8月4日，第五届CCF量子计算大会暨第五届大湾区量子科学论坛期间，由北京玻色量子科技股份有限公司（以下简称“玻色量子”）承办的“专用量子计算+AI应用”专题论坛在深圳举行。玻色量子创始人兼CEO、分论坛主席文凯博士作论坛介绍及欢迎致辞，并向与会来宾介绍本次论坛的分享嘉宾，玻色量子CTO魏海博士、副总裁巨江伟共同主持会议。

论坛汇聚来自清华大学与北京量子研究院、中国医学科学院药物研究所、中科院深圳先进技术研究院、中科院上海微系统所、上海交通大学、东南大学、中国海洋大学及产业界的专家学者，围绕专用量子计算与人工智能融合应用展开深入交流。

当前，专用量子计算正加快从技术验证迈向场景探索，与人工智能的协同融合，也为解决复杂组合优化、科学计算及高维数据处理等问题提供了新的技术思路。论坛期间，与会嘉宾结合各自研究与产业实践，围绕生物医药、合成生物制造、脑机接口、新材料发现、能源电力、海洋预测与风电优化、流体计算及具身智能等前沿领域，分享了专用量子计算的最新研究进展与应用探索。

本次论坛通过跨学科、跨领域的交流，进一步呈现了专用量子计算与人工智能融合发展的多元路径，为推动产学研协同创新、加快量子计算技术成果向实际场景转化搭建了专业交流平台。

 

大会活动现场

清华大学教授、北京量子信息科学研究院副院长龙桂鲁发表开幕致辞

 

论坛开幕式上，清华大学教授、北京量子信息科学研究院副院长龙桂鲁发表开幕致辞。他表示，本届大会以“量与智相融合，量超智共融算”为主题，呼应了量子科技与人工智能加速融合的发展趋势。随着量子硬件持续演进、应用探索不断深入，量子计算的战略价值和产业前景正获得越来越广泛的关注，量子科技也成为培育未来产业、塑造发展新动能的重要方向。

龙桂鲁教授分享到，“十五五”规划纲要明确提出“研制可容错的通用量子计算机和可扩展的专用量子计算机”，进一步明确了通用量子计算与专用量子计算的并行发展路径，为我国量子计算技术向多元化、实用化方向发展提供了战略指引。当前，通用量子计算仍需持续推进关键技术攻关，专用量子计算则已在部分特定场景中展现出应用潜力。随着其与人工智能进一步融合，相关探索正逐步延伸至生物医药、合成生物制造、脑机接口、材料设计、电力系统及海洋预测等领域。他表示，本次论坛汇聚学术界与产业界的多方力量，期待通过深入交流与协同创新，推动更多“专用量子计算+AI应用”研究成果和实践案例落地。

 

中国医学科学院药物研究所副主任张金兰发表主题报告

 

中国医学科学院药物研究所张金兰研究员围绕“量子计算驱动解析双环醇治疗药物性肝损伤机制”作主题报告。针对双环醇治疗药物性肝损伤多靶点系统性协同作用机制尚不清晰等问题，研究采用对乙酰氨基酚诱导肝损伤小鼠模型，评价双环醇缓解肝损伤的明确药效，以及对线粒体结构和功能的保护作用。单细胞转录组学数据的生物统计分析提示巨噬细胞是双环醇反应最显著的免疫细胞亚群，双环醇下调了巨噬细胞的炎症与趋化信号、恢复蛋白翻译和抗氧化能力，驱动巨噬细胞由促炎表型向修复转变。但是关于双环醇是作用于肝脏驻留巨噬细胞还是单核巨噬细胞，促炎与修复功能的互作关系，传统的生物分析方法与模型无法提供进一步的信息。

为了从负熵角度刻画细胞生物学状态，针对传统分析难以探索细胞热力学特征及高维玻尔兹曼采样对经典计算不可行的挑战，研究依托玻色量子专用量子计算机构建量子与经典混合模型scQuantaVita，解决量子采样瓶颈，并提出“细胞系统势能”CSP指标。研究表明，专用量子计算定义的细胞能量可成为细胞功能状态的定量刻度，实现定量刻画细胞“促炎高能量、修复低能量”的特征，从而进一步揭示双环醇调控不同巨噬细胞类型的作用机制。Kupffer cells是其修复程序的核心载体，Mo-Mac是其促炎程序的核心载体，并锁定RXRα为双环醇的关键调控靶点。

