此前，2025年5月9日-10日，2025全球生物制造大會(huì)(簡(jiǎn)稱2025 GBC)與2025VBEF未來(lái)醫(yī)療醫(yī)藥100強(qiáng)展會(huì)于江蘇蘇州國(guó)際博覽中心成功舉辦。

2025VBEF未來(lái)醫(yī)療醫(yī)藥100強(qiáng)展會(huì)以創(chuàng)新展示和深度鏈接為核心，設(shè)置”論壇+評(píng)選+展覽+報(bào)告+資源對(duì)接“五大板塊，持續(xù)為創(chuàng)新產(chǎn)品提供新渠道拓展機(jī)會(huì)，為產(chǎn)業(yè)各方提供一個(gè)高效投融資、BD合作、產(chǎn)業(yè)鏈供應(yīng)鏈交易、成品交易、海外市場(chǎng)拓展等全方位、多層次需求的最佳場(chǎng)域。

2025全球生物制造大會(huì)圍繞生物制造產(chǎn)業(yè)的技術(shù)突破、產(chǎn)品獲批、市場(chǎng)準(zhǔn)入、出海拓展、國(guó)際協(xié)作等關(guān)鍵議題，搭建信息、人脈、產(chǎn)品交流平臺(tái)。大會(huì)內(nèi)容包含院士專家報(bào)告、企業(yè)家主旨演講、產(chǎn)業(yè)資本圓桌、創(chuàng)新項(xiàng)目路演、展覽展示等內(nèi)容，全面展現(xiàn)生物制造領(lǐng)域技術(shù)創(chuàng)新變革、資本脈動(dòng)、熱點(diǎn)產(chǎn)品和產(chǎn)業(yè)趨勢(shì)。現(xiàn)場(chǎng)參展企業(yè)達(dá)150+、參會(huì)企業(yè)2000+、專業(yè)觀眾16000+，打造了生命科學(xué)領(lǐng)域全球盛會(huì)。

玻色量子作為國(guó)內(nèi)量子計(jì)算領(lǐng)軍企業(yè)、“量子計(jì)算+生物醫(yī)藥”領(lǐng)域的優(yōu)秀生態(tài)開(kāi)拓者受邀參會(huì)，并榮獲“生物制造中試產(chǎn)線最佳合作伙伴top10”榮譽(yù)。5月9日下午，玻色量子創(chuàng)始人&COO馬寅在ITBT&AI藥物研發(fā)論壇上深度參與“工具的革命——技術(shù)創(chuàng)新、監(jiān)管挑戰(zhàn)與產(chǎn)業(yè)生態(tài)構(gòu)建”的圓桌探討。玻色量子算法總監(jiān)高奇在2025全球生物制造大會(huì)上發(fā)表以“萬(wàn)億分子光速篩選——量子計(jì)算助力開(kāi)啟藥物發(fā)現(xiàn)新時(shí)代”為主題的精彩演講。

未來(lái)醫(yī)療醫(yī)藥百?gòu)?qiáng)展會(huì)

ITBT&AI藥物研發(fā)論壇

Q：我們都知道玻色是量子計(jì)算領(lǐng)域的領(lǐng)先公司，量子計(jì)算和AI是天然搭配，尤其是在AI4S領(lǐng)域。那聚焦在咱們今天論壇的主體，對(duì)于生物領(lǐng)域相關(guān)的產(chǎn)業(yè)來(lái)說(shuō)，您在平時(shí)的業(yè)務(wù)中，客戶或者合作方對(duì)于量子計(jì)算的具體需求是什么？能給我們大概說(shuō)一下么？

玻色量子創(chuàng)始人&COO馬寅：用戶需求主要來(lái)源于三個(gè)方面，用戶的第一需求是量子計(jì)算機(jī)硬件的可計(jì)算比特?cái)?shù)，這直接決定了能解決多大規(guī)模的問(wèn)題。不同場(chǎng)景建模的算法所需的計(jì)算規(guī)模從幾十比特到數(shù)萬(wàn)比特不盡相同，像藥物篩選中的分子對(duì)接問(wèn)題，目的是搜索得到一個(gè)配體分子跟靶點(diǎn)蛋白活性口袋結(jié)合的最低自由能構(gòu)象，通過(guò)建模可以利用量子計(jì)算的并行求解能力在微秒級(jí)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(jié)合能最低的配體結(jié)合構(gòu)象，那么求解所需的比特?cái)?shù)為配體原子數(shù)與對(duì)接盒格點(diǎn)數(shù)的乘積并加上約束項(xiàng)，較大分子和靶點(diǎn)活性區(qū)域較大建模出來(lái)的規(guī)模最高可能需要幾萬(wàn)比特。而另一個(gè)重要的問(wèn)題蛋白結(jié)構(gòu)模擬則需要更高的比特?cái)?shù)才能得到高精度的結(jié)構(gòu)，該問(wèn)題規(guī)模受蛋白大小和空間離散的精細(xì)度影響。

