Shenzhenmötet pekar ut Kinas nästa steg inom intelligent datorkraft

Ett teknikmöte med en större ambition

Den femte CCF-konferensen om kvantberäkning och det femte Greater Bay Area-forumet för kvantvetenskap hölls i Shenzhen den 3–5 augusti 2026. Över 2 400 personer deltog, och mer än 200 akademiker och experter presenterade forskning om kvantberäkning, AI och kombinerad datorkraft.23

Konferensens tema var ”kvant och intelligens i förening – kvant, superdatorer och intelligens i gemensam beräkning”. Budskapet var inte att Kina redan har offentliggjort en färdig nationell strategi. Däremot formulerade deltagarna en teknikpolitisk riktning: kvantberäkning, superdatorer och artificiell intelligens bör ses som olika delar av samma system för intelligent datorkraft.

Vad betyder ”kvant–superdator–AI”?

Begreppet kan sammanfattas som ett samspel mellan tre beräkningsnivåer:

• AI ska göra kvantberäkning mer användbar genom att förbättra hårdvara, styrning och algoritmer.
• Superdatorer ska bära upp storskaliga simuleringar och AI for Science, alltså forskning där maskininlärning och högpresterande beräkning används för vetenskapliga genombrott.
• Framtida feltoleranta kvantdatorer ska bli ett nytt beräkningslager för särskilda problem som klassiska datorer har svårt att hantera.

Det handlar därför mer om en ritning för nationell beräkningsinfrastruktur än om ett enskilt projekt kring kvantchip. Under de tre konferensdagarna diskuterades även grundforskning, nyckelteknik, standarder, kommersialisering och möten mellan myndigheter, företag och investerare. Nästan 30 programpunkter genomfördes.23

AI ska hjälpa kvanttekniken över den praktiska tröskeln

CAS-akademikern Tao Xiang jämförde dagens felgrad på omkring 1 procent för fysiska kvantbitar med de betydligt lägre felnivåer som krävs för exempelvis kryptografisk kodknäckning. Han framhöll AI som ett viktigt verktyg för att minska detta gap.1

Enligt konferensens resonemang kan AI användas i flera centrala delar av kvantdatorutvecklingen:

1. Kalibrering och design av chip: AI kan analysera experimentdata, identifiera felkällor och hjälpa till att optimera hårdvarans parametrar.
2. Kvants felkorrigering och avkodning: AI kan effektivisera upptäckten och korrigeringen av fel.
3. Kompilering av kvantkretsar: Algoritmer kan översättas mer effektivt till den hårdvara som faktiskt finns tillgänglig.
4. Mätning och styrning: AI kan förbättra den realtidskontroll som krävs för att hålla kvantsystem stabila.
5. Optimering av variationsbaserade kvantalgoritmer: Parametrar kan sökas fram snabbare, samtidigt som problem med så kallade ”barren gradients” – försvinnande eller mycket små gradienter – kan motverkas.1

AI:s roll är alltså inte begränsad till att bli ett gränssnitt ovanpå en färdig kvantdator. Tekniken kan också bli ett grundverktyg för kvantchip, kvantmjukvara och experimentell kontroll – från att hitta fel till att justera system och förbättra algoritmer.

Från kvantprojekt till integrerad infrastruktur

CAS-akademikern Xue Qikun betonade att en djupare integration mellan AI, superdatorer och kvantberäkning redan påverkar forskning om kvantmaterial och utvecklingen av kvantalgoritmer.1 Perspektivet flyttar diskussionen från enskilda maskiner till hela Kinas beräkningssystem.

Kvantutrustning behöver klassisk datorkraft för styrning och analys. AI behöver högpresterande datorer för datahantering och simulering. Vetenskapliga upptäckter kräver i sin tur att olika typer av beräkningsresurser kan kombineras.

CAE-akademikern Gao Wen föreslog en infrastruktur med Pengcheng Laboratory som samordnande kraft. Målet skulle vara en integrerad konfiguration med beräkningskapacitet på 10G-nivå, nätverk på 10P-nivå och 10 GW ren energi för nationella laboratorier.1 I konferensens sammanhang handlar siffrorna inte bara om att bygga mer hårdvara, utan om att planera beräkning, nätverk och energiförsörjning tillsammans.

