2026年，产业投资进入深水区，资本、技术与产业加速融合，旧的投资逻辑不再使用，新的共识正在诞生。2026产业未来大会聚焦新周期机遇，共探产业未来与“中国之光”的诞生。 9月9日至10日，由36氪主办的2026产业未来大会以“深水之上，共振新生”为主题的在北京亦庄举行。来自国资平台、产业投资基金、企业CVC、创新企业及专家学者走到一起，聚焦量子科技等未来产业走向产业化。大会深度探讨当下前沿技术与产业视角，集中展示超导、光量子、离子阱等技术路线突破，分享大量具体产业场景、产业体系搭建、与异构计算前景。共同探讨科技产���投资的未来。
以下对话，经36氪整理编辑：
主持人：
36氪作者 彭丽
嘉宾：
正则量子 创始人&CEO 黄蕾蕾
矩量光启 创始人&CEO 于文龙
玻色量子 董事会秘书 弓超
彭丽：现场以及在线上的各位朋友，大家下午好，我是36氪的作者彭丽，很高兴担任今天圆桌论坛的主持人。
如果说过去几年我们谈论量子计算更多在谈论实验室里的概念验证，站在2026年的今天，正如今天圆桌的主题所说，我们感受到前所未有的量智共振。
今天我们更好奇的是不同的路线会有什么样的特点，未来他们可以如何发展，将会进入怎样的产业场景，现在让我们聊一聊量子产业的下一个十年。
首先现场请来三位嘉宾，他们分别来自不同的企业，也代表着不同的技术路线。先请各位嘉宾做一个介绍，并介绍一下自己所代表路线的原理和特点，黄总请。
黄蕾蕾：大家好，我是来自正则量子的黄蕾蕾，我们公司是做全栈式软硬算一体光量子的技术路线，光量子本质上以光子作为量子信息的核心载体。光的好处，我刚才听宋总把每条技术路径已经解释很清楚，光的优势就在于它相对稳定，能够在常温下运行，和现有通信网络、未来量子网络都是兼容的。它的劣势在于大规模的纠缠和损耗上有一些问题。
我们公司目前基于自研核心底层光的芯片，以及我们专用光量子计算机和通用光量子计算机双线并行的策略，积极的推动当前量子计算在各个产业上的落地应用，谢谢！
于文龙：各位嘉宾大家下午好，我是来自于上海矩量光启计算技术有限公司的于文龙。我们矩量光启是一家从事超导量子计算机整机企业，超导量子计算现在在产业化和工程化方面已经进入到快速发展的阶段，我们矩量光启是从芯片研发制造到整机集成，以及后续跟产业应用解决方案的落地能够提供全栈式技术服务。
弓超：大家好，我是玻色量子的董秘，我叫弓超。玻色量子在北京市成立，以“实用化量子计算”为核心，坚持“专用量子计算先行、通用量子计算长期布局”的双线战略。玻色量子采用相干光量子计算路线。这条路线的特点是，不依赖通用量子逻辑门电路来完成计算，而是将适合的问题映射为相应的物理模型，再通过物理演化过程进行求解。
这条路线的主要特点包括计算规模的可扩展性，以及利用物理系统演化进行求解。同时，我们的设备可以在室温条件下运行，有利于降低对运行环境的要求、所以相应的部署成本、整机能耗相对来说比较低。总的来说，我们认为这是一条面向实用化的技术路线。
彭丽：谢谢三位的介绍，首先第一个问题想从行业的视角聊一聊，如果站在今天的时间节点，三位如何看待中国量子计算现在到了什么样产业化的阶段。如果需要用一个比较核心的指标衡量量子计算在未来3-5年的发展，大家的回答会是什么？
黄蕾蕾：从2026年现在来看的话，我觉得量子这个产业已经从原先科研实验向工程化，尤其是一些特定专用落地的应用场景去转换。举一个很简单的例子，在去年年底之前，你去和客户聊量子或者量子计算，基本百分之八九十以上的客户觉得这个概念很不错，但是太前沿了，我们不能用。
今年有一个特别好的点，你会发现很多客户愿意做这样的尝试，他会主动找过来说，虽然我不懂量子计算，但你帮我看看我们业务和量子有什么结合点。所以我觉得这其实是一个非常好的时机，尤其对于原先更多偏一些科研应用的公司来说，能够真正和产业落地做融合。
