行业核心观点 - 人工智能正以指数级速度重塑人类知识图谱 高等教育需进行自我迭代以跨越教育与产业间的“时间差” [1] - 真正的变革在于学科底层逻辑的重塑 需推动人工智能与教育的深度融合以实现跨越式发展 [1] - 通用大模型红利正向“垂域大模型”转移 这是高等教育发挥战略支撑作用的主战场 [2] - “专业深度”与“智能广度”的结合是新质生产力的核心要素 [2] - 需通过人工智能赋能打破学科壁垒 重构人才培养模式 为新质生产力形成提供系统保障 [3] 高等教育改革方向 - 应摒弃仅教授人工智能基础操作的浅层模式 转而推动人工智能深度融入全链架构、智控应用等核心研究 [2] - 高等教育强国建设不能陷入“千校一面”的算法复刻 [2] - 鼓励高校针对战略需求 结合自身特色 建设具有自主知识产权的行业垂域大模型 [2] - 需“跳出教育看教育” 为形成新质生产力提供可持续、成系统的保障 [3] 具体实践与成果 - 东南大学牵头启动“AI4SEU”行动计划 试图通过供给侧结构性改革将人工智能基因渗透进每一个传统学科 [2] - 东南大学在低空科技、6G、器官芯片、未来机器人等新兴领域早早布局 [2] - 依托学科优势 推动支持了一批精准支撑产业转型升级的垂域模型研发 成果已见雏形 [2] - 具体成果包括量子计算软件“东南·云霄”、混凝土材料领域“砼真砼知”大模型、法学领域“法衡”大模型、伦理领域“问道”大模型等 [2]

行业核心观点 - 量子计算正从实验室步入产业化初期，凭借其潜在的指数级算力优势，有望重塑药物研发、材料科学、金融建模等多个领域，成为全球科技竞争的战略制高点 [1] 技术原理与优势 - 量子计算利用量子比特的“叠加”与“纠缠”特性实现远超经典计算机的并行处理能力 [2] - 与传统计算相比，量子计算能带来更强的并行计算能力和更低的能耗，其运算能力随量子比特数量呈指数级增长 [10][14] - 量子优势（量子计算速度高于传统计算）概念于2012年提出，并在2019年由谷歌团队实现实验验证 [14] 主要技术路线 - 全球技术路线呈现多元化探索格局，主要分为基于固态体系的“人造粒子”路线（如超导、半导体）和基于原子体系的“天然粒子”路线（如离子阱、光量子、中性原子） [17] - 超导路线凭借较高的保真度、较好的扩展性以及与现有半导体工艺的兼容性，在工程化和产业化进展上暂时领先，全球有效授权专利量达10,888项，位居首位 [2][17] - 离子阱路线具备很高的保真度但可扩展性较差，有效授权专利量3,049项；中性原子路线展现出更强的可扩展性但保真度面临挑战，有效授权专利量为1,313项 [17] 全球竞争格局 - 量子计算已成为大国科技博弈的核心战场，已有30余个国家开展了以量子计算为重点的量子信息领域规划布局，中美处于第一梯队 [20] - **美国**：凭借活跃的创新生态、持续的巨额政策投入和头部企业引领，在整体上处于领先地位，建立了从硬件、软件到云服务的完整产业生态 [3][23] - **中国**：将量子科技置于国家战略层面，在技术封锁背景下，于超导量子计算原型机（如“祖冲之三号”）、量子计算云平台及上游关键设备（如稀释制冷机）的自主研发与替代方面取得系列突破 [3][24] - **欧洲**：通过欧盟层面的战略协同与各国加大投入力图整合力量加速追赶，欧盟委员会于2025年7月推出《量子欧洲战略》 [3][30] 国家战略投资 - 美国通过《国家量子倡议(NQI)法案》计划5年投资12.75亿美元，实际投资已达37.38亿美元，2024年预算为9.68亿美元 [22] - 英国在2023年发布的国家量子战略中，计划10年投资31.8亿英镑 [22] - 法国在2020年的国家量子技术投资计划中投资约19.6亿欧元 [22] - 韩国在2023年的量子科学发展战略中，计划在2035年前投资17.9亿美元 [22] 产业链结构 - **上游**：产业的基石，专注于提供极低温环境（如稀释制冷机）、精密测控系统、核心芯片与光学组件等基础设施，技术壁垒高，是当前国产替代攻坚的重点领域 [4] - **中游**：生态核心，包括量子计算原型机制造商和软件供应商，国内外企业在此环节竞争激烈，不断刷新量子比特数量与性能纪录，并构建覆盖设计、控制、编译的软件工具链 [4] - **下游**：以量子计算云平台为主要载体，致力于降低使用门槛，推动算力普惠化，应用探索目前以科研为主，但金融、化工、制药等行业的商业化应用前景备受瞩目 [4] 国内产业发展现状 - 2024年，中国有153家量子计算企业，较2023年增长39.2% [28] - 中国量子计算领域专利申请量已经连续三年（2022-2024年）突破一万件，产业创新活力凸显 [28] - 国内量子计算发展呈现“硬件多点突破、软件工具补全、产业协同推进”的态势 [39] 海外领先企业动态 - **谷歌**：2024年12月推出最新的量子芯片Willow，拥有105个量子比特，首次实现随量子比特数量扩展而指数级降低错误率，在随机电路采样测试中，仅用不到5分钟就完成当前最快超算需1025年才能处理的任务 [34] - **微软**：推出全球首创、基于拓扑量子架构的量子芯片Majorana 1，目前集成8个拓扑量子比特，并具备在未来扩展到百万量级量子比特的路线 [37] - **IBM**：2023年推出133量子位的量子处理器IBM Quantum Heron及首台模块化量子计算机IBM量子系统二号，并将其量子开发路线图延长至2033年 [38] 国内领先企业/机构动态 - **中科大/中科院**：2025年3月成功研制105比特“祖冲之三号”超导量子计算机，其“量子随机线路采样”速度比最快超算快15个数量级 [39] - **上海团队**：借助AI技术，高效制备出含2024个中性原子的无缺陷阵列 [39] - 首款国产量子计算桌面软件“东南·云霄”正式发布，重点攻克数据安全与硬件兼容性难题 [39] 未来发展趋势 - 混合算力模式成为现实路径，量子计算将与经典计算（尤其是高性能计算、人工智能计算）深度融合，形成异构算力体系 [5] - 产业生态将加速完善，从单一的技术突破转向硬件、软件、算法、应用场景的协同发展 [5] - 市场普遍预期，未来五到十年内，产业将迎来第一轮快速增长，在特定领域实现有价值的商业应用 [5] - 欧洲量子计算市场规模预计将从2024年的1160.1百万美元增长至2032年的12620.7百万美元，期间复合年增长率为33.2% [31]

