+86 +86 158 2476 2164 [email protected]
2026年，产业投资迈入更深层次阶段，资本、技术与产业的融合持续加速，过往的投资逻辑已然失效，新兴共识逐渐形成。2026产业未来大会围绕新周期机遇展开，共同探索产业前景与“中国之光”的崛起。9月9日至10日，36氪主办的2026产业未来大会，以“深水之上，共振新生”为主题，在北京亦庄举行。来自国资平台、产业投资基金、企业CVC、创新企业以及专家学者的代表齐聚一堂，聚焦量子科技等未来产业的产业化路径。大会深入探讨了前沿技术与产业视角，集中展示了超导、光量子、离子阱等技术路线的突破，分享了大量具体产业场景、产业体系构建以及异构计算的前景，共同探讨科技产业投资的未来方向。
以下对话内容，由36氪整理编辑：
主持人：
36氪作者 彭丽
嘉宾：
正则量子 创始人&CEO 黄蕾蕾
矩量光启 创始人&CEO 于文龙
玻色量子 董事会秘书 弓超
彭丽： 现场以及线上的各位朋友，大家下午好。我是36氪的作者彭丽，很高兴担任今天圆桌论坛的主持人。
如果说过去几年我们讨论量子计算更多聚焦在实验室里的概念验证，那么站在2026年的今天，正如圆桌主题所言，我们感受到了前所未有的量智共振。
今天，我们更关注的是不同路线各自有何特点，未来它们将如何演进，以及会进入怎样的产业场景。现在，让我们共同探讨量子产业的下一个十年。
首先，现场邀请到了三位嘉宾，他们来自不同的企业，也代表了不同的技术路线。请各位嘉宾先做自我介绍，并阐述自己所代表路线的原理和特点。黄总，请您开始。
黄蕾蕾： 大家好，我是来自正则量子的黄蕾蕾。我们公司专注于全栈式软硬算一体光量子技术路线。光量子本质上以光子作为量子信息的核心载体。光子的优势在于其相对稳定，能在常温下运行，并且与现有通信网络以及未来的量子网络兼容。它的劣势则在于大规模纠缠和损耗方面存在一些问题。
我们公司目前基于自研的核心底层光芯片，以及专用光量子计算机和通用光量子计算机双线并行的策略，积极推动量子计算在多个产业上的落地应用。谢谢！
于文龙： 各位嘉宾大家下午好，我是来自上海矩量光启计算技术有限公司的于文龙。矩量光启是一家从事超导量子计算机整机研发的企业。超导量子计算在产业化和工程化方面已进入快速发展阶段。矩量光启能够提供从芯片研发制造到整机集成，再到后续产业应用解决方案落地的全栈式技术服务。
弓超： 大家好，我是玻色量子的董事会秘书弓超。玻色量子成立于北京市，以“实用化量子计算”为核心，坚持“专用量子计算先行、通用量子计算长期布局”的双线战略。玻色量子采用相干光量子计算路线。这条路线不依赖通用量子逻辑门电路来完成计算，而是将适合的问题映射为相应的物理模型，再通过物理演化过程进行求解。
这条路线的主要特点包括计算规模的可扩展性，以及利用物理系统演化进行求解。同时，我们的设备可以在室温条件下运行，这有助于降低对运行环境的要求，从而相应地降低部署成本和整机能耗。总的来说，我们认为这是一条面向实用化的技术路线。
彭丽： 谢谢三位的介绍。第一个问题想从行业视角出发：站在今天这个时间节点，三位如何看待中国量子计算目前所处的产业化阶段？如果要用一个核心指标来衡量量子计算在未来3-5年的发展，大家的答案会是什么？
黄蕾蕾： 从2026年来看，我认为量子产业已经从原先的科研实验阶段，向工程化，特别是向特定专用落地的应用场景转换。举一个简单的例子：在去年年底之前，当你和客户聊量子或量子计算时，大约百分之八九十的客户会觉得这个概念不错，但太前沿了，他们无法使用。
今年有一个特别好的变化，你会发现很多客户愿意尝试，他们会主动找过来说，虽然自己不懂量子计算，但希望我们能帮忙看看他们的业务与量子有什么结合点。所以，我认为这是一个非常好的时机，尤其是对于原先更偏向科研应用的公司来说，能够真正与产业落地融合。
关于您提到的指标问题，我认为最重要的指标，刚才宋总也提到了，不再是单纯看物理比特等简单数字，而应该更多转向：你的量子算力真正能为客户当前的需求带来多少效率提升。所以，我认为未来3-5年的核心指标是，能否找到那么几个点，哪怕只有1-2个客户场景的应用落点，能够证明它相对于经典计算有效率或性能的提升。并且，这种解决方案在某个垂直领域是可复制、可大规模推广的。我认为这是未来的核心指标。
彭丽： 明白。于总的回答会是什么？
