«Kvante–superdatamaskin–KI»: Shenzhen-møtet tegner Kinas nye plan for intelligent datakraft

«Kvante–superdatamaskin–KI» – hva betyr det?

Fra 3. til 5. august 2026 ble Shenzhen vertskap for den femte CCF-konferansen for kvanteberegning og det femte Greater Bay Area Quantum Science Forum. Over 2 400 personer deltok, og mer enn 200 akademikere og eksperter presenterte forskning på kvanteberegning, KI og kombinerte beregningsformer.23

Konferansens tema var «kvante og intelligens i samspill – kvante, superdatamaskiner og KI i felles beregning». Det viktigste signalet var ikke en ferdig plan for én bestemt kvantedatamaskin, men en teknologisk og politisk idé: Kvanteberegning, superdatamaskiner og kunstig intelligens bør ses som ulike lag i den samme infrastrukturen for intelligent datakraft.

I praksis innebærer modellen at:

• KI gjør kvanteberegning mer brukbar, gjennom bedre maskinvare, styring og algoritmer.
• Superdatamaskiner driver dagens storskala simuleringer og «AI for Science», blant annet innen materialer, fysikk og biovitenskap.
• Fremtidige feiltolerante kvantedatamaskiner blir et nytt beregningslag, rettet mot bestemte vitenskapelige problemer som klassiske systemer har store problemer med.

Dermed handler «kvante–superdatamaskin–KI» mindre om å bygge en frittstående kvantemaskin og mer om å organisere datakraft, nettverk, energi, forskning og næringsliv som ett sammenhengende system. Konferansen hadde nær 30 arrangementer om alt fra grunnforskning og standarder til industriell anvendelse og koblinger mellom myndigheter, selskaper og investorer.23

KI skal hjelpe kvantedatamaskinen over den praktiske terskelen

Kvantedatamaskiner er svært følsomme for forstyrrelser. Akademikeren Tao Xiang sammenlignet dagens feilrate for fysiske kvantebiter – rundt 1 prosent – med de langt lavere feilratene som kreves for blant annet kryptografisk knekking, og pekte på KI som et viktig verktøy for å minske avstanden.1

KI kan brukes i flere deler av kvantesystemet:

1. Brikkedesign og kalibrering: Algoritmer kan analysere eksperimentdata, finne mønstre i feil og bidra til å justere maskinvareparametere.
2. Kvantefeilkorreksjon og dekoding: KI kan gjøre det raskere å oppdage og korrigere feil.
3. Kompilering av kvantekretser: Kvantealgoritmer kan oversettes mer effektivt til den konkrete maskinvaren de skal kjøres på.
4. Måling og styring: KI kan forbedre den løpende kontrollen av kvantesystemet.
5. Optimalisering av variasjonelle kvantealgoritmer: KI kan bidra til raskere parametersøk og motvirke problemer som «barren gradients», altså at gradientene blir så små at treningen nesten stopper opp.1

Poenget er at KI ikke bare skal være et brukergrensesnitt for kvantedatamaskinen. Den kan også bli et grunnleggende verktøy i utviklingen av kvantebrikker, programvare og laboratoriestyring – slik at forskere raskere kan finne feil, justere systemene og teste nye algoritmer.

Fra enkeltprosjekt til samlet infrastruktur

Akademikeren Xue Qikun sa at den dype integrasjonen mellom KI, superdatamaskiner og kvanteberegning allerede endrer forskning på kvantematerialer og utviklingen av kvantealgoritmer.1 Det flytter diskusjonen fra én enkelt maskin til hele det nasjonale beregningssystemet.

Kvanteutstyr trenger klassisk datakraft for å fungere. KI trenger store datasett og simuleringer. Forskere trenger dessuten å kombinere ulike typer beregning for å teste hypoteser og verifisere resultater.

Akademikeren Gao Wen foreslo en Pengcheng Laboratory-ledet infrastruktur med sikte på en samordnet kapasitet på 10G-nivå for beregning, 10P-nivå for nettverk og 10 GW for ren energi. Målet er å tilby integrerte ressurser til nasjonale laboratorier.1

I konferansens sammenheng betyr ikke disse tallene bare mer maskinvare. De illustrerer en modell der beregning, nettverk og energiforsyning planlegges samlet. Det strategiske konkurransefortrinnet ligger dermed ikke nødvendigvis i å ha den beste enkeltmaskinen, men i å kunne levere datakraft, data, energi, kompetanse og bruksområder over tid.

