量智融合向新行
量子计算正处于走出纯理论实验室迈向工程化落地的阶段。当人工智能技术介入量子计算全流程，二者的交叉碰撞，正在为破解产业痛点提供全新思路。北京科技融媒体推出“量智融合向新行”专题，围绕AI赋能量子、量子智能算力融合、量智算法应用三大方向，集中展示北京在量子计算整机、量子计算芯片、量子算法软件及多行业场景的产学研成果，看相关代表企业如何塑造北京在量智融合领域的创新优势和生态话语权。下面是“量智融合向新行”专题的第一期。
量子计算机有个性，算得飞快，但脾气不小。
怕噪声、怕振动、怕温度波动，参数还动不动就漂移。过去，伺候它的是一群博士和工程师，白天盯着、晚上守着，手动调参、反复试跑。现在，事情正在发生变化，因为AI来了。
在北京，超导、离子阱、中性原子、专用量子四条量子计算路线的整机企业，不约而同地把AI请进了实验室和机房。AI并不负责“算”，但它负责让量子计算机“调得准、跑得稳、用起来顺”——像校准工程师、像纠错老师、像实验搭档，也像量子计算跑车上的副驾驶。
此次，我们一起走进相干（北京）科技有限公司、华翊博奥（北京）量子科技有限公司、两仪万象（北京）科技有限公司、北京玻色量子科技股份有限公司（以下简称：相干科技、华翊量子、两仪万象、玻色量子）四家量子计算机整机制造企业，看看AI到底在量子计算整机制造上帮了哪些忙，以及这件事离真正能用还有多远。
相干科技
AI当“校准工程师”，让超导量子计算机“调得准”
一台超导量子计算机算得准不准，很大程度上取决于它“调得好不好”。
超导量子比特的参数会随环境缓慢漂移，稍有偏差，计算结果就可能失真。过去，整机遇到硬件迭代、故障或停电停机，要由经验丰富的工程师逐个比特、逐项参数重新标定。比特一多，参数之间相互耦合，人工很难兼顾效率和一致性。
相干科技由北京量子信息科学研究院超导量子计算团队孵化，专注于超导量子计算整机及综合算力服务。据相干科技创始人、CEO金贻荣介绍，他们把智能体、强化学习等AI技术引入测控环节并集成至自研Qxtrl测控软件系统。
图｜相干科技实验室
AI在这里像一个“校准工程师”。在整机初始标定、运行漂移和再校准等场景下，由AI完成参数联合寻优、异常故障定位，区分芯片、低温环境、电子学等不同故障诱因。过去这些工作高度依赖少数专家的经验和现场判断，换一个人、换一台机器，结果就可能不同。
金贻荣说，AI在工程化环节最大的价值，就是把“老师傅手感”沉淀为系统能力，让“系统自动跑”，让校准和运维不再依赖少数专家，同一套流程可以复制到不同客户、不同整机上。
图｜相干科技超导量子计算机内部构造
以交响乐团作比喻，量子比特如同乐手，AI扮演指挥角色，持续完成参数纠偏，解决大规模量子比特协同运行难题。“乐手技艺再好，没有指挥统一节奏、随时纠正音准，上百人合奏也会走调；量子比特的参数时刻在漂移，同样需要AI持续‘听音’、及时‘定调’。”
华翊量子
AI当“纠错老师”，让离子阱量子计算机“改得快”
量子计算机算得对不对，关键看它能不能“及时改错”。而这件事，比想象中难得多。
量子比特抗干扰能力弱，量子态存续时间极短。传统纠错方式依靠经验与近似公式，但随着量子比特规模扩大，计算复杂度呈指数级上升。在华翊量子CEO姚麟看来，到数百量子比特量级，传统方法就很难有效应对。
图｜华翊量子离子阱量子计算机整机外观图
华翊量子于2022年从清华大学技术转化成立，专注于离子阱量子计算机整机研发与推广。在推进整机研发和商业化落地的过程中，他们把AI引入量子纠错环节，让纠错从“靠人工经验”变成“靠模型判断”。目前最直接的AI应用，是量子纠错中的“解码器”。
基于真实物理环境采集噪声、磁场、温度扰动对应的实测数据来训练AI模型，使其快速甄别错误成因。姚麟形容，它像一个“纠错老师”，能对比历史数据把错误挑出来。但它只负责识别错误类型，并不完成全部纠错。即便如此，这一步已大幅缩短探测和判断时间，为后续纠错争取到宝贵窗口，让整机在有限时间内跑完纠错流程。
图｜华翊量子离子阱量子计算机内部结构图
华翊量子与清华大学、北京大学、中国移动研究院等都有紧密合作，既做技术研究，也探索行业应用，持续挖掘AI在离子阱整机工程化中的应用潜力。姚麟特别提到，北京发展量智融合的核心优势，就是高校、科研院所和初创高科技企业密集，产学研交流对整个领域快速提升非常重要。
两仪万象
