六月盛序，太湖之滨。由清科控股（01945.HK）、投资界主办，吴中金控集团联合主办的“2026投资界SuperLink大会”于6月10-11日举行。这场盛会覆盖“募投管退”全链条，致力于成为中国创投生态的超级枢纽。
本场《技术路线终局之辩——哪把钥匙能打开量子实用化的大门？》圆桌讨论，由水木清华校友种子基金管理合伙人王学辉主持，对话嘉宾为：
太一量生创始人、CEO 方正浩
华控基金管理合伙人、CEO 金豫江
玻色量子创始人、COO 马寅
矩量光启创始人于文龙
以下为对话实录，
经投资界（ID:pedaily2012）编辑：
王学辉：水木清华校友种子基金主要关注清华校友相关项目，最近很忙碌，上周就过会八个。请各位简单介绍一下自己和公司。
方正浩：太一量生是一家专注中性原子的量子计算公司，目标是做出面向容错的通用量子计算机。
我们是今年1月份成立的，目前已经组织起50人的全职科研和商业团队，其中研发团队占70%，当中近一半来自海外大厂和海外科学团队。
我自己原来是做VC，一直在做早期科技投资，对量子行业观察了六年，我认为去年来到了史无前例的共振拐点，是最 好创业时机。我邀请了合伙人刘弘斌一起创立了这家公司，刘博士原来是微软首席量子架构师，离职之前也是计算大厂里职位最高的华人。
金豫江：华控基金长期围绕高端装备和先进科技做投资，最新动向是围绕人工智能第四次工业革命的前沿技术，包括AI、具身、量子、核聚变等行业做布局，现在已经到60亿的规模。
我们从2021年开始布局量子，当时思考的也是先布局较早落地的专用，2022年、2023年的玻色量子和图灵量子都是我们早期布局的项目。我们也在大力布局量子计算，超导和中性原子都有头部项目。
马寅：“十五五”规划明确提出“研制可容错的通用量子计算机和可扩展的专用量子计算机”，玻色量子长期坚持“通用+专用”并行的发展路径，是一家同时布局“通用量子计算”与“专用量子计算”的中国量子计算企业。在后续分享中我会介绍一些实用化案例。
于文龙：矩量光启致力于研发大型容错超导量子计算机，去年7月份在上海注册成立，马上满一周年。
整个团队非常年轻，具备芯片设计仿真、超导量子芯片制备以及整机系统集成的全链路能力，并与产业链伙伴协作，为客户提供全栈式量子计算解决方案。团队大多具有海外背景，既有非常深的学术积累，也有极强的工程化、商业化落地能力，希望能够推动量子计算从实验室走向更广泛的产业界，加速量子计算应用化落地。
王学辉：我们进入第 一个问题，先聊聊今年的宏观情况、行业体感。不管作为创业者还是投资者，去年参加类似活动的时候大家还在讨论资本寒冬，有人说VC已死，但今年春节后整个形势发生了天翻地覆的变化，可控核聚变、脑机接口、量子、AI等前沿领域基本都是估值飙涨。大家体感怎么样？
方正浩：我觉得有这么几个趋势：
首先，现状是比较热的。可能有阶段性泡沫，但纵观历史每一次科技浪潮都发生在泡沫过后，最后会真正成长出一些世界级的企业。历史上泡沫最 大的阶段还不是现在，而是1999年的科网股泡沫，2000年之后全世界95%以上的互联网公司全都倒闭了，但最后成长出了谷歌、Facebook这样的企业。
其次，就我自己的感受而言，投资人是二八分化的。市场里80%的投资人有从众心理，有些投资人对证券化和套利退出的热情非常强劲，但是对于量子计算到底能做什么，接下来三四年能不能创造生产力、什么时候创造生产力、怎么创造生产力，反而没有那么关心。
所幸我在过去一年时间里比较近距离地观察了整个行业的动态变化，很高兴地看到，越来越多投资机构的专业能力、行业理解深度不断提升，我们要选择的也是这样的合作伙伴。
金豫江：我们和方总合作得很好。量子投了三年时间，从去年第四季度开始涨得特别快，早期觉得10亿、20亿还是正常的估值，现在一个天使轮项目就是10亿、20亿，半年就奔着50亿去了。这对产业来说可能是一个好的机会，通过政策牵引所有资源都聚焦在前沿或者关键基础的行业中去；但就投资而言特别不友好，估值涨了之后，预期的风险和企业要做的事没有少，但是投资人的预期收益率降低了。