您刚才说到指标问题，我觉得最重要的指标，刚才宋总也提到，你不再单纯看物理比特这些简单的数字，更多应该转向你的量子算力真正能够为客户当前需求带来多少效率的提升。所以我觉得，未来3-5年核心指标是能不能找到那么几个点，哪怕只有1-2个客户场景应用的落点，你能够证明它相对于经典的计算来说它有效率性能的提升。而且这种解决方案，它要在某一个垂直领域可复制、大规模化地推广，我觉得这是未来核心的指标。
彭丽：明白，于总的回答会是什么？
于文龙：进入2026年以来，我们感觉到整个中国量子计算机的产业进入起步阶段，并且在快速发展当中。像今年上半年整个一级市场非常火热。推动这一变化的因素是这个技术越来越走向成熟，从实验室走向真正的产业化落地。
在未来3-5年当中，尽管发展非常迅速，中间还是有很多挑战。未来3-5年，判断一个量子计算机系统是否真正进入这个应用，其实看看有没有解决真正问题的能力，而不是一些具体单纯的单一指标。这方面目标都很明确，整个量子计算机领域所有从业人员也都是冲着将量子计算机积极的应用到实际当中，解决真正的商业问题，毕竟量子计算机本质上它是计算机，这方面整个生态中也慢慢认可这个能力。比如他们其实没有比客户更懂得自己在现有算力生态中遇到的困难和瓶颈问题，这种情况下他们也会积极的寻求全新的计算范式，比如量子计算这样的范式。
所以整个行业从上游产业链到整机企业，以及下游的应用方案和客户需求都在积极推进行业的发展。
弓超：我觉得量子计算行业，对于头部参与者来说，无论是中国的，还是美国的，普遍都处于从实验室往产业走的阶段。
具体可能要分开来讲：
通用量子计算，我觉得现在在一个大家通过工程化方式去解决纠错问题的阶段，里面已经看到了一些非常积极的进展。今年我们也非常期待通用量子计算能实现一些高质量逻辑比特，有一些真实商业应用的POC方面看到一些进展。
专用量子计算，就像“十五五”规划里写的，这5年可能核心的指标或任务是可扩展性，过去几年可能已经在一些真实应用场景、真实商业问题上验证了一些小规模应用，这个优势能不能被扩展到更大规模，更好地满足客户的实际需求、创造商业价值，我觉得这可能是专用量子计算未来3到5年应该要实现的事情。
彭丽：感谢三位的回答。听上去大家的一个共识是，接下来一定在往产业化走，一定在往真实的场景方向走，
下面，想问一下黄总，光量子路线，经常被认为在量子通信、量子网络上有自己的优势所在，您觉得如果未来10年量子计算要真正进入产业化阶段，光量子可能率先会在哪个阶段建立起来自己的优势，是它的计算本身，还是量子网络，还是今天还没有充分意识到的其他的场景？
黄蕾蕾：未来10年，10年周期，的确在后面有可能会出现一些早期没有预料到的场景，就目前而言：
第一，光在做计算时，在专用上有先天优势，针对一些特定图论、优化文化求解等，在未来近期几年内，专用光量子是相对能先落地的。
第二，除了计算，个人觉得光在网络，尤其分布式量子计算，不管是超导，还是离子阱，还是中性原子，都讲分布式量子计算。虽然大家是量子计算，技术路径不收敛，但有一点是绝对收敛的，未来的量子计算肯定离不开光量子核心技术。你需要有非常好的光源、非常好的光量子线路芯片和光的探测器，这块绝对是很确定的。
第三，光不仅是计算网络，在一些量子感知上也有它的一些先天优势。
所以，我觉得在未来这几个不同层面，在产业落地上会有一个体系化互动，这可能是光相对其他路径的相对优势所在。
彭丽：刚刚聊了光的这些优势，您觉得真正能够决定黄量子路线到底最后能不能跑出来，需要解决的一个最关键的因素是什么？