用戶第二個(gè)需求是硬件長(zhǎng)時(shí)穩(wěn)定運(yùn)行，這決定了高頻調(diào)用時(shí)計(jì)算結(jié)果的高保真度和可信度，比如目前的AI模型迭代訓(xùn)練、藥物發(fā)現(xiàn)中大規(guī)模分子庫(kù)的篩選等諸多場(chǎng)景都需要高頻計(jì)算，AI模型訓(xùn)練的目的是基于訓(xùn)練集的迭代更新得到一組網(wǎng)絡(luò)參數(shù)使得該模型定義的損失函數(shù)最小，那么這些用戶希望有長(zhǎng)時(shí)穩(wěn)定的計(jì)算能力來(lái)支撐這些場(chǎng)景問(wèn)題的持續(xù)求解，來(lái)完成AI模型的快速迭代訓(xùn)練和高效收斂，在藥物篩選問(wèn)題上，不同任務(wù)的求解質(zhì)量很可能影響最終的篩選準(zhǔn)確率；用戶的另一個(gè)需求是較低的使用門(mén)檻，這決定了量子使用可及性和使用范圍。所說(shuō)的門(mén)檻包括兩方面：一個(gè)是技術(shù)，用戶希望不必關(guān)注量子計(jì)算復(fù)雜的計(jì)算原理和量子編程技巧，可以直接上手使用，另一個(gè)是使用成本，用戶希望能有較低的計(jì)算成本來(lái)進(jìn)行大規(guī)模計(jì)算和測(cè)試。以上就是目前用戶最為關(guān)心的三個(gè)需求。

我們知道數(shù)據(jù)、算法、算力是人工智能的三駕馬車(chē)，其中核心技術(shù)是算法跟算力，那么玻色量子的研發(fā)正是在這兩個(gè)方向持續(xù)發(fā)力，當(dāng)然底層硬件是我們的基本盤(pán)，以底層硬件突破為引領(lǐng)，在此基礎(chǔ)上針對(duì)AI及藥物發(fā)現(xiàn)核心場(chǎng)景開(kāi)發(fā)適配算法來(lái)滿足不同客戶需要。針對(duì)生命科學(xué)基礎(chǔ)研究、藥物發(fā)現(xiàn)、公共衛(wèi)生健康、智慧醫(yī)療等不同方向的領(lǐng)域的客戶群體的需要會(huì)有差異，可大致分為兩類：

第一類客戶及合作群體是不關(guān)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(jì)算問(wèn)題，那么這類客戶比如臨床醫(yī)生和基礎(chǔ)研究領(lǐng)域的研究者擁有寶貴的數(shù)據(jù)樣本，但可能缺少先進(jìn)的計(jì)算資源來(lái)幫助處理和分析這些數(shù)據(jù)從而得到高價(jià)值的生物信息，那么這類客戶可以直接調(diào)用我們開(kāi)發(fā)的成熟算法+硬件算力平臺(tái)來(lái)解決實(shí)際計(jì)算問(wèn)題；第二類客戶和合作群體是方法類開(kāi)發(fā)研究者，那么這類客戶擁有非常資深的算法開(kāi)發(fā)背景，借助我們的SDK和真機(jī)算力可以針對(duì)不同場(chǎng)景需求進(jìn)行底層量子計(jì)算算法開(kāi)發(fā)，其最大的需求是利用我們的真機(jī)計(jì)算資源，通過(guò)大量數(shù)據(jù)集測(cè)試來(lái)驗(yàn)證方法的有效性，這也是目前我司的主要深耕方向，通過(guò)建立開(kāi)發(fā)者社區(qū)、發(fā)布賽題等方式吸引各領(lǐng)域?qū)W者和開(kāi)發(fā)者進(jìn)行使用，相當(dāng)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(lǐng)域，在各行各業(yè)中開(kāi)疆?dāng)U土，以充分發(fā)揮量子計(jì)算的優(yōu)勢(shì)。

Q：從AI技術(shù)上來(lái)看，現(xiàn)在生成式AI的發(fā)展非常快，可以用日新月異來(lái)形容，但從AI在Science領(lǐng)域的落地來(lái)看，還是處于一個(gè)漸進(jìn)式的狀態(tài)，更多式體現(xiàn)在提高某一環(huán)節(jié)的研發(fā)效率上。所以，從您幾位的角度來(lái)看，未來(lái)5年，您覺(jué)得AI在生物醫(yī)藥領(lǐng)域會(huì)出現(xiàn)一個(gè)顛覆式創(chuàng)新的狀態(tài)還是維持在一個(gè)漸進(jìn)式創(chuàng)新的軌道上？

