2025年5月9日-10日，2025全球生物制造大会(简称2025 GBC)与2025VBEF未来医疗医药100强展会于江苏苏州国际博览中心成功举办。

2025VBEF未来医疗医药100强展会以创新展示和深度链接为核心，设置”论坛+评选+展览+报告+资源对接“五大板块，持续为创新产品提供新渠道拓展机会，为产业各方提供一个高效投融资、BD合作、产业链供应链交易、成品交易、海外市场拓展等全方位、多层次需求的最佳场域。

2025全球生物制造大会围绕生物制造产业的技术突破、产品获批、市场准入、出海拓展、国际协作等关键议题，搭建信息、人脉、产品交流平台。大会内容包含院士专家报告、企业家主旨演讲、产业资本圆桌、创新项目路演、展览展示等内容，全面展现生物制造领域技术创新变革、资本脉动、热点产品和产业趋势。现场参展企业达150+、参会企业2000+、专业观众16000+，打造了生命科学领域全球盛会。

玻色量子作为国内量子计算领军企业、“量子计算+生物医药”领域的优秀生态开拓者受邀参会，并荣获“生物制造中试产线最佳合作伙伴top10”荣誉。5月9日下午，玻色量子创始人&COO马寅在ITBT&AI药物研发论坛上深度参与“工具的革命——技术创新、监管挑战与产业生态构建”的圆桌探讨。玻色量子算法总监高奇在2025全球生物制造大会上发表以“万亿分子光速筛选——量子计算助力开启药物发现新时代”为主题的精彩演讲。

玻色量子展台

未来医疗医药百强展会 ITBT&AI药物研发论坛

马寅参加圆桌论坛现场

Q：我们都知道玻色是量子计算领域的领先公司，量子计算和AI是天然搭配，尤其是在AI4S领域。那聚焦在咱们今天论坛的主体，对于生物领域相关的产业来说，您在平时的业务中，客户或者合作方对于量子计算的具体需求是什么？能给我们大概说一下么？

玻色量子创始人&COO马寅：用户需求主要来源于三个方面，用户的第一需求是量子计算机硬件的可计算比特数，这直接决定了能解决多大规模的问题。不同场景建模的算法所需的计算规模从几十比特到数万比特不尽相同，像药物筛选中的分子对接问题，目的是搜索得到一个配体分子跟靶点蛋白活性口袋结合的最低自由能构象，通过建模可以利用量子计算的并行求解能力在微秒级遍历搜索所有的配体原子跟氨基酸残基的匹配组合，从而找到结合能最低的配体结合构象，那么求解所需的比特数为配体原子数与对接盒格点数的乘积并加上约束项，较大分子和靶点活性区域较大建模出来的规模最高可能需要几万比特。而另一个重要的问题蛋白结构模拟则需要更高的比特数才能得到高精度的结构，该问题规模受蛋白大小和空间离散的精细度影响。

用户第二个需求是硬件长时稳定运行，这决定了高频调用时计算结果的高保真度和可信度，比如目前的AI模型迭代训练、药物发现中大规模分子库的筛选等诸多场景都需要高频计算，AI模型训练的目的是基于训练集的迭代更新得到一组网络参数使得该模型定义的损失函数最小，那么这些用户希望有长时稳定的计算能力来支撑这些场景问题的持续求解，来完成AI模型的快速迭代训练和高效收敛，在药物筛选问题上，不同任务的求解质量很可能影响最终的筛选准确率；用户的另一个需求是较低的使用门槛，这决定了量子使用可及性和使用范围。所说的门槛包括两方面：一个是技术，用户希望不必关注量子计算复杂的计算原理和量子编程技巧，可以直接上手使用，另一个是使用成本，用户希望能有较低的计算成本来进行大规模计算和测试。以上就是目前用户最为关心的三个需求。

马寅参加圆桌论坛现场

我们知道数据、算法、算力是人工智能的三驾马车，其中核心技术是算法跟算力，那么玻色量子的研发正是在这两个方向持续发力，当然底层硬件是我们的基本盘，以底层硬件突破为引领，在此基础上针对AI及药物发现核心场景开发适配算法来满足不同客户需要。针对生命科学基础研究、药物发现、公共卫生健康、智慧医疗等不同方向的领域的客户群体的需要会有差异，可大致分为两类：

第一类客户及合作群体是不关注算法建模本身，只是利用已有的方法去解决研究中所涉及的计算问题，那么这类客户比如临床医生和基础研究领域的研究者拥有宝贵的数据样本，但可能缺少先进的计算资源来帮助处理和分析这些数据从而得到高价值的生物信息，那么这类客户可以直接调用我们开发的成熟算法+硬件算力平台来解决实际计算问题；第二类客户和合作群体是方法类开发研究者，那么这类客户拥有非常资深的算法开发背景，借助我们的SDK和真机算力可以针对不同场景需求进行底层量子计算算法开发，其最大的需求是利用我们的真机计算资源，通过大量数据集测试来验证方法的有效性，这也是目前我司的主要深耕方向，通过建立开发者社区、发布赛题等方式吸引各领域学者和开发者进行使用，相当于我们提供了锋利的矛，供大家使用，不仅仅是在生物制药领域，在各行各业中开疆扩土，以充分发挥量子计算的优势。

Q：从AI技术上来看，现在生成式AI的发展非常快，可以用日新月异来形容，但从AI在Science领域的落地来看，还是处于一个渐进式的状态，更多式体现在提高某一环节的研发效率上。所以，从您几位的角度来看，未来5年，您觉得AI在生物医药领域会出现一个颠覆式创新的状态还是维持在一个渐进式创新的轨道上？

