2026年8月3日至5日，深圳舉行第五屆CCF量子計算大會暨第五屆大灣區量子科學論壇。活動吸引超過2,400名參會者，學術環節有200多位院士及專家分享量子計算、AI及融合計算的最新進展。23

大會以「量與智相融合，量超智共融算」為主題。這句口號真正值得留意的地方，並不是量子計算已經全面進入實用階段，而是它提出了一個更大的智能計算框架：將量子計算、超級計算和人工智能，視為同一套計算體系之內、互相補位的不同部分。

「量超智」究竟係乜？

簡單講，「量超智」就是量子計算、超級計算與人工智能協同發展。重點不只是打造一部更強的量子電腦，而是讓三種算力各司其職：

• AI令量子計算更易用，協助改善硬件、控制系統和演算法效率；
• 超級計算機負責大規模模擬及AI for Science，支援材料、物理和生命科學研究；
• 未來具備容錯能力的量子計算機，則可成為新的計算層，處理傳統計算較難解決的特定科學問題。

換句話說，這更像一張計算基礎設施藍圖，而不是一項只圍繞量子晶片的工程。大會亦同時討論基礎研究、關鍵技術、產業落地、標準建設，以及政府、企業和資本如何對接；三日會期安排了接近30場活動。23

AI如何幫量子計算跨過實用化門檻？

中國科學院院士項濤指出，目前物理量子位元的錯誤率約為1%，與密碼破解等應用所需的極低錯誤率相比，仍有非常大的差距；他認為AI是收窄這個差距的重要工具。1

按大會介紹的方向，AI可以介入量子計算多個環節：

1. 晶片校準及設計：從實驗數據識別誤差和器件特徵，協助優化硬件參數；
2. 量子錯誤修正及解碼：提升錯誤識別和修正效率；
3. 量子電路編譯：將演算法更有效地映射到實際量子硬件；
4. 測量及控制：改善量子系統運行時的即時控制；
5. 變分量子演算法優化：加快參數搜尋，並緩解訓練期間可能出現的「barren gradient」，即梯度消失或梯度過小問題。1

所以，AI在量子計算中的角色，並不只是應用層的一個介面。它也可能成為量子晶片、量子軟件和實驗控制系統的基本工具，幫助研究人員更快找出問題、調整系統和反覆改良演算法。

由量子項目轉向整合算力基建

中國科學院院士薛其坤表示，AI、超級計算和量子計算的深度融合，正改變量子材料研究和量子演算法迭代的方式。1 這令「量子計算」的討論，不再局限於單一設備，而是延伸至整個國家算力體系：量子設備需要傳統計算支援，AI需要高性能計算處理數據及模擬，而科學發現往往要將不同類型的算力組合運用。

中國工程院院士高文提出，由鵬城實驗室牽頭建設相關基礎設施，目標包括10G級計算、10P級網絡，以及10GW級清潔能源的協同配置，為國家實驗室提供一體化資源。1

在大會語境下，這些指標並不只是將硬件「堆高」；它們反映的是計算、網絡和能源同步規劃的基建思路。假如算力被視為支撐科研、產業和安全能力的基礎資源，競爭對象就不再是一部量子電腦，而是能夠持續供應計算、數據、能源、人才和應用場景的完整系統。

超級計算機：AI for Science的現實底座

中國工程院院士鄭緯民形容，現時領先的超級計算機某程度上已經是「巨大的AI計算機」，尤其適合用於科學研究；在這個架構之上，量子計算可以成為下一層計算能力。1

這亦提供了一個較務實的時間表：量子計算的長遠潛力巨大，但超級計算和AI for Science已經可以在近期支援材料發現、蛋白質結構預測等科研工作。1 研究機構可以先運用較成熟的傳統高性能計算和機器學習基建推進研究，再逐步將適合的問題交由量子系統處理。

這種分層架構，亦減少了「要等通用量子計算機成熟，才開始做應用」的依賴。量子計算仍要持續面對錯誤率、量子錯誤修正及規模化等挑戰；AI和超級計算則可以先支援演算法開發、實驗校準及科學數據處理。

材料發現展示AI與量子科學如何合作

大會介紹的一項材料發現流程，將量子多體理論中的「σ鍵金屬化」原理與AI篩選結合，從超過200萬種材料的數據庫中找出31種高溫超導候選物，當中18種是過往未有被預測的材料。1

