2025年6月6日，2025全球人工智能技術(shù)大會（GAITC2025）專場活動之一的量智融合專題活動在杭州召開，活動由中國人工智能學會聯(lián)合北京玻色量子科技有限公司（以下簡稱“玻色量子”）、廣東緯德信息科技股份有限公司（以下簡稱“緯德信息”）共同舉辦。國務院參事、清華大學信息科學技術(shù)學院院長、北京信息科學與技術(shù)國家研究中心主任、中國人工智能學會理事長戴瓊海作為名譽主席與杭州未來科技城管委會黨工委委員勵波現(xiàn)場致辭，中國科學院計算技術(shù)研究所研究員孫曉明與玻色量子創(chuàng)始人&CEO、粵港澳大灣區(qū)（廣東）量子科學中心PI研究員文凱博士作為主席聯(lián)合主持。

　　活動現(xiàn)場，戴瓊海理事長、玻色量子創(chuàng)始人&COO馬寅以及國家萬人計劃領(lǐng)軍人才、國家科技創(chuàng)新人才、廣州市杰出人才、緯德信息創(chuàng)始人尹健攜手發(fā)布“‘CAAI-玻色’量子計算應用創(chuàng)新基金”，這是由中國人工智能學會與我國量子計算公司首次發(fā)起的“量子計算+AI”揭榜掛帥項目，也是量子計算首次融入人工智能生態(tài)圈的標志性起點。

　　上海交通大學二級教授、國家杰青獲得者熊紅凱，清華大學教授、北京量子信息科學研究院副院長龍桂魯，中國科學院計算技術(shù)研究所研究員孫曉明、西安電子科技大學華山特聘教授、CAAI教育工委會副秘書長李陽陽、浙江大學計算機學院百人計劃研究員盧麗強、上海交通大學助理研究員肖太龍、玻色量子研發(fā)總監(jiān)高奇等出席了此次活動并發(fā)表了精彩演講。

　　在以“量子計算+AI：下一代顛覆性技術(shù)的融合革命”為議題的圓桌對話上，熊紅凱教授、龍桂魯教授、文凱博士圍繞專用量子計算機、量子-經(jīng)典混合AI算法、量子原生AI“玻爾茲曼機”等技術(shù)的發(fā)展優(yōu)勢與挑戰(zhàn)等進行了深入探討。此次人工智能領(lǐng)域的眾多頂尖學者與玻色量子的頂級技術(shù)專家共研“量子計算+AI”的學科交叉基礎(chǔ)理論、算法構(gòu)建、硬件設(shè)計和場景驗證技術(shù)創(chuàng)新等工作，引起了業(yè)內(nèi)外頂尖專家、優(yōu)秀學者的高度關(guān)注與廣泛支持。

　　大會現(xiàn)場

　　玻色量子創(chuàng)始人&CEO文凱博士主持

　　戴瓊海理事長：量子計算與AI的交匯融合，引領(lǐng)新一輪科技創(chuàng)新的浪潮

　　戴瓊海理事長致辭

　　戴瓊海理事長表示，非常高興參加2025全球人工智能技術(shù)大會專場活動之一量質(zhì)融合專題活動，共同見證“CAAI-玻色”量子計算應用創(chuàng)新基金的正式發(fā)布，這將能帶來不一樣的成果產(chǎn)出和人才培養(yǎng)。我謹代表中國人工智能學會，也以一名科技工作者的身份對基金的設(shè)立表示祝賀，對玻色量子在推動前沿科技融合方面的積極探索給予更高的贊賞。當前的人工智能和量子計算正在分別經(jīng)歷深刻的變革，這兩個方向都是“卡脖子”技術(shù)，二者的交匯融合，也一定能引領(lǐng)新一輪科技創(chuàng)新的浪潮，此次中國人工智能學會與玻色量子的合作走在了前列。