中国科学院深圳先进技术研究院研究员司同发表主题报告

中国科学院深圳先进技术研究院司同研究员围绕“合成生物制造与量子人工智能”作主题报告。在合成生物制造领域，蛋白质工程通过突变与筛选优化蛋白质活性和选择性，但蛋白质序列空间庞大，多位点组合突变数量呈指数增长，有限实验资源难以覆盖全部候选。研究团队前期通过单点饱和突变实验建立数据基础，进一步拓展至多位点组合突变后，候选空间迅速扩大，模型对训练数据覆盖不足的分布外突变体也存在较高预测不确定性。

针对这一挑战，研究团队与玻色量子合作构建Q-GPR方法，将突变体的预期方差降低和样本冗余共同转化为QUBO问题，依托玻色量子专用量子计算机通过物理演化搜索低能量解，筛选高价值、低冗余且具有代表性的实验样本，再由经典高斯过程回归模型预测目标性质并评估不确定性。这一量子物理AI路径发挥了专用量子计算在组合优化和低能量解搜索方面的优势，有助于以更精简的实验批次拓展突变空间覆盖，降低候选库内分布外突变体的预测风险，为蛋白质工程的高维组合设计与实验决策提供支撑。

 

中国科学院上海微系统与信息技术研究所李根博士发表主题报告

 

中国科学院上海微系统与信息技术研究所李根博士围绕“脑机接口与专用量子解码”作主题报告。当前，随着脑机接口领域柔性电极和神经采集芯片持续提升通道规模，神经数据量快速增长，传统计算架构面临日益突出的准确性与时延瓶颈，算力逐渐成为制约脑机接口响应速度的关键。

针对这一挑战，研究团队与玻色量子合作开发QSRBM专用量子神经解码框架，将单神经元脉冲数据编码为专用量子计算机可处理的自旋变量，通过物理系统的能量弛豫过程获得解码结果，并围绕视觉刺激、运动控制和感觉状态三类动物范式开展验证。结果显示，QSRBM在量化编码下的多个神经解码任务中达到或优于GPU上的Transformer、Conformer等模型，计算时间约为0.075毫秒，较GPU模型提升一个数量级，为高通量神经信号的快速解码提供了新的技术路径。

 

上海交通大学副教授饶梓元发表主题报告

 

上海交通大学饶梓元副教授围绕“专用量子计算赋能合金研发”作主题报告。当前在新材料发现领域，合金研发面临实验数据稀缺、性能影响因素复杂及高维设计空间难以高效探索等挑战。

研究团队以低膨胀高熵因瓦合金为对象，引入玻色量子专用量子计算机，构建AI、专用量子计算与实验深度融合的主动学习闭环：由AI代理模型学习成分、工艺、结构与性能之间的关系，专用量子计算通过玻尔兹曼采样探索高维稀疏设计空间，并以QUBO组合优化提升实验批次选择效率；实验结果进一步回流模型，持续更新数据库与采样策略。专用量子计算能够强化AI处理复杂采样与组合优化问题的能力，未来将与大模型、知识库、高通量实验及自动化平台进一步融合，有望推动合金研发由数据驱动迈向智能驱动并推动实现材料设计、制备、表征与优化的自主闭环。

 

东南大学教授徐一骏发表主题报告

 

东南大学徐一骏教授围绕新型电力系统的量子计算关键技术作报告。他分享到，当前在能源电力领域存在节点规模庞大、源荷类型多样和网架结构复杂问题，使运行优化、暂态仿真及新能源场景建模面临计算效率挑战。

队将停电恢复网络分区转化为QUBO模型，依托玻色量子专用量子计算机获得与参考最优解一致的结果，并通过经典与量子混合的比特扩容算法拓展求解规模；此外，研究团队还探索了电力系统暂态问题的量子化求解。面向新能源场景建模需求，研究团队提出量子辅助受限玻尔兹曼机QARBM，利用专用量子计算机进行隐单元采样，在仅使用30%训练数据时仍能捕捉真实依赖模式。未来，随着量子比特规模、计算稳定性及经典与量子混合算法持续提升，专用量子计算有望在电力系统场景中持续发挥优势，为新型电力系统提供新的算力支撑与技术路径。

 

中国海洋大学教授于华明发表主题报告

 