于文龙： 进入2026年以来，我们感觉到整个中国量子计算机产业进入了起步阶段，并且在快速发展中。例如，今年上半年整个一级市场非常火热。推动这一变化的因素是技术越来越成熟，正从实验室走向真正的产业化落地。
在未来3-5年中，尽管发展迅速，但中间仍有很多挑战。判断一个量子计算机系统是否真正进入应用阶段，要看它是否具备解决真正问题的能力，而不是一些具体的、单一的指标。这方面目标都很明确，整个量子计算机领域的从业人员都在朝着将量子计算机积极应用于实际、解决真正商业问题的方向努力。毕竟，量子计算机本质上是一台计算机。整个生态中，大家也逐渐认可这一点。例如，他们其实并不比客户更了解客户在现有算力生态中遇到的困难和瓶颈问题。在这种情况下，他们也会积极寻求全新的计算范式，比如量子计算。
所以，整个行业，从上游产业链到整机企业，再到下游的应用方案和客户需求，都在积极推动行业发展。
弓超： 我认为量子计算行业，对于头部参与者来说，无论是中国的还是美国的，普遍都处于从实验室向产业迈进的阶段。
具体来说，可能需要分开看待：
通用量子计算方面，我认为现在处于一个大家通过工程化方式去解决纠错问题的阶段，其中已经看到了一些非常积极的进展。今年我们非常期待通用量子计算能实现一些高质量的逻辑比特，并在一些真实商业应用的POC方面看到进展。
专用量子计算方面，就像“十五五”规划中提到的，未来5年核心的指标或任务可能是可扩展性。过去几年，我们可能已经在一些真实应用场景和真实商业问题上验证了小规模应用。这个优势能否被扩展到更大规模，更好地满足客户的实际需求并创造商业价值，我认为这可能是专用量子计算未来3到5年应该实现的事情。
彭丽： 感谢三位的回答。听上去，大家的一个共识是：接下来一定会向产业化方向走，一定会向真实场景方向走。
接下来，想问一下黄总。光量子路线经常被认为在量子通信、量子网络方面拥有自身优势。您认为，如果未来10年量子计算要真正进入产业化阶段，光量子可能会率先在哪个方面建立起自己的优势？是计算本身，还是量子网络，或者是今天尚未充分意识到的其他场景？
黄蕾蕾： 未来10年这个周期，确实可能会在后面出现一些早期没有预料到的场景。就目前而言：
第一，光在做计算时，在专用方面有先天优势。针对一些特定的图论、优化问题求解等，在未来的近期几年内，专用光量子是相对能先落地的。
第二，除了计算，我个人认为光在网络方面，尤其是分布式量子计算方面有优势。不管是超导、离子阱还是中性原子，大家都在谈论分布式量子计算。虽然大家的技术路径不收敛，但有一点是绝对收敛的：未来的量子计算肯定离不开光量子核心技术。你需要非常好的光源、非常好的光量子线路芯片和光的探测器，这一点是确定的。
第三，光不仅在计算和网络方面，在一些量子感知方面也有其先天优势。
所以，我认为在未来这几个不同层面，产业落地会形成一个体系化的互动，这可能是光相对于其他路径的相对优势所在。
彭丽： 刚刚聊了光的这些优势，您认为真正能够决定光量子路线最终能否跑出来，需要解决的一个最关键因素是什么？
黄蕾蕾： 在我看来，其一，光和超导是目前唯二实现量子优越性的路线。能否证明在一些特定的、有用的问题上，它比现有的经典方法要好？其二，在通用光路径上，能否解决大规模纠缠光子对的产生，并减少光损耗的问题？我认为这两个是非常核心的点。
彭丽： 感谢黄总的回答。下面一个问题问一下于总。超导路线目前可能被认为是最成熟的工程化路线。在半导体和硬科技领域，大家也有一个概念叫“中等技术陷阱”，简而言之，就是技术出来了，但离较高的良率和规模化量产还有一定距离。
想请您聊一下：第一，您认为今天半导体产业有哪些能力可以复用到量子计算？第二，如果超导路线要真正走向规模化，您认为最需要解决的工程化问题还有哪些？
于文龙： 超导量子计算是目前工程化和产业化走得比较靠前的路线。它之所以发展这么快，得益于整个超导量子计算产业链非常成熟完备。例如，超导量子芯片高度依赖于当前先进的半导体设备、产线和工艺。整个超导量子计算的发展是从实验室慢慢走向工程化和产业化的，专业半导体设备和产线能力（晶圆制造能力）将在整个量子芯片产业发展中扮演越来越重要的角色。
许多芯片加工的先进技术会极大促进和提升整个超导量子芯片的发展，从而促进超导量子计算机的发展。尽管超导量子计算机看似在产业化方面走在前列，但它也面临着未来大规模商用时的诸多问题，需要从各个工程环节和维度去解决。虽然现在的半导体设备和工艺已经非常先进，但在提升超导量子芯片的良率、稳定性、均匀性，甚至降低成本方面，仍有很大挑战。
