„Quantensprung“ im Rechnen: Was Chinas „Quanten-Supercomputer-KI“-Vision bedeutet

Die fünfte CCF-Konferenz für Quantencomputing und das fünfte Wissenschaftsforum der Greater Bay Area fanden vom 3. bis 5. August 2026 in Shenzhen statt. Mehr als 2.400 Menschen nahmen teil; in den akademischen Programmpunkten präsentierten über 200 Akademikerinnen, Akademiker und Fachleute aktuelle Arbeiten zu Quantencomputing, künstlicher Intelligenz und hybriden Rechenverfahren. 23

Das Leitmotiv lautete: „Quanten und Intelligenz verschmelzen – Quanten, Supercomputing und KI gemeinsam rechnen lassen.“ Dahinter steht keine bereits offiziell veröffentlichte nationale Planung. Die Konferenz formulierte jedoch eine technologie- und industriepolitisch relevante Perspektive: Quantencomputer, Supercomputer und KI sollen als verschiedene, miteinander verzahnte Ebenen eines gemeinsamen Systems für intelligente Berechnungen entwickelt werden.

Was bedeutet „Quanten-Supercomputing-KI“?

Der chinesische Begriff „量超智“ verbindet Quantencomputing, Supercomputing und künstliche Intelligenz. Gemeint ist weniger der Bau eines einzelnen besonders leistungsfähigen Quantenchips als die Abstimmung dreier Rechenwelten:

• KI soll Quantencomputing praktikabler machen, etwa durch bessere Hardware, Steuerung und Algorithmen.
• Supercomputer sollen groß angelegte Simulationen und „AI for Science“ ermöglichen, zum Beispiel in der Material-, Physik- und Lebenswissenschaft.
• Fehlertolerante Quantencomputer könnten künftig eine zusätzliche Rechenebene bilden, die auf bestimmte wissenschaftliche Probleme zielt, bei denen klassische Rechner an Grenzen stoßen.

Die Idee gleicht damit eher einem Bauplan für eine nationale Recheninfrastruktur als einem isolierten Quantencomputer-Projekt. Auf der Konferenz ging es neben Grundlagenforschung und Schlüsseltechnologien auch um industrielle Anwendungen, Standards, Unternehmenskooperationen und die Vermittlung zwischen Politik, Wirtschaft und Kapital. Über drei Tage hinweg waren fast 30 Veranstaltungen geplant. 23

KI als Werkzeug gegen die größten Hürden des Quantencomputings

Der Akademiker der Chinesischen Akademie der Wissenschaften Xiang Tao verwies auf die derzeitige Fehlerquote physischer Qubits von ungefähr einem Prozent. Für Anwendungen wie das Brechen kryptografischer Verfahren wären deutlich niedrigere Fehlerraten erforderlich. KI könne dabei helfen, diese Lücke zu verkleinern. 1

Nach den auf der Konferenz vorgestellten Ansätzen kann KI in mehreren Bereichen eingesetzt werden:

1. Kalibrierung und Design von Quantenchips: Aus Mess- und Versuchsdaten lassen sich Fehlerquellen und Eigenschaften von Bauteilen erkennen, um Hardwareparameter gezielter zu optimieren.
2. Quantenfehlerkorrektur und Dekodierung: KI kann die Erkennung und Korrektur von Fehlern beschleunigen.
3. Kompilierung von Quantenschaltungen: Algorithmen lassen sich effizienter auf die jeweils vorhandene Quantenhardware übertragen.
4. Messung und Steuerung: KI kann die Echtzeitkontrolle empfindlicher Quantensysteme verbessern.
5. Optimierung variationaler Quantenalgorithmen: Die Suche nach geeigneten Parametern soll schneller werden; zugleich könnten Probleme wie verschwindende oder zu kleine Gradienten – sogenannte „barren gradients“ – abgeschwächt werden. 1

KI wäre damit nicht bloß eine Anwendungsschicht über dem Quantencomputer. Sie könnte vielmehr zu einem Grundwerkzeug für Chipentwicklung, Quantensoftware und experimentelle Steuerung werden: Systeme könnten schneller diagnostiziert, angepasst und mit neuen Algorithmen iteriert werden.

Vom Quantenprojekt zur integrierten Recheninfrastruktur

Der Akademiker der Chinesischen Akademie der Wissenschaften Xue Qikun betonte, dass die enge Verbindung von KI, Supercomputing und Quantencomputing bereits die Erforschung von Quantenmaterialien und die Entwicklung von Quantenalgorithmen verändere. 1

Damit verschiebt sich der Blick von der einzelnen Maschine hin zum gesamten Rechensystem. Quantencomputer benötigen klassische Rechner für Steuerung und Datenverarbeitung. KI wiederum ist auf Hochleistungsrechner für Training, Simulation und Analyse angewiesen. Wissenschaftliche Entdeckungen entstehen zunehmend dort, wo unterschiedliche Ressourcen kombiniert werden.

Der Akademiker der Chinesischen Akademie für Ingenieurwesen Gao Wen schlug eine vom Pengcheng Laboratory geführte Infrastruktur vor. Im Raum stehen dabei eine Kombination aus Rechenleistung im Bereich von 10 G, Netzwerkkapazität im Bereich von 10 P und einer Integration sauberer Energie im Umfang von 10 GW, um nationale Laboratorien mit gebündelten Ressourcen zu versorgen. 1

Im Zusammenhang der Konferenz stehen diese Zahlen nicht einfach für ein möglichst großes Hardwarepaket. Sie verweisen auf einen Infrastrukturansatz, bei dem Rechenleistung, Netzwerke und Energie von Beginn an gemeinsam geplant werden.

