问题——新一轮科技革命和产业变革加速演进背景下，量子计算、量子通信、量子精密测量等量子科技加快从科学前沿走向工程实践；，人工智能在数据驱动与推理能力上快速进步，成为推动产业升级的重要力量。当量子与智能相遇，既带来计算范式和方法论层面的创新空间，也提出“如何形成稳定可复制的产业路径”的现实课题。与会嘉宾指出，当前融合发展已经出现局部突破，但距离规模化落地仍有明显差距。 原因——一方面，量子计算距离面向广泛复杂问题的通用实用阶段尚需时日，硬件稳定性、噪声抑制、可扩展性与成本控制仍是制约因素。另一方面，人工智能大模型快速发展，但也面临数据体量巨大、参数规模攀升、训练与推理算力需求高、能耗压力增大等瓶颈，亟需更高效的计算与算法体系作为支撑。与会人士认为，二者“补短板”和“拓边界”层面存在天然互补：人工智能可用于提升量子系统的建模、控制与纠错效率；量子计算在迈向容错与规模化后，则有望为智能计算打开新的能效空间与算力边界。 影响——论坛信息显示，我国在量子科技与智能领域的技术积累为融合发展提供了基础条件：量子计算云平台与原型机迭代推进，关键科学仪器在精度与工程能力上持续突破；同时，大模型、算力基础设施与涉及的软硬件生态快速完善，为跨域协同创造了应用土壤。与会专家举例指出，“智能助力量子”方向，人工智能方法近年来在量子纠错领域应用增多，有助于提升纠错速度与精度，并逐渐成为相关技术路线的重要工具；在“量子赋能行业智能”方向，量子—经典混合架构已在个别行业问题中展现潜力，例如在资源勘探等场景中，通过量子与经典模型协同优化，提高了预测效果，体现出“协同增益”的现实价值。业内普遍认为，这些探索虽处于早期，但对验证技术路线、凝练工程指标、形成产业化路径具有示范意义。 对策——与会代表指出，融合发展面临的关键挑战具有系统性：其一，量子硬件数据获取与标注难度较高，实验数据分散、口径不一，影响模型训练与评测；其二，模型跨域迁移与泛化能力不足，量子与经典系统在算力架构、软件栈、工具链上差异显著，导致工程化门槛较高；其三，学科之间知识体系与话语体系存在壁垒，科研交流与协同攻关仍需加强；其四，场景牵引不足，缺少能够沉淀标准、形成规模效应的“可落地、可迭代、可验证”应用闭环。对此，业界呼吁凝聚政产学研用力量，推动数据共享与规范化评测，鼓励模型与工具链开放，建设可复用的底层基础设施与试验平台；同时，围绕能源、材料、通信、安全、金融与工业优化等方向拓展应用场景，以需求牵引技术迭代，形成从原型验证到工程化再到产品化的路线图。多位与会人士还强调，应重视长期投入与稳定预期，发挥耐心资本作用，支持关键核心技术持续攻关和人才队伍建设。 前景——与会嘉宾认为，短期看，“智能助力量子”的路径更具可操作性，量子纠错、量子控制、量子材料与器件设计等领域有望持续出现可量化的进展，并带动相关软件与工具链生态完善。中长期看，随着容错量子计算与量子工程体系逐步成熟，“量子赋能智能”将进入更具想象空间的阶段，有望在特定问题上实现能效优势或计算能力跃迁，并为大模型推理、优化与科学计算提供新的方法选择。与此同时，融合发展需要更加清晰的技术指标体系与产业评价体系，避免概念化炒作，推动以可验证的性能、成本与可靠性指标为导向的务实推进。
量子科技与人工智能的深度融合是科技创新的重要方向。面对挑战——需要各方协同努力——加强基础研究和开放合作。通过持续投入和应用场景拓展，我国有望在这个前沿领域取得突破，引领全球创新趋势。