圆桌：落地·量子计算的场景涌现——如果量子算力明天就可用，谁会第一个买单 | 36氪 2026产业未来大会

2026年，产业投资步入深水区，资本、技术与产业加速交织，旧有投资逻辑失效，新共识正逐步形成。2026产业未来大会聚焦新周期机遇，共同探寻产业未来与“中国之光”的诞生。9月9日至10日，由36氪主办的2026产业未来大会以“深水之上，共振新生”为主题，在北京亦庄举行。来自国资平台、产业投资基金、企业CVC、创新企业和专家学者汇聚一堂，聚焦量子科技等未来产业的产业化进程。大会深入探讨前沿技术与产业视角，集中展示了超导、光量子、离子阱等技术路线的突破，分享了大量具体的产业场景、产业体系构建和异构计算的前景。与会者共同探讨了科技产业投资的未来。

以下对话，经36氪整理编辑：

欧雪 | 36氪作者（主持）

杨林 | 图灵量子 CEO

李金野 | 中科源芯 创始人

吕定顺 | 量坤科技 创始人&CEO

欧雪：现场和线上的各位朋友，大家好！我是36氪作者欧雪，很高兴下午再次与大家见面。

一整天我们听到了许多关于量子计算的讨论，现在这个话题，可能是很多人非常关注的，即应用场景落地的问题。

2026年的量子计算，处在一个非常微妙的位置。好消息是，越来越多的企业用户愿意在量子计算上投入资金，甚至部分企业的支出超过了政府和科研机构；不那么好的消息是，目前的投入规模还比较有限，因为量子计算的落地应用仍在探索阶段，距离规模化还有一定距离。

今天我们来聊一件最现实的事：如果明天量子算力就能就位，谁会带着预算出现在我们面前？我们今天邀请了三位嘉宾来到现场，这个配置很有意思。严格来说，他们不是竞争对手，而是同一条产业链上环环相扣的三个角色：有人做整机，直接面对客户；有人做平台，连接算力与产业；有人卖上游关键器件。因此，在量子计算商业应用场景中，谁会真正掏钱，在三位嘉宾看来体感完全不同。正是这种体感差异，让探讨变得非常有趣。

先请三位嘉宾做个自我介绍，简单聊聊目前公司在做什么，跟谁做生意？

杨林：各位下午好，我是图灵量子的杨林。我们图灵量子2021年在上海成立，是由上海交大孵化的一家光量子计算企业。我们专注于集成光量子方向，从事量子计算硬件整机的研制，以及商业化的交付和产业化落地。

经过5年发展，图灵量子初步完成了从芯片流片到芯片封装，再到组件加工、整机集成以及软硬件平台搭建的全栈研发链条能力，这也是图灵的特点。

目前，公司在产品侧已研制完成三代光量子计算整机，第三代整机将在本周六于上海发布。在产品与商业化方面，我们已与大量客户进行了早期沟通和商业化交付，包括在一些关键行业应用领域，我们也在推动整机硬件交付、量子经典混合计算中心建设以及算力云平台运营，通过多种商业模式尝试推动量子计算的早期商业化落地。

李金野：感谢主办方邀请，谢谢主持人。大家下午好，我是来自中科源芯的李金野。我们公司2023年成立于北京亦庄国家信创园，是由中科院博士团队创立的一家聚焦高性能薄膜铌酸锂调制器、集成收发组件以及高速光互联处理器件研发、生产、销售的前沿高科技光电企业。

我们公司以IDM模式自主研发的产品主要包括：各种类型的薄膜铌酸锂调制器（如强度/相位/IQ/DPIQ）、集成相干光接收机、多通道集成收发组件、集成光频梳等。相关技术和产品主要应用于量子计算、通信网络、数据中心以及微波光子等领域的客户。目前，公司相关产品已完成某量子计算头部企业的批量装机、星载集成光频梳交付及微波光学雷达多通道集成模组的交付与应用验证。公司大体技术情况就是这样。

吕定顺：大家好，我是量坤科技的吕定顺。量坤科技相比前面两家公司要稚嫩一些，今年1月才在经开区成立。成立的初衷，是想用量子计算、人工智能和高性能计算的融合，推动量子计算真正落地，去解决实际场景中的问题。

