在近日举行的2025年中国国际服务贸易交易会（以下简称“服贸会”）现场，113家企业发布198项新产品新成果。北京玻色量子科技有限公司（以下简称“玻色量子”）作为国内量子计算领军企业应邀参与，现场展出国内首个1000量子比特的相干光量子计算机模型。

在首台（套）赋能企业创新专题发布活动上，玻色量子副总裁巨江伟发布——玻色量子自研的可支持1000计算量子比特云服务，标志着专用量子计算正式迈向千比特规模化实用新阶段。

据介绍，通过1000计算量子比特云平台，用户可便捷地访问量子计算资源，将复杂的计算问题转化为量子计算任务。系统还可自动完成问题映射、资源调度、量子态演化和结果优化，最终返回高质量解决方案。这种端到端的服务模式，显著降低了量子计算的使用门槛，大大加速了量子技术在实际业务场景中的应用落地。

自100计算量子比特云服务上线以来，随着政企、科研工作者、量子算法开发者等用户的不断增加，平台调用求解次数累计超过6800w次，覆盖院校超过900所，参与研发的开发者人数超过10000人，量子算力服务实力强劲，位居国际一流水平。

亮点一：1000计算量子比特

量子比特数量一直是AI算力的“关键阈值”。

巨江伟解释道，目前大多数量子计算机硬件的量子比特数量处于200-500量子比特。当低于500量子比特时，仅能处理简单的AI任务，量子算法无法有效处理高复杂度AI模型；当达到1000量子比特数量的硬件门槛时，意味着量子计算机才能真正实现求解大规模梯度优化、AI模型训练，覆盖药物分子设计、能源电力等大规模且高复杂性场景的实用化问题。

此次玻色量子发布的1000计算量子比特云服务，在实用化计算能力上实现指数级跨越：1000量子比特对应的解空间高达2^1000，相比550计算量子比特云服务，能够处理的问题复杂度和问题规模提升了多个数量级。

巨江伟现场介绍，玻色量子实现了单个量子比特耦合数量999，总耦合数量高达499500（计算公式：规模数*（规模数-1）/2；规模数为量子比特数），这一技术指标代表着在1000量子比特规模下，可以从最高499550条边全连接的角度去衡量任务耦合程度。同时，相干光量子计算机的耦合精度达int8，该精度首次超越全球首家量子计算机商业供应商——D-Wave（耦合精度仅int5），真正实现了中国专用量子计算实力从全球跟跑到全球领跑的跨越。

亮点二：混沌稳态优化算法

在软件服务方面，玻色量子利用光量子计算的并行性，可单次计算解空间大小最高为2^1000的组合优化问题，通过内嵌混沌稳态优化算法，可大幅提升相干光量子计算机的求解质量。

混沌稳态优化算法是由玻色量子自研的一种量子纠错算法，可纠正能量映射关系。针对解空间内所有量子比特振幅一致与否时，不同自旋组合对应的能量分布的差异性，该方法能够减小振幅不均匀性，进而起到校正自旋组合和能量映射关系的作用，有效保证求解结果为所有量子比特振幅保持一致时的自旋组合处于最低能量，而非局部最优解，以此大幅提升难解问题集（特点问题集）的求解质量。

巨江伟强调，针对1000量子比特相干光量子计算机的各技术指标，包括计算量子比特数目、总耦合数量、耦合精度、标准任务求解性能、高密度任务求解性能、应用综合求解性能等9项指标的实用化技术验证，中国信息通信研究院已出具《相干光量子计算机技术验证报告》给予认证。

亮点三：量子玻尔兹曼机神经网络

在软件生态方面，1000量子比特云服务支持开源PyTorch神经网络训练。

由于时代“算力”的约束，AI的发展有两条历史路径。一种是反向传播算法：深度学习的“万能引擎”，反向传播算法前向传递神经元活动，反向传递敏感度，对算力的依赖随着模型复杂度提升；另一种是由2024年诺贝尔物理学奖获得者——神经网络先驱杰弗里·辛顿（Geoffrey Hinton）提出的玻尔兹曼机（Boltzmann Machine,BM）：人工智能技术的“历史酶”，玻尔兹曼机仅通过对称连接性和相关性差异完成学习，训练时间呈指数级增长，GPU难以实现。

巨江伟介绍，基于杰弗里·辛顿提出的玻尔兹曼机，玻色量子高具前瞻性地开拓量子神经网络新范式。玻色量子开源了国内首个PyTorch量子神经网络开发套件Kaiwu-PyTorch-Plugin（KPP），巧妙利用了伊辛模型与玻尔兹曼机在数学上的等价性，以量子采样替代传统的Gibbs Sampling方法，大幅提升了玻尔兹曼机的训练效率，能够解决经典玻尔兹曼机因高复杂度而无法高效训练的难点，且已实现蛋白质结构预测的算法框架的真机场景验证。

如同GPU加速向量运算促进了深度神经网络的发展，量子计算机的全新计算范式为AI模型变革带来新契机。KPP提供了简单易用的接口，具备量子真机调用、PyTorch原生支持、灵活的架构配置、可扩展性四大优势，使研究人员和开发者能够快速实现能量神经网络模型的训练与验证，并应用于各种机器学习开发任务。

此外，玻色量子还研究出一种结合经典AI与量子计算优势的新型生成式模型QBM-VAE（Variational Autoencoder，VAE），可用于复杂分布数据生成、“高保真度”数据表征。这是一种结合深度学习与量子计算的改进VAE算法，通过相干光量子计算机采样玻尔兹曼分布，对自然界产生的数据具有强大的建模能力和适应性，提升了数据表征能力。例如在单细胞转录组学分析中，QBM-VAE可显著提升聚类精度，检测到传统方法无法辨识的新型细胞亚型(具有独特特征的新致病因素)，为靶点发现提供新线索。

亮点四：多机并联提供CPQC-X服务

玻色量子的1000计算量子比特云服务支持多设备互联、集群计算，大服务提升计算能力。该优势使得1000计算量子比特云服务能够支持大量的高复杂性且大规模的计算任务，为未来量子计算集群的应用奠定了坚实基础。

玻色量子的1000计算量子比特云服务还可提供CPQC-X服务，支持深度战略合作用户提交大于1000量子比特的计算任务，支持更大量子比特规模的实际问题的探索与应用。该服务为用户提供了更加灵活的量子云算力支持，开启了定制化量子计算服务的新模式。

玻色量子1000计算量子比特云服务的上线，构建了实用化量子计算商业化的可持续发展模式。