4 月 16 日下午，朝阳区“光智空间”人工智能创新街区量子计算 + AI for science 应用研讨会成功召开。此次会议聚焦专用量子计算与人工智能在多元化领域的深度融合与阶段性成果展示，吸引了来自资本界、产业界以及科研院所的百余位专家代表参会。北京市朝阳区副区长，中关村朝阳园党工委副书记、管委会主任娄毅翔出席并发表致辞。
娄毅翔发表致辞
娄毅翔在致辞中表示，当前传统计算架构在生命科学等领域的算力瓶颈日益突出，而量子计算凭借并行搜索、玻尔兹曼分布能量采样等独特优势，为破解 AI4S（人工智能驱动的科学研究）的深度应用难题提供了全新路径。他指出，朝阳区作为首都国际科创中心主引擎，前瞻布局了“光智空间”这一人工智能创新街区，集聚了以玻色量子为代表的 150 余家光电子及量子产业企业，成为推动量子计算与 AI4S 融合发展的核心承载地。娄毅翔强调，量子计算与 AI4S 的融合既是技术趋势，更是产业升级的迫切需求。他提出三点期望：一是携手攻坚，突破核心技术瓶颈；二是场景赋能，加速产业落地应用；三是生态共建，打造融合发展高地。娄毅翔寄语与会嘉宾以本次研讨会为契机，代表携手深化产学研合作，共享发展机遇，共筑产业生态，共同把“量子计算 + AI4S”打造成朝阳未来产业的标志性名片，为北京国际科技创新中心建设贡献朝阳力量。会上举行了前沿技术合作签约仪式，玻色量子分别与诺禾致源、心语未来签约，携手探索量子计算+生物信息、量子计算+脑科学的融合创新。在随后举行的主题分享环节，多位专家学者立足行业与实际场景分享了最新研究成果。北京诺禾致源科技股份有限公司首席科学家田仕林，以《量子技术增强单细胞组学数据解析关键技术与应用》为题做了精彩演讲，指出量子计算的价值在于同时重塑单细胞组学的统计建模与计算能力。他指出，传统方法（如 VAE）通常假设数据服从高斯分布，但真实单细胞数据具有多峰、强异质和非线性特征，这种假设会在降维过程中造成信息丢失，影响细胞分群、稀有细胞识别及发育轨迹推断。为此，团队引入更贴近生物系统的玻尔兹曼分布，以“能量决定概率”的机制刻画细胞状态，从根本上提升模型表达能力。实现路径上，团队构建 QBM-VAE 框架，将量子玻尔兹曼机嵌入模型中：编码器压缩数据，量子计算负责复杂分布采样，解码器完成重构。量子采样可在更高维隐空间中保留更多信息，显著减少降维损失。同时，玻尔兹曼分布计算复杂度呈指数增长，经典计算难以承载，而量子计算通过并行采样突破算力瓶颈，使该模型具备实际可行性。应用中，该方法可更清晰还原细胞分化轨迹并区分细胞亚群，显著提升解析精度。本质上，这是用量子计算将更真实的统计模型转化为可计算能力，推动单细胞组学从近似分析走向高保真解析。中国科学院上海微系统与信息技术研究所的研究员孙鎏炀，带来了《量子脑机接口》的主题分享，通过将专用量子计算机引入脑机接口系统，改变“计算方式”来突破复杂系统求解瓶颈。传统路径中，神经信号解码依赖 GPU 进行数值计算，但随着神经元规模增加，计算复杂度迅速上升，形成“算力—延迟—能耗”瓶颈。专用量子计算的引入，改变了这一逻辑。其团队基于相干光量子计算机，将神经“spike”映射为量子“spin”，把解码过程转化为物理系统的能量弛豫过程，通过光子的传播与干涉，使系统自然收敛到最优解。计算不再通过逐步数值运算完成，而是由物理过程“直接给出结果”，以“物理演化”替代“数值计算”。从性能上来看，该方案已将解码延迟压缩至 0.075 毫秒，实现了数量级加速，不仅解决了“卡顿”问题，为流畅自然的人机交互构建稳固基础，还针对未来高通量柔性电极采集的海量神经元数据，提供了不同于经典冯·诺依曼架构的“降维打击”路径。其计算复杂度随系统规模增长不显著恶化，体现出极强的可扩展性，即使面对全脑级规模的神经数据，也能通过物理并行计算实现颠覆性求解。来自上海市肿瘤研究所的向冬喜教授以《Quantum-computing in Precision Medicine》为题做了学术分享。