搭建量子时代的“自动实验基建”：量观知元联合移动云探索如何用AutoLab for Quantum重构科研范式？

大模型提出假设越快，硬科技实验室的“验证鸿沟”就越清晰。

一个模型可以在几分钟内生成上百条研究路线，但真正的科学发现仍然要经过理论建模、数值仿真、设备校准、实验执行、异常排查和结果复现。可见，生成正在变快，验证却依旧昂贵；想法正在增多，能够被真实设备检验的想法仍然稀缺。

这正是当前AI4S（AI for Science）领域发展必须要回答的问题。

2024年，在美国国家人工智能咨询委员会的一场公开会议上，时任Google Research与Google DeepMind首席科学家Jeff Dean指出，围绕AI建立学术界、政府与产业界的协作，可能成为解决医学、气候与材料等21世纪重大科学挑战的重要力量。

其言下之意是，如果AI不能进入真实科研流程，不能连接科学工具、实验仪器与反馈系统，它对科学的改变就只能停留在“文献层面”。

2026年8月，Jeff Dean离开谷歌创办Discovery Loop，核心使命是“自动化机器学习、科学和工程，以加速发现和进步”。

就在不久前，美国白宫科技政策办公室发布的《Science：A New Golden Age》，将AI for Science视为新一轮科研基础设施变革。报告直指当前科研范式的结构性错配：信息生成成本快速下降，验证成本却居高不下，并明确提出把大规模验证基础设施、闭环自主实验室和AI原生科研机构列为关键方向。

图1 《Science: A New Golden Age》报告封面

2026年8月底，Anthropic推出让AI接触物理世界的模型硬件标准（MHS）。这是一个起点，AI不再只是文献助手和代码助手，而要进入物理世界，参与从问题定义到实验验证的完整闭环。

量子计算，正是检验这套新范式最严格、也最具也最具代表性的场景之一。

在这一趋势下，量观知元与移动云联合研发并上线量子科研智能体AutoLab for Quantum（对话即实验：移动云推出量子科研智能体），面向高校与科研团队提供“对话即实验”的科研服务，将云上科研环境、智能体工具与真实量子计算资源连接起来。

把实验室变成可以持续学习的智能体

量子科研智能体AutoLab for Quantum，不是在量子软件外层增加一个聊天窗口，也不是把若干工具简单接到大模型上，而是试图把一次量子研究组织成“科研目标—物理与工程模拟—系统校准—实验执行—结果评估”的完整闭环。

第一步是科研目标。系统从自然语言描述中识别真正要解决的问题，判断任务是否适合量子计算，建立经典基线和评价标准，并把研究目标拆解成可以验证的算法、资源与实验任务。一个科研智能体首先要学会的，并不是调用哪台机器，而是判断什么问题值得调用量子机器。

第二步是模拟。AutoLab for Quantum同时连接纯理论模型、真实物理系统的元过程模型和工程模拟。它既计算理想哈密顿量和量子线路，也把脉冲、噪声、漏能级、参数漂移及相关工程条件纳入模拟。理论参数由此被逐层翻译成真实设备能够理解的控制参数。

第三步是校准。系统读取量子处理器拓扑、设备连接、控制与读出通道，以及低温、真空、激光、微波和探测器等状态，按照校准依赖关系自动执行表征与门校准。当上游参数变化时，系统判断哪些下游校准需要重新执行，避免依赖研究人员逐项排查。

第四步是实验。量子电路、表征任务和量子纠错方案被编译到当前硬件，转化为原生脉冲、读出和反馈序列，再由系统完成任务下发、状态跟踪、中途测量、综合征提取和条件恢复。大模型负责规划与编排，但纳秒级实时控制仍由确定性的经典控制器和专用硬件完成。

第五步是评估。系统将原始读出重建为可信的量子观测结果，与科研目标、经典基线和模拟预测进行比较，判断偏差来自数据采集、设备校准、量子控制、处理器本身还是理论模型，并据此生成下一轮实验。一次实验的终点，也成为下一次实验的起点。

更值得关注的是其隐性的核心资产：科研上下文的长周期记忆。

硬科技实验同时包含论文、公式、代码、器件参数、接线关系、控制序列、图像、日志和环境数据；理论模型、设备状态与软件版本又在持续变化。一次异常可能源于数轮实验之前的校准漂移，也可能来自早期器件选择留下的误差。

传统记录往往只保留最终图表，丢失了被放弃的假设、失败路径、人工干预和当时的设备状态。AutoLab for Quantum希望把这些信息组织为机器可以调用的连续上下文，失败实验不再只是被删除的数据点，而可以成为下一轮诊断、规划与模型训练的高价值样本。

联合移动云首发量子科研智能体

此次，量观知元联合移动云共同推出的AutoLab for Quantum，是国内首个上线并面向真实使用的量子科研智能体。

其现实意义就在于，AutoLab for Quantum从产品原型进入可访问、可执行的云上环境，并与真实量子算力连接。科研人员无需配置复杂环境或从头编写代码，可用自然语言描述实验目标，再由智能体推进线路构建、模拟、真机执行和结果分析等后续实验。

据披露，AutoLab for Quantum将科研能力封装为5个MCP服务、31个中文工具和12个科研Skills，覆盖实验设计、线路构建与可视化、含噪模拟、变分量子算法、量子神经网络、真机执行、结果分析及论文复现等环节。