　　一方面量子計算有望突破當前AI模型訓練的算力瓶頸，提升算法的效率等，而在提升算法效率上，人工智能也可以反向賦能量子技術(shù)的發(fā)展，特別是在量子控制、誤差校正、算法設(shè)計等方面，為量子系統(tǒng)的穩(wěn)定性和可擴展性，提供了一個全新的路徑。因此，量智融合是此次會議最重要的核心，不是單向技術(shù)的縱向疊加，而是在多領(lǐng)域、多學科的橫向連接，以協(xié)同創(chuàng)新非線性的增長。

　　為了加快推動這一前沿方面的落地探索，中國人工智能學會與玻色量子聯(lián)合設(shè)立了量子計算應用創(chuàng)新基金，該基金支持一批具有原創(chuàng)性、突破性的創(chuàng)新工作。近年來，玻色量子在光量子計算機研制、量子編程平臺建設(shè)、量子教育推廣等方面取得了令人矚目的成果和進展。玻色量子積極投入“量子計算+”生態(tài)的建設(shè)，主動與高校、科研機構(gòu)建立開放合作的關(guān)系，積極推動中國量子科技的發(fā)展走向應用的前列，這種責任感和前瞻性值得我們贊賞和充分肯定。

　　戴瓊海理事長寄語，期待大家能夠在此次活動上進行深入交流，各位嘉賓能暢所欲言、深入碰撞，也希望大家能夠辯論、討論、爭論，站在創(chuàng)新機遇為起點，匯聚各方的資源與智慧，推動中國在量子融合的技術(shù)路徑上率先突破。最后，預祝量智融合專題會取得圓滿成功！

　　勵波：量子計算+AI是搶占未來話語權(quán)的關(guān)鍵路徑

　　杭州未來科技城管委會黨工委委員勵波致辭

　　杭州未來科技城管委會黨工委委員勵波在致辭中表示，非常榮幸代表杭州未來科技城，與各位共同見證人工智能與量子科技融合發(fā)展的新起點。人工智能是底座，量子科技是躍遷力，二者融合是搶占未來話語權(quán)的關(guān)鍵路徑。杭州已構(gòu)建“1+3+X”未來產(chǎn)業(yè)體系——以人工智能為基座，聚焦低空經(jīng)濟、人形機器人、類腦智能三大風口，前瞻布局量子信息等“X”個前沿領(lǐng)域。未來，我們將重點關(guān)注“量子算法加速AI訓練”“神經(jīng)擬態(tài)計算”等融合賽道，讓更多“從0到1”的成果在此綻放。

　　重磅發(fā)布“CAAI-玻色”量子計算應用創(chuàng)新基金

戴瓊海理事長、玻色量子創(chuàng)始人&COO馬寅、緯德信息創(chuàng)始人&董事長尹健等共同參與點亮儀式

　　會上，戴瓊海理事長、玻色量子創(chuàng)始人&COO馬寅以及緯德信息創(chuàng)始人&董事長尹健共同上臺參與點亮儀式，重磅發(fā)布“CAAI-玻色”量子計算應用創(chuàng)新基金。該基金的正式發(fā)布，不僅大力推動量子計算前沿技術(shù)率先從實驗室邁向AI產(chǎn)學研用生態(tài)圈，也點燃了量子智能變革的燎原之火。

　　“CAAI-玻色”量子計算應用創(chuàng)新基金由中國人工智能學會和國內(nèi)量子計算領(lǐng)軍企業(yè)玻色量子共同發(fā)起，主要聚焦“場景驗證、培育融合人才、打通轉(zhuǎn)化鏈路”，致力于面向全國各領(lǐng)域?qū)W者搭建“量子計算+”的產(chǎn)學研合作及應用研究平臺。該基金為全國范圍內(nèi)最具創(chuàng)新力的學者提供了解與使用量子計算技術(shù)、探索和實現(xiàn)量子計算應用的機會，并通過連接跨領(lǐng)域?qū)W者與企業(yè)研發(fā)團隊的產(chǎn)學研合作，推動量子計算新技術(shù)在各領(lǐng)域中的應用研究與落地，為中國量子產(chǎn)業(yè)的發(fā)展和創(chuàng)新儲備人才力量。此次基金共發(fā)布兩項技術(shù)研究命題，持續(xù)以量子計算技術(shù)在人工智能、優(yōu)化等領(lǐng)域的應用場景發(fā)掘作為主要研究方向。