黄蕾蕾：在我看来：其一，因为光和超导现在是唯二两个实现量子优越性的路线，能不能证明现在在一些特定有用问题上，比现有经典的要好。其二，在通用光路径上，有没有办法解决掉大规模纠缠光子对产生，减少光损耗的问题。我觉得这两个是非常核心的点。
彭丽：感谢黄总的回答。下面一个问题问一下于总，可能超导路线目前会被认为工程化最成熟的路线，在半导体和硬科技领域，大家也会有一个概念“中等技术陷阱”，简而言之，可能技术出来了，但离较高的良率和规模化量产会有一定的距离。
想请您聊一下：第一，您觉得今天半导体产业有哪些能力，可以复用到量子计算来？第二，如果超导路线真正要走向规模化，您觉得最需要解决的工程化问题还有哪些？
于文龙：超导量子计算，其实是现在工程化和产业化走在比较前面的，之所以走的这么快，得益于整个超导量子计算产业链非常成熟完备，比如超导量子芯片，高度依赖于现在先进的半导体设备和产线及工艺，整个超导量子计算发展是从实验室慢慢走向工程化和产业化的，在专业半导体设备和产线能力（晶圆制造能力）方面，会在整个量子芯片产业发展中占据越来越多重要作用。
很多芯片加工先进技术，会极大促进和提升整个超导量子芯片的发展，从而促进超导量子计算机的发展。超导量子计算机尽管看似产业化走在前面，其实也面临未来大规模商用时也有很多问题需要解决，从各个工程环节以及维度，虽然现在半导体设备和工艺已经非常先进，但在提升超导量子芯片良率、稳定性、均匀性甚至降低成本方面，还是有很大的挑战。
稀释制冷机我们用非常低的温度进行保证量子芯片稳定运行，这方面稀释制冷机规模化制造甚至模块化制造现在有一些突破，但还需要产业链伙伴进行积极的拓展。
最后分布式计算以及大规模集成能力，解决大规模问题，这方面需要算法以及系统集成能力，所以每个环节都是一个非常大的挑战。
整个系统要想有效运行不是靠解决一个问题，而是要保证整个系统各个环节都没有明显的短板，是一个非常有集成的系统，这一点和半导体的数字计算机还是有很大区别的。
彭丽：下一个问题想问一下弓总，玻色量子之前提出专用量子计算先行，通用量子计算长期布局的路线。包括您刚刚也提到，玻色量子在商业化方向已经有多个案例在落地，首先请您聊聊它的商业模式目前大概是什么样的？
弓超：专用量子计算商业模式，我觉得专用量子计算有点像早期IDC的状态，就是算力基础设施的部署阶段，可以大致这么形容。它在很多特定行业，尤其在生物制药、金融、交通物流这些行业，可能已经看到应用探索，包括我们也很积极和很多新药研发和新材料发现终端用户或者中间服务商，像CRO或者AIDD公司，形成了一些联合成果。
但过程中单个不管是科研机构还是创业公司，投入量子计算机硬件的部署成本，这对他们来说是一个比较大的挑战。所以今天看到有很多平台方的出现，平台方的角色可能是地方政府国资平台，也可能是一个大型的科研机构，也有可能是一个大型的国央企或者上市公司。他们作为算力基础设施的建设或运营主体，由他们部署量子计算硬件设施，再以算力的形式提供给终端用户使用，整个链条大概是这样。
对于我们公司来说商业模式一个是整机销售，面样是这些平台方或者基础设施的建设方。另一方面是面向终端用户提供算力服务和专业技术支持。在一些探索进展较快的领域，我们也在与合作伙伴共同推动应用成果建设。
未来，我们还希望探索联合成果的商业转化，以及相应的收益分配机制。这是我们在现有业务之外进一步探索的方向。
彭丽：从公司现在的实践来看，您觉得专用量子计算目前最大的挑战是算力本身还不够，还是要找到持续产生商业价值的场景？
弓超：我觉得这个很明确，面向更大规模的应用需求，现阶段的算力供给还需要进一步提升，像我刚才说的，我觉得现在专用量子计算机算力基础设施的部署才刚刚在一个开始的阶段，在硬件方面，随着比特规模扩大，设备的稳定性和连续运行能力还需要进一步提升，以满足客户的使用需求。
