Kinas næste store computerplan handler ikke kun om kvantecomputere

Shenzhen-konferencens vigtigste signal

Den femte CCF-konference om kvantecomputing og det femte Greater Bay Area Quantum Science Forum blev afholdt i Shenzhen fra 3. til 5. august 2026. Over 2.400 deltagere deltog, mens mere end 200 akademikere og eksperter præsenterede forskning i kvantecomputing, kunstig intelligens og samspillet med klassisk højtydende databehandling.23

Konferencens tema var “kvante og intelligens i forening – kvante, supercomputing og intelligens som fælles beregning”. Bag formuleringen ligger en strategisk idé, som kan opsummeres som “量超智” – kvantecomputing, supercomputing og AI i tæt samspil.

Det er vigtigt at skelne mellem et strategisk signal og en formel beslutning: Konferencen offentliggjorde ikke en officiel kinesisk nationalplan. Men oplæggene tegnede et tydeligt billede af, hvordan Kina ønsker at tænke fremtidens intelligente databehandling: som en samlet infrastruktur, hvor forskellige former for computerkraft udfylder forskellige roller.

Hvad betyder “量超智”?

“量超智” kan forstås som en model, hvor tre teknologier udvikles sammen:

• AI gør kvantecomputing mere anvendelig ved at forbedre hardware, styring og algoritmer.
• Supercomputere fungerer som den aktuelle arbejdshest for store simuleringer og AI for Science – altså brugen af AI i forskning inden for blandt andet materialer, fysik og biovidenskab.
• Fremtidens fejltolerante kvantecomputere bliver et nyt beregningslag, der kan tage sig af bestemte videnskabelige problemer, som klassiske computere har svært ved at løse.

Det er dermed ikke først og fremmest en plan om at bygge én stadig større kvantecomputer. Det er snarere en vision for, hvordan kvantehardware, klassiske supercomputere, AI, netværk, energi, forskningsinstitutioner og industri kan bindes sammen.

Konferencen omfattede både grundforskning, nøgleteknologier, standarder, kommercialisering og samarbejde mellem myndigheder, virksomheder og investorer. I løbet af de tre dage blev der afholdt næsten 30 aktiviteter.23

AI skal hjælpe kvantecomputing over den praktiske tærskel

Et af kvantecomputingens største problemer er fejl. Den kinesiske akademiker Xiang Tao sammenlignede den nuværende fejlrate for fysiske qubits – omkring 1 procent – med de langt lavere fejlprocenter, som kræves til blandt andet anvendelser inden for kryptografisk kodebrydning. Han fremhævede AI som et vigtigt værktøj til at mindske afstanden.1

Ifølge den tilgang, der blev præsenteret på konferencen, kan AI bruges i flere centrale dele af kvantecomputing:

1. Kalibrering og design af chips: AI kan analysere eksperimentelle data, identificere fejl og hjælpe med at optimere hardwareparametre.
2. Kvantefejlkorrektion og dekodning: AI kan gøre det hurtigere og mere effektivt at opdage og korrigere fejl.
3. Kompilering af kvantekredsløb: Algoritmer kan oversættes mere effektivt til den konkrete kvantehardware.
4. Måling og styring: AI kan forbedre den løbende kontrol af kvantesystemer under drift.
5. Optimering af variationelle kvantealgoritmer: AI kan fremskynde søgningen efter gode parametre og afhjælpe problemer som barren gradients, hvor gradienterne bliver så små, at træningen næsten går i stå.1

AI’s rolle er derfor ikke begrænset til at levere et program, som kører oven på en kvantecomputer. Teknologien kan også blive et grundlæggende værktøj i udviklingen af kvantechips, kvantesoftware og eksperimentelle kontrolsystemer.

Fra enkeltstående kvanteprojekter til national infrastruktur

Den kinesiske akademiker Xue Qikun fremhævede, at en tæt integration mellem AI, supercomputing og kvantecomputing allerede ændrer arbejdet med kvantematerialer og udviklingen af kvantealgoritmer.1

Det flytter fokus fra den enkelte maskine til det samlede computersystem. Kvantecomputere har brug for klassiske computere til styring og dataanalyse. AI har brug for højtydende databehandling til træning, simulering og store datamængder. Og videnskabelige gennembrud kræver ofte, at flere typer computerkraft bruges i samme arbejdsgang.

Den kinesiske akademiker Gao Wen foreslog en Pengcheng-laboratorieledet infrastruktur med en samlet målsætning om 10G-klassens databehandling, 10P-klassens netværk og integration af 10 GW ren energi. Formålet er at levere samlede ressourcer til nationale laboratorier.1

I denne sammenhæng handler tallene ikke blot om at lægge mere hardware oven på eksisterende hardware. De peger på en infrastrukturtilgang, hvor beregningskapacitet, netværk og energiforsyning planlægges under ét.

