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，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，所傳遞的並不是一份已正式公布的國家計劃，而是一套帶有政策含義的技術路線：將量子計算、超級電腦與人工智能視為同一智能計算體系中的不同層次與能力。

「量超智」到底是甚麼？

「量超智」可理解為量子計算、超級計算與人工智能的協同發展。重點不在於單獨打造一部量子電腦，而是讓三種計算能力各展所長、彼此補位：

• AI協助量子計算變得更實用，改善硬體、控制系統與演算法效率；
• 超級電腦承擔大規模模擬及AI for Science（人工智能科學研究）任務，支援材料、物理及生命科學研究；
• 具備容錯能力的量子電腦成為未來的新計算層，處理經典計算難以解決的特定科學問題。

因此，這個構想更像一張智能計算基礎設施藍圖，而不是一項只圍繞量子晶片展開的工程。大會相關報道顯示，議程同時涵蓋基礎研究、關鍵技術、產業落地、標準建設，以及政府、企業與資本對接；三天內安排近30場系列活動。23

AI如何協助量子計算跨過實用化門檻

中國科學院院士項濤將目前物理量子位元約1%的錯誤率，與密碼破解等應用所需的低得多的錯誤水平作比較，並將AI視為縮小兩者差距的重要工具。1

按照大會介紹的思路，AI可以參與量子計算的多個環節：

1. 晶片校準與設計：從實驗數據中識別誤差及器件特徵，協助優化硬體參數；
2. 量子錯誤更正與解碼：提高錯誤識別及修正效率；
3. 量子電路編譯：將演算法更有效地映射至實際量子硬體；
4. 量子系統的測量與控制：改善運行過程中的即時控制；
5. 變分量子演算法優化：加快參數搜尋，並緩解訓練過程中可能出現的「barren gradient」（梯度消失或梯度過小）問題。1

這表示，AI在量子計算中的角色不只是應用層的介面。它也可能成為量子晶片、量子軟件及實驗控制系統的基礎工具，協助研究人員更快發現問題、調整系統並迭代演算法。

從量子項目轉向綜合算力基礎設施

中國科學院院士薛其坤指出，AI、超級計算與量子計算的深度融合，正在改變量子材料研究及量子演算法迭代。1 這項判斷將「量子計算」的討論由單一設備，延伸至整個國家算力體系：量子設備需要經典計算支援，AI需要高效能計算處理數據及模擬，而科學發現則需要把不同類型的計算資源組合起來。

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，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 在大會語境中，這些指標並不只是硬體堆疊，而是將計算、網絡與能源同步規劃的基礎設施思路。

這也是「量超智」最具戰略意味的部分：如果算力被視為支撐科研、產業與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、人才與應用場景的完整系統。

超級電腦是AI for Science的現實底座

中國工程院院士鄭緯民將當代領先的超級電腦形容為「巨大的AI電腦」，尤其強調其在科學研究中的作用；在這個架構上，量子計算可以成為下一層計算能力。1

這為「量超智」提供了一個較務實的時間順序：量子計算的長期潛力很大，但超級電腦及AI for Science已可在近期承擔材料發現、蛋白質結構預測等科學任務。1 研究機構可以先利用較成熟的經典高效能計算與機器學習基礎設施推進科研，再逐步將適合的問題交由量子系統處理。

這種分層架構也減少了「等到通用量子電腦成熟後才開始應用」的依賴。量子計算目前仍在持續攻克錯誤率、錯誤更正及規模化等挑戰，而AI與超級計算則可以先為演算法開發、實驗校準及科學數據處理提供支援。

材料發現展示AI與量子科學如何結合

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200萬種材料的資料庫中找出31個高溫超導候選物，其中18個此前未有預測。1

這個案例的意義，不是「AI取代物理學」，而是展示理論原則與大規模計算如何協作：物理學提供篩選方向，AI負責在龐大候選空間中尋找符合條件的材料，超級電腦則承擔數據處理與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及調用相應的「技能」，降低材料計算、設計與合成對少數專業計算人員的依賴。1 如果這種模式逐步成熟，材料科學的研究入口可能由編寫複雜計算流程，轉向提出問題、組合工具及驗證結果。

與美國量子科研倡議的對照

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倡議作比較。美國能源部公開資料顯示，該倡議的目標之一，是推動具備科學實際意義及容錯能力的量子電腦，並協調聯邦政府、國家實驗室與產業界的相關投入。

大會釋放的觀點是，中國需要形成與之相匹配的系統性努力，不應只在單項量子硬體指標上競爭。不過，不同國家的計劃目標、組織方式與投資範圍並不完全相同；可以比較的是戰略方向及基礎設施組織方式，而不是簡單宣稱任何一方已取得全面領先。

這是一份正式的中國國家藍圖嗎？

嚴格來說，不能如此表述。現有材料顯示，「量超智」是大會主題，以及與會院士、專家提出的戰略判斷與建設建議，並非大會現場發布的一份正式國家規劃。123

不過，這場大會確實勾勒出一條清晰的政策討論路徑：

• 以AI改進量子硬體、軟件與演算法；
• 以超級電腦承載近期的AI for Science應用；
• 以量子計算作為未來處理特定複雜問題的新層；
• 將計算、網絡、清潔能源與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，深圳這場量子大會最值得關注的結論，不是量子計算已經全面進入實用階段，而是中國量子科技的競爭敘事，正由「誰擁有更強的量子設備」，轉向「誰能將量子、AI、超級計算與科研基礎設施組織成更高效的系統」。