玻色量子創(chuàng)始人&COO馬寅：我覺(jué)得未來(lái)5年會(huì)是一個(gè)顛覆性的創(chuàng)新?tīng)顟B(tài)，尤其是在量子計(jì)算在大規(guī)模組合優(yōu)化求解和精準(zhǔn)的采樣能力加持下的AI可以全鏈路實(shí)現(xiàn)藥物研發(fā)加速，從靶點(diǎn)結(jié)合位點(diǎn)發(fā)現(xiàn)到先導(dǎo)化合物篩選，再到體內(nèi)實(shí)驗(yàn)驗(yàn)證和臨床驗(yàn)證都將實(shí)現(xiàn)變革。不可否認(rèn)，AI的加持使得生物學(xué)研究和藥物發(fā)現(xiàn)進(jìn)入了一個(gè)快車(chē)道，DeepMind的AlphaFold一年可以畫(huà)2億個(gè)蛋白質(zhì)的結(jié)構(gòu)，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(jìn)的算法發(fā)展時(shí)間也就三五年左右。另外除了預(yù)測(cè)模型，生成式AI成為目前一大主流方向，后GPT時(shí)代讓生成式AI的浪潮席卷了全球，從最開(kāi)始的GAN到VAE，再到目前的Flow和Diffusion Model，這些先進(jìn)的生成模型在一些生物學(xué)和藥物發(fā)現(xiàn)領(lǐng)域場(chǎng)景得到了非常廣泛的應(yīng)用，這些模型的出現(xiàn)改變了以往的藥物發(fā)現(xiàn)從廣闊的化學(xué)空間搜索模式，這些革命性的轉(zhuǎn)變使得藥物發(fā)現(xiàn)效率得到了顯著提高。但同時(shí)，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(yàn)高斯分布假設(shè)往往會(huì)存在一些問(wèn)題，基因表達(dá)、染色質(zhì)開(kāi)放與否、化學(xué)分子的構(gòu)象能量分布等問(wèn)題并不是一個(gè)高斯分布，基于這個(gè)分布假設(shè)生成的分子或者序列勢(shì)必會(huì)造成結(jié)果的偏差。量子計(jì)算或許是其中破局的關(guān)鍵，從我們目前的一些實(shí)驗(yàn)結(jié)果來(lái)看，基于量子計(jì)算的能量函數(shù)體系進(jìn)行復(fù)雜的玻爾茲曼采樣可以較經(jīng)典基于蒙特卡洛采樣的AI算法在一些生命科學(xué)領(lǐng)域和藥物生成問(wèn)題上表現(xiàn)得到顯著提升。未來(lái)，量子計(jì)算增強(qiáng)的AI將是一個(gè)重要的應(yīng)用底座，尤其是在生物制藥領(lǐng)域，雖然生命經(jīng)過(guò)幾十億年進(jìn)化形成了各層次互作的復(fù)雜體系，這也造成了目前解析的困難，但這些復(fù)雜體系背后也遵從一個(gè)很基本的物理統(tǒng)計(jì)原理，即互作體系總是向基態(tài)能量演化，這與量子計(jì)算的能量演化過(guò)程不謀而合，所以說(shuō)量子計(jì)算增強(qiáng)的AI將是解決生物制藥領(lǐng)域問(wèn)題的一個(gè)關(guān)鍵點(diǎn)，也將是未來(lái)五年的研究熱點(diǎn)和重要應(yīng)用嘗試。

2025全球生物制造大會(huì)

算力是各行業(yè)最底層的生產(chǎn)力基礎(chǔ)，量子計(jì)算具有經(jīng)典計(jì)算無(wú)法比擬的巨大信息攜帶和超強(qiáng)并行處理能力，能夠在特定問(wèn)題上提供指數(shù)級(jí)加速，量子信息技術(shù)是構(gòu)建新質(zhì)生產(chǎn)力推動(dòng)高質(zhì)量發(fā)展的重要方向，全球諸多國(guó)家在這一領(lǐng)域基本都進(jìn)行了戰(zhàn)略布局。

玻色量子算法總監(jiān)高奇以“萬(wàn)億分子‘光速篩選’，量子計(jì)算助力開(kāi)啟藥物發(fā)現(xiàn)新時(shí)代”為主題，系統(tǒng)全面地分享了玻色量子基于自研的相干光量子計(jì)算機(jī)，在真實(shí)的藥物篩選及人工智能領(lǐng)域的前沿探索、場(chǎng)景驗(yàn)證和創(chuàng)新應(yīng)用案例。