稀释制冷机用于提供极低温度以保证量子芯片稳定运行。这方面，稀释制冷机的规模化制造甚至模块化制造已有一些突破，但仍需要产业链伙伴积极拓展。
最后，分布式计算以及大规模集成能力，以解决大规模问题，需要算法以及系统集成能力。所以，每个环节都是一个巨大的挑战。
整个系统要想有效运行，不是靠解决一个问题，而是要保证整个系统各个环节都没有明显的短板。这是一个集成度非常高的系统，这一点与半导体的数字计算机还是有很大区别的。
彭丽： 下一个问题想问一下弓总。玻色量子之前提出了“专用量子计算先行，通用量子计算长期布局”的路线。您也提到，玻色量子在商业化方向已有多个案例落地。首先，请您聊聊它的商业模式目前大致是什么样的？
弓超： 专用量子计算的商业模式，我觉得有点像早期IDC的状态，即算力基础设施的部署阶段，可以这样大致形容。在很多特定行业，比如生物制药、金融、交通物流等行业，可能已经看到了应用探索。我们也很积极地和很多新药研发、新材料发现的终端用户或中间服务商，如CRO或AIDD公司，形成了一些联合成果。
但在这个过程中，单个科研机构或创业公司投入量子计算机硬件的部署成本，对他们来说是一个比较大的挑战。所以，今天我们看到有很多平台方出现。平台方的角色可能是地方政府国资平台、大型科研机构、大型国央企或上市公司。他们作为算力基础设施的建设或运营主体，由他们部署量子计算硬件设施，再以算力的形式提供给终端用户使用。整个链条大致如此。
对我们公司来说，商业模式一方面是整机销售，面向这些平台方或基础设施的建设方；另一方面是面向终端用户提供算力服务和专业技术支持。在一些探索进展较快的领域，我们也在与合作伙伴共同推动应用成果建设。
未来，我们还希望探索联合成果的商业转化以及相应的收益分配机制。这是我们在现有业务之外进一步探索的方向。
彭丽： 从公司现在的实践来看，您认为专用量子计算目前最大的挑战是算力本身不够，还是需要找到持续产生商业价值的场景？
弓超： 我认为这个问题很明确。面向更大规模的应用需求，现阶段的算力供给还需要进一步提升。就像我刚才说的，专用量子计算机的算力基础设施部署才刚刚开始。在硬件方面，随着比特规模扩大，设备的稳定性和连续运行能力还需要进一步提升，以满足客户的使用需求。
另一方面，整个应用探索生态也还处于初期阶段。但过去几年，专用量子计算已经回答了在一些真实商业问题和真实问题上具备解决能力的问题。我们也会和一些经典方法或人工智能方法做对比。现在，在明确的大规模组合优化问题上，尤其后来我们结合了一些机器学习的能力，比如做量子玻尔兹曼采样，在这些问题上去求解一些分析设计或新材料设计等问题上，已经取得了比较明确的优势。
但正如我刚才提到的，问题在于这些优势能否扩展到更大的规模，进一步适配生产环境所需的问题规模和使用要求。这一定需要更大规模算力的支撑。现在，客户已经在向我们提出更高的要求，推动我们围绕具体需求进一步提升能力。
彭丽： 如果我们把时间拉长到十年维度来看，各位站在公司的角度，您认为量子计算本身最终会走向一条主流路线，还是会长期保持多条路线并行？
黄蕾蕾： 我之前看过一句话：我们永远会高估现在，会低估未来。从10年的角度来看，首先肯定没有人能回答这个问题。如果能回答，所有路线都会快速聚焦到一个方向，就不会像现在这样分散了。
刚才宋总做报告时提到，现在行业的共识是，未来相当长一段时间内多种技术路径会长期并存。因为每个方向都有其优势和劣势。例如，超导门控速度快，离子阱精度高，中性原子规模能起来，光能在室温下稳定运行、对噪声不敏感。所以，有很大概率——我相信你问更多专家也一样——每个路径在一些特定问题上都有其特定优势。因为通用量子计算还有比较长的路才能实现，所以我认为在真正通用量子计算实现之前，在很长一段时间内，几条技术路径还是会相互并行，有点像CPU、GPU、NPU的异构融合。
现在也看到很多平台，很多大型量子计算云平台，里面集成了光量子、超导、离子阱和中性原子等各种技术，然后会针对具体问题再调用不同的量子硬件资源。这种模式有可能是未来几年的趋势。
于文龙： 10年时间，我们希望在所有路线和量子计算的从业者中，大家都在努力践行把量子计算积极推动产业落地，真正解决一些行业问题。
