摘要：2025年9月23日至25日，2025年世界量子峰会（WQS）在新加坡喜来登酒店成功举办。2025年世界量子峰会由全球数字可访问服务厂商TPGI主办，是全球首个专注于实用化量子技术的行业盛会，旨在汇聚全球顶尖科学家、初创企业、大型公司、政府及投资者等，共同推动
2025年9月23日至25日，2025年世界量子峰会（WQS）在新加坡喜来登酒店成功举办。2025年世界量子峰会由全球数字可访问服务厂商TPGI主办，是全球首个专注于实用化量子技术的行业盛会，旨在汇聚全球顶尖科学家、初创企业、大型公司、政府及投资者等，共同推动量子技术在现实世界的应用，并促成具有重大影响力的合作。
AI发展迅速，量子计算正成为解决超越经典计算极限的复杂挑战的关键。2025年世界量子峰会主要探讨“量子计算+AI”融合技术正在如何改变网络安全、金融、制药、物流和能源等行业的发展格局。峰会以专家小组讨论、网络会议以及现场演示等多种形式，分享来自全球顶尖量子专家的战略见解和实操知识，探讨量子计算从实验室技术突破到产业应用的路径与策略。
北京玻色量子科技有限公司（以下简称“玻色量子”）作为中国量子计算领军企业，也是唯一一家受邀的中国量子企业，携1000量子比特相干光量子计算机模型参展，成为展会现场备受关注的焦点之一。并与ST Engineering、TM Research & Development等领军企业共同展示量子技术在优化计算、安全计算和人工智能加速等领域的增强型解决方案，充分展出中国量子科技的硬实力。
峰会的一大亮点是汇聚了来自全球的巨头企业及顶尖名校、知名科研院所的19位顶尖演讲嘉宾。玻色量子算法总监高奇作为玻色量子企业代表与来自南洋理工大学、D-Wave、戴尔、微软、英伟达、是德科技、RAQS Quantum、IWC、NGC Ventures、Insignia Ventures、ST Engineering、德勤、Oxford Quantum Circuits、富士通、SAP、谷歌、AWS的顶尖专家同台演讲。
高奇现场发表了以《See the Unseen, Quantum Computing Unlocks a New Paradigm for AI》为主题的精彩演讲，并作为唯一的演示企业代表现场进行量子实时计算演示。演讲详细深入的讲解了玻色量子基于自研的相干光量子计算机真机，在量子赋能AI底层方法、量子AI赋能生命科学和药物发现等研究领域的最新研究成果突破。演示环节分为《Quantum Optimization in Action: Logistics, Delivery, and AI Planning》以及《Quantum Simulation in Life Sciences: Drug Discovery and Molecular》两个部分，还原玻色量子已经探索的金融和生物制药真实应用场景，进行了现场求解计算和结果分享，展示了高度成熟可用的实用化量子计算工具链。演讲和真机演示引起现场嘉宾与业内外专家、学者的高度关注与热烈反响！
2025年世界量子峰会（WQS）
1000量子比特相干光量子计算机模型
玻色量子算法总监高奇演讲现场
高奇现场介绍，从客户应用角度，量子计算机可分为基于逻辑门的通用量子计算机和非门型的专用量子计算机。其中，基于逻辑门型量子计算机是通往大规模可容错通用量子计算的发展方向，但是在量子位的稳定性、错误率、可扩展性、量子比特规模以及量子算法和软件的成熟度等方面仍存在一系列瓶颈，实现大规模可容错通用量子计算仍需10-20年以上的时间。而利用量子特性专用于求解特定问题的非门型专用量子计算机优势突显。
