2025年9月24日至26日，由中国信息通信研究院、中国邮电器材集团有限公司、工业和信息化部新闻宣传中心主办的中国国际信息通信展览会（PT Expo China，简称“PT展”）在北京·国家会议中心盛大召开。

PT展自1990年开始举办，已成功举办32届，是我国历史悠久的国家级信息通信行业盛会。党和国家领导人曾先后30余次亲临指导。现在展会已成为亚洲知名信息科技盛会之一，是反映信息通信行业发展最新成果的重要窗口、促进全球信息通信领域交流合作的重要桥梁，被誉为行业发展的晴雨表和技术演进的风向标。

30多年来，PT展在见证行业升级的同时，始终坚持中国特色和国际视野，通过衔接重大国家战略、对接产业政策动态、聚焦前沿数字技术发展趋势，调动全产业链践行突破创新理念，持续向全世界输出中国智慧与中国方案，为全行业搭建展示、交流、合作、共享的大舞台。

北京玻色量子科技有限公司（以下简称“玻色量子”）作为国内量子计算领军企业受邀参会。9月24日下午，在量子科技产业研讨会上，玻色量子CTO魏海博士发表了以《相干光量子玻尔兹曼机》为主题的精彩演讲，引起业内外专家、学者的广泛关注与热烈反响。

2025年中国国际信息通信展览会

玻色量子CTO魏海博士演讲现场

1000量子比特

相干光量子计算机

随着摩尔定律与登纳德缩放定律的失效，未来集成电路的发展路径亟待寻找新出口。魏海博士提出，More Moore 和 More than Moore的工艺技术革新在理想状态下只能带来线性的性能增长（performance per watt），而量子计算是目前看到唯一可以实现指数级增长的新技术。

魏海博士演讲现场

量子计算机是一种底层原理与现有电子计算机完全不同的全新计算机。量子计算是以量子比特为基本单元，利用量子叠加、纠缠和干涉等物理特性进行高速的数学和逻辑运算、存储及并行量子信息处理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，能够在特定计算困难问题上提供指数级加速，有望成为未来几乎所有科技领域加速发展的“新引擎”。

魏海博士介绍到，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。

玻色量子是一家专注于光量子计算的硬科技公司，也是国内量子计算领军企业，2025年5月首展自研的1000量子比特相干光量子计算机，技术处于世界领先水平。1000量子比特相干光量子计算机，具有专用计算量子比特1000、实现量子比特互联数量高达499500、耦合精度达int8、内嵌混沌稳态优化算法四大技术优势。魏海博士现场对此进行了详细讲解：

首先，1000量子比特相干光量子计算机在实用化专用计算能力上实现指数级跨越：1000量子比特单次计算解空间高达2^1000。

其次，单个量子比特耦合数量999，总耦合数量高达499500，这一技术指标代表着在1000量子比特规模下，可以从最高499550条边全连接的角度去衡量任务耦合程度。

再次，通过内嵌玻色量子自研的混沌稳态优化算法，还可大幅提升相干光量子计算机的求解质量。

最后，相干光量子计算机的耦合精度达int8，该精度首次超越全球首家量子计算机商业供应商——D-Wave（耦合精度仅int5），真正实现了中国专用量子计算实力从全球跟跑到全球领跑的跨越！玻色量子已然在全球专用量子计算竞争格局中强势崛起，跻身全球专用量子计算竞争的第一阵营。

魏海博士强调，对于1000量子比特相干光量子计算机的各技术指标，包括计算量子比特数目、总耦合数量、耦合精度、标准任务求解性能、高密度任务求解性能、应用综合求解性能等9项指标的实用化技术验证，中国信息通信研究院已出具《相干光量子计算机技术验证报告》给予认证。代表着业内对于玻色量子的相干光量子计算机真机的实用化技术实力的高度认可！

量子玻尔兹曼机

2024年诺贝尔物理学奖花落神经网络先驱、玻尔兹曼机（Boltzmann Machine,BM）的提出者杰弗里·辛顿（Geoffrey Hinton），标志着玻尔兹曼机这一融合统计力学与AI的模型获得国际最高科学奖的认可——物理规律指引AI，AI亦是物理规律。