Das ist der strategisch weitreichendste Teil der „量超智“-Vision: Wenn Rechenkapazität als Grundlage für Forschung, Industrie und Sicherheit gilt, geht es im Wettbewerb nicht mehr nur um den leistungsfähigsten Quantencomputer. Entscheidend wäre vielmehr ein System, das dauerhaft Rechenleistung, Daten, Energie, Fachkräfte und konkrete Anwendungsszenarien zusammenführt.

Supercomputer bilden die realistische Basis für „AI for Science“

Der Ingenieurwissenschaftler Zheng Weimin beschrieb moderne Spitzen-Supercomputer sinngemäß als riesige KI-Rechner – insbesondere für wissenschaftliche Anwendungen. Quantencomputing könne in einer solchen Architektur später als zusätzliche Rechenschicht hinzukommen. 1

Das ergibt eine pragmatische zeitliche Staffelung: Das langfristige Potenzial von Quantencomputern ist groß, doch Supercomputer und KI können schon heute wissenschaftliche Aufgaben unterstützen, etwa die Suche nach neuen Materialien oder die Vorhersage von Proteinstrukturen. 1

Forschungseinrichtungen müssen deshalb nicht abwarten, bis ein universell einsetzbarer, fehlertoleranter Quantencomputer verfügbar ist. Sie können zunächst vorhandene Hochleistungsrechner und maschinelles Lernen nutzen – für wissenschaftliche Daten, Simulationen, Algorithmusentwicklung und die Kalibrierung von Quantenexperimenten. Geeignete Aufgaben könnten später schrittweise an Quantensysteme übergeben werden.

Materialforschung zeigt, wie die Kombination funktionieren kann

Ein auf der Konferenz vorgestellter Prozess verband das aus der quantenphysikalischen Vielteilchentheorie stammende Prinzip der „σ-Bindungs-Metallisierung“ mit KI-gestütztem Screening. Aus einer Datenbank mit mehr als zwei Millionen Materialien wurden 31 Kandidaten für Hochtemperatur-Supraleiter herausgefiltert; 18 davon waren zuvor nicht vorhergesagt worden. 1

Die Bedeutung dieses Beispiels liegt nicht darin, dass KI die Physik ersetzt. Vielmehr ergänzen sich die Rollen: Physikalische Theorien geben die Richtung der Suche vor, KI durchsucht riesige Kandidatenräume und Supercomputer übernehmen die dafür notwendige Datenverarbeitung und Validierung.

Gong Xinguo, ebenfalls Akademiker der Chinesischen Akademie der Wissenschaften, schlug zudem vor, wissenschaftliche Fragestellungen in natürlicher Sprache zu formulieren und passende KI-„Fähigkeiten“ aufzurufen. Dadurch könnte der Zugang zu Berechnung, Design und Synthese von Materialien weniger stark von einer kleinen Gruppe spezialisierter Programmiererinnen und Programmierer abhängen. 1

Sollte sich dieser Ansatz durchsetzen, würde sich der Einstieg in die Materialforschung verändern: Im Mittelpunkt stünde dann weniger das Schreiben komplexer Rechenabläufe als vielmehr das präzise Formulieren von Fragen, das Zusammenstellen geeigneter Werkzeuge und die Überprüfung der Ergebnisse.

Der Vergleich mit den USA

Gao Wen stellte Chinas integrierten Ansatz der Quantum-Genesis-Initiative des US-Energieministeriums gegenüber. Das Ministerium erklärte, mit der Initiative wissenschaftlich relevante, fehlertolerante Quantencomputer entwickeln und einsetzen zu wollen. Dabei sollen US-Bundesregierung, nationale Laboratorien und Industrie koordiniert zusammenarbeiten.

Die Botschaft aus Shenzhen lautet daher: China müsse eine vergleichbare systemische Anstrengung aufbauen und dürfe sich nicht auf einzelne Kennzahlen bei der Quantenhardware beschränken. Die Ziele, Organisationsformen und Investitionsvolumen der jeweiligen Programme sind allerdings nicht identisch. Vergleichen lassen sich deshalb vor allem strategische Richtung und Infrastrukturmodell – nicht die pauschale Behauptung, eine Seite liege bereits in allen Bereichen vorn.

Ist das bereits Chinas offizieller nationaler Bauplan?

Streng genommen: nein. Die verfügbaren Quellen zeigen, dass „量超智“ vor allem das Konferenzthema sowie strategische Einschätzungen und Vorschläge der teilnehmenden Akademiker und Fachleute bezeichnet. Es handelt sich nicht um einen auf der Veranstaltung veröffentlichten, formell verabschiedeten nationalen Plan. 123

Dennoch zeichnet sich eine klare politische Diskussionslinie ab:

• KI soll Quantenhardware, Quantensoftware und Quantenalgorithmen verbessern.
• Supercomputer sollen kurzfristig als Basis für „AI for Science“ dienen.
• Quantencomputer sollen künftig eine neue Ebene für bestimmte komplexe wissenschaftliche Aufgaben bilden.
• Rechenleistung, Netzwerke, saubere Energie und nationale Laboratorien sollen als zusammenhängende Infrastruktur geplant werden.
• Kooperationen zwischen Forschung, Industrie, Anwendung und Kapital sollen Laborergebnisse in skalierbare Produkte und Dienste überführen. 237

Der wichtigste Ertrag der Konferenz ist deshalb nicht die Behauptung, Quantencomputing sei bereits umfassend praxistauglich. Interessanter ist der Wechsel in der Wettbewerbslogik: Nicht mehr nur die Frage „Wer baut den stärksten Quantencomputer?“ steht im Mittelpunkt, sondern „Wer kann Quantencomputing, KI, Supercomputing und Forschungsinfrastruktur am wirksamsten zu einem Gesamtsystem verbinden?“