量子计算的生命周期会非常长，整个行业都在努力。在最近3年内，希望能看到真正的商业化落地；在5-10年阶段，能看到中等规模甚至小规模的容错量子计算机解决部分材料问题，甚至是破解密码问题、组合优化问题。
所以，美国及世界各国都在积极推动抗量子密钥的研发和部署。整个行业的生命周期会非常长。人类对算力的需求也在持续增长。以半导体产业和传统芯片计算力为例，当第一个晶体管发明出来、当第一个小规模集成电路发展出来时，也没有人能预测到10年后会发展到什么阶段，更无法预测60年后信息技术、集成电路技术和半导体技术会如此先进，而且技术还在不断发展中。
半导体芯片领域，层出不穷的新芯片和算力芯片都在涌现。如果量子计算像半导体芯片一样发展，10年之后也许还会出现一种新的量子计算范式。除了原子、超导、离子和光，也许到那时拓扑量子计算就已经非常成熟了。在长期的未来中，人类会有各种新的计算方式涌现。我认为，只要能在真正的商业社会中找到自己的应用场景，有行业客户和需求，解决真正的问题，未来都会有一席之地。
弓超： 首先，我也同意两位老师的意见。我认为10年这个周期，现在还很难做出确定性判断。我比较倾向于相信，未来多条技术路线还是一个长期并存的状态。至少站在今天这个节点，从底层科学角度，可以看到各个技术路线真的各有优势和局限，目前还很难判断哪条路线能够在各类需求上都占据优势。
我认为，至少我们应该鼓励的方向是：一个产业的发展，要各取技术路线之长，在各个技术路线下利用它最优势的部分，探索不同路线之间的优势互补，这有助于提升整体效率。不同类型的计算芯片也在服务不同的需求。我相信量子计算领域也可能呈现类似特点。CPU具有很强的通用性，理论上也可以用CPU去跑深度学习，但具体使用什么硬件，还要看任务特点和效率要求。
我认为未来，首先需求一定是非常多样的。针对不同需求，不仅要考虑某个路线量子计算机能否解决这个问题，还要考虑它解决这个问题的效率或经济性。从这个角度看，比如大规模组合优化或模拟类问题，可以根据问题特点，发挥相应计算架构的优势。
但一些涉及复杂逻辑运算的问题，则需要进一步考虑计算架构的通用性和可编程能力。不同任务对规模、保真度等指标的要求也有所不同。因此，我倾向于认为，未来会形成多路线并行、各展所长的发展格局。
彭丽： 就是找到具有自己特色的场景。下一个问题是关于商业化。各个企业对商业化的定义会不会有所不同？比如，是认为需要把量子计算机的整机卖出去，还是提供云服务，还是觉得有某个具体的行业问题？您对商业化的定义是怎样的？
黄蕾蕾： 在我看来，量子计算商业化的标准不是单一的，而是分层的。
第一层，是产品的商业化。即你的硬件或你的云算力服务可以实现标准化交付。
第二层，是解决方案的商业化。你可以整合垂直领域的核心应用，为他们提供针对现有场景的特定解决方案。
第三层，是实现商业化闭环。即你结合硬件产品交付提出的方案，能够在一个特定场景下产生比现有方法更好的效益，能够让他实现持续的10倍、20倍甚至上万倍的效益提升，客户愿意复购，形成持续的正向循环。我认为这是大部分人认定的真正商业化。
我想强调的一点是，商业化不是今天睡一觉，明天早上一起来就突然商业化了，肯定要有一个过程，是分步走的形式。
现在，越来越多的量子公司开始有更加标准化的产品、更加标准的应用和解决方案出来，也在慢慢提出一些真正能解决现实问题、提升效率的东西。在这样的环境下，我相信商业化是能够逐步实现的。
比如光量子，可以专用和通用并行。两三年内，针对一些专用落地场景可能会有应用出来，但真正的通用量子计算可能还需要长期发展，我个人觉得至少需要5到10年以上的持续技术迭代。
于文龙： 关于量子计算机的商业化，我认为商业化不是一个结果，也不是一蹴而就的事情，而是一个持续发展的过程。
我个人认为，量子计算机的商业化与整个量子计算机整机的算力相关。有多大算力，就能触达到多少客户，解决多少问题。随着量子计算机算力的提升，包括量子比特数不断增加、逻辑比特保真度不断提升、主频运行速度不断增加，能够解决的问题也越来越多，能够触达更多行业并带来更多价值。
整个量子计算机行业刚刚进入产业化发展阶段，量子计算机的性能也刚从含噪声量子计算机逐步转向通过纠错实现通用量子计算机的阶段，算力还没有达到理想量子计算机的需求。在这方面，尽管行业客户还处于发展早期阶段，但他们也在积极提出场景，尝试用新的方案