玻色量子创始人&COO马寅：我觉得未来5年会是一个颠覆性的创新状态，尤其是在量子计算在大规模组合优化求解和精准的采样能力加持下的AI可以全链路实现药物研发加速，从靶点结合位点发现到先导化合物筛选，再到体内实验验证和临床验证都将实现变革。不可否认，AI的加持使得生物学研究和药物发现进入了一个快车道，DeepMind的AlphaFold一年可以画2亿个蛋白质的结构，并且精度也较为可观，超高效率在以前是想都不敢想的，这些先进的算法发展时间也就三五年左右。另外除了预测模型，生成式AI成为目前一大主流方向，后GPT时代让生成式AI的浪潮席卷了全球，从最开始的GAN 到 VAE，再到目前的Flow和Diffusion Model，这些先进的生成模型在一些生物学和药物发现领域场景得到了非常广泛的应用，这些模型的出现改变了以往的药物发现从广阔的化学空间搜索模式，这些革命性的转变使得药物发现效率得到了显著提高。

但同时，我们也需要正视这些模型的局限性，比如，很多生成模型如VAE的先验高斯分布假设往往会存在一些问题，基因表达、染色质开放与否、化学分子的构象能量分布等问题并不是一个高斯分布，基于这个分布假设生成的分子或者序列势必会造成结果的偏差。量子计算或许是其中破局的关键，从我们目前的一些实验结果来看，基于量子计算的能量函数体系进行复杂的玻尔兹曼采样可以较经典基于蒙特卡洛采样的AI算法在一些生命科学领域和药物生成问题上表现得到显著提升。未来，量子计算增强的AI将是一个重要的应用底座，尤其是在生物制药领域，虽然生命经过几十亿年进化形成了各层次互作的复杂体系，这也造成了目前解析的困难，但这些复杂体系背后也遵从一个很基本的物理统计原理，即互作体系总是向基态能量演化，这与量子计算的能量演化过程不谋而合，所以说量子计算增强的AI将是解决生物制药领域问题的一个关键点，也将是未来五年的研究热点和重要应用尝试。

2025全球生物制造大会

高奇发表演讲现场

算力是各行业最底层的生产力基础，量子计算具有经典计算无法比拟的巨大信息携带和超强并行处理能力，能够在特定问题上提供指数级加速，量子信息技术是构建新质生产力推动高质量发展的重要方向，全球诸多国家在这一领域基本都进行了战略布局。

玻色量子算法总监高奇以“万亿分子‘光速筛选’，量子计算助力开启药物发现新时代”为主题，系统全面地分享了玻色量子基于自研的相干光量子计算机，在真实的药物筛选及人工智能领域的前沿探索、场景验证和创新应用案例。

药物发现面临成本高，研发周期长，成功率低的困境，化学分子空间的爆发式增长与经典计算的“摩尔定律”形成鲜明对比，经典计算方法在面对指数级增长的计算任务时显现明显的瓶颈，往往在速度和准确率上难以平衡。针对这些痛点，玻色量子基于自研的相干光量子计算机，深耕药物发现领域计算瓶颈问题，通过量子计算的并行搜索优势从根本上突破传统算法在速度和精度间的制约。

高奇提到，玻色量子已将相干光量子计算技术深度应用到生命科学基础研究和药物发现领域的多个关键场景中，包括基因组组装、RNA与蛋白质结构预测、蛋白功能预测和组学数据处理分析等。同时，在药物发现及筛选优化方面也取得了令人瞩目的成果，尤其是在结构化虚拟筛选（SBVS）和配体虚拟筛选（LBVS）场景，成功实现小分子/多肽对接、变构位点的精准预测。具体说来，利用量子算法对复杂蛋白的不同氨基酸团进行并行搜索，从而找到全局最优的变构效应位点，基于相干光量子计算方法较传统预测方法在预测精度上整体提升了约10%，尤其是在一些复杂蛋白上表现优异；基于相干光量子计算的多肽/分子对接方法在如CASF2016等标准数据集上表现出与商业工具Glide SP相当的采样能力，但其采样时间缩短了至少两个数量级。

同时，高奇还特别提到了“量子原生AI”——量子玻尔兹曼机训练方法。这一创新方法巧妙利用了伊辛模型与玻尔兹曼机在数学上的等价性，解决了经典玻尔兹曼机因高复杂度而无法高效训练的难点。玻色量子提出的基于相干光量子计算机的量子训练方法，以量子采样替代传统的Gibbs Sampling方法，大幅提升了玻尔兹曼机的训练效率，展现了“量子+AI”的深度融合。

在生态合作方面，玻色量子联合广州国家实验室开发了蛋白质结构预测量子算法。将量子算法引入玻尔兹曼机模型，高效求解Potts模型的同时精确预测蛋白氨基酸残基接触图，已经在100结点的数据集上实现收敛，突破了传统算法难以攻克的复杂场景。此外，玻色量子构建了“药企 - 高校 - 医院 - 国家实验室”四位一体合作体系，未来与顶级高校、医院及药企携手展开深度合作，推动生态共建，共享量子算力与数据资源，加速推进药物开发和临床验证的进程。

随着量子计算与生命科学、药物发现等前沿领域的深度融合，玻色量子将以光量子计算为引擎，推进实用化量子场景落地，引领生命科学基础研究和药物发现行业向精准、高效的研发范式加速迈进，开启“量子 + 生物” 的协同创新。