壁仞科技、本源量子、瀚博半导体、瀚海聚能共话前沿科技，中国从追赶到引领
微信视频号：sph0RgSyDYV47z6
快手号：4874645212
抖音号：dy0so323fq2w
小红书号：95619019828
B站1：UID:3546863642871878
B站2：UID: 3546955410049087
随着世界进入以科技为核心的战略竞争时代，进步中的前沿技术正在对人类社会产生深刻影响。
除了具身智能、低空经济等热门赛道，华映资本也一直在量子计算、芯片和可控核聚变等前沿领域进行探索布局。
6月28日，以“行深见沛，向新有为”为主题的2025华映资本年度大会在江苏扬州举办。大会现场，在华映资本董事朱彤的主持下，瀚海聚能董事长&创始人项江、本源量子总经理张辉、瀚博半导体创始人兼CTO张磊、壁仞科技研究院执行院长唐杉围绕《最前沿：量子计算、芯片、核聚能的竞速与协同》进行了深入探讨。
在项江看来，可控核聚变的行业特点是：技术门槛高、资金门槛高、人才集聚在体制内。考虑到中美融资环境的差异，瀚海聚能在商业模式的设计上，既会看到“低成本商业发电”的终局，同时也强调“沿途下蛋”，积极布局中短期的商业应用。
2024年本源量子的第三代量子计算机“悟空”为全球143个国家提供了量子算力服务，向世界展示了中国量子计算的声音。“我们已在量子计算的硬件和软件上全栈部署，全力做自主可控，为的就是不再像电子计算机一样处处受制于人。”张辉希望，未来5-10年，中国的量子计算能建立起自己的生态。
据张磊透露，瀚博半导体未来五年的规划思路是：第一，继续加大云端渲染 (云手机、云游戏、云桌面、云渲染) 快速商业化落地；第二，大模型收敛了，着重Deepseek和阿里Qwen类的推理适配和优化；第三，在边缘端，比如智慧工厂等有算力需求的场景重点发力。
判断人工智能对于算力的强劲需求带来巨大的市场机会后，唐杉认为面向数据中心的通用大算力芯片未来发展有几个趋势：第一，AI推理需求的巨大潜力是共识，但AI训练和AI推理的边界模糊了，企业需要解决从单个GPU扩展到成千上万个GPU并高效率运转起来的问题；第二，芯片软件面临的挑战依然很大，软件做不好，不管是单芯片还是集群的硬件能力都发挥不出来；第三，在当今的竞争大背景下，国内芯片设计企业必须努力做好供应链的优化。
添加图片注释，不超过 140 字（可选）
* 以下为圆桌讨论实录，华映资本略作整理
朱彤（主持人）：欢迎大家来到《最前沿：量子计算、芯片、核聚能的竞速与协同》论坛，瀚海聚能正在以FRC路线冲刺核聚变的商业化，对标美国公司Helion，本源量子刚完成了量子芯片设计软件第五代的迭代，壁仞科技和瀚博半导体是中国芯片向产业化和高端算力突围的代表。
我们今天会围绕三个维度展开，第一是技术突变的当下挑战；第二是跨领域协同的可能路径；第三是商业化落地的时间窗口。请各位嘉宾先介绍一下自己和所在企业。
项江：我是瀚海聚能的项江。瀚海聚能位于成都，采用与国家队不一样的直线型场反位形技术路线，优势是建造装置成本远远小于国家队建造的托卡马克，这让我们可以快速迭代。这个赛道与商业航天的发展初期非常相似，技术门槛高，资金门槛也很高，同时人才集聚在体制内。
我们作为这个新方向中一家初创民营企业，在成立之初就考虑过如何与正在成立的几个国家队巨头进行差异化发展。瀚海聚能现在对标的美国公司Helion在整个核聚变领域非常火，对方此前得到了OpenAI联合创始人兼CEO Sam Altman的投资，今年也融资了4亿多美元。这家公司的优势就是制造直线型的装置，采用脉冲式放电工作模式，每代装置成本就几个亿。国家队采用的托卡马克装置路线成本需要大几百亿，而且还只是试验堆，往后走到示范堆及商业堆，没有千亿做不出来。
关于商业落地，因为我们卖电力，所以最终要讲度电成本。从度电成本反推最初的技术路线选择和战略规划，我们一开始便选择了直线型场反位形技术路线。同时，考虑到中美双方融资环境的差异，我们积极布局了一些中短期的商业应用。
