长江DBA课堂：量子与AI的融合走到哪一步了？
2026年07月10日 13:16:12
2025年初，英伟达CEO黄仁勋公开表示，实用量子计算机还要等20年，一句话让美国量子概念股应声暴跌。然而仅仅数月后，他就在GTC大会上公开“认错”，接连投资量子公司，高调宣布“AI是量子机器的操作系统”。从“唱衰”到“All in”，黄仁勋的态度转变只用了半年。
这一戏剧性反转背后，是一个正在加速的产业判断：量子与AI的融合，已从学术探讨进入产业布局的关键窗口期。在7月3日长江DBA年中返校日课堂上，北京量子信息科技研究院执行院长、研究员常凯与相干科技创始人金贻荣，围绕这一话题展开了一场深度对话。
为什么黄仁勋变了？
金贻荣的分析一针见血：“他是希望掌握主动权。既然现在是AI时代的算力底座，自然希望握住下一个时代的算力底座，把生态牢牢抓在自己手里。”英伟达随后推出的CUDA-Q、NVQLink等框架，正是致力于量子计算与经典计算的融合。金贻荣判断，下一个计算时代并非纯量子主导，而是一个“量子+AI+经典计算”的融合生态，黄仁勋希望在这个时代继续做霸主。
常凯则从产业生态的角度补充了一个关键观察：美国IT巨头们——IBM、Google、英特尔、霍尼韦尔——“哪怕现在不挣钱，也要先把生态抢下来”。在他看来，量子与AI的生态之争，本质上是对下一代计算范式主导权的提前卡位。
是“AI for Quantum”还是“Quantum for AI”？
量子和AI各自擅长什么？金贻荣给出了一个清晰的框架。
AI是一种数据驱动的计算范式，最擅长从大量数据中学习模式、寻找规律；而量子计算天然拥有指数级增长的高维计算空间，擅长高维计算和高维数据采样。两者各有所长，恰好互补。
他把融合路径拆解为两个方向：
AI for Quantum：量子计算机目前最棘手的问题是出错率高。而AI最擅长的正是从复杂数据中找规律——可以帮助量子计算寻找错误根源，优化操控精度。“把出错的规律找出来，利用这些数据找到更好的操控方式，从而提升量子计算的能力。”
Quantum for AI：大语言模型正面临一个被马斯克指出的困境——“人类过去几千年创造的所有知识已经被AI吃光了。”金贻荣认为，量子计算机恰恰可以扮演数据生成器的角色，为AI提供训练所需的“养料”。“这个循环一旦启动，AI和量子会相互加速。”两者想要解决的问题高度重合——药物设计、金融组合优化、物流供应链优化——而这些硬骨头，正是单靠经典算力难以攻克的领域。
中国如何不掉队？
常凯在课堂上提出了一个更具行动感的判断：“十五五”期间有望看到量子计算的“ChatGPT时刻”——一个成果的出现，让所有人突然意识到“这个东西原来是可以用的，能产生生产力”。在他看来，面对美国企业在量子AI融合生态上的先发优势，中国不能只靠几家大厂，更不能依赖政策“指定”赢家，他呼吁国内的企业、科研院所和大学团结起来，一起做一个有中国自己特色的量子计算生态生态。