藥物發(fā)現(xiàn)面臨成本高，研發(fā)周期長(zhǎng)，成功率低的困境，化學(xué)分子空間的爆發(fā)式增長(zhǎng)與經(jīng)典計(jì)算的“摩爾定律”形成鮮明對(duì)比，經(jīng)典計(jì)算方法在面對(duì)指數(shù)級(jí)增長(zhǎng)的計(jì)算任務(wù)時(shí)顯現(xiàn)明顯的瓶頸，往往在速度和準(zhǔn)確率上難以平衡。針對(duì)這些痛點(diǎn)，玻色量子基于自研的相干光量子計(jì)算機(jī)，深耕藥物發(fā)現(xiàn)領(lǐng)域計(jì)算瓶頸問(wèn)題，通過(guò)量子計(jì)算的并行搜索優(yōu)勢(shì)從根本上突破傳統(tǒng)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(jì)算技術(shù)深度應(yīng)用到生命科學(xué)基礎(chǔ)研究和藥物發(fā)現(xiàn)領(lǐng)域的多個(gè)關(guān)鍵場(chǎng)景中，包括基因組組裝、RNA與蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、蛋白功能預(yù)測(cè)和組學(xué)數(shù)據(jù)處理分析等。同時(shí)，在藥物發(fā)現(xiàn)及篩選優(yōu)化方面也取得了令人矚目的成果，尤其是在結(jié)構(gòu)化虛擬篩選（SBVS）和配體虛擬篩選（LBVS）場(chǎng)景，成功實(shí)現(xiàn)小分子/多肽對(duì)接、變構(gòu)位點(diǎn)的精準(zhǔn)預(yù)測(cè)。具體說(shuō)來(lái)，利用量子算法對(duì)復(fù)雜蛋白的不同氨基酸團(tuán)進(jìn)行并行搜索，從而找到全局最優(yōu)的變構(gòu)效應(yīng)位點(diǎn)，基于相干光量子計(jì)算方法較傳統(tǒng)預(yù)測(cè)方法在預(yù)測(cè)精度上整體提升了約10%，尤其是在一些復(fù)雜蛋白上表現(xiàn)優(yōu)異；基于相干光量子計(jì)算的多肽/分子對(duì)接方法在如CASF2016等標(biāo)準(zhǔn)數(shù)據(jù)集上表現(xiàn)出與商業(yè)工具Glide SP相當(dāng)?shù)牟蓸幽芰Γ洳蓸訒r(shí)間縮短了至少兩個(gè)數(shù)量級(jí)。

同時(shí)，高奇還特別提到了“量子原生AI”——量子玻爾茲曼機(jī)訓(xùn)練方法。這一創(chuàng)新方法巧妙利用了伊辛模型與玻爾茲曼機(jī)在數(shù)學(xué)上的等價(jià)性，解決了經(jīng)典玻爾茲曼機(jī)因高復(fù)雜度而無(wú)法高效訓(xùn)練的難點(diǎn)。玻色量子提出的基于相干光量子計(jì)算機(jī)的量子訓(xùn)練方法，以量子采樣替代傳統(tǒng)的Gibbs Sampling方法，大幅提升了玻爾茲曼機(jī)的訓(xùn)練效率，展現(xiàn)了“量子+AI”的深度融合。

在生態(tài)合作方面，玻色量子聯(lián)合廣州國(guó)家實(shí)驗(yàn)室開(kāi)發(fā)了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)量子算法。將量子算法引入玻爾茲曼機(jī)模型，高效求解Potts模型的同時(shí)精確預(yù)測(cè)蛋白氨基酸殘基接觸圖，已經(jīng)在100結(jié)點(diǎn)的數(shù)據(jù)集上實(shí)現(xiàn)收斂，突破了傳統(tǒng)算法難以攻克的復(fù)雜場(chǎng)景。此外，玻色量子構(gòu)建了“藥企 - 高校 - 醫(yī)院 - 國(guó)家實(shí)驗(yàn)室”四位一體合作體系，未來(lái)與頂級(jí)高校、醫(yī)院及藥企攜手展開(kāi)深度合作，推動(dòng)生態(tài)共建，共享量子算力與數(shù)據(jù)資源，加速推進(jìn)藥物開(kāi)發(fā)和臨床驗(yàn)證的進(jìn)程。

隨著量子計(jì)算與生命科學(xué)、藥物發(fā)現(xiàn)等前沿領(lǐng)域的深度融合，玻色量子將以光量子計(jì)算為引擎，推進(jìn)實(shí)用化量子場(chǎng)景落地，引領(lǐng)生命科學(xué)基礎(chǔ)研究和藥物發(fā)現(xiàn)行業(yè)向精準(zhǔn)、高效的研發(fā)范式加速邁進(jìn)，開(kāi)啟“量子 + 生物” 的協(xié)同創(chuàng)新。