AI当“实验搭档”，让原子量子计算机“自己跑实验”
原子量子计算（一种以中性原子作为量子比特的量子计算技术）有一个绕不开的难题：原子很“金贵”。
原子量子计算面临原子阵列装载存在随机性、原子存活寿命有限、环境扰动极易造成参数失效等痛点。过去，实验员每天要在控制软件、相机图像和分析程序之间来回切换，参数一漂移，还得中断实验去调节。
两仪万象的解法是：让AI来当“实验搭档”。这家由清华大学原子量子计算团队孵化的整机企业，早在2024年就与科大讯飞共同发起“智能量子计划”，今年双方进一步合资成立量智开物，打通整机研制与AI算法研发闭环。
图｜两仪万象“白泽”智能体实验工程师接管实验
两仪万象依托AI技术先后落地多项关键成果：基于图神经网络开发“追风”原子重排算法，将大规模原子路径规划稳定在毫秒级，大幅提升原子阵列初始化效率；研发时空图神经网络架构的“扁鹊”纠错解码器，无须增加额外物理操作即可同时识别原子丢失与常规量子错误；推出智能体实验平台“白泽”，支持以自然语言下达实验目标，自动完成流程编排、参数调优、故障排查，当出现指标下降时，它能够结合实验图像，并通过学习之前的实验记录和历史数据等专家知识库，排查原因、完成纠偏。实现实验自动化、过程可追溯，显著提升研发效率。该成果对推动整机从实验室走向工程化至关重要。
图｜ 两仪万象“扁鹊”纠错解码器（图中紫色方形）性能展示
为什么两仪万象要在“量智融合”上持续投入？两仪万象董事长石琦给的答案很直接：随着原子阵列规模不断扩大，传统方法在效率和精度上将难以满足需求。两仪万象具备全栈整机能力，既需要AI加速整机研发与实用化，也能为AI算法提供真实量子实验平台和工程化场景。
玻色量子
AI当“副驾驶”贯穿全流程，让专用量子计算机“跑得更稳”
“算得快不快” 并不是衡量一台专用量子计算机能否交付客户、稳定运行的唯一因素，更重要的是它 “跑得稳不稳、用起来顺不顺”。
图｜玻色量子研发人员正在测试通用光量子芯片
玻色量子在2020年11月成立于北京朝阳，专注专用量子计算机整机及配套工具软件的研发。在整机研发和运行过程中，一个现实挑战始终存在：玻色量子自研的专用量子计算机参数体系庞杂，光路极易受温度、振动扰动，部分调试环节仍较多依赖人工值守调试，任务求解存在资源消耗大等问题，制约设备规模化交付应用。
AI正是从这里切入。玻色量子推动人工智能贯穿专用量子计算机运行全流程，探索形成“数据采集—状态分析—参数建议—效果反馈”闭环。过去，工程师需要根据不同任务反复试跑；现在，AI可以自动分析任务规模、问题特征、历史求解效果和实时演化数据，动态调整计算参数，减少部分无效演化和资源消耗。
图｜玻色量子专用量子计算机整体架构示意图
与此同时，AI还持续监测光路系统中的光强、相位、对准误差、温度扰动等物理量，自动调节光学元件和电信号，完成光路对准、误差校准和工作点漂移抑制，提升光学系统的运行稳定性。据玻色量子副总裁陈亮说，过去白天一直需要有人值守，目前在持续运行测试中，已能实现7×24小时稳定算力工作，未来希望实现无人值守。
谈到AI与量子计算的关系，陈亮用了一个形象的比喻：“AI是量子计算跑车上的副驾驶。量子计算机负责在特定问题上搜索最优解，AI负责让量子计算机跑得更稳、跑得更快、用得更顺畅。”
四家企业分属北京四大量子计算主流技术赛道，是北京量智融合整机创新的典型代表，分别瞄准自动校准、快速纠错、实验自动化、全流程智能运维等工程化关键痛点开展攻关。它们的应用各有不同，但都指向同一个趋势：AI让量子计算更稳、更自动、更实用，量子计算未来也可能反过来为AI提供新的算力范式。
未来怎么走？四家企业给出了各自的方向。相干科技希望AI覆盖从芯片设计、工艺优化到校准运维、任务编译的整个技术栈，同时用量子计算能力反哺AI算力升维。华翊量子认为，未来三到五年，AI对量子计算机性能发展的帮助会越来越明显，量子新型算法研究也会涌现更多成果。两仪万象计划推进“白泽”从“智能体实验工程师”向“智能体实验科学家”演进，让系统不仅能执行实验，还能提出假设、设计实验、验证结论。玻色量子则表示，量智融合与经典算力“并非简单的替代关系”，短期先做混合架构，长期看是互补协同。
当然，AI和量子计算目前还在磨合期，远没到“完美契合”。但至少在北京，四条技术路线已经同时起跑，高校院所和企业并肩往前推。量智融合跑出下一个“北京样本”，值得期待。