我们也面临着这种状况。前期在各个赛道都有布局，现在不仅要跟所有企业谈投资的钱，还要关注生态建设。玻色量子是我们合作两年的企业，现在和马总做了专门的基金投上下游产业链，这样我们和企业都能得到健康的发展，能更深入地看到量子计算如何应用落地，如何从关键零部件突破上看到问题。
现在我们和方总也一样，不管是机器还是下游的系统应用、零部件都在沟通，看怎么一起布局。把这件事做深入以后，才能不断保持认知优势和生态优势，给投资人带来更好的回报。
马寅：我的判断更乐观一些。我想分享三个观点：
第 一，目前量子计算领域没有什么泡沫。公开数据显示，2026年一季度，国内量子科技赛道公开披露的融资总额突破32亿元，一举超越2025年全年总量。据报道，某具身智能公司30天就融资30亿元，相比之下，量子计算行业的企业估值趋于稳定。
第二，要深刻理解国家对量子科技的部署。“十五五”规划将量子科技列为六大未来产业之首。为什么将量子科技排在首位？因为量子科技是生产力，生产力会驱动生产关系变革。我们要理解国家战略定位，从年初的“十五五"规划到今天的资本市场，量子刚刚起了一波小高潮，但离最后的大浪还有一个阶段，还会继续往上走。
第三，“十五五”规划将建设现代化产业体系排在各项战略任务首位，科技创新是第二位，这是国家的深思熟虑。“十四五”规划纲要中科技创新在第 一位，为什么“十五五”规划要将建设现代化产业体系放在第 一位？因为要以经济建设为中心，要把发展实体经济作为基础，没有这个基础，现代化是实现不了的。
“十五五”规划纲要对现代化产业体系的各个方面都有部署。现代化产业体系发展要在推动新质生产力发展的大背景下进行，而新质生产力要发展战略性新兴产业、培育未来产业，金融、医药、农业等行业要互联互通，形成上中下游协同发展的格局，这是未来的希望。最终，硬科技在资本市场的支持下高速发展以赋能各行各业，进而带动整个产业链条的全面提升，资本导引更像一座“桥梁”。理解了这个逻辑就会明白，中国量子科技产业应当百花齐放、百家争鸣。
于文龙：从本质来看，今年量子领域的投资热潮首先源于量子计算在未来算力生态中占据重要一环，算力也是推动经济发展、科技发展甚至保卫国家安全非常核心的一环。
其次，量子计算各种技术路线都取得了非常显著的进步，产业化也在如火如荼进行当中。可能两年前很多人对量子计算有质疑，现在大家都形成了共识，量子计算一定能够成功，只不过是时间早晚的问题。正是基于它的重要意义、整体技术进步及国家积极推动，获得了投资机构的青睐。
国内而言，国家政策导引非常重要。其实量子热潮相比其他领域来说还是远远不够的，我们看到国内的量子计算投资非常热，一季度融了多少人民币，同样海外也有更多的机构、更大的金额进入这个领域当中。我们也要认识到，量子计算仍然面临非常大的科学、工程、技术的挑战，这个投入是长期的，也是巨大的。我们需要更多资金进来，加速产品研发和生态建设，推动商业化应用。
王学辉：感谢四位。今年大势确实很好，最 大的背景还是全球竞争，摩尔线程、智谱给大家画了一个闭环。以前说老二、老三是在跟风吃土，但是慢慢我们开始进入深水区，必须往前走，从跟跑、并跑到可能领跑，整个过程可能会非常漫长，但是也会发生之前没有想象到的事情。
比如以前美股“七姐妹”很牛，我们同行业和别人差一个汇率、差一个量级，但二三十年内我们首先要追平，可能还会超越。从这个角度来讲，这一波硬科技浪潮会非常持久，可能20年、30年、50年，中间肯定会有起伏。投资的角度也很乐观，三年不够我们就用五年、十年，慢慢来。
具体到量子这块，我们探讨一下不同技术路线。可能一开始看好的后来不行了，一开始没有看好的后来又行了。请各位畅想一下，这几种技术路线未来是什么样的，终局是一家独大还是三分天下？
方正浩：经典计算机都是晶体管，最后演化出了冯·诺伊曼架构，演化出了中央处理器CPU、图形处理器GPU、内存乃至硬盘。但量子计算不是这样的，它是存算一体的，一个量子计算机的介质既是计算器，也是CPU、GPU、内存、硬盘。不同类型的量子比特未来可能会呈现出类冯·诺伊曼架构，有不同的适应场景。
