量子比特數(shù)量是衡量量子算力的關鍵指標。目前大多數(shù)量子計算機硬件的物理量子比特數(shù)量處于 200 到 500 之間，經(jīng)過糾錯獲得的能用于計算的邏輯量子比特僅有數(shù)十個。

當可用于計算的量子比特數(shù)低于 500 時，量子算法無法有效處理高復雜度的AI模型；達到 1000 這個數(shù)量門檻后，量子計算機才有可能求解大范圍梯度優(yōu)化、AI模型訓練等實用化問題。

玻色量子的突破不僅體現(xiàn)在量子比特數(shù)量上。其相干光量子計算機的耦合精度達到 int8，首次超越全球首家量子計算機商業(yè)供應商 D-Wave（耦合精度為int5）。

玻色量子創(chuàng)始人兼 CEO 文凱表示，這種端到端的服務模式降低了量子計算的使用門檻，1000 計算量子比特云服務最快端到端時間低于 60 秒。

量智融合

量子計算與人工智能的融合正在創(chuàng)造新的可能性。2025 年 8 月，玻色量子發(fā)布了自研的量子玻爾茲曼機及開源編程套件 KPP，這是“量智融合”的重要里程碑。

這一成果與 2024 年諾貝爾物理學獎密切相關，該獎項授予了神經(jīng)網(wǎng)絡先驅、玻爾茲曼機的提出者杰弗里·辛頓。玻爾茲曼機作為一種基于統(tǒng)計物理的能量模型，能夠學習數(shù)據(jù)概率分布并生成新樣本，奠定了深度學習的基礎。

基于傳統(tǒng) GPU 硬件框架訓練玻爾茲曼機時，其核心采樣過程的 NP-Hard 特性導致模型訓練難以實現(xiàn)。而玻色量子的相干光量子計算機利用光量子搭建物理 Ising 模型，憑借量子并行特性可高效處理玻爾茲曼分布采樣，在訓練速度上實現(xiàn)指數(shù)級加速。

在生物制藥領域，量子計算與 AI 的融合已展現(xiàn)出實際價值。玻色量子研究團隊借助相干光量子計算機的玻爾茲曼采樣能力，快速學習蛋白序列的進化學信息，捕捉精確的氨基酸互作關系。

基于量子玻爾茲曼機，玻色量子聯(lián)合相關單位開發(fā)了蛋白質結構預測量子算法，高效求解 Potts 模型的同時精確預測蛋白氨基酸殘基接觸圖，在 100 結點的數(shù)據(jù)集上實現(xiàn)收斂。

云服務降低量子計算使用門檻

量子計算云服務的推出，從根本上改變了量子計算的獲取方式。通過阿里云平臺，量子計算資源變得像傳統(tǒng)云計算資源一樣易于獲取，大大降低了使用門檻。

玻色量子 1000 計算量子比特云服務支持多設備互聯(lián)、集群計算，能夠處理大量的高復雜性且大規(guī)模的計算任務，為未來量子計算集群的應用奠定了堅實基礎。

該服務還可提供 CPQC-X 服務，支持深度戰(zhàn)略合作用戶提交大于 1000 量子比特的計算任務，開啟了定制化量子計算服務的新模式。

隨著政企、科研工作者、量子算法開發(fā)者等用戶的不斷增加，玻色量子平臺調用求解次數(shù)累計超過 6800 萬次，覆蓋院校超過 900 所，參與研發(fā)的開發(fā)者人數(shù)超過 10000人。

目前，玻色量子與廣州國家實驗室、上海交通大學、中山大學藥學院、北京腫瘤醫(yī)院、清華長庚醫(yī)院等機構，在蛋白質結構預測、分子相似性篩選、多肽對接、變構位點預測等場景展開實用化量子計算應用探索。

參考資料：

http://www.chinahightech.com/2025-09/16/content_401300.html

https://www.ncsti.gov.cn/kjdt/xwjj/202508/t20250812_215829.html

https://www.c114.com.cn/quantum/5285/a1294665.html

https://www.news.cn/digital/20251015/b6023ec32a0e4ce7b858836fd53695d9/c.html

https://big5.news.cn/gate/big5/www.news.cn/tech/20250917/2eb0776cd02948ef938af7ed647c3b86/c.html