我们的第一代装置核反应效率没那么高，不能用来发电，需要迭代三到四代装置，才能走到最终的高效率商业发电。在这种情况下，我们聚焦于将核反应产生的中子利用起来，成为中子源产品。我们可以给行业提供测试平台，同时还布局了核医疗、肿瘤放射治疗以及核同位素的生产，还有核废料处理、中子成像等方面。这就是我们的“沿途下蛋”规划，可以积极支撑我们走向未来，走向最终的商业发电。
张辉：大家好，首先特别感谢华映的邀请，我对华映一直非常感激，印象也特别好，每次来都和高男总有交流。之前与高男总经过半小时交流，华映就决定投资当时还比较遥远的技术——量子计算。
本源量子是中国第一家量子计算公司，我简单用几个“三”来介绍一下自己：
第一个“三”，三代科学家经过二十多年的科学研究和接力，从两弹一星元勋钱学森，到中国科学院院士、中国科学院量子信息重点实验室主任郭光灿，再到中国科学技术大学教授郭国平，才有了2017年成立的本源量子。目前，我们在全力和美国IBM、谷歌等世界最强的团队PK。
第二个“三”，公司今年进入第八年，已经有过三代量子计算机的迭代，去年发布的第三代“悟空”量子计算机，在一年半左右的时间向全球143个国家提供了量子算力服务，也向全球展示了中国量子计算的声音。
第三个“三”，与投资人关联度比较高。本源量子是目前国内探索量子计算产业化进程最头部的团队。我们在2023年被合肥市列为链主企业，把量子计算的未来产业分为三条产业链：一是生产制造链，我们造量子计算机需要很多顶尖技术加持，因为量子计算依赖于现在的各类顶尖技术，包括极低温技术、高精尖测量技术等；二是应用生态链，在金融、生物医药、人工智能、国防军工等行业，量子计算都有非常大的用途；三是科普教育产业链，我们正全力在做，希望在未来五到十年，中国的量子计算可以尽快建立起自己的生态，不要再像电子计算机一代，处处受制于人。不仅是硬件，还有各种软件，我们是全栈部署，最近也发布了最新的量子计算EDA软件。
本源量子是一家专注做量子计算的公司，我们全力做自主可控，造中国人自己的量子计算机。
张磊：我是瀚博半导体创始人兼CTO张磊，非常感谢华映的邀请。瀚博是一家高端GPU芯片和解决方案的提供商，有三个产品线，一个是云端渲染GPU，一个是云端AI数字中心的GPU，还有一个是边缘计算的GPU。
我们的客户群非常广，在商业化落地方面，包括中国几乎所有的头部互联网公司。在场景方面，包括云端渲染类的云手机、云游戏、云桌面、数字人直播，还包括工业设计软件类的云端渲染应用；在数字中心的AI，包括像DeepSeek和阿里千问的推理应用；在边缘端，有车路云协同、人形机器人和智慧工厂等应用。
我们整体的产品品类比较广，希望通过我们的GPU产品，最终能帮助大家生活得更美好，有非常多的应用可以用得起来。
唐杉：我是壁仞科技的唐杉，很感谢华映的邀请。壁仞科技是一个GPU芯片公司，产品主要是面向数据中心的高性能通用GPU芯片。围绕这个芯片，我们也会做相应的软件和硬件系统，包括与合作伙伴一起做大规模部署，现在可能大家也都知道，比如说千卡、万卡的GPU部署。
对于GPU，大家已经很了解了，而且确实也比较热。最近，英伟达的股票又创新高了，市值达到世界第一。人工智能对于算力的需求，对我们来说是一个非常大的机会，但是做芯片还是挺难的。壁仞科技2019年成立，到现在经过了五年多的努力，产品在各个场景都逐渐用起来了。但这后面，应该还有很长的路要走。
核聚变直线型装置存在明显的成本优势量子计算与核聚变息息相关
朱彤（主持人）：第一个问题先问项总，瀚海聚能是国内第一家FRC直线型装置路线的创业公司，请您介绍一下，相较于于传统的托卡马克，瀚海这种技术路线在商业化落地方面有什么关键的优势？
项江：我们最大的优势是装置建造成本低，结构比托卡马克简单得多。目前行业的的共识是，通过核聚变进行真正高效率的发电，至少还需八到十年的时间。