中国海洋大学于华明教授围绕“海洋预测-风电统优量超智算及应用”作主题报告。他指出，海上风电的功率预测、电力资源统筹及施工运维窗口判断均依赖海洋与气象预测，但海洋与气象数值模式向高分辨率发展时，面临并行通信、存储、能耗及算力等瓶颈；同时，海表观测数据丰富，关键的次表层和深层数据却较为稀缺。

针对真实海洋状态具有非高斯、多模态特征，传统VAE容易过度平滑复杂动力结构的问题，团队引入量子玻尔兹曼变分自编码器QBM-VAE模型，将潜变量分布与系统能量函数关联，通过能量景观刻画海洋演变，并依托玻色量子专用量子计算机开展采样与推理。结果显示，QBM-VAE能够有效重构不同区域、不同深度的垂直温度剖面，在预测精度略有提升的同时实现推理效率的数量级提升。相关方法未来可进一步服务于风功率概率预测、施工运维窗口判断、电力资源统筹及智慧海洋数据基座建设。

 

上海酉术量子科技有限公司翁恺文发表主题报告

 

上海酉术量子科技有限公司翁恺文围绕“基于QUBO的PINN自适应配置点选择”作主题报告。物理信息神经网络（PINN）可通过学习流体控制方程，预测速度、压力和涡量等流场信息，为计算流体力学轻量化求解提供新路径。但受配置点预算限制，剪切层、涡核及高梯度区等对流场演化影响更大的区域容易覆盖不足，单纯依据残差选点也可能造成局部聚集和信息冗余。

研究团队将配置点选择转化为QUBO组合优化问题，通过玻色量子Kaiwu SDK调用专用量子计算机，综合考虑单点物理价值与点间关系，筛选高价值、低冗余的配置点，并回传PINN持续训练，形成自适应闭环。研究以圆柱绕流这一验证非定常流动模拟能力的典型场景开展测试，结果较好重构了主要尾迹结构和周期性涡脱落，专用量子计算机真机运行结果与模拟趋势一致。这一研究结果发挥了专用量子计算在组合优化与低能量解搜索方面的优势，未来有望拓展至机翼、车身等复杂工程流动预测与仿真场景。

 

玻色量子算法总监高奇发表主题报告

 

北京玻色量子科技股份有限公司算法总监高奇围绕“基于专用量子计算的能量模型促进具身智能范式革新”作主题报告。

扩散模型和流匹配是当前生成式人工智能的主流范式，但仍面临两项结构性成本：从纯随机噪声出发，导致采样步数较多、推理速度较慢；去噪方向缺乏物理先验，生成质量受到一定限制。QBM Diffusion以量子玻尔兹曼机采样得到的低能量构型替代随机噪声，为扩散过程引入物理上合理的初始点和能量场自洽的方向引导，从扩散模型动力学出发，天然融合量子计算特性优越性，为扩散模型的进一步演进提供了新的技术思路。

在具身智能领域，目前主流动作轨迹生成方案主要基于扩散模型，推理耗时较长，在未知环境中还可能因误差级联放大，导致机器人动作发散。基于能量的动作生成方法将复杂动作生成转化为能量最小化寻优过程，展现出推理提速及自主感知失败并重试的物理纠错能力，但仍受到模型架构高度非线性、能量空间复杂等问题制约。针对上述问题，QBM Diffusion以玻尔兹曼机替代原有架构，利用其天然平滑的双线性数学结构，在真实数据注入后自然形成能量低谷，减少对全局梯度裁剪及边界限制的依赖，同时降低模型参数量，提升连续动作寻优的稳定性与效率。

在药物发现领域，QBM Diffusion沿用相同思路，通过QBM采样得到的低能量构型替代随机噪声，提升生成药物分子的质量。该方法也为专用量子计算与生成式人工智能在AI for Science、具身智能等方向的进一步融合提供了新的探索路径。

从生物医药、新材料发现到能源电力、海洋预测、流体仿真与具身智能，本次论坛集中呈现了专用量子计算与人工智能融合应用的多条实践路径。随着专用量子计算机技术研发、算法能力与行业需求持续协同演进，专用量子计算正不断走向更广泛的场景探索。未来，玻色量子将继续携手学术界与产业界伙伴，围绕真实产业问题推进技术迭代与应用验证，为专用量子计算实用化积累更多实践成果。