這個案例的重點，不是「AI取代物理學」，而是理論原則與大規模計算互相配合：物理學提供篩選方向，AI在龐大的候選空間中尋找符合條件的材料，超級計算則負責數據處理和驗證所需的計算工作。

中國科學院院士龔新國進一步提出，AI可以透過自然語言定義問題，再調用相應的「技能」，減低材料計算、設計和合成對少數專業計算人員的依賴。1 如果這種模式日後成熟，材料科學的研究入口，可能由編寫複雜計算流程，逐步轉向提出問題、組合工具和驗證結果。

與美國量子科研布局比較

高文亦將中國的綜合布局，與美國能源部在2026年推出的Quantum Genesis計劃作比較。美國能源部公開資料顯示，該計劃其中一個目標，是推動具備科學實際意義及容錯能力的量子計算機，並協調聯邦政府、國家實驗室和產業界的相關投入。

深圳大會釋放的訊息是，中國需要形成相應的系統性投入，不應只在個別量子硬件指標上競爭。不過，各國計劃的目標、組織方式和投資範圍並不完全相同，因此可以比較的是戰略方向和基建組織方式，而不是簡單宣稱哪一方已經全面領先。

這是不是一份正式的中國國家藍圖？

嚴格來講，不能這樣說。現有資料顯示，「量超智」是大會主題，以及與會院士、專家提出的戰略判斷和建設建議，並不是大會現場發布的一份正式國家規劃。123

但它確實勾勒出一條相當清晰的政策討論方向：

• 以AI改良量子硬件、軟件和演算法；
• 以超級計算承載近期的AI for Science應用；
• 將量子計算定位為未來處理特定複雜問題的新計算層；
• 將計算、網絡、清潔能源和國家實驗室資源納入一體化基礎設施；
• 透過產學研用及產業資本協作，將實驗室成果推向規模化應用。237

因此，這場深圳量子大會最值得關注的結論，不是量子計算已經全面實用化，而是中國量子科技的競爭敘事，正由「邊個擁有更強的量子設備」，轉向「邊個可以將量子、AI、超級計算和科研基建組織成更有效率的一套系統」。

2026年8月3日至5日，深圳舉行第五屆CCF量子計算大會暨第五屆大灣區量子科學論壇。活動吸引超過2,400名參會者，學術環節有200多位院士及專家分享量子計算、AI及融合計算的最新進展。23

大會以「量與智相融合，量超智共融算」為主題。這句口號真正值得留意的地方，並不是量子計算已經全面進入實用階段，而是它提出了一個更大的智能計算框架：將量子計算、超級計算和人工智能，視為同一套計算體系之內、互相補位的不同部分。

「量超智」究竟係乜？

簡單講，「量超智」就是量子計算、超級計算與人工智能協同發展。重點不只是打造一部更強的量子電腦，而是讓三種算力各司其職：

• AI令量子計算更易用，協助改善硬件、控制系統和演算法效率；
• 超級計算機負責大規模模擬及AI for Science，支援材料、物理和生命科學研究；
• 未來具備容錯能力的量子計算機，則可成為新的計算層，處理傳統計算較難解決的特定科學問題。

換句話說，這更像一張計算基礎設施藍圖，而不是一項只圍繞量子晶片的工程。大會亦同時討論基礎研究、關鍵技術、產業落地、標準建設，以及政府、企業和資本如何對接；三日會期安排了接近30場活動。23

AI如何幫量子計算跨過實用化門檻？

中國科學院院士項濤指出，目前物理量子位元的錯誤率約為1%，與密碼破解等應用所需的極低錯誤率相比，仍有非常大的差距；他認為AI是收窄這個差距的重要工具。1

按大會介紹的方向，AI可以介入量子計算多個環節：

1. 晶片校準及設計：從實驗數據識別誤差和器件特徵，協助優化硬件參數；
2. 量子錯誤修正及解碼：提升錯誤識別和修正效率；
3. 量子電路編譯：將演算法更有效地映射到實際量子硬件；
4. 測量及控制：改善量子系統運行時的即時控制；
5. 變分量子演算法優化：加快參數搜尋，並緩解訓練期間可能出現的「barren gradient」，即梯度消失或梯度過小問題。1