虽然成立时间不长，但我们已经完成了量超智融合V1、V2两个版本的开发：V1在上海WAIC发布，V2在HICOOL发布。核心是在底层把国内各大超导量子算力、量子模拟机与模拟器算力，以及智算AI模型、HPC等统一连接起来，构成我们的算力层。

算法层我们持续做了很多先进算法开发，最集中的成果，是最近在HICOOL发布的，成功跑通了一个1.26万原子的蛋白质分子模拟——一个贴近实际场景的落地应用，效率相对IBM实现了200-300倍的提升，这件事可以作为行业的技术标杆。目前乾坤云上已能提供约300原子的模拟，万级原子的速度还在优化中。

应用层更偏项目制。我们BD很少，只有1个人，正在对接三四十家客户需求，其实忙不过来。转化本身是个漏斗，但我们在化学化工、生物医药、半导体材料领域，各至少有两家以上客户走得比较近，有的已经谈到合同和首付款阶段。这是我们整体的进展。

欧雪：谢谢三位的介绍，大家对三家企业做什么有了一个大致的体感。接下来我们仔细拆开看一下客户画像和买单意愿。首先问题给到杨林总，图灵量子这两年和金融、制药、能源等行业都走得很近。如果明天量子算力成熟的话，您判断哪个行业最有兴趣过来找你们？

杨林：实际上，大家对量子计算领域的关切基本来自于它大规模并行算力的爆发，但严谨地说，量子计算并不适用于所有应用场景。现在大家共识化认可或有一些共同认知的，有四类应用场景，包括量子模拟、组合优化、密码破译以及量子人工智能。在这四个大的场景领域里，最有可能率先开展量子计算应用，或者目前我们已知有加速效果的量子算法，可能就覆盖在这四个方向里。

从这四个方向反推高价值场景和行业的话，我们目前比较看好生物医药、金融科技、人工智能，包括材料、电力等一些领域，我们认为这些领域更有产业化推动价值。

这些行业在图灵成立早期，我们第一代整机完成功能化制备时，就已经和相关行业的头部企业和关键客户开展了POC合作。举个例子，在生物医药和企业行业里，分子结构生成、序列预测等算法场景，实际上从量子模拟算法或组合优化算法来看，在这些场景里都能早期应用。

如果按照您刚才的假设，明天我们大规模容错量子计算机已经到来，我们认为在量子人工智能的场景里，有可能会催生出不止我刚才提到的行业，还会催生出新的行业形态。比如在大的生物医药背景下，借助通用容错的量子计算机，有可能产生出和现在制药行业完全不同的全新生物医药行业和体系，以及新的业态。

我们都非常期待未来通用的量子计算能够创造新的万亿市场，这才是我们真正对量子计算这样的终极算力以及底层计算能力对未来最大的想象力空间，创造类似于大模型、具身智能这样全新的行业和全新市场，推动我们更大的科技发展和整个社会生活的变革。

欧雪：我觉得新的业态后面的想象空间还是无穷的。接下来想提问一下李总，您是今天现场唯一不是直接做量子计算的企业，但量子计算其实离不开咱们公司的决策。您现在客户覆盖的领域也挺多，从公司的出货单来看，您有看到过去哪些客户真金白银在下单，包括一些订单和复购率有没有一些变化曲线可以和我们分享一下。

李金野：正如您所说，我们公司主要做薄膜铌酸锂光电子器件，不做量子计算整机，但我们的薄膜铌酸锂调制器是光量子、离子阱等部分技术路线量子计算机不可或缺的核心光电单元。也就是说，我们是给量子计算整机“卖水”/“卖铲子”的环节。

过去两年，依托薄膜铌酸锂 IDM 一体化平台，我们已推出薄膜铌酸锂调制器、收发组件、集成调制移相模组等产品。已实现实质性商业化下单的客户，以量子计算头部企业、航天院所、国家重点实验室及高校科研机构为主。不同应用场景对器件的光电指标、环境适应性要求差异较大，因此我们采用“定制化研发+柔性生产”模式，匹配各客户系统差异化的指标需求。

从订单规模来看，公司今年整体订单规模大约在2000多万，近两年订单保持稳步上行态势。客户复购也呈现清晰的阶段性特征：下游客户一旦完成系统方案与技术路线的定型验证，便会进入小批量持续复购阶段。定型场景对器件一致性、长期稳定性设置了较高准入门槛。与此同时，客户稳定的复购需求以及对产品指标和一致性建立的信任，反过来牵引我们完成对应器件的工艺固化与产品定型。