8月4日，第五届CCF量子计算大会暨第五届大湾区量子科学论坛期间，由北京玻色量子科技股份有限公司（以下简称“玻色量子”）承办的“专用量子计算+AI应用”专题论坛在深圳举行。玻色量子创始人兼CEO、分论坛主席文凯博士作论坛介绍及欢迎致辞，并向与会来宾介绍本次论坛的分享嘉宾，玻色量子CTO魏海博士、副总裁巨江伟共同主持会议。

论坛汇聚来自清华大学与北京量子研究院、中国医学科学院药物研究所、中科院深圳先进技术研究院、中科院上海微系统所、上海交通大学、东南大学、中国海洋大学及产业界的专家学者，围绕专用量子计算与人工智能融合应用展开深入交流。

当前，专用量子计算正加快从技术验证迈向场景探索，与人工智能的协同融合，也为解决复杂组合优化、科学计算及高维数据处理等问题提供了新的技术思路。论坛期间，与会嘉宾结合各自研究与产业实践，围绕生物医药、合成生物制造、脑机接口、新材料发现、能源电力、海洋预测与风电优化、流体计算及具身智能等前沿领域，分享了专用量子计算的最新研究进展与应用探索。

本次论坛通过跨学科、跨领域的交流，进一步呈现了专用量子计算与人工智能融合发展的多元路径，为推动产学研协同创新、加快量子计算技术成果向实际场景转化搭建了专业交流平台。

 

大会活动现场

清华大学教授、北京量子信息科学研究院副院长龙桂鲁发表开幕致辞

 

论坛开幕式上，清华大学教授、北京量子信息科学研究院副院长龙桂鲁发表开幕致辞。他表示，本届大会以“量与智相融合，量超智共融算”为主题，呼应了量子科技与人工智能加速融合的发展趋势。随着量子硬件持续演进、应用探索不断深入，量子计算的战略价值和产业前景正获得越来越广泛的关注，量子科技也成为培育未来产业、塑造发展新动能的重要方向。

龙桂鲁教授分享到，“十五五”规划纲要明确提出“研制可容错的通用量子计算机和可扩展的专用量子计算机”，进一步明确了通用量子计算与专用量子计算的并行发展路径，为我国量子计算技术向多元化、实用化方向发展提供了战略指引。当前，通用量子计算仍需持续推进关键技术攻关，专用量子计算则已在部分特定场景中展现出应用潜力。随着其与人工智能进一步融合，相关探索正逐步延伸至生物医药、合成生物制造、脑机接口、材料设计、电力系统及海洋预测等领域。他表示，本次论坛汇聚学术界与产业界的多方力量，期待通过深入交流与协同创新，推动更多“专用量子计算+AI应用”研究成果和实践案例落地。

 

中国医学科学院药物研究所副主任张金兰发表主题报告

 

中国医学科学院药物研究所张金兰研究员围绕“量子计算驱动解析双环醇治疗药物性肝损伤机制”作主题报告。针对双环醇治疗药物性肝损伤多靶点系统性协同作用机制尚不清晰等问题，研究采用对乙酰氨基酚诱导肝损伤小鼠模型，评价双环醇缓解肝损伤的明确药效，以及对线粒体结构和功能的保护作用。单细胞转录组学数据的生物统计分析提示巨噬细胞是双环醇反应最显著的免疫细胞亚群，双环醇下调了巨噬细胞的炎症与趋化信号、恢复蛋白翻译和抗氧化能力，驱动巨噬细胞由促炎表型向修复转变。但是关于双环醇是作用于肝脏驻留巨噬细胞还是单核巨噬细胞，促炎与修复功能的互作关系，传统的生物分析方法与模型无法提供进一步的信息。

为了从负熵角度刻画细胞生物学状态，针对传统分析难以探索细胞热力学特征及高维玻尔兹曼采样对经典计算不可行的挑战，研究依托玻色量子专用量子计算机构建量子与经典混合模型scQuantaVita，解决量子采样瓶颈，并提出“细胞系统势能”CSP指标。研究表明，专用量子计算定义的细胞能量可成为细胞功能状态的定量刻度，实现定量刻画细胞“促炎高能量、修复低能量”的特征，从而进一步揭示双环醇调控不同巨噬细胞类型的作用机制。Kupffer cells是其修复程序的核心载体，Mo-Mac是其促炎程序的核心载体，并锁定RXRα为双环醇的关键调控靶点。