所以，AI在量子計算中的角色，並不只是應用層的一個介面。它也可能成為量子晶片、量子軟件和實驗控制系統的基本工具，幫助研究人員更快找出問題、調整系統和反覆改良演算法。

由量子項目轉向整合算力基建

中國科學院院士薛其坤表示，AI、超級計算和量子計算的深度融合，正改變量子材料研究和量子演算法迭代的方式。1 這令「量子計算」的討論，不再局限於單一設備，而是延伸至整個國家算力體系：量子設備需要傳統計算支援，AI需要高性能計算處理數據及模擬，而科學發現往往要將不同類型的算力組合運用。

中國工程院院士高文提出，由鵬城實驗室牽頭建設相關基礎設施，目標包括10G級計算、10P級網絡，以及10GW級清潔能源的協同配置，為國家實驗室提供一體化資源。1

在大會語境下，這些指標並不只是將硬件「堆高」；它們反映的是計算、網絡和能源同步規劃的基建思路。假如算力被視為支撐科研、產業和安全能力的基礎資源，競爭對象就不再是一部量子電腦，而是能夠持續供應計算、數據、能源、人才和應用場景的完整系統。

超級計算機：AI for Science的現實底座

中國工程院院士鄭緯民形容，現時領先的超級計算機某程度上已經是「巨大的AI計算機」，尤其適合用於科學研究；在這個架構之上，量子計算可以成為下一層計算能力。1

這亦提供了一個較務實的時間表：量子計算的長遠潛力巨大，但超級計算和AI for Science已經可以在近期支援材料發現、蛋白質結構預測等科研工作。1 研究機構可以先運用較成熟的傳統高性能計算和機器學習基建推進研究，再逐步將適合的問題交由量子系統處理。

這種分層架構，亦減少了「要等通用量子計算機成熟，才開始做應用」的依賴。量子計算仍要持續面對錯誤率、量子錯誤修正及規模化等挑戰；AI和超級計算則可以先支援演算法開發、實驗校準及科學數據處理。

材料發現展示AI與量子科學如何合作

大會介紹的一項材料發現流程，將量子多體理論中的「σ鍵金屬化」原理與AI篩選結合，從超過200萬種材料的數據庫中找出31種高溫超導候選物，當中18種是過往未有被預測的材料。1

這個案例的重點，不是「AI取代物理學」，而是理論原則與大規模計算互相配合：物理學提供篩選方向，AI在龐大的候選空間中尋找符合條件的材料，超級計算則負責數據處理和驗證所需的計算工作。

中國科學院院士龔新國進一步提出，AI可以透過自然語言定義問題，再調用相應的「技能」，減低材料計算、設計和合成對少數專業計算人員的依賴。1 如果這種模式日後成熟，材料科學的研究入口，可能由編寫複雜計算流程，逐步轉向提出問題、組合工具和驗證結果。

與美國量子科研布局比較

高文亦將中國的綜合布局，與美國能源部在2026年推出的Quantum Genesis計劃作比較。美國能源部公開資料顯示，該計劃其中一個目標，是推動具備科學實際意義及容錯能力的量子計算機，並協調聯邦政府、國家實驗室和產業界的相關投入。

深圳大會釋放的訊息是，中國需要形成相應的系統性投入，不應只在個別量子硬件指標上競爭。不過，各國計劃的目標、組織方式和投資範圍並不完全相同，因此可以比較的是戰略方向和基建組織方式，而不是簡單宣稱哪一方已經全面領先。

這是不是一份正式的中國國家藍圖？

嚴格來講，不能這樣說。現有資料顯示，「量超智」是大會主題，以及與會院士、專家提出的戰略判斷和建設建議，並不是大會現場發布的一份正式國家規劃。123

但它確實勾勒出一條相當清晰的政策討論方向：

• 以AI改良量子硬件、軟件和演算法；
• 以超級計算承載近期的AI for Science應用；
• 將量子計算定位為未來處理特定複雜問題的新計算層；
• 將計算、網絡、清潔能源和國家實驗室資源納入一體化基礎設施；
• 透過產學研用及產業資本協作，將實驗室成果推向規模化應用。237

因此，這場深圳量子大會最值得關注的結論，不是量子計算已經全面實用化，而是中國量子科技的競爭敘事，正由「邊個擁有更強的量子設備」，轉向「邊個可以將量子、AI、超級計算和科研基建組織成更有效率的一套系統」。