客观来讲，当前薄膜铌酸锂技术已取得关键突破，正迈入加速落地应用的元年，整体市场体量由下游应用行业大盘决定。我们期待在“十五五”国家战略支持下，量子计算、AI 数据中心、航空航天等前沿应用领域迎来爆发式增长，带动上游光器件供应链与光电集成全生态链的协同发展。

欧雪：确实从上游角度来看，感觉整个下单逻辑确实不一样。接下来问一下吕总，我们走的是AI for Science+量子融合路线。直接面向一些锂电池高研发的强度行业，跟客户打交道下来，你觉得他们对量子计算是不是有一些误解或者期待？

杨林：坦诚说还是有误解的。我记得最开始的时候我们在物理所和一个搞固态电池的老师聊，他说某个企业和他说，我们量子计算应该怎么样就可以加速他的什么，让我来帮他判别一下。我当时作为行业人确实很尴尬，我说不行也不对，我说行可能又有点违背现实客观条件。

但是从我们真正客户角度来讲，我自己接触的绝大部分客户，我认为他并没有关心你用没用量子计算，他还是关心比如正极也好，负极也好，电极也好有没有搞出更好的配方或者材料，他关心的是这个，这是第一个现实诉求。

第二个诉求，让他理解量子计算是绝对不可能的事，不要指望一个下游的应用厂商去理解你这种先进的技术，他们连AI都还理解不了，就别理解量子计算了。

我们最后的结论是：这些客户，我们要花很长时间把他的需求转化成我们能做的事就行，最后你能交付出一个他满意的结果就够了。我们和医药客户也是一样聊，我们说这样做得厉害，那样做得厉害，人家说你做这么厉害和我有什么关系，他看不到中间漫长的映射过程，你做这个厉害和他具体需求有什么关系，他看不到。

锂电池行业也一样，我们真正在解决锂电池的时候，我们其实用AI和量子融合去做的，我们要给他一个解决方案，客户其实不关心你们含镍量到底80%、50%还是30%，这一点可能是我们面对真实客户的时候。我们面对投资人的时候可能不会这么说，但面对真实客户的时候，针对他的问题你要判断一下量子什么时候能解决，这是比较实事求是的。

欧雪：确实这说明了真实的需求和上游技术之间还是有一些错位的。接下来自然而然引到第二轮的话题，现在相关的应用场景它跑通的真实进度到底是怎么样的，问题先给到吕总。你们现在一些AI for Science初筛+量子精算+实验混流，实际上形成闭环的。好像目前离产业应用确实是最近的。

现在的闭环具体来说算跑到哪一步，如果还在验证的话有哪些卡点，能和我们分享一下吗？我们现在闭环具体您觉得到哪一步了？

吕定顺：放在AI for Science的大环境下来讲，现在有了量子，我们可以把这一代叫做第四范式++。我觉得一个重大的差异化在于：量子在这里提供的是更高分辨率、更高精度的数据。整体来说，特别是一些过渡金属氧化物的计算，之前其实算不太准，所以计算准度是有提升空间的。

这些数据可以喂给AI模型，把模型的表现拉上去，这是可以预期的。难就难在，我们现在做的——不管AI for Science也好——实际上是一个虚拟环境，就像我告诉你怎么炒菜，我并没有去炒，只是告诉你按照这个方式，可以炒出这么多菜来。

所以接下来我们会把方案交给实验合作方去验证，这个过程目前是分离的，我们没有自己闭环，交给他做。做完之后我们发现一个新问题：很多客户不愿意把基础配方交给我们，有IP保护、技术秘密的考虑，这是卡点之一。另外这类新东西怎么定价——定价是小事，安全性是很重要的。

验证周期又是一回事：我告诉你怎么炒菜，你炒完要给我，我回过头修正我的模型。而且不是一次性的，它需要闭环反馈。这个闭环反馈完全取决于双方交流的频度和信任度，这是我们在真实服务客户过程中的卡点之一。