他提到，类器官能够自组装形成类组织的 3D 培养物，维持来源组织的生物学特征，可用于精准医疗、基础研究和新药研发，是新一代基础研究和临床转化应用平台级技术。向教授重点分享了基于类器官药敏肿瘤精准疗效这一典型案例，并提到三大技术的交叉融合——数字孪生平台，即可实现多模态数据构建数字化类器官（虚拟克隆体），以实时同步类器官分子动态，例如临床病史+生化指标、高精度临床影像、多组学测序（单细胞+空转）、类器官药物+临床回顾。在量子计算技术赋能肿瘤精准治疗领域，向冬喜重点分享了量子计算应用于以下三大方面：量子计算能加速医学数字孪生开发、实现基于临床+量子计算类器官数字模型构建及其应用、量子机器学习应用于虚拟临床实验。例如，在医学数字孪生开发领域，量子计算能实现高效加速，随着数字孪生逐级推进，最终自主孪生可使物理-虚拟融合共存。数字虚体持续为其关联的物理实体生成信息和数据收集：基因组、蛋白质结构、代谢通量等，以及模型构建：经典工具生成初始模型。玻色量子自研的 1000 量子比特相干光量子计算机能毫秒级求解 Max-Cut 问题，超经典计算数万倍，算法库支持量子化学、组合优化、量子机器学习等复杂问题的求解，具有多尺度建模、高精度模拟、实时性、多模态数据。因此基于玻色量子的专用量子计算机与算法支持，可实现临床+量子计算类器官数字模型构建及其应用。上海交通大学材料学院吴蕴雯教授在《基于专用量子计算机的材料研发新范式》演讲中指出，当前电池、芯片等核心产业正面临“材料瓶颈”。尽管量子材料等新物态提供了破局可能，但材料空间的多维结构与高维优化，令经典计算陷入“维度灾难”，难以实现全局寻优。对此，吴蕴雯分享了基于玻色量子相干光量子计算机的全新路径。区别于传统架构，量子计算凭借超强并行处理能力，在处理复杂组合优化问题时具备天然优势，能极大压缩求解时间，且随着问题规模扩大，其速度优势呈指数级增长。在具体应用验证中，相关成果展现了量子计算赋能新材料研发的变革性潜力。无论是在需要高精度拟合的复杂材料设计中，还是在数据稀缺条件下的材料结构探索中，玻色量子相干光量子计算机都能够在毫秒级的时间锁定超过经典算法极限的最优解。这一“量子-经典协同”新范式，显著提升了新材料发现的精度与效能，有效缩短了从理论设计到实验验证的研发周期。综观本次应用研讨会可以发现，“量子计算 + AI4S”已不再停留于概念验证，而是沿着“模型重构—计算范式转变—关键场景落地”的路径，逐步走向工程化与产业化的临界点。从单细胞组学中对真实分布的高保真建模，到脑机接口中以物理演化替代数值计算，再到肿瘤数字孪生与新材料研发中的复杂系统求解，量子计算正以其独特的计算机制，补齐经典架构在高维复杂问题上的根本性短板，成为驱动 AI for Science 向深水区演进的关键变量。面向未来，这一融合范式的竞争，将不再只是单点技术突破，而是围绕专用量子计算能力、算法体系、数据资源与应用场景的系统性协同。谁能够率先构建起“量子算力—行业模型—真实场景”闭环，谁就有望在下一轮科技与产业变革中占据先机。以朝阳区“光智空间”人工智能创新街区为代表的创新载体，正在为这一闭环提供土壤。可以预见，随着专用量子计算机性能持续提升与应用生态不断完善，“量子计算 + AI4S”有望从示范应用走向规模化渗透，成为重塑科学研究范式与产业创新逻辑的重要基础设施。
WAIC 2025 对未来智能的深刻拷问：从辛顿的 AI 洞见，到玻尔兹曼机的量子新生
海外量子股狂热上涨！产业、生态齐发力，一场全球 AI+ 量子算力融合战已打响
10 亿澳元投光量子路线！史上最全面分析澳大利亚政府为何最爱 PsiQuantum
量子计算“拐点”已至！英伟达的未来不止GPU，黄仁勋指向了一个新“Q”
播客访谈实录｜量子计算今天就已经能够为客户创造可量化的商业价值
光子芯片新时代即将到来！专访上海交通大学陈险峰教授
移动正谋划一盘量子计算的大棋？中国移动集团级首席专家钱岭谈算力网络
五度妙笔
API商城
数据库
