近期，由科大讯飞与两仪万象合资设立的“量智开物”正式揭牌亮相，并发布“追风”大规模原子快速重排算法和“扁鹊”量子纠错解码器两项成果。
据介绍，“追风”在算法层面全球首次实现了 20 毫秒以内万量级以上原子阵列的快速重排；“扁鹊”则是全球首个 AI 辅助、兼顾动态原子丢失检测的量子纠错解码器。目前，团队还在尝试通过强化学习压缩量子线路的编译复杂度。
这是量智开物自今年 3 月成立以来的首次公开亮相，也是科大讯飞在“AI+量子”方向系统性布局的一次集中呈现。
科大讯飞并不是今天才开始布局量子科技。
科大讯飞董事长刘庆峰透露，双方早在三年前就开始讨论相关方向，两年前正式推动团队融合。科大讯飞首席科学家魏思负责领衔相关工作，讯飞算法科学家陈凌辉也已加入量智开物并担任 CTO，常驻北京参与科研和平台建设。
按照规划，量智开物将聚焦四个方向：关键核心算法、智能体量子计算机、精密测量、量子 for AI。
刘庆峰表示，量智开物短期内不会被设定经营指标，也不会被要求完成某个量子比特数量、纠错准确率或商业化收入目标。
“我们不是说今天做了明天就要有产出。两年前没有近期产出预期，今天也没有。我认为应该在五年左右会给大家带来惊喜，十年内将成为下一代通用人工智能普及到世界每个角落的重要支撑。”刘庆峰说道。
在他看来，中国这一代通用人工智能一定能兑现产业红利，但如果不做原始创新，下一轮重大技术突破仍可能被甩在后面。因此，量智开物不应被短期经营指标牵引，而要为科学家提供充分宽松的创新环境。
清华大学教授翟荟也表示，量智开物首先是一个交叉科学人才培养平台，其次是前沿科学原创探索平台，最后才是未来产业开拓平台。双方每周都会进行密切沟通和科研交流，把量子团队的物理认知与讯飞团队的 AI 认知相互交换，培养既懂物理又懂 AI 的复合型人才。
在这个平台中，讯飞的定位是做耐心资本、创新参与者和创新生态提供者，并在未来提供产业化出口支持。
一旦量子计算对现代人工智能产生实质帮助，科大讯飞将成为第一个“超级用户”。“他们干出来了，我马上就要布局基于量子的智算中心，去跑超大规模模型。我们现在苦算力久矣，这个问题就会一扫而空。”刘庆峰说道。
量智开物成立的背景，是 AI 对算力和能源的需求正在急剧上升。
当前大模型和智能体应用正在快速推高 Token 消耗和算力需求。以科大讯飞自身数据来看，今年 3 月 Token 消耗量较两年前同期增长了 1400 倍。随着 Claude 等模型发布后推理需求继续扩大，全球算力中心建设也在不断加速，xAI 的 Grok 已达到 55 万张卡，更大规模的百万卡算力中心也在建设之中。
在刘庆峰看来，如果未来 AI 像水和电一样进入工作、生活、学习、健康以及千行百业，现有芯片和能源体系将难以支撑后台算力需求。
“理论极限需求至少是今天地球上所能提供的芯片和能源的万倍以上。”刘庆峰表示。在类脑计算、量子计算、下一代计算架构等方向中，量子计算与人工智能的结合，是未来最可预期的路径之一。
翟荟也认为，量智融合是少有的中国与国际科技强国之间“没有代差”的领域。
他指出，人工智能真正发展到较强水平也就是近十年的事，而将 AI 算法用于科学研究、物理研究和量子物理，大约从 2016 年左右开始。国内包括翟荟团队在内的一批研究者，几乎与国际同步进入这一方向。翟荟当年参与相关工作的学生，如今已分别在复旦大学、同济大学、四川大学和深圳量子院任教。
“这是一个我们不需要追赶谁，只要再努努力就可以引领、可以从第一方阵里脱颖而出的领域。”翟荟说道。
刘庆峰也从中美竞争角度补充称，在当前大模型能力竞赛中，中美之间仍存在半代到一代差距，主要原因是算力和数据。国产算力在卡间互联、显存带宽等方面仍有限制，尤其在超长文本训练、复杂输入训练上速度较慢。即便没有被列入美国实体清单的中国大模型厂商，也会受到英伟达最新 GPU 供应限制。