魏海博士介绍，杰弗里·辛顿与约翰·霍普菲尔德将统计物理（伊辛模型、玻尔兹曼分布）引入神经网络，解决了“复杂系统建模”这一物理本质问题，为复杂系统的概率推理提供了普适框架。并推动了机器学习从“经验驱动”转向“物理规律+数据双轮驱动”，奠定了生成式AI更严谨的理论基础。

玻尔兹曼机是一种基于统计物理的能量模型：将数据变量映射为自旋粒子，驱动系统向最小能量态演化。因此，玻尔兹曼机具备无监督生成学习能力，能够学习数据概率分布并生成新样本（如图像重构、文本生成），这大大奠定了深度学习的基础。

由于时代“算力”的约束，AI的发展有两条历史路径。一种是反向传播算法：深度学习的“万能引擎”，反向传播算法前向传递神经元活动，反向传递敏感度，对算力的依赖随着模型复杂度提升；另一种是由杰弗里·辛顿提出的玻尔兹曼机：人工智能技术的“历史酶”，玻尔兹曼机仅通过对称连接性和相关性差异完成学习，训练时间呈指数级增长，GPU难以实现。

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 计算架构无法展开，严重限制了这项技术发展。由此，业界普遍转向计算图更简单的分层前馈网络并衍生出Transformer架构，形成了今日的大模型范式。

量子计算如何“暴力破解”玻尔兹曼机发展瓶颈？

魏海博士现场介绍到，由于相干光量子计算机底层物理计算逻辑完美匹配玻尔兹曼机的全连接属性，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），模型容量可提升至玻尔兹曼机的指数级。

通过进一步论证，玻色量子发现量子玻尔兹曼机具备强大的复杂系统表示能力、卓越的无监督学习能力、并能够处理不确定性和噪声，另外，可作为深度学习的基础模块灵活嵌入。

例如在mRNA 疫苗序列设计和优化领域，QBM（Quantum Boltzmann Machine）作为生成模型时，能够快速获取人类RNA序列几百万年进化的的复杂分布特征。而基于QBM的强大分布拟合能力，可以学习到天然RNA序列复杂分布特征，通过迭代训练，QBM快速捕获到了人类进化得到的序列碱基间的互作信息，并能迭代采样生成翻译能力更优的序列。

此外，玻色量子还研究出一种结合经典AI与量子计算优势的新型生成式模型QBM-VAE（Variational Autoencoder，VAE），可用于数据生成、数据降维与映射、异常检测。这是一种结合深度学习与量子计算的改进VAE算法，通过相干光量子计算机采样玻尔兹曼分布，对自然界产生的数据具有强大的建模能力和适应性，提升了数据表征能力。其核心是通过量子采样更准确地拟合自然数据真实分布，替代传统VAE假设的简单高斯分布。例如在单细胞转录组学分析中，QBM-VAE可显著提升聚类精度，检测到传统方法无法辨识的新型细胞亚型（具有独特特征的新致病因素），为靶点发现提供新线索。

8月7日，玻色量子开源了国内首个PyTorch量子神经网络开发套件Kaiwu-PyTorch-Plugin（KPP），KPP是一个基于PyTorch和Kaiwu SDK的量子计算编程套件，可基于玻色量子“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，该插件提供了简单易用的接口，使研究人员和开发者能够快速实现能量神经网络模型的训练与验证，并应用于各种机器学习开发任务。

9月12日，玻色量子还重磅发布——自研的可支持1000计算量子比特云服务，标志着专用量子计算正式迈向千比特规模化实用新阶段。随着广大政企、科研工作者、量子算法开发者等用户的不断增加，平台调用求解次数累计超过6800w次，覆盖院校超过900所，参与研发的开发者人数超过10000人，量子算力服务实力强劲，位居国际一流水平。

魏海博士强调，玻色量子的1000计算量子比特云服务还可提供CPQC-X服务，支持深度战略合作用户提交大于1000量子比特的计算任务，支持更大量子比特规模的实际问题的探索与应用。该服务为用户提供了更加灵活的量子云算力支持，开启了定制化量子计算服务的新模式。

玻色量子正在积极加速全球“量子计算+AI”融合创新，开创“量智融合”的新变革，在AI、生物医药、金融、能源等领域实现真实场景探索与应用，推动我国量子计算从“实验室研发”向“产业化应用”跨越，实现中国专用量子计算实力从全球跟跑到全球领跑的跨越。我们期待与越来越多的优秀合作伙伴共建生态，共绘引领“量子计算+AI”实用化新蓝图。