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，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，所傳遞的並不是一份已正式公布的國家計劃，而是一套帶有政策含義的技術路線：將量子計算、超級電腦與人工智能視為同一智能計算體系中的不同層次與能力。

「量超智」到底是甚麼？

「量超智」可理解為量子計算、超級計算與人工智能的協同發展。重點不在於單獨打造一部量子電腦，而是讓三種計算能力各展所長、彼此補位：

• AI協助量子計算變得更實用，改善硬體、控制系統與演算法效率；
• 超級電腦承擔大規模模擬及AI for Science（人工智能科學研究）任務，支援材料、物理及生命科學研究；
• 具備容錯能力的量子電腦成為未來的新計算層，處理經典計算難以解決的特定科學問題。

因此，這個構想更像一張智能計算基礎設施藍圖，而不是一項只圍繞量子晶片展開的工程。大會相關報道顯示，議程同時涵蓋基礎研究、關鍵技術、產業落地、標準建設，以及政府、企業與資本對接；三天內安排近30場系列活動。23

AI如何協助量子計算跨過實用化門檻

中國科學院院士項濤將目前物理量子位元約1%的錯誤率，與密碼破解等應用所需的低得多的錯誤水平作比較，並將AI視為縮小兩者差距的重要工具。1

按照大會介紹的思路，AI可以參與量子計算的多個環節：

1. 晶片校準與設計：從實驗數據中識別誤差及器件特徵，協助優化硬體參數；
2. 量子錯誤更正與解碼：提高錯誤識別及修正效率；
3. 量子電路編譯：將演算法更有效地映射至實際量子硬體；
4. 量子系統的測量與控制：改善運行過程中的即時控制；
5. 變分量子演算法優化：加快參數搜尋，並緩解訓練過程中可能出現的「barren gradient」（梯度消失或梯度過小）問題。1

這表示，AI在量子計算中的角色不只是應用層的介面。它也可能成為量子晶片、量子軟件及實驗控制系統的基礎工具，協助研究人員更快發現問題、調整系統並迭代演算法。

從量子項目轉向綜合算力基礎設施

中國科學院院士薛其坤指出，AI、超級計算與量子計算的深度融合，正在改變量子材料研究及量子演算法迭代。1 這項判斷將「量子計算」的討論由單一設備，延伸至整個國家算力體系：量子設備需要經典計算支援，AI需要高效能計算處理數據及模擬，而科學發現則需要把不同類型的計算資源組合起來。

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，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 在大會語境中，這些指標並不只是硬體堆疊，而是將計算、網絡與能源同步規劃的基礎設施思路。

這也是「量超智」最具戰略意味的部分：如果算力被視為支撐科研、產業與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、人才與應用場景的完整系統。

超級電腦是AI for Science的現實底座

中國工程院院士鄭緯民將當代領先的超級電腦形容為「巨大的AI電腦」，尤其強調其在科學研究中的作用；在這個架構上，量子計算可以成為下一層計算能力。1

這為「量超智」提供了一個較務實的時間順序：量子計算的長期潛力很大，但超級電腦及AI for Science已可在近期承擔材料發現、蛋白質結構預測等科學任務。1 研究機構可以先利用較成熟的經典高效能計算與機器學習基礎設施推進科研，再逐步將適合的問題交由量子系統處理。

這種分層架構也減少了「等到通用量子電腦成熟後才開始應用」的依賴。量子計算目前仍在持續攻克錯誤率、錯誤更正及規模化等挑戰，而AI與超級計算則可以先為演算法開發、實驗校準及科學數據處理提供支援。

材料發現展示AI與量子科學如何結合

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200萬種材料的資料庫中找出31個高溫超導候選物，其中18個此前未有預測。1

這個案例的意義，不是「AI取代物理學」，而是展示理論原則與大規模計算如何協作：物理學提供篩選方向，AI負責在龐大候選空間中尋找符合條件的材料，超級電腦則承擔數據處理與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及調用相應的「技能」，降低材料計算、設計與合成對少數專業計算人員的依賴。1 如果這種模式逐步成熟，材料科學的研究入口可能由編寫複雜計算流程，轉向提出問題、組合工具及驗證結果。

與美國量子科研倡議的對照

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倡議作比較。美國能源部公開資料顯示，該倡議的目標之一，是推動具備科學實際意義及容錯能力的量子電腦，並協調聯邦政府、國家實驗室與產業界的相關投入。

大會釋放的觀點是，中國需要形成與之相匹配的系統性努力，不應只在單項量子硬體指標上競爭。不過，不同國家的計劃目標、組織方式與投資範圍並不完全相同；可以比較的是戰略方向及基礎設施組織方式，而不是簡單宣稱任何一方已取得全面領先。

這是一份正式的中國國家藍圖嗎？

嚴格來說，不能如此表述。現有材料顯示，「量超智」是大會主題，以及與會院士、專家提出的戰略判斷與建設建議，並非大會現場發布的一份正式國家規劃。123

不過，這場大會確實勾勒出一條清晰的政策討論路徑：

• 以AI改進量子硬體、軟件與演算法；
• 以超級電腦承載近期的AI for Science應用；
• 以量子計算作為未來處理特定複雜問題的新層；
• 將計算、網絡、清潔能源與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，深圳這場量子大會最值得關注的結論，不是量子計算已經全面進入實用階段，而是中國量子科技的競爭敘事，正由「誰擁有更強的量子設備」，轉向「誰能將量子、AI、超級計算與科研基礎設施組織成更高效的系統」。