Det är också här den strategiska betydelsen blir tydligast. Om datorkraft ses som en grundresurs för forskning, industri och säkerhet blir konkurrensen inte en tävling om den bästa enskilda kvantdatorn. Den handlar om vilket land som kan bygga ett system som långsiktigt levererar beräkningar, data, energi, kompetens och användningsområden.

Superdatorerna är den realistiska basen för AI-forskning

CAE-akademikern Zheng Weimin beskrev dagens ledande superdatorer som ”enorma AI-datorer”, särskilt i vetenskapliga sammanhang. I denna arkitektur skulle kvantberäkning kunna bli nästa lager.1

Det ger en mer realistisk tidslinje. Kvantberäkning har stor långsiktig potential, men superdatorer och AI for Science kan redan nu användas för exempelvis materialupptäckt och förutsägelser av proteinstrukturer.1 Forskningsinstitutioner kan därför utnyttja mogen klassisk infrastruktur först och därefter låta kvantsystem ta sig an problem där de har särskilda fördelar.

En sådan modell minskar också behovet av att vänta på en fullt utvecklad, generell kvantdator innan tillämpningar börjar växa fram. Kvantsektorn arbetar fortfarande med felgrad, felkorrigering och skalbarhet, medan AI och superdatorer redan kan stödja algoritmutveckling, experimentell kalibrering och analys av vetenskapliga data.

Materialupptäckt visar hur teknikerna kan kombineras

På konferensen presenterades ett materialupptäcktssystem som kombinerade principen om metallisering av σ-bindningar från kvantmekanisk teori för många partiklar med AI-baserad sållning. Bland över två miljoner material i en databas identifierades 31 kandidater för högtemperatursupraledare, varav 18 inte hade förutspåtts tidigare.1

Exemplet visar inte att AI ersätter fysiken. I stället bidrar de olika delarna med olika saker: fysiken pekar ut vilka egenskaper som är intressanta, AI söker genom ett enormt kandidatrum och superdatorer hanterar den datamängd och verifiering som behövs.

CAS-akademikern Gong Xinguo föreslog dessutom att AI ska kunna ta emot problem formulerade på naturligt språk och aktivera relevanta ”färdigheter” för materialberäkning, design och syntes.1 Om den modellen mognar kan materialforskningens ingång förändras: forskaren behöver inte alltid börja med att skriva ett komplicerat beräkningsflöde, utan kan i högre grad formulera en fråga, kombinera verktyg och kontrollera resultaten.

En jämförelse med USA:s kvantsatsning

Gao Wen jämförde Kinas samlade ansats med USA:s energidepartements Quantum Genesis-initiativ, som lanserades 2026. Enligt det amerikanska energidepartementets offentliga material är ett av målen att utveckla en vetenskapligt relevant och feltolerant kvantdator genom samordning mellan federala myndigheter, nationella laboratorier och näringslivet.

Signalen från Shenzhen var att Kina behöver en motsvarande systeminsats och inte enbart bör tävla om enskilda hårdvaruparametrar. Länderna har olika mål, organisationsformer och investeringsramar. Det går därför att jämföra den strategiska inriktningen och hur infrastrukturen organiseras, men inte utan vidare hävda att den ena sidan redan har ett totalt tekniskt försprång.

Är detta Kinas officiella nationella plan?

Nej – inte utifrån det material som finns tillgängligt. ”Kvant–superdator–AI” var konferensens tema och en strategisk bedömning samt ett antal förslag från akademiker och experter. Det var inte en formellt antagen nationell plan som presenterades på mötet.123

Däremot blev den möjliga politiska färdplanen tydlig:

• använda AI för att förbättra kvantchip, kvantmjukvara och kvantalgoritmer;
• låta superdatorer bära upp de närmaste tillämpningarna inom AI for Science;
• göra kvantberäkning till ett framtida lager för särskilt komplexa problem;
• planera beräkning, nätverk, ren energi och nationella laboratorier som en sammanhängande infrastruktur;
• knyta samman universitet, forskningsinstitut, företag, myndigheter och kapital för att föra resultat från laboratoriet till större tillämpningar.237

Den viktigaste slutsatsen från Shenzhen är därför inte att kvantberäkning redan har gått in i en fullt praktisk fas. Snarare håller konkurrensens berättelse på att förändras: från frågan om vem som äger den starkaste kvantmaskinen till frågan om vem som bäst kan organisera kvantteknik, AI, superdatorer och vetenskaplig infrastruktur till ett effektivt system.