中国科学院深圳先进技术研究院研究员司同发表主题报告

中国科学院深圳先进技术研究院司同研究员围绕“合成生物制造与量子人工智能”作主题报告。在合成生物制造领域，蛋白质工程通过突变与筛选优化蛋白质活性和选择性，但蛋白质序列空间庞大，多位点组合突变数量呈指数增长，有限实验资源难以覆盖全部候选。研究团队前期通过单点饱和突变实验建立数据基础，进一步拓展至多位点组合突变后，候选空间迅速扩大，模型对训练数据覆盖不足的分布外突变体也存在较高预测不确定性。

针对这一挑战，研究团队与玻色量子合作构建Q-GPR方法，将突变体的预期方差降低和样本冗余共同转化为QUBO问题，依托玻色量子专用量子计算机通过物理演化搜索低能量解，筛选高价值、低冗余且具有代表性的实验样本，再由经典高斯过程回归模型预测目标性质并评估不确定性。这一量子物理AI路径发挥了专用量子计算在组合优化和低能量解搜索方面的优势，有助于以更精简的实验批次拓展突变空间覆盖，降低候选库内分布外突变体的预测风险，为蛋白质工程的高维组合设计与实验决策提供支撑。

 

中国科学院上海微系统与信息技术研究所李根博士发表主题报告

 

中国科学院上海微系统与信息技术研究所李根博士围绕“脑机接口与专用量子解码”作主题报告。当前，随着脑机接口领域柔性电极和神经采集芯片持续提升通道规模，神经数据量快速增长，传统计算架构面临日益突出的准确性与时延瓶颈，算力逐渐成为制约脑机接口响应速度的关键。

针对这一挑战，研究团队与玻色量子合作开发QSRBM专用量子神经解码框架，将单神经元脉冲数据编码为专用量子计算机可处理的自旋变量，通过物理系统的能量弛豫过程获得解码结果，并围绕视觉刺激、运动控制和感觉状态三类动物范式开展验证。结果显示，QSRBM在量化编码下的多个神经解码任务中达到或优于GPU上的Transformer、Conformer等模型，计算时间约为0.075毫秒，较GPU模型提升一个数量级，为高通量神经信号的快速解码提供了新的技术路径。

 

上海交通大学副教授饶梓元发表主题报告

 

上海交通大学饶梓元副教授围绕“专用量子计算赋能合金研发”作主题报告。当前在新材料发现领域，合金研发面临实验数据稀缺、性能影响因素复杂及高维设计空间难以高效探索等挑战。

研究团队以低膨胀高熵因瓦合金为对象，引入玻色量子专用量子计算机，构建AI、专用量子计算与实验深度融合的主动学习闭环：由AI代理模型学习成分、工艺、结构与性能之间的关系，专用量子计算通过玻尔兹曼采样探索高维稀疏设计空间，并以QUBO组合优化提升实验批次选择效率；实验结果进一步回流模型，持续更新数据库与采样策略。专用量子计算能够强化AI处理复杂采样与组合优化问题的能力，未来将与大模型、知识库、高通量实验及自动化平台进一步融合，有望推动合金研发由数据驱动迈向智能驱动并推动实现材料设计、制备、表征与优化的自主闭环。

 

东南大学教授徐一骏发表主题报告

 

东南大学徐一骏教授围绕新型电力系统的量子计算关键技术作报告。他分享到，当前在能源电力领域存在节点规模庞大、源荷类型多样和网架结构复杂问题，使运行优化、暂态仿真及新能源场景建模面临计算效率挑战。

队将停电恢复网络分区转化为QUBO模型，依托玻色量子专用量子计算机获得与参考最优解一致的结果，并通过经典与量子混合的比特扩容算法拓展求解规模；此外，研究团队还探索了电力系统暂态问题的量子化求解。面向新能源场景建模需求，研究团队提出量子辅助受限玻尔兹曼机QARBM，利用专用量子计算机进行隐单元采样，在仅使用30%训练数据时仍能捕捉真实依赖模式。未来，随着量子比特规模、计算稳定性及经典与量子混合算法持续提升，专用量子计算有望在电力系统场景中持续发挥优势，为新型电力系统提供新的算力支撑与技术路径。

 

中国海洋大学教授于华明发表主题报告

 