玻色量子是一家专注于光量子计算的硬科技公司，也是中国量子计算领军企业。玻色量子自研的相干光量子计算机是一种专用的求解伊辛模型的量子计算机，由光量子态制备、光量子存储器和测控一体机三个核心模块组成。基于Ising模型原理，利用光纤中的激光脉冲进行量子比特的制备，利用量子系统往基态能量进行衍化的过程来寻找最低哈密顿量（计算问题的最优解），具有极高的并行计算能力和快速求解能力。
在量子算力优势上，相干光量子计算机作为专用量子计算架构，能够并行遍历势能面并快速收敛到全局最优解，避免了经典算法在NP-Hard问题中因遍历指数级解空间而产生的计算瓶颈。实验表明，在处理大规模组合优化问题时，相干光量子计算机在求解速度与能耗效率上相比传统冯·诺依曼架构可呈现数量级优势，为突破经典计算极限提供了新范式。因此，相干光量子计算机具备以下四大优势：量子比特规模大、室温下即可运行、比特全连接、能耗低，可满足大数据和人工智能、金融等算力消耗极大的领域的实用化市场需求。
玻色量子自研的1000量子比特相干光量子计算机，是目前中国首个突破千比特规模、唯一可长时间稳定运行的专用光量子计算机，具有单次计算解空间高达2^1000、全连接且多场景适配、毫秒级高质量求解能力、较经典计算提高数万倍加速等优势，技术处于世界领先水平。在人工智能、通信、金融、医药、能源等行业实现了一系列成果突破，具有巨大的实用前景。
近期，玻色量子重磅发布——自研的可支持1000计算量子比特云服务，标志着专用量子计算正式迈向千比特规模化实用新阶段。高奇强调，玻色量子的1000计算量子比特云服务还可提供CPQC-X服务，支持深度战略合作用户提交大于1000量子比特的计算任务，支持更大量子比特规模的实际问题的探索与应用。该服务为用户提供了更加灵活的量子云算力支持，开启了定制化量子计算服务的新模式。
高奇演讲现场
2024年诺贝尔物理学奖获得者杰弗里·辛顿（Geoffrey Hinton）曾提出了一种重要的能量神经网络——玻尔兹曼机（Boltzmann Machine,BM），玻尔兹曼机是一种基于统计物理的能量模型：将数据变量映射为自旋粒子，驱动系统向最小能量态演化。因此，玻尔兹曼机具备强大的抗噪声能力、生成式的表征学习能力，能够学习数据概率复杂分布并生成新样本（如图像重构、文本生成），是深度学习流派的基石之一。
玻尔兹曼机/受限玻尔兹曼机（BM/RBM）作为深度神经网络的鼻祖，在刻画数据特性、联想记忆查询等方面具有不可替代的理论优势。然而，全连接无向图的计算训练过程，传统CPU和GPU 计算架构无法展开，严重限制了这项技术发展。
高奇介绍到，相干光量子计算机底层物理计算逻辑完美匹配玻尔兹曼机的全连接属性，易用性更高，还能实现快速精准的玻尔兹曼采样，可以在毫秒级时间内单次返回数千个量子采样结果。实验验证表明，相干光量子计算机增强的玻尔兹曼机（QBM）在训练速度上可实现指数级加速（理论上，n个量子比特可同时处理2^n种状态）。
基于量子玻尔兹曼机，玻色量子开源了国内首个PyTorch量子神经网络开发套件Kaiwu-PyTorch-Plugin（KPP），KPP是一个基于PyTorch和Kaiwu SDK的量子计算编程套件，可基于玻色量子“相干光量子计算机”来训练和评估受限玻尔兹曼机和玻尔兹曼机，该插件提供了简单易用的接口，使研究人员和开发者能够快速实现包含能量演化特性的神经网络模型的训练与验证，并应用于各种下游机器学习任务。
量子计算在金融反欺诈识别中的应用
在反欺诈识别场景中，金融领域面临诸多挑战。随着数字化金融的发展，欺诈手段愈发复杂隐蔽，交易模式隐藏在海量交易背后，使得交易追踪和分析难度极大。