在如此长周期的情况下，我们如何快速地进行技术迭代？就像商业行航天刚开始时，马斯克发射的那么多火箭中也有很多掉了下来。在这个装置的建设过程中，国家队在多年技术的积累中，出于安全性和风险最低的考虑，选择沿着原先的技术道路（托卡马克装置路线）继续走，这种技术路线最大的问题是资金体量需求非常大，中国以及其他强国都下了非常大的决心，投入大量的资金在做这个事情。
我们的两个国家队成立了公司，注册资本达到上百亿，目前正在落地，全球近两年也有大型的装置落地建成。这样大资金的投入，还有后续的建造和调试周期，加起来的迭代周期会非常长。按照以前的经验来看，这个周期动辄就是十年。
但是我们这个技术路线，从国外的发展情况来看，一年到一年半就可以迭代出下一代装置。迭代的过程中，很多非常大成本的项目，比如电源、诊断等，都可以重复使用，这使得后期的迭代速度会非常快以及迭代成本会非常低。这是我们最大的优势。
朱彤（主持人）：量子计算和核聚变未来会有一定程度的结合，比如核聚变装置运行需要海量的等离子模拟，那么当前是否会依赖于超算？
项江：核聚变面临三大问题，第一是燃烧等离子体的控制，我们叫“人造小太阳”，模拟的是太阳上发生的反应。太阳上的温度是1500万度，在地球上要达到这个温度，需要上亿度。这种温度下的物质是等离子状态，我们需要用磁场进行控制。因为控制时有很多不稳定性，所以要想尽办法，在做试验和做装置之前进行大量的数值模拟和计算。
在装置建成之前，数据量很少。装置建起来产生大量数据以后，我们用先进的芯片和大量的算力提供支撑。在场的几家芯片企业和量子计算企业，实际上都与我们息息相关。这两年核聚变为什么这么火，也来自于芯片的进步和人工智能的大力发展。刚才唐总提到了英伟达的发展，现在对于人工智能的发展来说，可能还被英伟达的产能卡了脖子。
大家都知道，AI的发展最终是能源的发展，能源如果供应不上，AI就熄火了。
朱彤（主持人）：您觉得如果量子的算力五年内可用，会调整公司在核聚变研发的模拟策略吗？
项江：这是非常可能的。我们本来是科技企业，发展科技同时也受益于现在最新科技的发展，如果说量子计算的算力有快速提升，我们会非常积极去拥抱。我和张辉总是中科大校友，目前我们和中科大校友的企业都在紧密合作。
“量超智三算融合”将是未来5-10年新主流计算范式
朱彤（主持人）：下一个问题问张辉总，本源量子拥有很多喜人的成绩，是中国第一家量子计算公司，拥有国内唯一量子芯片生产线、国内首个自主量子计算机操作系统“本源司南”、国内首款量子计算测控系统“本源天机”等，而且研制的中国第三代自主超导量子计算机“本源悟空”，已经被全球143个国家和地区的用户访问了3千余万次，已经在全球完成超53万次量子任务。
请问张辉总，在本源量子商业化的路径中，您认为专用的量子计算机和通用的量子计算机在优先级上该如何布局？
张辉：我2019年给政府做了一个关于量子计算发展阶段的分享，把量子计算的发展分为三个阶段。
第一阶段是2010-2020年，当时大家造量子计算的原型机，美国很多的量子计算公司以及中国的几家量子计算公司，都是在那个阶段完成了原型机的工作；第二阶段是2021-2030年，我们称之为专用量子计算机时代，专用的一定会比通用的近很多；第三阶段是2030年之后，从现在行业整体发展以及IBM、谷歌最新的发展线路可以看到，通用量子计算机大概的规划是在2030年之后。
目前我们正在经历专用量子计算机的阶段。不管是超导，还是离子、光子量子计算机，都没有达到通用级，还有很高的出错率。因为量子计算要控制微观粒子来完成整个计算过程，所以很容易受到环境的影响，使得它的计算错误率非常高。今天我们所有讲的量子计算机，都停留在专用级别。
我们这两年，包括院士在内，一直在国家层面上全面推动“量超智三算融合”（超级计算、智能计算与量子计算的协同工作，称为“三算融合”）。我们认为量子目前的定位是在未来5-10年能作为CPU/GPU的加速器，完成一些它擅长的任务。