另外一个方面,整个应用探索生态也还在初期的阶段，但其实过去几年，我觉得专用量子计算已经回答了在一些真实商业问题和真实问题上解决的能力，我们也会和一些经典方法或者人工智能方法做对比。现在已经在很明确的大规模组合优化问题上，尤其后来我们结合一些机器学习的能力，比如做量子玻尔兹曼采样，在这些问题上去求解一些分析设计或者新材料，在设计这些问题上已经取得了比较明确的优势。
但像我刚才提到了，现在问题在于这些优势能不能扩展到更大的规模上，进一步适配生产环境所需的问题规模和使用要求，这一定需要更大规模算力的支撑。现在客户已经在向我们提出更高的要求，推动我们围绕具体需求进一步提升能力。
彭丽：如果我们把时间拉长到十年维度来看，各位站在公司的角度来看，您觉得量子计算本身最终会走向一条主流的路线，还是长期会保持多条路线并行？
黄蕾蕾：我之前看过一句话说，我们永远会高估现在，会低估未来。其实从10年的角度来说，首先肯定没有人能回答你这个问题，如果要回答的话，我们所有的路线都会快速聚焦到一个方向，就不会像现在这么散着了。
刚才像宋总做报告时提到，现在行业的共识是觉得未来相当长一段时间内多种技术路径会长期并存。因为每个方向都有它的优势和劣势，比如超导门控速度快，离子阱精度特别高，中性原子它的规模能够起来，光能够在室温稳定的运行、对噪声不太敏感。所以有很大的概率——我相信你问更多的专家也一样——每个路径在一些特定的问题上都有它特定的优势，因为通用的量子计算还是有比较长的路才能实现，所以我觉得在真正通用量子计算实现之前，在很长一段时间内几条技术路径还是会相互并行，有点像CPU、GPU、NPU异构的融合。
现在也看到很多平台，很多大型量子计算云平台，它里面有光量子、超导、离子阱和中性原子各种的融合，然后会针对具体的一些问题再调用不同的量子硬件的资源，这种有可能的确是未来几年的趋势。
于文龙：10年我们希望在所有路线和量子计算的从业者中，我们都在努力践行把量子计算积极推动产业落地，能够真正解决一些行业的问题。
量子计算生命周期会非常长，整个行业都在努力。在最近3年之内能够看到真正商业化落地，在5-10年阶段能看到中等规模，甚至小规模的容错量子计算机解决部分材料问题，甚至是破解密码问题、组合性问题。
所以这方面美国包括全世界各国都在积极推动抗量子密钥的研发和部署，整个行业生命力周期会非常长。人类对于算力的需求也持续增长，我们以半导体产业和传统芯片计算力为例，当第一个晶体管发明出来的时候，当第一个小规模集成电路发展出来的时候，也没有人能预测到当时的10年以后会发展到什么阶段，也没有预测到60年以后信息技术、集成电路技术和半导体技术会如此先进，而且技术还在发展当中。
整个半导体芯片有没有发现，层出不穷新的芯片和算力芯片都在涌现，量子计算如果像半导体芯片类似发展的话，十年之后也许还会出来一种新的量子计算的范式，除开原子、超导离子和光，也许那时候拓扑就已经非常成熟了。在长期的未来当中，我们人类会有新的各种各样计算方式的涌现，我觉得只要在真正的商业社会中找到自己的应用场景有行业客户和需求，解决真正的问题，未来都会有一席之地的。
弓超：首先，我也同意两位老师的意见。我觉得10年这个周期，现在还很难作出确定性判断。，我比较倾向于相信未来多条技术路线还是一个长期并存的状态，至少站在今天这个节点，从底层科学角度，可以看到各个技术路线真的各有优势和局限，目前还很难判断哪条路线能够在各类需求上都占据优势。
我觉得至少我们应该鼓励的方向是，一个产业的发展，要各取技术路线之长，在各个技术路线下利用它最优势的部分，探索不同路线之间的优势互补，这有助于提升整体效率。不同类型的计算芯片也在服务不同的需求。我相信量子计算领域也可能呈现类似特点。CPU具有很强的通用性，理论上也可以拿CPU去跑DeepLearnning，但具体使用什么硬件，还要看任务特点和效率要求。