Det er også her, den strategiske betydning af “量超智” bliver tydeligst. Hvis computerkraft er en grundressource for forskning, industri og sikkerhed, er konkurrencefordelen ikke nødvendigvis den maskine med de bedste enkeltstående specifikationer. Den kan i stedet ligge i evnen til kontinuerligt at levere computerkraft, data, energi, talent og relevante anvendelser som ét samlet system.

Supercomputere er den realistiske platform her og nu

Den kinesiske akademiker Zheng Weimin beskrev de førende supercomputere som “enorme AI-computere” – især når de bruges til videnskabelig forskning. I denne arkitektur kan kvantecomputing senere blive det næste beregningslag.1

Det giver en mere realistisk tidslinje for teknologien. Kvantecomputing har et stort langsigtet potentiale, men supercomputere og AI for Science kan allerede nu løse opgaver inden for eksempelvis materialeforskning og forudsigelse af proteinstrukturer.1

Forskningsinstitutioner behøver derfor ikke vente på en universel, fejltolerant kvantecomputer, før de begynder at bruge AI og højtydende klassisk databehandling. De kan udvikle algoritmer, analysere eksperimenter og behandle videnskabelige data med den infrastruktur, der allerede findes – og senere sende de problemer videre til kvantesystemer, hvor det giver mening.

En lagdelt model mindsker dermed risikoen for, at hele anvendelsesområdet sættes på pause, mens forskerne forsøger at løse kvantecomputingens udfordringer med fejlprocenter, fejlkorrektion og opskalering.

Materialeforskning viser, hvordan kombinationen kan fungere

På konferencen blev en arbejdsgang inden for materialeforskning fremhævet. Her blev princippet om metallisering af σ-bindinger fra kvantemangelegemeteorien kombineret med AI-screening. Metoden gennemgik en database med over to millioner materialer og identificerede 31 kandidater til højtemperatur-superledere. Af dem var 18 ikke tidligere blevet forudsagt.1

Eksemplet viser ikke AI som en erstatning for fysik. Det viser snarere en arbejdsdeling:

• Fysikken leverer det teoretiske princip og retningen for søgningen.
• AI undersøger et enormt antal mulige materialer og finder kandidater, der passer til kriterierne.
• Supercomputere leverer den nødvendige databehandling og efterfølgende validering.

Den kinesiske akademiker Gong Xinguo argumenterede desuden for, at AI kan gøre det muligt at formulere forskningsproblemer på naturligt sprog og kalde de relevante “færdigheder” eller værktøjer. Det kan gøre beregning, design og syntese af materialer mindre afhængig af en lille gruppe specialister i avancerede beregningsmetoder.1

Hvis denne model modnes, kan forskerens rolle i højere grad flytte sig fra at skrive hele beregningsforløbet manuelt til at formulere problemet, sammensætte de rette værktøjer og kontrollere resultaterne.

Sammenligningen med USA

Gao Wen sammenlignede også den kinesiske samlede tilgang med USA’s Quantum Genesis-initiativ, som det amerikanske energiministerium lancerede i 2026. Ministeriets offentlige materiale beskriver blandt andet et mål om at udvikle en videnskabeligt relevant og fejltolerant kvantecomputer samt koordinere indsatsen mellem den føderale regering, nationale laboratorier og industrien.

Budskabet fra konferencen var, at Kina bør etablere en tilsvarende systemisk indsats i stedet for kun at konkurrere på en enkelt måling af kvantehardware.

Sammenligningen skal dog læses med forbehold. De nationale initiativer har ikke nødvendigvis samme mål, organisering eller finansieringsramme. Det mest meningsfulde er derfor at sammenholde den overordnede strategiske retning og måden, infrastrukturen organiseres på – ikke at konkludere, at den ene side allerede har vundet et samlet teknologisk kapløb.

Er dette Kinas officielle nationale plan?

Nej – ikke ud fra det materiale, der er offentliggjort om konferencen. “量超智” var konferencens tema og et strategisk synspunkt, som akademikere og eksperter præsenterede. Det var ikke en formelt vedtaget kinesisk statsplan.123

Men konferencen skitserede en klar politisk og teknologisk diskussion:

• AI skal forbedre kvantehardware, kvantesoftware og kvantealgoritmer.
• Supercomputere skal bære de nærmeste AI for Science-anvendelser.
• Kvantecomputing skal på længere sigt fungere som et nyt lag til særligt komplekse problemer.
• Databehandling, netværk, ren energi og nationale laboratorier skal ses som dele af samme infrastruktur.
• Samarbejde mellem forskning, industri, offentlige aktører, anvendelser og kapital skal bringe resultater fra laboratoriet ud i større skala.237

Den vigtigste pointe fra Shenzhen var derfor ikke, at kvantecomputing allerede er blevet en moden masse-teknologi. Det var snarere, at fortællingen om konkurrencen er ved at ændre sig: Fra spørgsmålet om, hvem der bygger den stærkeste kvantecomputer, til spørgsmålet om, hvem der bedst kan organisere kvantecomputing, AI, supercomputing og forskningsinfrastruktur som ét effektivt system.