Superdatamaskinen er den nære plattformen for «AI for Science»

Akademikeren Zheng Weimin beskrev dagens ledende superdatamaskiner som i praksis enorme KI-maskiner for vitenskapelig forskning. I denne arkitekturen kan kvanteberegning bli neste lag.1

Det gir en mer realistisk tidslinje enn å vente på en allsidig kvantedatamaskin. Superdatamaskiner og KI kan allerede brukes til oppgaver som materialoppdagelse og prediksjon av proteinstrukturer, mens kvantefeltet fortsatt arbeider med feilrater, feilkorreksjon og skalering.1

Forskningsmiljøer kan derfor bruke moden klassisk høyytelsesberegning og maskinlæring nå, og gradvis sende oppgaver til kvantesystemer når teknologien blir egnet. En slik lagdelt modell gjør det mulig å utvikle algoritmer, kalibrere eksperimenter og behandle vitenskapelige data uten å vente på at universelle kvantedatamaskiner skal bli ferdig utviklet.

Materialforskning viser hvordan kombinasjonen kan fungere

Et eksempel som ble presentert på konferansen, kombinerte prinsippet om «metallisering av σ-bindinger» fra kvantemangelegemeteori med KI-basert screening. Metoden gikk gjennom en database med over to millioner materialer og identifiserte 31 kandidater til høytemperatursuperledere. Av disse var 18 ikke tidligere forutsagt.1

Eksempelet viser ikke at KI erstatter fysikere. Det viser snarere hvordan fagene kan utfylle hverandre:

• Fysikken gir et prinsipp for hva man skal lete etter.
• KI søker gjennom et enormt antall muligheter.
• Superdatamaskiner håndterer databehandlingen og verifiseringen.

Akademikeren Gong Xinguo foreslo også at KI kan la forskere definere problemer med naturlig språk og hente inn relevante «ferdigheter» eller verktøy. Det kan gjøre materialberegninger, design og syntese mindre avhengig av en liten gruppe spesialister.1

Kina sammenligner retningen med USAs kvanteinitiativ

Gao Wen sammenlignet Kinas samlede tilnærming med det amerikanske energidepartementets Quantum Genesis-initiativ. Amerikanske myndigheter har sagt at initiativet skal bidra til utviklingen av vitenskapelig relevante, feiltolerante kvantedatamaskiner og samordne innsats mellom føderale myndigheter, nasjonale laboratorier og industrien.

Budskapet fra Shenzhen var at Kina trenger en tilsvarende systeminnsats – og at konkurransen ikke bør avgjøres av ett enkelt mål for kvantebrikker. Landenes programmer har ulike mål, organiseringer og finansieringsmodeller. Det mest meningsfulle sammenligningsgrunnlaget er derfor retningen og infrastrukturen, ikke en påstand om at én side allerede leder på alle områder.

Er dette Kinas formelle nasjonale plan?

Nei, ikke slik kildene beskriver det. «Kvante–superdatamaskin–KI» var konferansens tema og uttrykk for strategiske vurderinger og forslag fra akademikere og andre deltakere. Det var ikke en formelt kunngjort kinesisk statsplan.123

Likevel tegner konferansen en tydelig retning for den videre politiske diskusjonen:

• KI skal forbedre kvantebrikker, programvare og algoritmer.
• Superdatamaskiner skal bære de nærmeste «AI for Science»-anvendelsene.
• Kvanteberegning skal på sikt bli et nytt lag for bestemte komplekse problemer.
• Beregning, nettverk, ren energi og nasjonale laboratorier skal ses i sammenheng.
• Samarbeid mellom forskning, industri, myndigheter og kapital skal bringe resultater fra laboratoriet mot storskala bruk.237

Den viktigste nyheten fra Shenzhen er derfor ikke at kvantedatamaskiner allerede er klare for bred praktisk bruk. Det er at Kinas teknologiske fortelling er i ferd med å endres: Konkurransen handler mindre om hvem som først viser fram den kraftigste kvantemaskinen, og mer om hvem som best klarer å organisere kvanteberegning, KI, superdatamaskiner og forskningsinfrastruktur til et effektivt system.