但他认为，量智融合没有这样的限制。上万个量子比特的操控排序所需的图神经网络和高效并行解码器，并不依赖极大规模算力，关键在于算法创新和落地能力。
“第一，人才我们并不缺；第二，中美在技术逻辑和算法创新上是同步的；第三，我们没有人工智能那种算力限制，是轻装上阵、齐头并进。”刘庆峰称。
翟荟团队分享了一个振奋人心的最新进展：清华团队用全自主开发的技术，首次在实验上捕获了 10064 个原子，在量子计算发展过程中第一次将可获得的比特资源突破万量级，超越了此前加州理工 6100 个原子的国际纪录。翟荟指出，要操控这样规模的量子计算机，人工智能的引入不是锦上添花，而是不可或缺。
刘庆峰指出，在“AI for 量子”方向，人工智能可以帮助量子计算提升实验控制、原子排序、操控和纠错能力。例如，通过图神经网络等方法，可以在规定时间内完成上万个量子序列的操控和排序；通过高效并行解码器，可以进一步提升量子纠错效率。
而在“量子 for AI”方向，量子计算未来有可能支撑下一代 AI 算法架构。一条路径是将量子计算用于更复杂、更深层的人工智能算法；另一条路径则是让量子计算与现有 GPT 框架结合，创造新的算法架构。
谈及量子计算当前分散的技术路线是否会最终收敛，翟荟表示，目前很难预测未来会是单一路线还是多种技术路线混合。他认为，当前科技已经进入“无人区”，未来量子计算机究竟会以什么样的形态出现，还需要保持开放心态去探索。
“量子计算的产业化，不等于量子计算机的产业化。”翟荟强调，量子计算机本身能做什么是一层问题，而量子计算研究过程中带来的技术突破和副产品，可能产生更广泛的应用场景。
他举例称，过去 100 年量子力学的发展已经深刻影响了现代社会。手机、集成电路、北斗和 GPS 中的原子钟，都来自量子科技的发展。因此，量子计算研究本身也会推动大量底层工具、指标和技术能力提升，其产业价值不一定只体现在最终形态的量子计算机上。
翟荟表示，量子计算的发展正在被人工智能加速。过去没有 AI 时可能需要 10 年、20 年才能达到的指标，现在可能在更短时间内实现。但从严肃科学角度看，给出精确时间表意义有限，因为真正前沿的探索往往不可预测。
对于“智能体量子计算机”这一概念，翟荟解释称，智能体通常基于大模型底座，可以规划任务、调用工具并完成复杂操作。而将智能体引入量子计算，是为了用智能体解决过去依赖人工完成的复杂规划、操控、优化和实验控制问题。
“普通智能体控制的是电脑上的软件，而智能体量子计算机控制的是量子计算硬件。”翟荟表示。
更重要的是，量子领域中的智能体不只是自动化工具，而是一种“共生关系”。智能体可以加速量子计算机的迭代和进化，让量子计算能力变得更强；而更强的量子计算机又会反过来赋能人工智能。
“未来的量子计算，你可能完全分不清楚哪一部分是智能，哪一部分是量子。量子是智能在操控的，智能又是被量子加速的。”翟荟说道。
对于今年以来量子科技投融资升温，翟荟认为，需要区分投融资热度和商业化进程。
如果把商业化定义为马上产生收入和营收，并不适合衡量当前量子计算和量智融合领域。当前资本热度更多代表市场对这一科技方向和未来可能性的期待。
刘庆峰也认为，今天说量子计算或“量子+AI”已经处在“商业化前夜”并不准确。更准确地说，量子计算以及量子计算与 AI 的融合，已经在大的战略态势和技术路径上形成共识。未来一定会跑出一些超级团队，这些团队可能成为资本重点投资的独角兽甚至全球头部创业公司，但它们很可能在很长时间内都没有收入。
“不要用常规商业模式和商业逻辑来看待这件事。”刘庆峰表示。投资人真正看的不是短期收入增长，而是技术态势、战略站位，以及关键技术突破距离最终爆发还有多远。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。