为什么中性原子技术过去几个月得到关注？三个月前，超导量子的先驱谷歌宣布把中性原子纳入第二路线，现代量子之父、加州理工的John Preskill教授在三个月前成立了量子计算公司，也是做中性原子。
归结起来，中性原子有三个方面的优势：第 一是全连接性，带来了更高的纠错潜在效率，天然更适合做容错；第二是本身的可扩展性，过去几年中性原子的物理比特增长是各个路线里最快的；第三是规模化后的经济性比较高，主要成本结构、激光系统并不是随着物理比特数的增长而线性增长的。所以目前来看，中性原子是最有潜力做大规模容错计算的路线之一。
金豫江：我们在量子计算机布局好几年了。早期是专用小规模的方式，玻色量子也是国内落地最快的企业。
到通用量子计算后，其实有很多路线，比如中性原子、超导和离子井，目前大家都很看好。就我理解，未来可能还是根据不同的场景采用不同的基础物理的点，量子更适合于大规模的算力中心，有些适合于端侧部署，每家都是各有优势。
投资方面，我们也是全赛道、全链路都进行布局，在当前把每个线路都布上，找最 好的企业，与它们一起发展。
量子是终 极算力，未来CPU、GPU、QPU将在不同维度共同帮助人类走向更高、更远的境地。
马寅：可以从两个层面来看。
第 一个层面是硬件层。量子计算与经典算力——CPU、GPU等实现互联互通，即为“量超智融合”。目前玻色量子自研的专用量子计算机已经在国家超算中心成都中心完成部署，实际运行效果不错，在一些应用场景中已经取得成果突破。
第二个层面是应用层。量子-经典混合算力部署后用来做什么？刚才其他嘉宾也提到，用量子方法构建量子逻辑门，进而探索在大模型训练等领域替代GPU的可能性。这个方向是对的，也是目前通用量子计算领域一个非常大的期待，如果未来在容错能力上能够持续突破，通用量子计算的这条路就有望走通。
玻色量子选择的切入路径有所不同。我们将专用量子计算机应用于AI for Science，已经率先在人工智能、生物制药、新材料发现、脑科学、未来能源等20+个行业实现100+场景探索和应用，并取得了一系列成果突破，具有巨大的实用前景。
回到之前提到的生产力与生产关系之间的联系，量子科技作为生产力就要赋能各行各业，不要试图自己干完所有的事情，而是要真正帮助各行各业的伙伴。这就是玻色量子的定位：专用量子计算机应用于AI for Science。
于文龙：现在量子计算机有几条路线已经在做产业化，也有几条路线在实验室取得了突破和进展。尽管超导分走了最多的资源，比如美国政府最近投入20亿美元支持量子计算，其中12亿美元直接投向了超导领域，还有3.75亿美元投给了GlobalFoundries芯片加工厂，用于超导量子芯片、硅光芯片、拓扑芯片的研发。
实际上，没人能回答哪一条路线最终胜出，哪怕上帝来了也不知道。每一条技术路线都有明显的优劣势、应用场景和适用范围。短期内一些路线有了明显进展，比如超导量子计算率先实现了多个里程碑，但在未来算力生态中很可能是多种量子计算机与多种经典算力融合。现在的经典算力同样丰富多彩，有几万甚至上百万种经典芯片，对量子计算机来说未来每条路线也许都有一席之地。
王学辉：看来还是百花齐放。下一个问题，想探讨量子计算是否有真正落地的领域，大家可以举一两个案例。到底什么是刚需量子计算、经典计算做不了的，什么又是混合的？
方正浩：首先讲一讲量子计算的远期场景。量子计算的主要作用不是计算速度有多快，而是减少计算次数，单论计算速度相比于经典计算其实没有优势。
现在比较确定可以减少计算次数的主要有两大场景，第 一个是密码破解。哪怕是世界上最 大的智算集群和超算集群，破解一个RIC密码可能都需要10亿年，但当我们有大规模容错量子计算机的时候，破解它只需要几个小时。也包括加密货币的攻击场景和建立防御体系。
