2025年9月23日至25日，世界量子峰会在新加坡喜来登酒店举行。峰会由TPGI主办，是全球首个聚焦实用化量子技术的行业盛会，旨在汇聚全球科学家、企业、政府和投资者，推动量子技术走向现实应用并促成具有影响力的合作。
AI快速发展，量子计算正成为破解经典计算极限的关键。峰会聚焦量子计算与AI的融合如何改变网络安全、金融、制药、物流和能源等领域的格局，通过专家讨论、线上与现场演示等形式，分享全球顶尖专家的见解与实践经验，探讨从实验室突破到产业应用的路径与策略。
一家在国内量子计算领域处于领先地位的企业代表参展，携1000量子比特相干光量子计算机模型参展，并展示在优化计算、提高安全性和加速人工智能方面的解决方案，体现我国量子科技的硬实力。
峰会汇聚全球企业、顶尖高校及科研机构的演讲嘉宾，相关领域专家就量子技术的应用与前沿做出了多角度分享。
演讲者结合自研相干光量子计算机，介绍量子底层方法在AI中的应用，以及在生命科学和药物发现等领域的最新研究成果，现场演示还原了金融与生物制药等应用场景，展示了成熟的量子计算工具链及实时计算能力，获得广泛关注。
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。
相干光量子计算机是一种专用的求解伊辛模型等优化问题的量子计算架构，由光量子态制备、光量子存储器和测控一体机三大核心模块组成，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，通过系统向基态能量的衍化来寻找最低哈密顿量，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量子比特规模大、室温下运行、全连接、能耗低等优势，能够满足大数据、人工智能及金融等高算力应用的需求。
自研的1000量子比特相干光量子计算机是目前国内首个突破千比特规模且可长期稳定运行的专用光量子计算机，单次计算解空间可达2^1000、全连接且多场景适配、毫秒级高质量求解，较经典计算具数万倍加速，技术处于世界领先水平，已在人工智能、通信、金融、医药、能源等领域实现多项突破。
近期，该公司发布可提供1000量子比特云服务的新阶段，强调可提供定制化量子云算力，支持更大规模计算任务，并开启了面向深度战略合作的更高容量计算服务模式。
高奇演讲现场
2024年诺贝尔物理学奖获得者 Geoffrey Hinton 曾提出一种重要的能量神经网络——玻尔兹曼机（BM）。玻尔兹曼机基于统计物理的能量模型，能够将数据变量映射为自旋粒子并驱动系统向最低能量态演化，因此具备强大的抗噪声能力和生成式表征学习能力，是深度学习的重要基石之一。
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计算架构难以展开，严重限制了这项技术的发展。
高奇介绍，相干光量子计算机的底层物理计算逻辑与玻尔兹曼机的全连接属性高度契合，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，量子增强的玻尔兹曼机（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，某公司开源了国内首个PyTorch量子神经网络开发套件KAIwu-PyTorch-plugin（KPP），这是一个基于PyTorch和KAIwu SDK的量子计算编程套件，可基于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，提供了简单易用的接口，帮助研究人员和开发者快速实现含能量演化特性的神经网络模型并应用于多种下游任务。
量子计算在金融反欺诈识别中的应用
在反欺诈识别场景，金融领域面临诸多挑战。随着数字化金融的发展，欺诈手段日益复杂，交易模式隐藏在海量数据背后，追踪分析难度较大。
以银行反欺诈为例，通过构建量子社区发现算法对交易网络进行识别，为判断账户欺诈风险提供技术支撑。社区结构的模块度用于衡量划分的好坏，将社区发现问题转化为最大化模块度的优化问题，从而借助量子计算实现高效求解。
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，优于传统算法，展示出更稳定的业务表现。
量子计算的核心在于并行的社区搜索、全局优化能力和指数级加速，能够处理更大规模的网络问题。
量子计算在生物制药中的应用
场景一：分子对接通过评估空间互补性与能量匹配度来预测配体-受体结合构型。通过将匹配关系编码至量子计算模型，支持并行搜索以找到自由能最低的构型，在公开数据集测试中，相干光量子计算的方法达到了与商业工具相近的采样能力，并将采样时间显著缩短。
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。测序误差、重复序列及多倍体现象等因素对组装带来挑战。
高奇介绍，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模型求解最短路径，从而确定不同片段的位置关系，完成全基因组组装。相干光量子计算在时间效率方面具有显著优势，且问题增大时性能下降很小。
场景三：AlphaFold等AI模型高度依赖大量结构数据进行训练，但生物数据往往含有噪声，导致对某些蛋白质（如膜蛋白）的预测精度较低。天然蛋白质中的氨基酸分布遵循玻尔兹曼分布，结合物种进化信息与光量子计算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，提升氨基酸相互作用的预测。
玻色量子研究发现，聚类分析是单细胞组学研究的关键，通过量子玻尔兹曼机增强的变分自动编码器（QBM-VAE）能够捕获隐藏特征，进行更精细的聚类并揭示细胞发展轨迹。
玻色量子倡导的实用量子计算发展，推进传统组合难题的解决，同时开辟了新的方法学范式，在生物信息分析领域带来新的发现，迈出See the Unseen的一步。
此次峰会，某公司携千量子比特相干光量子计算机亮相，与全球顶尖专家共同讨论中国在实用化专用量子计算方面的最新突破，展示了实用化量子计算的技术实力。峰会见证全球实用化量子计算技术的进步与产业生态的繁荣，某公司期待与全球伙伴携手前行、实现共赢，推动实用化量子计算在全球范围内的发展与应用。
