此前，2025年5月9日-10日，2025全球生物制造大會(簡稱2025 GBC)與2025VBEF未來醫療醫藥100強展會于江蘇蘇州國際博覽中心成功舉辦。

2025VBEF未來醫療醫藥100強展會以創新展示和深度鏈接為核心，設置”論壇+評選+展覽+報告+資源對接“五大板塊，持續為創新產品提供新渠道拓展機會，為產業各方提供一個高效投融資、BD合作、產業鏈供應鏈交易、成品交易、海外市場拓展等全方位、多層次需求的最佳場域。

2025全球生物制造大會圍繞生物制造產業的技術突破、產品獲批、市場準入、出海拓展、國際協作等關鍵議題，搭建信息、人脈、產品交流平臺。大會內容包含院士專家報告、企業家主旨演講、產業資本圓桌、創新項目路演、展覽展示等內容，全面展現生物制造領域技術創新變革、資本脈動、熱點產品和產業趨勢。現場參展企業達150+、參會企業2000+、專業觀眾16000+，打造了生命科學領域全球盛會。

玻色量子作為國內量子計算領軍企業、“量子計算+生物醫藥”領域的優秀生態開拓者受邀參會，并榮獲“生物制造中試產線最佳合作伙伴top10”榮譽。5月9日下午，玻色量子創始人&COO馬寅在ITBT&AI藥物研發論壇上深度參與“工具的革命——技術創新、監管挑戰與產業生態構建”的圓桌探討。玻色量子算法總監高奇在2025全球生物制造大會上發表以“萬億分子光速篩選——量子計算助力開啟藥物發現新時代”為主題的精彩演講。

未來醫療醫藥百強展會

ITBT&AI藥物研發論壇

Q：我們都知道玻色是量子計算領域的領先公司，量子計算和AI是天然搭配，尤其是在AI4S領域。那聚焦在咱們今天論壇的主體，對于生物領域相關的產業來說，您在平時的業務中，客戶或者合作方對于量子計算的具體需求是什么？能給我們大概說一下么？

玻色量子創始人&COO馬寅：用戶需求主要來源于三個方面，用戶的第一需求是量子計算機硬件的可計算比特數，這直接決定了能解決多大規模的問題。不同場景建模的算法所需的計算規模從幾十比特到數萬比特不盡相同，像藥物篩選中的分子對接問題，目的是搜索得到一個配體分子跟靶點蛋白活性口袋結合的最低自由能構象，通過建模可以利用量子計算的并行求解能力在微秒級遍歷搜索所有的配體原子跟氨基酸殘基的匹配組合，從而找到結合能最低的配體結合構象，那么求解所需的比特數為配體原子數與對接盒格點數的乘積并加上約束項，較大分子和靶點活性區域較大建模出來的規模最高可能需要幾萬比特。而另一個重要的問題蛋白結構模擬則需要更高的比特數才能得到高精度的結構，該問題規模受蛋白大小和空間離散的精細度影響。

用戶第二個需求是硬件長時穩定運行，這決定了高頻調用時計算結果的高保真度和可信度，比如目前的AI模型迭代訓練、藥物發現中大規模分子庫的篩選等諸多場景都需要高頻計算，AI模型訓練的目的是基于訓練集的迭代更新得到一組網絡參數使得該模型定義的損失函數最小，那么這些用戶希望有長時穩定的計算能力來支撐這些場景問題的持續求解，來完成AI模型的快速迭代訓練和高效收斂，在藥物篩選問題上，不同任務的求解質量很可能影響最終的篩選準確率；用戶的另一個需求是較低的使用門檻，這決定了量子使用可及性和使用范圍。所說的門檻包括兩方面：一個是技術，用戶希望不必關注量子計算復雜的計算原理和量子編程技巧，可以直接上手使用，另一個是使用成本，用戶希望能有較低的計算成本來進行大規模計算和測試。以上就是目前用戶最為關心的三個需求。

我們知道數據、算法、算力是人工智能的三駕馬車，其中核心技術是算法跟算力，那么玻色量子的研發正是在這兩個方向持續發力，當然底層硬件是我們的基本盤，以底層硬件突破為引領，在此基礎上針對AI及藥物發現核心場景開發適配算法來滿足不同客戶需要。針對生命科學基礎研究、藥物發現、公共衛生健康、智慧醫療等不同方向的領域的客戶群體的需要會有差異，可大致分為兩類：

第一類客戶及合作群體是不關注算法建模本身，只是利用已有的方法去解決研究中所涉及的計算問題，那么這類客戶比如臨床醫生和基礎研究領域的研究者擁有寶貴的數據樣本，但可能缺少先進的計算資源來幫助處理和分析這些數據從而得到高價值的生物信息，那么這類客戶可以直接調用我們開發的成熟算法+硬件算力平臺來解決實際計算問題；第二類客戶和合作群體是方法類開發研究者，那么這類客戶擁有非常資深的算法開發背景，借助我們的SDK和真機算力可以針對不同場景需求進行底層量子計算算法開發，其最大的需求是利用我們的真機計算資源，通過大量數據集測試來驗證方法的有效性，這也是目前我司的主要深耕方向，通過建立開發者社區、發布賽題等方式吸引各領域學者和開發者進行使用，相當于我們提供了鋒利的矛，供大家使用，不僅僅是在生物制藥領域，在各行各業中開疆擴土，以充分發揮量子計算的優勢。

Q：從AI技術上來看，現在生成式AI的發展非常快，可以用日新月異來形容，但從AI在Science領域的落地來看，還是處于一個漸進式的狀態，更多式體現在提高某一環節的研發效率上。所以，從您幾位的角度來看，未來5年，您覺得AI在生物醫藥領域會出現一個顛覆式創新的狀態還是維持在一個漸進式創新的軌道上？