系统同时包含Web前端、Agent后端、工具层与安全沙箱，并接入移动云MoMA平台的多模型网关，使科研任务能够在不同模型之间灵活适配。用户隔离、密钥加密与任务追踪等机制，则为实验环境和科研数据提供工程保障。

更关键的一步是，AutoLab for Quantum已经打通移动云五岳量子计算云平台的真机链路。科研人员提出目标后，智能体可以自动生成量子线路和实验任务，将任务提交至五岳平台，并完成真机执行、状态追踪、结果回传和分析评价。

强大功能离不开坚实底座。移动云五岳量子计算云平台当前已接入5类不同技术路线量子真机，实现多制式异构量子硬件统一接入与智能调度，并网算力规模超3000比特，建成国内品类丰富的多制式量子算力集群。平台全栈自研量子操作系统、编译优化、算力调度等核心软件，并提供标准化量子编程SDK，为上层智能体的工具封装与任务编排提供统一的软件底座。

图2 AutoLab for Quantum在移动云五岳量子云平台上的运行界面

同时，AutoLab for Quantum还把“读论文”到“跑论文”纳入这一入口。可以解析论文中的算法流程、量子线路、实验参数和关键结果，形成结构化复现目标，继续完成代码生成、模拟执行与结果比对，并在五岳平台上调用模拟或真机算力进行验证。过去在文献、开发环境与算力平台间反复切换的流程，被整合成一条连续的科研链路。

AutoLab for Quantum的试点落地，意味着量子科研智能体不再只是用于展示的技术原型，而是正式升级为可访问、可执行、可追踪的实用科研服务。量观知元也将继续携手移动云，打通模型网关、量子云服务平台与智能体、工具编排、自动实验之间的技术断层，双方联合打造 “能访问、能使用、有价值” 的量子科研智能体。

正在生长的自动实验基础设施

如果把AutoLab for Quantum仅视为一个量子实验助手，确实低估了它的长期价值。

图3 AutoLab连接研究循环与实验循环的闭环流程

量观知元的目标是构建一套跨设备、跨实验室、跨技术路线可复制的研发闭环。同一套目标拆解、模拟、校准、控制、评估与迭代能力，可以适配超导、中性原子、离子阱、光量子、半导体自旋等不同硬件平台。

这种复制并不意味着忽略物理差异。相反，系统需要持续积累每台设备的拓扑、门集、噪声、漂移、控制响应、软件版本和历史实验结果，在统一工作流之上保留具体的硬件上下文。平台最终要沉淀的不只是成功数据，还包括失败记录、异常路径、人工干预、参数变更和每一轮迭代决策，把原本散落在个人经验、实验日志和设备系统中的信息转化为版本化、可追溯、机器可调用的数据资产。

这些数据资产将形成持续复利。实验运行得越多，系统对设备状态、常见异常和有效参数空间的理解就越完整，进而可以训练更好的科学模型、实验规划器、参数优化器和故障诊断智能体。专家一次解决问题的过程，也能够沉淀为后续任务可以直接复用的工作流，使新设备接入、新人员上手和跨实验室复制的边际成本持续下降。

对量子硬件企业，这套系统有机会缩短新设备和新芯片的bring-up周期，提高校准、控制与纠错效率；对科研机构，它可以把少数专家掌握的实验能力封装为可调用、可追溯的工作流；对材料、制药、能源和运筹等行业用户，它则帮助判断一个问题是否真正适合量子计算，并在经典基线、量子模型、资源消耗和真实硬件结果之间建立可验证的比较。

长远来看，量子计算只是第一块试验场。AutoLab所形成的“物理过程模拟—自动控制—闭环优化”能力，还可以迁移到量子传感、半导体器件、光计算、核聚变控制、高端仪器与精密制造等前沿产业。

不同产业的设备和物理过程各不相同，但它们面对的是同一个问题：如何让稀缺专家的经验被系统化，让复杂实验能够并行扩张，让每次研发投入都沉淀为下一轮可复用的数据、模型和工程能力。

《Science：A New Golden Age》把未来科研描绘为一个规模更大、速度更快、复杂度超出单个人类理解范围的系统；Jeff Dean强调的跨机构协作则指出，AI for Science必须把算法、领域科学家与真实基础设施连接起来。

图4 Discovery Loop创始人，Google DeepMind前首席科学家Jeff Dean

量观知元正在量子计算领域回答同一道问题：如何让AI不仅理解科学语言，也能理解实验室，理解设备状态，并在物理世界中完成可验证的行动。

从构建科研闭环，到提供云上入口和真实算力底座，AutoLab for Quantum正在搭建面向行业的自动实验基础设施，加速量子算力转化为可规模复制、可稳定交付的产业化算力。

[1] NIST，National Artificial Intelligence Advisory Committee Meeting，2024年2月22日。https://www.nist.gov/video/national-artificial-intelligence-advisory-committee-naiac-meeting-february-22-2024

[2] The White House Office of Science and Technology Policy，Science: A New Golden Age，2026年7月。https://www.whitehouse.gov/science/

[3] 移动云，对话即实验：移动云推出量子科研智能体https://mp.weixin.qq.com/s/StbnrDVIyzVJEpDCqCNCUQ?scene=1

[4] 量观知元，AutoLab for Quantum产品与技术资料，2026年。