过"物理驱动"的量子计算模型，可以降低对大数据的强依赖，从而使AI能够在样本稀缺的前沿科研领域中发挥作用。

　　“我们是用‘物理驱动’弥补‘数据驱动’AI的短板。”马寅说。

　　虽然距离真正的商业爆发还有一段时间，但玻色量子的量子计算机已经初步应用于科研与商业中。截至目前，玻色量子已与广州国家实验室（由钟南山院士领衔）、上海交通大学、中山大学药学院、北京肿瘤医院、清华长庚医院等科研机构合作，客户基于玻色量子的相干光量子计算机训练的量子原生AI模型已广泛应用于多场景复杂数据表征和生成，包括mRNA疫苗序列设计优化、多肽/小分子从头生成及构象采样等。

　　产业正加速

　　今年8月，玻色量子宣布推出首个量子玻尔兹曼机及开源编程套件KPP（Kaiwu-PyTorch-Plugin），并表示在“量子计算+AI”领域领先实现专用量子计算实用化突破。

　　“我认为明年将见证多项单点技术突破，后年有望迎来更大规模的应用落地。”马寅对未来充满信心，这份底气来自团队即将发布的一系列成果。

　　要实现这一目标，需要攻克生态建设的多个挑战。玻色量子预计，在完成前期技术储备后，未来五年的战略重点将放在生态拓展上。近期完成的数亿元融资，将持续用于“专用”相干光量子计算机与“通用”光量子计算机的研发、量子计算芯片工艺能力建设、建设国内首个规模化专用光量子计算机制造工厂并投产运行，以及拓展“量子计算+AI”融合应用的商业生态等。

　　与此同时，中国的国家意志也正以前所未有的力度，通过资本工具为整个量子产业注入动能。10月29日，首期规模达510亿元的"央企战新基金"正式成立，并明确将量子科技列为三大重点投资方向之一，这支由中国国新和十多家央企共同组建的“国家队”基金，将为中国量子科学产业提供长期资本支持。

　　与西方科技巨头将基础科研与商业化集于一身的模式不同，中国形成了独特的产学研格局：以中科大、北京量子院为代表的科研机构负责基础研究，而玻色量子这样的公司则专注于将科研成果工程化、产品化和商业化。

　　马寅认为，与国外大厂将基础科研内置不同，中国形成了科研院所主攻前沿、科创公司接力工程化的独特模式，为本土量子科学生态的百花齐放创造了机会。