黄仁勋6月11号在巴黎的技术大会上说，未来所有的超算中心、智算中心，都要装上QPU，也就是量子计算。所以，三算融合会是未来五到十年一个非常主流的新计算范式。
朱彤（主持人）：您觉得未来量子计算与可控核聚变会有哪些结合点？
张辉：首先，项江师兄也是我们的股东，2021-2022年就参与投资了我们。我相信师兄的眼光比我们看得远一些，因为他在做核聚变之前先投了量子计算。现在人类有一类问题非常难计算，就是模拟微观粒子，比如流体问题，国家要建风动实验室，把飞行物、运动员在里面吹，模拟这些过程。如果未来有一个很先进的机器，可以天然模拟这些微观粒子，一定非常强大。
量子计算机基于量子力学，天然就可以模拟微观粒子的运动规律。刚才讲的核聚变模拟过程，我相信量子计算一定可以赋能到这个领域。我们关注到美国军方2023年征集了一大笔资金，来用现在的专用量子计算机做核聚变的一些早期模拟工作，我相信这是未来非常重要的趋势。
反过来想，量子计算本身也是一个天然的绿色计算范式。根据香农理论，传统计算机一旦信息擦除或者信息变化就会消耗能量。对于电子计算机而言，包括CPU和GPU发热是非常严重的问题，能耗很集中，但是量子计算所有的操作都是可逆运算，所以不消耗能量。
量子计算在节能层面有很大的优势。谷歌在2022年做过一个试验，同样跑一个问题，量子计算机的能耗比传统电子计算机小了6个数量级，大概十万分之一的能耗就可以算完同样的问题。所以在能耗这块来说，量子计算机也是未来一个非常有潜力的计算工具。
现在量子计算也被誉为信息领域的核武器，各个国家都在争夺先位。美国直接把量子计算誉为微型曼哈顿计划，把量子计算作为微观领域的原子弹，在举全国力量争夺这个技术。我觉得中美之间在量子计算上一定会有很强的博弈。
AI爆发促进GPU行业快速发展
朱彤（主持人）：下一个问题同时抛向张总和唐总，两家企业都是做通用计算芯片的公司。我想了解一下，你们未来五年布局的思路是什么，主要要突破的核心技术难点在哪？
张磊：从我们公司的角度来说，会涉及云端渲染、云端AI和边缘端AI三个不同领域，这三个领域的应用不同，对技术的要求也不同。比如云端渲染对应用的要求，对于云游戏、云手机、云桌面等应用，会从云端的角度关心能够同时支持多少用户。
从游戏来说，现在有很多新的游戏越来越重，已经在手机上跑不起来了。上午的演讲嘉宾有提到叠纸游戏，叠纸游戏打造的无限暖暖是一个非常重的游戏，女孩子非常喜欢里面的衣服和配饰，这对渲染的要求非常高，所以一般的手机还真跑不起来。
我们和包括叠纸在内的游戏公司合作，当云端算力非常强的时候，可以用云游戏或者云手机来做这些应用，这对云端渲染的要求也非常高，其中还包括一些工业软件的渲染。放到云端以后，安全也是一个重要考虑要素。我觉得这一类应用和AI应用完全不同，我们这个领域正在商业化落地的过程中，拥有非常多的客户。
然后就是AI。我们看到在DeepSeek之后，模型收敛到了比如说DeepSeek和阿里千问类，这其实是好事，芯片公司比较容易聚焦到这几家来完成落地。DeepSeek MoE的架构本身也非常好，和以前的Dense模型相比，在训练时大大降低了对整个板卡的需求。
不久前MiniMax公布了新的模型，用了512块H800 GPU，算力租用成本不到400万美元，就训练出来了。我们看到AI对训练量降低的同时，对推理的要求大大提高了，对我们这种芯片公司来说，聚焦几个模型，可以更快速地推这类应用。综合来说，对中国的芯片公司是个好事。
在边缘端，我们看到在智慧工厂中阿里的千问3对边缘端非常友好，是非常可落地的模型。所以，我们也在智慧工厂、智慧仓库进行发力。
从具身智能的角度来说，今天大部分的机器人和人形机器人还没有一个GPU。我们希望逐步和中国头部机器人一起合作，把国产的GPU做在里面，让机器人更聪明，这是我们3-5年的计划。