产品发布与定位 - 东南大学发布国内首款集成多场景应用的量子线路设计优化与编译桌面软件平台“东南·云霄”[1] - 该平台可将量子算法“翻译”成可在真实量子计算机上运行的指令，旨在打通量子算法大规模应用的“关键一公里”[1] 核心技术特点 - 平台采用桌面软件形态，支持用户在本地电脑上完成量子线路从搭建、优化到编译的全过程，核心数据无需上传至云端[1] - 平台内置多层级优化策略，能对复杂的量子线路进行深度“瘦身”，用户可根据需求灵活选择优化等级，深度有效压缩量子门数量和线路[1] - 团队开发了跨架构量子计算适配接口，能兼容离子阱、中性原子、超导等多种主流量子计算硬件体系[2] 应用场景与测试效果 - 在生物医药领域测试中，平台将小分子药物有效分子的生成率从约0.01%提升至35.98%[2] - 在图像识别方面，其混合了量子—经典神经网络模型，在SAR图像分类和通用图像识别任务上均超越传统模型[2] 行业影响与发展目标 - 平台的成功研发是探索“量子技术+行业需求”融合应用的重要成果，旨在降低量子计算应用门槛[2] - 平台有助于降低开发成本，提高算力利用率，从而加速量子计算应用的普及与迭代[2] - 该平台旨在助力中国量子计算产业自主创新和高质量发展[2]

平台核心信息 - 东南大学发布国内首款集成多场景应用的量子线路设计优化与编译桌面软件平台“东南·云霄”[1] - 平台旨在解决量子计算应用面临的数据安全性差、技术门槛高和硬件兼容性差等关键挑战[1] - 平台为我国在人工智能、信息通信、生物医药、新材料等前沿领域的创新发展提供高效、安全的量子应用实现工具[1] 平台核心特色 - 平台采用桌面软件形式，支持用户在本地电脑完成量子线路搭建、优化到编译的全过程，确保核心数据自主掌控，无需上传云端[2] - 平台内置多层级优化策略，能对量子线路进行深度“瘦身”，大幅压缩量子门数量和线路深度以提升计算效率[2] - 平台开发了跨架构量子计算适配接口，兼容离子阱、中性原子、超导等多种主流量子计算硬件体系，实现“一次开发，多架构部署”[2] 平台应用成效 - 在生物医药领域，平台将小分子药物有效分子的生成率从约0.01%提升至35.98%[2] - 在图像识别方面，其混合量子-经典神经网络模型在SAR图像分类和通用图像识别任务上均超越了传统模型[2] - 在数学优化领域，平台能高效求解最大割等复杂优化问题[2] 发展目标 - 团队致力于探索“量子技术+行业需求”的融合应用新模式[3] - 目标是通过创新成果降低量子计算应用的门槛，助力我国量子计算产业高质量发展[3]