　　量子計算+AI：下一代顛覆性技術(shù)的融合革命

　　孫曉明研究員：回望過去5年，人工智能技術(shù)特別是生成AI的爆發(fā)，讓我們見到計算模式上有很多顛覆性的發(fā)展；未來5年，量子計算很可能從實驗室走向應用，所以今天人工智能和量子計算的融合很可能是一個必然趨勢。現(xiàn)在生成式AI發(fā)展很快，但是各種量子計算硬件路線尚未收斂，請問各位嘉賓認為在這一階段人工智能和量子計算的學者可以做點什么？

　　熊紅凱教授：人工智能現(xiàn)在用到兩個很基礎(chǔ)的工具，第一，用神經(jīng)元疊加通用函數(shù)的逼近做近似，這個近似是通過數(shù)學的最優(yōu)化方式表現(xiàn)成最優(yōu)梯度傳播去擬合成神經(jīng)網(wǎng)絡；第二，是大模型擴散或者生成，這是在分布逼近的情況下進行采樣。我們受限于兩種途徑，一種是傳統(tǒng)方式通過比較好的模型用輕量化的方式進行優(yōu)化，如果能直接用量子計算的方式優(yōu)化，不用走傳統(tǒng)的老路，可以得到一個用非常強大的算力得到全量化的模型，現(xiàn)在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，如果兩方面能夠結(jié)合這是最好的，一個是通用的工具能寫出來，第二能夠真正多元化寫出一個EDA的工具，把傳統(tǒng)的網(wǎng)絡優(yōu)化，網(wǎng)絡結(jié)構(gòu)搜索、網(wǎng)絡梯度優(yōu)化問題做更廣義的逼近。

　　龍桂魯教授：長期來看，隨著量子計算機的成熟會給AI提供算力支持；短期來看，我們可以受到包括DeepSeek在內(nèi)的杭州六小龍的啟發(fā)。在當前的量子計算機硬件研發(fā)階段，我認為，以玻色量子自研的相干伊辛機為代表的專用量子計算機能提供的強大算力，對多行業(yè)的某些特定問題高效提供了算力的加速支持。而通用量子計算機的發(fā)展可能需要更長的時間。

　　李陽陽教授：量子計算和人工智能是雙向賦能，對于人工智能現(xiàn)在面臨的算力，包括一些大量的能量消耗，其實更加渴望量子計算，大家深入研究量子計算發(fā)現(xiàn)它是可逆計算，它可以打破摩爾定律，包括它的可逆計算適合綠色、環(huán)保的芯片研發(fā)。量子計算機硬件的真正出現(xiàn)，將為人工智能帶來顛覆性改變，所以我們研究算法的科研工作者，要改變研究計算機的編程思想和方式。

　　文凱博士：2020年，谷歌發(fā)布了可快速建立量子機器學習模型原型的開源庫TensorFlow Quantum，這個框架使得創(chuàng)建結(jié)合人工智能機器學習和量子計算的算法和混合模型成為可能。也是最早的“量子計算+AI”計算框架。龍老師做的LCU的線路分解，在這些人工智能線路模型中也發(fā)揮了非常重要的作用。量子原生的人工智能的計算范式，把以前在計算機上比較難訓練的場景，可以用以相干伊辛機為代表的專用量子計算機進行采樣、訓練、優(yōu)化。通過發(fā)布“CAAI-玻色”量子計算應用創(chuàng)新基金，希望能進一步擴大生態(tài)發(fā)展，進一步擴大量子計算的技術(shù)優(yōu)勢賦能，能夠更快地與人工智能的各個場景領(lǐng)域相結(jié)合，我們希望通過構(gòu)建“量子計算+”的生態(tài)來加速實現(xiàn)量子和人工智能的真正融合。