另外一个就是价格，商业还是要谈钱的，钱是很重要的点，这也是一个影响因素。

欧雪：李总，下游的一些真实进度，我觉得上游可能在订单上更有感悟。所以想问的是光量子计算机厂商找您采购器件的时候，他们一般是批量下单还是只是进行一些样品的测试？

李金野：对于量子计算客户，目前是“批量化+定制化” 双轨并行下单模式。

第一类是“相对标准化批量备货”：针对通用性较强的波段，比如O/C波段常规调制器，部分技术路线较为成熟的光量子计算客户已经开始批量下单。这类产品需求明确，我们按客户需求完成开发后会进行规格的统一与定型，同时配套建立备货机制，保障稳定供货。

第二类是“定制化研发、按单生产”: 目前量子计算处于多技术路线并行阶段——比如光量子、离子阱等不同方案对调制器指标要求差异显著。因此针对特殊波段、特殊指标的器件，我们现阶段与客户开展联合研发及样品测试。这类订单全部采用按单生产模式，依据各家客户独特的系统架构，完成定制化设计和交付。

欧雪：作为整机的企业，我们最关心的是现在的技术验证已经成功的话，如果客户端最终没有发生采购的行为，一般卡在哪里，这是我们比较关心的一些地方。

杨林：当下量子计算机的能力现在还处在从实验室刚刚走到工程化的阶段，整个量子计算领域进展的能力实际也还在从量子优越性证明到实际问题优越性求解的阶段。包括像光量子和超导在内的技术路线，已经在特定问题上证明了量子优越性，大家下一阶段都会在现有小规模容错，或者早期NISQ的机器上去找一些实用化的问题服务客户，所以这是当前硬件的能力。

实际上我们过去一年在硬件上的进展和实际场景的结合，已经有非常多的场景，可以抽象出来一些小规模的问题或者具体的问题可以在真机上跑。但目前的状态，你可以理解成有点类似于汽车刚发明出来的阶段，那个阶段的汽车实际跑不过马车，所以目前的量子计算机也有点像这个状态。

当下我们和客户成交时，面临主要的问题是：目前量子计算机还没有从“能用”到“好用”的阶段，更没有到商务商业化划算的阶段。基本制约我们主要的因素，一个是硬件本身和领域本身的发展；二是目前高昂的研发投入和整机定价之间的Gap。我认为这个阶段最起码还要3-5年时间，才能显性地从“不太好用”到“好用”的阶段，然后才能从“好用但有点贵”，再到“大家都能用得起”，或者在更多行业里能够创造价值的阶段。

欧雪：谢谢杨林总，刚才您提到量子计算还没有到从能用到好用的阶段，这也恰恰说明了它现在确实不能算非常成熟的一款商品去推开。

接下来想聊一下，如果我们从技术到产品到真正成熟的商品需要经过什么，问题先给到吕总。我留意到我们现在做的是量子+AI的融合平台，本质上在帮客户把量子计算一些精度翻译成产业能够听懂可用性的。我们在内部有没有一个衡量标准，哪个场景可以真正落地？

吕定顺：我觉得这是整个领域一个非常Fundamental的问题：到底什么问题适合用量子计算机来处理。因为我们比较聚焦，现在聚焦的领域不管是生物医药、化学化工还是材料，从某种意义来说，我把它们统称为“量子类问题”——这些问题最底层的原理都是量子力学，只是尺度不同：有的分子大一点，有的原子分子小一点，固体有时候轻一点，仅此而已。

做这件事我们积累了很多knowhow，因为这里存在两个Gap。一个是领域Gap：我们这群人很多是做量子计算机出身的，对具体要解决什么材料问题，往往没有insight。

但我们团队里也有专门做计算物理、计算化学的，和搞量子计算机的一起，对传统方法研究了很多年，知道传统方法的边界在哪里。现在我们已经把对问题的理解编码进了公司的Agent里——客户问题进来，Agent自动对它做资源估计、问题识别，判断要不要和其他方法融合解决。

我们还有一套体系对问题进行分解：分解完就知道，有的问题一定要用高精度，交给量子计算机和其他求解器；精度低一点的，AI或传统算法就能解决，最后融合起来解决问题。这在内部基本是一条自动工作流。

这是从解决问题的角度。还有一个角度，实操中感受很深：解决问题只是成立与不成立的问题，另外还有付费的问题——如果要让客户使用很贵的机器，即便能解决问题，他的付费意愿也未必那么强，还要评估他的预算等等。

欧雪：确实听起来真的很复杂，不是单单一个维度可以说得清楚。

吕定顺：技术可行性我们可以做到，但商业可行性客户要来回迭代。

欧