中国海洋大学于华明教授围绕“海洋预测-风电统优量超智算及应用”作主题报告。他指出，海上风电的功率预测、电力资源统筹及施工运维窗口判断均依赖海洋与气象预测，但海洋与气象数值模式向高分辨率发展时，面临并行通信、存储、能耗及算力等瓶颈；同时，海表观测数据丰富，关键的次表层和深层数据却较为稀缺。

针对真实海洋状态具有非高斯、多模态特征，传统VAE容易过度平滑复杂动力结构的问题，团队引入量子玻尔兹曼变分自编码器QBM-VAE模型，将潜变量分布与系统能量函数关联，通过能量景观刻画海洋演变，并依托玻色量子专用量子计算机开展采样与推理。结果显示，QBM-VAE能够有效重构不同区域、不同深度的垂直温度剖面，在预测精度略有提升的同时实现推理效率的数量级提升。相关方法未来可进一步服务于风功率概率预测、施工运维窗口判断、电力资源统筹及智慧海洋数据基座建设。

 

上海酉术量子科技有限公司翁恺文发表主题报告

 

上海酉术量子科技有限公司翁恺文围绕“基于QUBO的PINN自适应配置点选择”作主题报告。物理信息神经网络（PINN）可通过学习流体控制方程，预测速度、压力和涡量等流场信息，为计算流体力学轻量化求解提供新路径。但受配置点预算限制，剪切层、涡核及高梯度区等对流场演化影响更大的区域容易覆盖不足，单纯依据残差选点也可能造成局部聚集和信息冗余。

研究团队将配置点选择转化为QUBO组合优化问题，通过玻色量子Kaiwu SDK调用专用量子计算机，综合考虑单点物理价值与点间关系，筛选高价值、低冗余的配置点，并回传PINN持续训练，形成自适应闭环。研究以圆柱绕流这一验证非定常流动模拟能力的典型场景开展测试，结果较好重构了主要尾迹结构和周期性涡脱落，专用量子计算机真机运行结果与模拟趋势一致。这一研究结果发挥了专用量子计算在组合优化与低能量解搜索方面的优势，未来有望拓展至机翼、车身等复杂工程流动预测与仿真场景。

 

玻色量子算法总监高奇发表主题报告

 

北京玻色量子科技股份有限公司算法总监高奇围绕“基于专用量子计算的能量模型促进具身智能范式革新”作主题报告。

扩散模型和流匹配是当前生成式人工智能的主流范式，但仍面临两项结构性成本：从纯随机噪声出发，导致采样步数较多、推理速度较慢；去噪方向缺乏物理先验，生成质量受到一定限制。QBM Diffusion以量子玻尔兹曼机采样得到的低能量构型替代随机噪声，为扩散过程引入物理上合理的初始点和能量场自洽的方向引导，从扩散模型动力学出发，天然融合量子计算特性优越性，为扩散模型的进一步演进提供了新的技术思路。

在具身智能领域，目前主流动作轨迹生成方案主要基于扩散模型，推理耗时较长，在未知环境中还可能因误差级联放大，导致机器人动作发散。基于能量的动作生成方法将复杂动作生成转化为能量最小化寻优过程，展现出推理提速及自主感知失败并重试的物理纠错能力，但仍受到模型架构高度非线性、能量空间复杂等问题制约。针对上述问题，QBM Diffusion以玻尔兹曼机替代原有架构，利用其天然平滑的双线性数学结构，在真实数据注入后自然形成能量低谷，减少对全局梯度裁剪及边界限制的依赖，同时降低模型参数量，提升连续动作寻优的稳定性与效率。

在药物发现领域，QBM Diffusion沿用相同思路，通过QBM采样得到的低能量构型替代随机噪声，提升生成药物分子的质量。该方法也为专用量子计算与生成式人工智能在AI for Science、具身智能等方向的进一步融合提供了新的探索路径。

从生物医药、新材料发现到能源电力、海洋预测、流体仿真与具身智能，本次论坛集中呈现了专用量子计算与人工智能融合应用的多条实践路径。随着专用量子计算机技术研发、算法能力与行业需求持续协同演进，专用量子计算正不断走向更广泛的场景探索。未来，玻色量子将继续携手学术界与产业界伙伴，围绕真实产业问题推进技术迭代与应用验证，为专用量子计算实用化积累更多实践成果。