玻色量子創始人&COO馬寅：我覺得未來5年會是一個顛覆性的創新狀態，尤其是在量子計算在大規模組合優化求解和精準的采樣能力加持下的AI可以全鏈路實現藥物研發加速，從靶點結合位點發現到先導化合物篩選，再到體內實驗驗證和臨床驗證都將實現變革。不可否認，AI的加持使得生物學研究和藥物發現進入了一個快車道，DeepMind的AlphaFold一年可以畫2億個蛋白質的結構，并且精度也較為可觀，超高效率在以前是想都不敢想的，這些先進的算法發展時間也就三五年左右。另外除了預測模型，生成式AI成為目前一大主流方向，后GPT時代讓生成式AI的浪潮席卷了全球，從最開始的GAN到VAE，再到目前的Flow和Diffusion Model，這些先進的生成模型在一些生物學和藥物發現領域場景得到了非常廣泛的應用，這些模型的出現改變了以往的藥物發現從廣闊的化學空間搜索模式，這些革命性的轉變使得藥物發現效率得到了顯著提高。但同時，我們也需要正視這些模型的局限性，比如，很多生成模型如VAE的先驗高斯分布假設往往會存在一些問題，基因表達、染色質開放與否、化學分子的構象能量分布等問題并不是一個高斯分布，基于這個分布假設生成的分子或者序列勢必會造成結果的偏差。量子計算或許是其中破局的關鍵，從我們目前的一些實驗結果來看，基于量子計算的能量函數體系進行復雜的玻爾茲曼采樣可以較經典基于蒙特卡洛采樣的AI算法在一些生命科學領域和藥物生成問題上表現得到顯著提升。未來，量子計算增強的AI將是一個重要的應用底座，尤其是在生物制藥領域，雖然生命經過幾十億年進化形成了各層次互作的復雜體系，這也造成了目前解析的困難，但這些復雜體系背后也遵從一個很基本的物理統計原理，即互作體系總是向基態能量演化，這與量子計算的能量演化過程不謀而合，所以說量子計算增強的AI將是解決生物制藥領域問題的一個關鍵點，也將是未來五年的研究熱點和重要應用嘗試。

2025全球生物制造大會

算力是各行業最底層的生產力基礎，量子計算具有經典計算無法比擬的巨大信息攜帶和超強并行處理能力，能夠在特定問題上提供指數級加速，量子信息技術是構建新質生產力推動高質量發展的重要方向，全球諸多國家在這一領域基本都進行了戰略布局。

玻色量子算法總監高奇以“萬億分子‘光速篩選’，量子計算助力開啟藥物發現新時代”為主題，系統全面地分享了玻色量子基于自研的相干光量子計算機，在真實的藥物篩選及人工智能領域的前沿探索、場景驗證和創新應用案例。

藥物發現面臨成本高，研發周期長，成功率低的困境，化學分子空間的爆發式增長與經典計算的“摩爾定律”形成鮮明對比，經典計算方法在面對指數級增長的計算任務時顯現明顯的瓶頸，往往在速度和準確率上難以平衡。針對這些痛點，玻色量子基于自研的相干光量子計算機，深耕藥物發現領域計算瓶頸問題，通過量子計算的并行搜索優勢從根本上突破傳統算法在速度和精度間的制約。

高奇提到，玻色量子已將相干光量子計算技術深度應用到生命科學基礎研究和藥物發現領域的多個關鍵場景中，包括基因組組裝、RNA與蛋白質結構預測、蛋白功能預測和組學數據處理分析等。同時，在藥物發現及篩選優化方面也取得了令人矚目的成果，尤其是在結構化虛擬篩選（SBVS）和配體虛擬篩選（LBVS）場景，成功實現小分子/多肽對接、變構位點的精準預測。具體說來，利用量子算法對復雜蛋白的不同氨基酸團進行并行搜索，從而找到全局最優的變構效應位點，基于相干光量子計算方法較傳統預測方法在預測精度上整體提升了約10%，尤其是在一些復雜蛋白上表現優異；基于相干光量子計算的多肽/分子對接方法在如CASF2016等標準數據集上表現出與商業工具Glide SP相當的采樣能力，但其采樣時間縮短了至少兩個數量級。

同時，高奇還特別提到了“量子原生AI”——量子玻爾茲曼機訓練方法。這一創新方法巧妙利用了伊辛模型與玻爾茲曼機在數學上的等價性，解決了經典玻爾茲曼機因高復雜度而無法高效訓練的難點。玻色量子提出的基于相干光量子計算機的量子訓練方法，以量子采樣替代傳統的Gibbs Sampling方法，大幅提升了玻爾茲曼機的訓練效率，展現了“量子+AI”的深度融合。

在生態合作方面，玻色量子聯合廣州國家實驗室開發了蛋白質結構預測量子算法。將量子算法引入玻爾茲曼機模型，高效求解Potts模型的同時精確預測蛋白氨基酸殘基接觸圖，已經在100結點的數據集上實現收斂，突破了傳統算法難以攻克的復雜場景。此外，玻色量子構建了“藥企 - 高校 - 醫院 - 國家實驗室”四位一體合作體系，未來與頂級高校、醫院及藥企攜手展開深度合作，推動生態共建，共享量子算力與數據資源，加速推進藥物開發和臨床驗證的進程。

隨著量子計算與生命科學、藥物發現等前沿領域的深度融合，玻色量子將以光量子計算為引擎，推進實用化量子場景落地，引領生命科學基礎研究和藥物發現行業向精準、高效的研發范式加速邁進，開啟“量子 + 生物” 的協同創新。