第二个是物质世界的模拟。电子在原子周边出现的每一个时间点都是以概率分布的，且一个体系里可能有多个电子，彼此之间还有非常强的关联作用。这就导致即使今天用最 好的超算和AI都只能模拟电子行为，而不能做精确计算，因为计算的维数太高了。今天最 大的计算集群能模拟最复杂的体系是水分子，根本没法模拟化学反应。
但当量子计算机达到一定程度的通用容错计算能力时，今天无法被计算的化学、材料、制药问题都可以进行精确计算。原本大量成本用在了试验，比如1000个潜在分子通过AI、DFT计算出来，但是算得不准，必须做化学实验、临床试验、毒理实验。未来量子计算可以精确地描述电子整个反应过程，将极大程度地减少实验的需求，这是确定可以指数加速的场景。
金豫江：我们先从终局看。有些LP跟我们聊，量子以后是否能代替一切？在未来中远期，GPU、CPU在不同领域有不同的优势，CPU强于基本调度和基本管理，GPU是AI的矩阵算法，QPU适用于密码的解密及对真实世界的模拟。
往回推，2030年前后会达到10的负6次方的精度，基本有上百的逻辑比特，可以很好地刻画描绘物质世界。比如刚才提到的分子结构预测，最早叫第 一性原理计算。最初用超算来做，做得很慢，2020年前用GPU来做，效率高一些，但分子数和精度还是有所不足。现在更多是用量子算法来做。我们希望到2030年能有偏通用的百比特的东西，大幅提升计算的精度和复杂程度。
马寅：结合我们自研的专用量子计算机的应用实践，我分享两个案例。
第 一个案例是在小分子制药领域。我们与上海交通大学药学院合作，近期在国际上预印了一篇颇具影响力的论文，工作内容是从第 一性原理出发，开发了靶点活性口袋发现、分子筛选、小分子优化等多步量子算法。基于上述方法，我们高效找到了针对某一特定靶点的多个具有细胞学活性的小分子，目前已经进入动物实验阶段，并快速推进到了接近实战化的场景。如果要问这个做法比经典方法快多少倍，我想说“快多少倍”反而不是最重要的点，真正重要的是我们找到了以前找不到的可能性。量子计算带来了更大的搜索维度和更广阔的可能性探索空间，这种“可能性”本身就意味着更多的希望。这是量子计算在微观世界模拟上一个非常典型的应用，在新材料发现领域也取得了类似进展。
第二个案例在脑科学领域。我们与中科院上海微系统所合作，在侵入式脑机接口方向完成了一项非常漂亮的工作。在50个神经元规模的小鼠视觉识别任务中，我们用专用量子计算机做解码，起初发现准确度不如经典计算机，我的第 一反应是这个场景不是我们所擅长的。但当任务规模扩展到约200个神经元的复杂图像识别信号时，准确率一下子提升到了96.2%，而经典计算机在同规模下的公开数据集准确率为91.1%，我们提升了5个百分点。这就是单点突破的意义所在。在一个单点上找到确切的优势，生产力的价值就体现出来了。
于文龙：矩量光启成立不满一年，是一家专注于做设备的公司，致力于做好量子计算机。现在大家都非常关注量子计算机的应用落地，量子计算应用难本质卡在了硬件设备——现在的量子计算机还不足以支撑大规模商业落地。
矩量光启采用先进的半导体工艺，研发量产大规模超导量子芯片，从而构建一台算力足够强的量子计算机。我们愿意与生态伙伴进行深度合作，包括弧光量子、微观纪元在内的量子算法公司，希望所有量子算法都能跑在我们的设备上，共同推动产业生态发展。
矩量光启也在筹建应用团队，对接量子算法伙伴与行业客户。最近我们与制药公司信诺维合作，开发建设以量子为中心的多尺度模拟解决方案平台。量子计算机最适合解决量子体系问题，主要涉及到微观物理世界遵循量子力学的分子电子相互作用问题。大家都在积极推动量子计算在材料计算尤其是生物医药领域的应用。
现在算力场景、算力需求不断增加，很多是经典算力不能解决的，大家都在尝试用量子计算这一全新计算范式来解决，未来市场规模非常大。
王学辉：咱们是设备为主，类似IBM这样吗？
于文龙：IBM在前几天的大会上，展示了在经典和量子计算机结合的超算上进行了12635个原子模拟实验，IBM同样在大力推动材料计算的研发。
王学辉：AI与各个前沿领域都有组合，比如AI+可控核聚变，控制里面的等离子体。我们也投了一个AI+量子的组合，用经典AI算法模拟量子计算，用于生化环材领域。大家怎么看待AI与量子的结合或协同？