高奇介绍，以银行反欺诈场景为例，通过构建量子社区发现算法对交易网络进行有效识别，为进一步判断社区中的账户是否存在欺诈风险提供了技术支撑。模块度可用来衡量社区划分的好坏，模块度可以简单地理解为“社区内的连接比随机连接更加有组织的程度”。如果划分的社区内部有较多的边，社区之间有较少的边，则这个度量数值较高。可以将社区发现问题转换为最大化网络模块度问题。
因此，对银行反欺诈场景相关的社区发现问题进行建模，将其转化为二次无约束二值优化（QUBO）问题，可以使用相干光量子计算机进行高效求解。通过进一步测试验证，结果表明：在包含1,200个交易账户的数据集上，当相似度阈值为40%时，量子社区检测算法的KS指标达到0.56，优于传统Louvain算法，展现出更稳定的业务表现。
高奇总结到，量子计算的变革性优势在于首先在于并行的社区搜索：量子叠加态可同步探索所有可能的社区划分方案；其次是全局优化能力：量子算法能规避经典社区检测易陷入的局部最优陷阱；最后的结果是指数级加速：通过QUBO建模可求解大规模网络问题。
量子计算在生物制药中的应用
场景一：分子对接是一种基于配体-受体"锁钥模型"识别机制的计算技术，通过评估空间互补性与能量匹配度，确定配体-受体复合物的结合构象。作为药物发现的核心技术，分子对接面临搜索空间巨大、计算需求高的挑战，这对传统计算系统构成重大瓶颈。
玻色量子将配体原子与靶受体网格点的匹配关系编码为兼容相干光量子计算的模型。通过对所有可能的匹配组合进行并行搜索，系统可识别自由能最低的构型，从而确定分子与靶标的空间结合姿态。在标准CASF2016数据集上的测试表明：基于相干光量子计算的方法达到了与商业工具Glide SP相当的采样能力，同时将采样时间缩短至少两个数量级。
场景二：基因组组装是将测序产生的短DNA片段进行拼接、以重构完整基因组的过程。测序错误、基因组中大量存在的重复序列、杂合性及多倍体现象等因素，给组装工作带来了巨大挑战。
高奇介绍到，玻色量子将测序片段定位问题转化为有向图旅行商问题，通过构建QUBO模型求解有向图中的最短路径，从而确定不同测序片段的位置关系，最终完成全基因组组装。
测试结果与模拟退火、禁忌搜索等传统算法相比，基于相干光量子计算的方法展现出显著的时间优势。更重要的是，随着问题规模增大，该量子解决方案的性能几乎不会下降。
场景三：AlphaFold等AI模型高度依赖大量结构数据进行训练。然而在生物制药领域，生物数据通常包含大量噪声且质量参差不齐，导致对某些类别蛋白质（尤其是膜蛋白）的预测精度较低。
而天然蛋白质中的氨基酸分布遵循玻尔兹曼分布。通过结合物种进化信息和光量子计算机的玻尔兹曼采样能力，量子增强的玻尔兹曼机能够快速学习蛋白质序列的长期进化规律，从而准确捕获氨基酸相互作用关系。
玻色量子研究发现，聚类分析是单细胞组学研究的关键问题，通过量子玻尔兹曼机增强的变分自动编码器（QBM-VAE）能够捕获隐藏在庞大单细胞组学数据背后的隐藏特征，进行更精细的聚类，并刻画展示出前所未有的细胞发展轨迹。
玻色量子倡导的实用量子计算的发展，加速传统组合难题计算的同时，开辟了新的方法学范式，并在生物信息分析领域率先看见过去看不见的新发现，走出了See the Unseen的第一步。
玻色量子此次携1000量子比特相干光量子计算机惊艳亮相世界量子峰会，与全球量子领域的顶尖专家、学者同台论道，分享中国实用化专用量子计算的最新成果突破，再度彰显了玻色量子引领实用化量子计算的技术实力。此次峰会见证了全球实用化量子计算技术的砥砺前行，以及实用化量子产业生态的欣欣向荣，玻色量子愿为实用化量子出海先行者，期待与全球伙伴聚力前行，共振共赢，为中国乃至世界量子计算的发展，走出一条坚实的实用化道路！
来源：AI云资讯
