AI与量子计算双向赋能 “量智融合”开启新图景
当人工智能（AI）与量子计算融合，这两个最热门的未来赛道将交汇出怎样的新图景？日前，在杭州举办的2025全球人工智能技术大会（GAITC 2025）专场活动上，业内专家指出，“量智融合”有望引领新一轮科技创新浪潮。
“量智融合的核心不是单向技术叠加，而是多领域、多学科的横向连接，通过协同创新实现非线性增长。”中国工程院院士戴琼海表示，一方面，量子计算有望突破当前AI模型训练的算力瓶颈，提升算法效率；另一方面，人工智能可在量子控制、误差校正、算法设计等方面反向赋能量子技术，为量子系统的稳定性和可扩展性提供新路径。
“过去5年，人工智能技术特别是生成式AI的爆发，让我们看到计算模式出现了很多颠覆性的发展；未来5年，量子计算很可能从实验室走向应用，所以，人工智能与量子计算的融合有望成为必然趋势。”中国科学院计算技术研究所研究员孙晓明说。
清华大学教授、北京量子信息科学研究院副院长龙桂鲁认为，当前量子信息与人工智能的结合有两个方向：一是AI for Science（科学智能），例如去年谷歌就用量子人工智能优化了纠错码；二是量子计算赋能机器学习，未来，随着量子计算机的成熟，它将为AI提供算力支持。
当前，产学研各界均在加快“量智融合”方面的创新探索，并取得了不少成果。例如，浙江大学计算机学院百人计划研究员卢丽强团队采用混合专家模型提高校准质量，让量子态区分度提升了25.5%；同时，基于卷积匹配的波形优化技术，使量子电路编译速度提升158倍。上海交通大学肖太龙团队率先将量子机器学习应用于单像素成像系统，突破了传统算法依赖大量标记样本的瓶颈，并通过实验验证了量子特征空间在低采样率下的信息提取优势。北京量子院团队也取得了量子节点嵌入算法、量子卷积神经网络、基于量子共振的维度约化算法等最新成果。北京玻色量子科技有限公司（以下简称“玻色量子”）提出的基于相干光量子计算机的量子训练方法，以量子采样替代传统吉布斯采样方法，大幅提升了玻尔兹曼机的训练效率。玻色量子还联合广州国家实验室开发了蛋白质结构预测量子算法，突破了传统算法难以攻克的复杂场景。
“量子计算在制药、金融、AI制造等领域有着广阔的应用空间。特别是在制药领域，通过‘量子+AI’的混合方法，能够在庞大的化合物空间中高效筛选出针对特定靶点的分子，显著降低了研发成本和时间。”玻色量子研发总监高奇说。
越来越多的城市也在加入开拓“量智融合”未来产业新赛道的行列。目前，杭州、合肥都在推动量子计算融入AI生态，加速“量子+AI”技术落地。
“我们深刻认识到人工智能是底座，量子科技是跃迁力，而两者的融合正是抢占未来产业、未来话语权的关键路径。”杭州未来科技城管委会党工委委员励波说，当前杭州构建了“1+3+X”的未来产业体系——以人工智能为基座，聚焦低空经济、人形机器人、类脑智能三大风口，前瞻布局量子信息等“X”个前沿领域。“未来，我们将重点关注量子算法加速AI训练、神经拟态计算等融合赛道，让更多从0到1的成果涌现。”
不过，不少专家认为，当前“量智融合”领域仍然存在诸多挑战亟待解决。上海交通大学特聘教授熊红凯表示，人工智能如果直接用量子计算的方式优化，就可以通过量子计算的强大算力得到全量化的模型，现在的光计算和量子计算技术路线就在做这一方向的结合，但是都有各自的约束性、限制性。
卢丽强也表示，尽管面临量子比特数有限、理论范式缺失等挑战，但人工智能与量子的双向赋能已开启“量智融合”新图景，芯片架构、编译优化等领域的全栈研究，正推动这一变革从实验室走向实际应用。