　　熊紅凱教授：智能往何處去：大模型與信號處理

　　上海交通大學二級教授、國家杰青獲得者熊紅凱在現(xiàn)場發(fā)表了以“智能往何處去：大模型與信號處理”為主題的精彩演講。熊紅凱教授分別從大模型與信號處理的研究背景、基于物理信息的信號重建與生成、數(shù)學物理與信號處理的交叉研究三大方面進行了深入分享。熊紅凱教授提到，相干伊辛機是利用光子自旋的哈密頓量和QUBO問題的映射關(guān)系，與物理系統(tǒng)的自然演化特性，將能量下降與最優(yōu)化目標結(jié)合，相比超導、離子阱等通用量子計算，具有量子比特數(shù)規(guī)模大、室溫穩(wěn)定運行、低功耗等獨特優(yōu)勢，而基于相干伊辛機的神經(jīng)網(wǎng)絡訓練，是指利用光子自旋的哈密頓量和QUBO問題的映射關(guān)系與物理系統(tǒng)的自然演化特性，實現(xiàn)多層神經(jīng)網(wǎng)絡的訓練過程。通過對數(shù)據(jù)和網(wǎng)絡參數(shù)的編、解碼，神經(jīng)網(wǎng)絡訓練梯度中梯度下降過程可轉(zhuǎn)化為組合優(yōu)化問題，進而由相干伊辛機高效解決。

　　龍桂魯教授：量子信息與人工智能

　　清華大學教授、北京量子信息科學研究院副院長龍桂魯在現(xiàn)場發(fā)表了以“量子信息與人工智能”為主題的精彩演講。龍桂魯教授認為，量子機器學習根據(jù)現(xiàn)在使用的數(shù)據(jù)和方法，可以分成四大類：CC是經(jīng)典的人工智能機器學習；CQ是數(shù)據(jù)是經(jīng)典，但是方法是量子的；QC是數(shù)據(jù)是量子的，而方法是經(jīng)典的；QQ是數(shù)據(jù)和方法都是量子。現(xiàn)在主要是可以把CQ用經(jīng)典的機器學習助力量子，比如一些輔助攻克技術(shù)的問題。量子芯片的建模設(shè)計表征，解決量子科學的問題：糾纏度量、相變等。

　　孫曉明研究員：機器學習中激活函數(shù)的高效量子線路實現(xiàn)

　　中國科學院計算技術(shù)研究所研究員孫曉明在現(xiàn)場發(fā)表了以“機器學習中激活函數(shù)的高效量子線路實現(xiàn)”為主題的精彩演講。孫曉明研究員認為，理論上，量子機器學習或量子神經(jīng)網(wǎng)絡的表征能力原則上可超越經(jīng)典神經(jīng)網(wǎng)絡，這是它能在特定機器學習問題上展現(xiàn)優(yōu)勢的關(guān)鍵。但經(jīng)典機器學習在可靠性、安全性之外的另一重要問題是可解釋性。雖然現(xiàn)有多種模型架構(gòu)和理論解釋，但在一定程度上大模型仍常被視為一個黑盒。量子場景更為復雜——當我們將經(jīng)典激活函數(shù)/單元替換為量子單元后，量子態(tài)空間維度大幅擴展，且其操作是高維空間中的廣義旋轉(zhuǎn)（General transformation）而非簡單的線性變換。