唐杉：我们公司主要聚焦于数据中心，所以我也想谈一下对数据中心大算力芯片趋势的看法，这也是我们正在努力的工作。
第一，从AI的需求来讲，我觉得Inference或推理的需求增长，是大家的共识。同时，我们看到训练和推理的边界模糊了。现在我们讲Pre-training、Post-training、Test-Time scaling，像Post-training，现在有很多增强学习的方法，也需要大量Inference的算力。现在做Inference，比如DeepSeek，最理想的部署模式是大规模集群部署，不是1张GPU或者8张、16张，实际上最合理的性价比是使用数百张卡的系统。
这其实就引出我们第一个在努力做的工作——扩展。我们已经从单个GPU扩展到怎么把成千上万个GPU互联起来，而且要效率高。这个挑战非常大，也不是我们一家公司可以实现的。这涉及到芯片之间的互联、系统之间的互联，还包括超级点的实现等等，很多是系统级工作，需要合作伙伴一起努力。当然，我们在中间要发挥很大的作用。
第二，还是软件，我们现在很大的努力是在软件上。在AI的应用场景中，做大算力芯片，或者说通用大算力芯片，软件方面的挑战非常大。好处是刚才张总提的，我们现在有模型收敛的趋势。但是如果软件做不好，不管是单芯片的算力，还是大规模集群算力，都发挥不出来，那么你在硬件上的投资也就都浪费了。所以做好通用的软件栈，充分发挥芯片的能力，降低大家开发应用的时间，这对商业化落地非常重要。
第三，在目前的大背景下，我们面临特殊的挑战。对于国内公司来讲，现在一个重要的课题就是供应链新的优化。现在到未来几年，这个问题是我们从技术上和供应链上最重要且要努力的点。
朱彤（主持人）：谢谢四位嘉宾的深度碰撞。我们可以看到，量子计算的算法和芯片的双重突围，以及半导体在制程和生态的加速演进，还有核聚变在工程化落地的加速冲刺。三者不仅仅是技术的融合，更是中国在前沿科技产业链上从追赶位置到引领的转折点。最后留给各位嘉宾一分钟的时间，用一个词展望一下2025年的愿景。
项江：我们现在非常清晰地看到，在核聚变行业，科幻正在照进现实，人造太阳正在点亮人类的未来。十年之后，我们可以拥有能源自由。而能源作为基础建设，我相信可以赋能各行各业。在2025年，对于我们公司来讲，装置也会建成落地，希望尽快给各行各业带来能源革命的最终益处。
张辉：我们郭院士在很多采访中讲到一句话，他说我们这代人非常幸运，处在人类社会从经典技术向量子技术过渡的时间段。过去几百年中，物理学已经停滞了非常长的时间。中学甚至小学都会学到的牛顿力学，几百年来可以解释宏观的绝大部分问题，也帮助人类在过去几百年高速发展。从物理学上讲，我们今天面临着一个技术变革的时代，正在用微观的量子力学来产生新的量子生产力，服务未来五十年、一百年甚至更长时间的人类技术的发展。我相信今天在场的所有人，都有机会见证量子技术带来的全新变革。
张磊：2025年对瀚博来说是一个超大规模的商业化落地的节点，只有我们的客户用我们的产品是可以大规模落得下去，而且我们很多的产品是最终客户看得见的，最终客户是指包括我、你、大家。这些最终客户能用我们客户的产品，然后我们的产品让最终用户用得很好，那么我觉得我们公司就成功了。
唐杉：我说一个词——Scaling，人工智能中的三个Scaling把英伟达的股票推到最高点，这是我们最好的机会。另外，从GPU的角度来讲，现在大家讲的是Scaling up和Scaling out，对于壁仞来讲，我们希望2025年是我们快速Scaling up和Scaling out的一年。
微信视频号：sph0RgSyDYV47z6
快手号：4874645212
抖音号：dy0so323fq2w
小红书号：95619019828
B站1：UID:3546863642871878
B站2：UID: 3546955410049087
参考文献链接
人工智能芯片与自动驾驶
浙公网安备 33010602011771号