我觉得未来，首先需求一定是非常多样的，针对不同需求，不仅要考虑某一个路线量子计算机能不能解决这个问题，还要考虑它解决这个问题的效率或经济性。从这个角度看，比如大规模组合优化或模拟类问题，可以根据问题特点，发挥相应计算架构的优势；
但一些涉及到复杂逻辑运算的问题，则需要进一步考虑计算架构的通用性和可编程能力。不同任务对规模、保真度等指标的要求也有所不同。因此，我倾向于认为，未来会形成多路线并行、各展所长的发展格局。
彭丽：就是找到具有自己特色的场景。下一个问题是商业化问题，各个企业对商业化的定义会不会有所不同？比如觉得需要把量子计算机的整机卖出去，还是可以提供云服务，还是觉得有某个具体的行业问题，您对商业化的定义是怎样的？
黄蕾蕾：在我看来，量子计算商业化标准不是非常单一的，是分层的。
第一层，你是一个产品的商业化，就是你的硬件或者你的云算力服务可以有一个标准化交付。
第二层，解决方案商业化。你可以去整合垂直领域的一些核心应用，给他们提供一些针对现有场景特定的解决方案。
第三层，真正实现商业化闭环，是你结合硬件产品交付提出的这个方案，能够在一个特定场景下产生比现有更好的效益，能够让他有一个持续的10倍、20倍，甚至上万倍效益提升，客户愿意复购它，能够持续形成一个正向循环，我觉得这是大部分人认定的一个真正商业化。
我想强调的一点是商业化不是今天睡一觉，明天早上一起来一下子就商业化了，肯定要有一个过程，其实是分步走的形式。
现在越来越多量子公司开始有更加标准化的产品出来，有更加标准的应用和解决的方案出来，慢慢也在提一些真正能够解决现实问题，提升效率的一些东西出来。在这样一个环境下，相信商业化是能够逐步实现的。
比如光，可以专用和通用并行，两三年内针对一些专用落地场景可能会有落地应用出来，但真正的通用量子计算，可能还需要长期发展，个人觉得至少要5到10年以上持续的技术迭代。
于文龙：关于量子计算机的商业化，其实商业化不是一个结果，也不是一蹴而就的事情，而是一个持续发展的过程。
个人认为，量子计算机商业化跟整个量子计算机整机算力相关，有多大算力，就能触达到底客户，解决多少问题。随着量子计算机算力提升，包括量子比特数不断增加，逻辑比特保真度不断提升，主频运行速度不断增加，能够解决的问题也越来越多，能够触达更多行业及带来更多价值。
整个量子计算机行业，刚刚进入产业化发展阶段，量子计算机性能也刚从含噪声量子计算机，逐步转向通过纠错实现通用量子计算机的阶段，算力还没有达到理想量子计算机需求。在这方面，行业客户，尽管在发展早期阶段，也在积极提出这个场景，尝试用新的方案解决这些问题，这都是非常有益于这个生态发展的地方。
2016年IBM量子计算机上线，当时只有几个比特，大多数是应用探索和验证、演示，但是全球各国用户排队去使用、去探索。直到今天，IBM号称的量子舰队，已经有十数台高性能量子计算机在运行，整个机室供不应求。整个过程伴随着我们自身技术进步以及各行各业的需求，在共同推进整个行业发展。
弓超：我很同意于总的观点，商业化一定是一个过程。可以评估的一点，我们认为就是客户的成功，客户用你的量子计算机，到底为他们带来了什么，这个衡量方式对不同领域或不同类型客户可能不一样：对于高校、科研院所，可能是取得了有价值的科研成果，或者使他们的成果后续可以商业转化；对B端来说，相对比较简单的判断方式是，哪一天量子计算公司赚的是我们终端用户的营业成本而不是研发费用，可能是一个比较有代表性的商业化标志。