　　李陽陽教授：量子計算、優(yōu)化與學習

　　西安電子科技大學華山特聘教授、CAAI教育工委會副秘書長李陽陽在現(xiàn)場發(fā)表了以“量子計算、優(yōu)化與學習”為主題的精彩演講。李陽陽教授重點分享了基于量子進化的量子卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)優(yōu)化、基于量子進化的量子神經(jīng)網(wǎng)絡參數(shù)優(yōu)化、基于經(jīng)典量子聯(lián)合的量子神經(jīng)網(wǎng)絡編碼、基于量子生成對抗網(wǎng)絡的SAR圖像去噪、基于量子進化神經(jīng)網(wǎng)絡架構(gòu)搜索的遙感圖像目標分類、基于矩陣乘積態(tài)量子張量網(wǎng)絡的多模態(tài)情感分析等方面的最新研究成果。李陽陽教授提到，團隊已與玻色量子在專用量子計算方面開展了多項合作。

　　盧麗強教授：當 AI 遇見量子：雙向賦能的實踐探索

　　浙江大學計算機學院百人計劃研究員盧麗強在現(xiàn)場發(fā)表了以“人工智能與量子計算的交叉賦能”為主題的精彩演講，揭示了兩大領(lǐng)域交叉創(chuàng)新的前沿進展。盧麗強教授指出，AI 與量子計算的協(xié)同發(fā)展可借鑒GPU的成功路徑 —— 從架構(gòu)優(yōu)化、軟硬協(xié)同到生態(tài)營造：如GPU 通過引入Tensor Core實現(xiàn)定制優(yōu)化，AlexNet 通過雙通道設(shè)計適配 GPU 硬件，以及CUDA 框架發(fā)展至今的生態(tài)價值。

　　肖太龍教授：量子AI前沿突破：量子機器學習的探索與創(chuàng)新

　　上海交通大學助理研究員肖太龍在現(xiàn)場發(fā)表了以“量子人工智能與實際應用優(yōu)勢”為主題的精彩演講。在計算成像領(lǐng)域，肖太龍教授團隊率先將量子機器學習應用于單像素成像系統(tǒng)，突破傳統(tǒng)算法依賴大量標記樣本的瓶頸，還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。此外，團隊還提出了“局部等效維度判據(jù)”從理論上解釋了量子模型的泛化能力，為量子AI的實際應用提供了關(guān)鍵理論支撐。尤其值得關(guān)注的是，團隊將 AI 生成模型與量子物理深度結(jié)合，提出關(guān)聯(lián)記憶量子玻爾茲曼機算法，依托相干伊辛機克服經(jīng)典全連接玻爾茲曼機訓練的負相算力瓶頸，為提升圖像生成質(zhì)量與生物醫(yī)藥建模能力開辟新路徑。

　　高奇：相干光量子計算機的人工智能賦能實踐

　　玻色量子研發(fā)總監(jiān)高奇在現(xiàn)場發(fā)表了以“相干光量子計算機的人工智能賦能實踐”為主題的精彩演講。會上，高奇特別提到了玻色量子自研的“量子原生AI”——量子玻爾茲曼機訓練方法。這一創(chuàng)新方法巧妙利用了伊辛模型與玻爾茲曼機在數(shù)學上的等價性，解決了經(jīng)典玻爾茲曼機因高復雜度而無法高效訓練的難點。玻色量子提出的基于相干光量子計算機的量子訓練方法，以量子采樣替代傳統(tǒng)的Gibbs Sampling方法，大幅提升了玻爾茲曼機的訓練效率，展現(xiàn)了“量子+AI”的深度融合。

　　未來，隨著量子計算與AI等前沿領(lǐng)域的深度融合，玻色量子將以光量子計算為引擎，聯(lián)合中國人工智能學會等合作伙伴不斷推進實用化量子計算的場景落地，引領(lǐng)AI行業(yè)向精準、高效的發(fā)展范式加速邁進，加速“量子計算+ ” 生態(tài)不斷實用化創(chuàng)新發(fā)展。

免責聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點，亦不代表本網(wǎng)站贊同其觀點或證實其內(nèi)容的真實性。如稿件版權(quán)單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。