方正浩：AI和量子有非常大的结合空间。短期来看，AI赋能量子的价值更大，比如做中性原子要做激光，要重排原子阵列，AI可以优化激光的串扰，优化阵列来实现无缺陷的排布，一些重排的算法也可以用AI来做。中期来看，容错核心是编解码，AI可以开发新型编解码的算法。目前阶段里，AI技术对于量子技术的快速迭代很有帮助。
量子赋能AI方面，过去我们说量子计算不能用来做AI。大部分AI线性矩阵运算用量子来做会产生两个问题，一是梯度消失的问题，计算过程中慢慢就没有梯度了；二是量子的QRM存储器数据吞吐量非常小的问题。
4月份，谷歌Quantum AI发布了一篇论文，首次论证了量子计算在机器学习中，在PCA、分类、embedding、降维等场景下存在指数加速的可能性，从而第 一次论证了量子未来可能真的可以赋能AI，而且是在大规模、机器学习当中有潜在的价值，很让量子从业者期待。
金豫江：各个路线中不管是原子排布、测控还是纠错都在用AI的工具做，有些量子公司也在与AI公司合作甚至做合资公司。我觉得Quantum AI比较快的点在材料学方面。有些企业目前用量子算法做数据，应该是比较快爆发的点。
马寅：这两方面玻色量子都有实践，我补充两个具体案例。
第 一个方向是AI赋能量子计算。我们从去年6月开始，使用人工智能算法对自研的专用量子计算机系统内多个单点控制环节进行优化，将专用量子计算机的稳定运行时长从每天几个小时提升到十几个小时。可以非常确定地说，AI今天已经能够实实在在地帮助量子计算发展得更好。
第二个方向是量子计算赋能AI。2024年诺贝尔物理学奖颁给了辛顿与霍普菲尔德，以表彰他们在玻尔兹曼神经网络方面的贡献。这套理论框架恰好能够运行在玻色量子的专用量子计算机上。这也是为什么我们将专用量子计算机应用于AI for Science时，核心路径是“Quantum for AI for Science”——这个“AI”更多指的就是玻尔兹曼神经网络，而不是当前以Transformer为代表的生成式人工智能。这就是玻色量子的一些实践经验。
于文龙：AI和量子是密不可分的。量子计算的快速发展离不开AI的帮助，谷歌的量子团队叫Google Quantum AI；反过来，量子计算作为一种算力也可以帮助AI的发展。现在涌现出很多新的领域，如AI for Science，未来量子和AI结合能加速这类行业的发展，比如AI+Quantum for Science、AI+Quantum for material，甚至引起很多行业的变革。
王学辉：最后一个问题，大家来SuperLink有什么诉求，想link到什么资源，可以大声讲出来。
方正浩：我们比较希望与各行各业，包括核聚变、化学、材料、AI，共同去定义量子在下一个时代中到底能发挥什么样的研发提速作用，希望能与大家做更广泛的接触。
金豫江：特别感谢投资界举办这个活动，一是老朋友重聚，二是新朋友见面。希望能扩大下人际网络与新项目的获取。
于文龙：新行业尤其前沿科技行业其实非常缺人才。量子计算机研发需要多学科交叉，不仅需要量子专家，也需要各个领域的顶 级工程师，比如集成电路、IT、人工智能、半导体领域的顶 级人才和先进技术。更重要的是，量子计算需要行业客户的支持，提供更多业务场景，毕竟没有人比客户自己更了解他们遇到的难题。在用经典算力很难解决、甚至无法解决的情况下，大家可以大胆尝试量子计算，寻求解决方案。
IBM宣称他们与全球500强公司中的300家建立了合作，给国内各个行业带来非常大的启发。在新的计算范式出现时，其实也为各个公司提供了领 先竞争对手的发展机会，拥抱最 先进的算力，也许就能在未来竞争中领 先对手一步。
王学辉：最后，我也特别希望大家都能够成为百亿公司，早日上市，甚至达到千亿、万亿。希望万亿级公司里能出现量子企业的身影。谢谢各位！
本文来源投资界，原文：https://news.pedaily.cn/202606/565231.shtml