我们很希望大家对量子计算商业化是保持期待、保持耐心，作为未来产业，量子计算的发展需要持续投入和探索，它还需要硬件厂商，以及做中间件的团队，以及下游生态不断努力、不断尝试，用现有资源以及未来不断扩张的资源，去做更多领域应用尝试，形成有价值的应用成果，才会带动整个产业链和生态链商业化。
彭丽：我们都非常认可量子计算在未来会有非常大的产业价值，但一个产业真正形成起来，除了技术��不能做之外，也要看谁愿意为它买单。
刚刚几位也提到了如专用量子计算在未来2到3年里，就会有这样一个场景落地。请各位聊一聊，在未来几年里，中国最有可能为此出现的付费客户会是谁？以及最先能够规模化落地的场景是什么？
黄蕾蕾：现在很明显，付费用户也是分层的（分三层）。
第一层，国家科研类项目或高校研究所项目，相对已经非常成熟，体量也不小，随着林子产业飞速发展，越来越多学校开展了基础量子教育，现在他们有大量设备采购需求，还有算力、平台、服务等需求，的确是非常成熟的一个付费方向。
第二层，大型国央企或比较成熟的工业平台。比如国家电网、五矿集团、石油、中电信、中车、国家地铁等。很多早期是从国家需求牵引他们去做一些项目落地应用，当他们完成第一批项目原理验证之后，会发现原来在一些点上可以有一些优势和提升。我们公司也有一些案例，一开始是国家项目，做着做着集团内部觉得某几个点可以再针对性拓展，就会有一些付费意愿。
第三层，大家传统意义上希望付费的一些客户，比如做化学材料、仿真模拟、生物制药、AI算力等的团队，大家觉得这种才是真正大规模的产业化，相对发现国外很多公司对这种前沿技术探索付费意愿会更高，国内很多公司更加倾向于技术再稳妥一点他们再用，但我们已经处在往那个方向走的阶段了。
未来5年，我觉得会有越来越多这类客户愿意为这个付费买单，前提是你要体现出你的价值。
于文龙：量子计算作为一种算力，现在所有用算力的场景，未来也许都会有量子算力的加持或者补充，最终还是要走向行业客户。现在全球500强公司有超过300家都在使用IBM的服务，或多或少、或浅或深，我想这300多家500强公司已经涵盖了我们几乎现在所有的行业。
这些应用在超导量子计算领域，大家比较共识都在光谱、材料，就是量子体系问题，主要是材料计算包括生物门、生物医药、催化剂各种先进功能材料，这对于量子算力要求比较小的一些应用领域。随着量子计算机算力的提升，慢慢会打开更多的应用行业，比如组合优化问题，甚至最终人工智能问题，完成通用人工智能甚至超级人工智能。
还有一个领域涉及到国家安全，之所以现在国家这么支持量子计算机，因为它和国家安全、科技竞争都有非常大的关系，涉及到军队、情报、公共安全这方面，最终我们的计算机就是To B和To G，这也是我周围朋友经常问我的问题，什么时候我自己也会拥有一台量子计算机给自己服务，量子计算机的使命其实就是解决现在超算都解决不了问题，注定是解决一些大问题的。
既然量子计算机发展已经从实验室阶段，从学术科研慢慢走到产业化发展，还是服务于整个经济社会，人类的健康、能源和智力问题，走向各行各业，创造更大的经济价值。
弓超：我觉得从长期来看，量子计算的发展还是需要终端用户的实际需求和付费来支撑，只不过这个过程中像一些平台方承担了一些新型建设以及大型的投入，就是固资的投入。长期来说，还是会有终端用户也不一定是长尾的，这可能要分场景，通过他们一些比较分散的需求，最终把算力给消纳掉。
这个过程中它的比例我觉得会随着时间以及应用解决方案的成熟度有一些变化，可能现在绝大多数成本是由中间平台方承担，这里可能包括了一些公共投入，也包括大型企业现有的利润。长期来说，我觉得一旦量子计算有相应解决方案的优势在下游得到验证，可能客户取得成功之后，有望带动他们基于实际业务需求持续付费。
