英伟达发布全球首个开源量子 AI 模型“ISING”

背景：量子计算与AI结合的趋势

近年来，量子计算与人工智能（AI）的融合成为科技界关注的焦点。在量子计算领域，不同技术路线如超导、离子阱和光量子各有优势。其中，光量子计算因其在室温运行、相干时间长、工程化前景好等特性，逐渐成为商业量子计算的重要路径之一。与此同时，AI在科研领域的应用需求日益增长，尤其是在生物制药、材料学等数据稀缺的场景下，传统“数据驱动”的AI模型面临局限。

在此背景下，玻色量子提出通过构建基于Ising模型的量子计算系统，与玻尔兹曼机实现数学映射，从而为AI训练提供新路径。英伟达则在2025年11月，与玻色量子合作发布了全球首个开源量子AI模型“ISING”，标志着“量子计算+AI”从理论走向实践的重要一步。

模型详情：“ISING”模型的底层原理与应用

• 模型原理：

  • ISING模型基于玻色量子自主研发的相干光量子计算机，该系统通过将问题转化为组合优化问题，模拟Ising模型的物理演化过程。
  • Ising模型是一种用于描述自旋相互作用的经典物理模型，通过光量子计算系统，可以高效进行玻尔兹曼采样，解决传统GPU难以处理的高复杂度计算问题。

• 开源与编程工具：

  • 英伟达与玻色量子联合推出了KPP（Kaiwu-PyTorch-Plugin）开源编程套件，使得研究人员可以直接调用量子计算能力进行AI训练。
  • KPP支持PyTorch等主流AI框架，便于AI社区快速接入量子计算资源，推动算法与应用的协同创新。

• 应用场景：

  • ISING模型被初步应用于mRNA疫苗序列设计优化、多肽/小分子从头生成、构象采样等领域。
  • 在样本量极为有限的科研场景（如特定疾病研究）中，该模型展现出优于传统AI的能力，为“AI for Science”提供强大支持。

技术路线：光量子计算的独特优势

玻色量子采用光量子路线，将光注入特定光学材料，在非线性相互作用中生成稳定状态（正/反或是否）。

• 核心优势：

  • 可实现1000量子比特规模。
  • 支持室温运行，降低冷却成本。
  • 相干时间长，适合长时间复杂计算。
  • 工程化实现路径清晰，短期内具备商业化潜力。

• 与超导路线对比：

  • 超导量子计算机需在接近绝对零度环境下运行，成本高昂且纠错复杂。
  • 光量子路线更适合作为“专用量子GPU”，在组合优化等特定问题上提供加速能力。

马寅将相干光量子计算机比作“量子GPU”，强调其作为专用计算加速器的定位，而非试图替代通用计算。

行业影响：推动“量子计算+AI”商业化落地

英伟达此次发布的“ISING”模型不仅是一次技术发布，更是量子计算与AI融合生态建设的关键一步。

• 科研机构合作：

  • 玻色量子已与广州国家实验室、上海交通大学、中山大学药学院、北京肿瘤医院、清华长庚医院等合作。
  • 合作重点在于利用光量子计算训练量子原生AI模型，应用于复杂科研场景。

• 生态拓展与资本支持：

  • 玻色量子完成数亿元A++轮融资，用于光量子计算机研发、芯片工艺建设、规模化制造工厂建设等。
  • 中国设立首期510亿元的“央企战新基金”，将量子科技列为三大重点方向之一，为量子产业提供长期资本支持。

• 行业模式演进：

  • 中国形成了科研机构主导基础研究、科创公司负责工程化的独特产学研生态。
  • 中科大、北京量子院负责前沿探索，玻色量子等企业则实现技术落地与商业化。

未来展望：从“NISQ时代”迈向专用量子加速

当前量子计算处于NISQ（含噪声中等规模量子）时代，硬件尚未完美，但已有能力挖掘特定场景价值。

• NISQ时代下的挑战与机遇：

  • 量子计算机在噪声与规模受限下，难以实现全功能通用计算。
  • 通过构建专用量子计算系统，可在短期内为科研与产业提供实际加速能力。

• 战略目标与技术路线：

  • 玻色量子未来五年将重点拓展生态，推动光量子计算机从实验室走向规模化制造。
  • 英伟达的KPP插件为AI社区打开了接入量子计算的接口，加速量子原生AI模型的普及。

• 长期愿景：

  • 将量子计算定位为“物理驱动”的AI工具，弥补“数据驱动”模型在小样本科研场景中的短板。
  • 构建一个以量子计算为核心加速器的“量子+AI”生态，服务于生命科学、药物研发、材料工程等前沿领域。

结语

英伟达联合玻色量子发布的开源量子AI模型“ISING”，不仅是全球首个此类模型，也象征着量子计算在“AI for Science”方向的实质性进展。在光量子计算与玻尔兹曼机结合的路径下，该模型展现出独特优势，尤其在样本稀缺的科研领域。随着生态建设与资本投入的持续推进，中国量子计算正以独特的产学研模式，逐步打开通往实用化与商业化的大门。