AI与量子计算相互赋能，‘量智融合’展现全新图景
人工智能与量子计算融合之际，这两条最为热门的未来赛道会交汇出何种新的图景呢？日前 , 在杭州举办的2025全球人工智能技术大会专场活动上 , 业内专家表明 ，“量智融合”有希望引领一轮新的科技创新浪潮。
中国工程院院士戴琼海表示, 量智融合的核心并非单向技术叠加, 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。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。
孙晓明中国科学院计算技术研究所研究员说, 过去5年, 人工智能技术有诸多爆发，特别是生成式AI，让我们看到计算模式出现了很多颠覆性发展, 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。
北京量子信息科学研究院副院长、清华大学教授龙桂鲁觉得，当下量子信息跟人工智能相融合存在着两个方向，其一为AI for （科学智能）, 就像去年谷歌借助量子人工智能对纠错码予以了优化，其二是量子计算为机器学习给予助力, 未来, 伴随量子计算机走向成熟，它会为AI提供算力方面的支持。
当下时间点里, 从事产学研的各个领域相关人士，都在加速推进“量智融合”板块的创新性探究寻觅, 并已然拿到了数量不少的成果收获。比如说，浙江大学计算机学院里面，身为百人计划研究员的卢丽强所带领的那支团队，运用混合专家模型去提高校准的质量水准，从而使得量子态区分度得到了25.5%幅度的提升；与此同时, 借助基于卷积匹配的波形优化技术手段，达成了让量子电路编译速度提升至158倍的成效。率先把量子机器学习运用到单像素成像系统的是上海交通大学肖太龙团队，该团队突破了传统算法依赖大量标记样本的瓶颈，还通过实验验证了在低采样率情况下量子特征空间的信息提取优势。北京量子院团队同样有新成果, 包括量子节点嵌入算法、量子卷积神经网络、基于量子共振的维度约化算法等。由北京玻色量子科技有限公司即以下简称为“玻色量子”所提出的, 基于相干光量子计算机的量子训练方法，此方法是以量子采样去替代传统吉布斯采样方法, 进而大幅提升了玻尔兹曼机的训练效率。另外，玻色量子还联合广州国家实验室开发出了蛋白质结构预测量子算法，该算法突破了传统算法难以攻克的复杂场景。
高奇, 玻色量子研发总监表示，量子计算于制药、金融、AI制造等领域存在广阔应用空间，尤其是制药领域, 借由“量子+AI”混合方法，能于庞大化合物空间内, 就特定靶点分子进行高效筛选, 大幅下降低研发之时长与成本。
有越来越多之城市，正加入开拓“量智融合”未来产业新赛道之行列。当下, 杭州在推动量子计算融入AI生态，合肥亦积极推动且使量子计算融入AI生态，二者皆加速“量子 +AI”技术落地。
励波，杭州未来科技城管委会党工委委员表示，我们深度意识到人工智能乃底座, 量子科技为跃迁力, 而二者的融合恰是夺取未来产业、未来话语权的关键途径 ，构建了“1+3+X”的未来产业体系 ，基底是以人工智能的 , 着重关注低空经济、人形机器人、类脑智能这三大风口 , 提前对量子信息等“X”个前沿领域进行布局 ，将来 , 会重点留意量子算法加速AI训练、神经拟态计算等融合赛道 , 促使更多从0到1的成果出现。
然而, 有不少专家觉得, 当下“量智融合”范畴里头依旧存在好多挑战迫切需要去解决。上海交通大学特聘教授熊红凯讲，要是人工智能以量子计算的途径来进行优化, 那么便能够借由量子计算的超强算力获取全量化的模型，现今的光计算与量子计算技术路线正在朝着这一方向开展结合工作, 不过它们都存在各自的约束性、限制性。
卢丽强还指出, 哪怕存在量子比特数少、理论范式缺等难题, 然而人工智能跟量子的相互赋能已然开启了“量智融合”的全新景象，芯片架构、编译优化等方面的全面研究，正在促使这一变革由实验室迈向实际运用。