所以我们当然期待后续终端用户实际为此付费的比例越来越高，能够来自越来越多领域的终端用户。当然这个过程或者结果前面也不免涉及到很多来自于外部支持能够让他们先完成前期的，因为量子计算毕竟是一个新的计算范式，那你在做解决方案成熟化的过程中，也确实需要很多支持。我觉得量子计算硬件厂商某种程度也在提供这种支持，我觉得最后还是要靠整个生态的共同努力，让终端用户的付费比例和频率能够有持续的提升。
彭丽：谢谢弓总，最后想听听各位对未来的展望。弓总刚才也聊到了一些，你觉得可能未来量子计算10年之内它会发生什么事，包括作为自己来说最希望看到什么变化？
黄蕾蕾：从我个人的角度来看：
第一点，大家也反复强调量子计算还有很长的路要走，希望大家能够更加有耐心一点，现在有些人觉得有些泡沫或者怎么样，我觉得大家能够以更加平常的心去面对不同的阶段，它总是一个发展的阶段，这是第一点。
第二点，整个量子行业是多学科融合的行业，它不纯粹是量子物理，比如需要做测控、电子的，需要大量学光的人，需要有大量做算法、结构和精密仪器设备的。需要很多传统各行各业的人，而且它在应用领域上，比如需要量子计算化学、生物制药、材料背景的人，很多做优化交通、矿业的都需要。第二个期待，也相信越来越多各行各业的人才、精英能够进入到我们行业来，它不单纯是量子物理的东西。
第三点，本质最终我们希望能够有更多落地的应用案例解决一些真实的需求，说来说去到最后，还是我们付出了什么能够得到什么，太阳底下无新鲜事，像AI之前大家也在反反复复的论证，等你把一个东西仍出来以后，你就不需要和别人论证这个事了。
所以我觉得我们现在行业内所有的人还处在怎么一起把蛋糕做大的阶段，大家一起齐心协力找到那么1-2个落地的场景和点，能够证明我们自己的价值的这样几个点上。
于文龙：整个量子计算机其实挑战非常的巨大，我还是希望各界人士对我们整个行业从业人员有耐心，现在大家都在强调不管投资人还是周围的朋友都在问商业化怎么样，应用在哪边。我们矩量光启是一家做整机的企业，我觉得困扰这个问题和商业化问题一样，应用落地问题本质上还是算力不足，算力不足就是整机还没有做好，这个过程，不仅需要量子人才，也需要其他各行各业专业人才、工程师、先进技术等，比如现在的人工智能发展，对各个路线量子计算机发展都有巨大的促进作用。随着更多先进技术涌入，我们相信技术发展肯定是加速的，但还是需要时间的。
弓超：我也想说需要保持耐心，我觉得大家对于量子计算的重要性、需要持续推进这件事是有共识的。有了共识之后，毕竟也需要实实在在的投入，包括资本投入、人才投入、时间投入。所以，这个行业一定是一个值得长期去做，保持期待，同时又保持耐心的一个行业。
另外，我很期待量子和AI的结合，这是我们比较坚信的。不管是AI for Quantum，还是Quantum for AI，在工程化设备上，我们已经引入了一些AI技术，辅助设备稳定运行；在下游应用层面，量子算法又真实的跟一些现有机器学习算法实现了1+1大于2的效果，真正在应用层面比单用量子、单用AI，都有非常好的提升。
我觉得未来无论在基础设施层面，比如量子芯片跟传统的智算、超算等经典算力芯片的融合，还是中间层调度的中间件，再到上游应用—算法联合解决方案，能够出现一些比较好的图谱，对于打开整个量子计算下游用户探索空间是非常有帮助的，用户不一定需要了解底层技术细节。目前，很多用户在获取算力资源、使用量子计算方面仍面临一定门槛。我们很期待量子和AI的结合，能够把这块能力进一步带到我们的终端用户。
彭丽：感谢三位的回答。最大的感受，就是要基于更多耐心，要有更多人才、资本，以及各方力量投入，希望量子计算在未来10年真的可以做到大家说的这样。
今天的圆桌论坛到此结束。感谢大家的参与！
主持人：感谢各位嘉宾的精彩对话，请台下落座。