量子计算凭借量子叠加、纠缠特性，有望实现对经典计算的指数级加速，是突破算力瓶颈的核心力量 。其与人工智能深度融合催生的量子人工智能（QAI），能显著提升模型表达能力与训练效率，有望解决经典AI可解释性差、高维数据处理难等根本性挑战，已成为全球战略前沿。
当前量子计算处于含噪中规模量子（NISQ）时代关键节点：硅基量子芯片等硬件持续迭代，为量子AI提供算力基础；但百万比特级系统的软硬件协同、容错计算仍面临核心挑战。同时，量子机器学习理论不断创新，已在生物信息学、计算成像等领域展现实用优势，后量子安全部署也迫在眉睫。
在YEF2026 大会即将召开之际，本期数图特辑从CCF数字图书馆精选部分往年YEF高质量报告，内容涵盖硅基量子芯片、大规模量子计算软硬件协同优化、混合量子生成对抗网络、国产算力基础软件、全光网络演进及大模型应用探索等内容，兼顾理论深度与工程实践，为科研与产业从业者提供从底层原理到跨域落地的完整视图。
编委主任：苏金树 CCF会士 军事科学院教授
本期主编：李晓瑜 CCF量子计算专委副秘书长 电子科技大学教授
从分析和对比国产AI加速器市场分析、产品分析和应用测评角度，分析自下而上研发不同类型加速器的硬件带动软件研发模式，和从应用和基础准测试体系自上而下前瞻确定产品特性和参数的挑战，讨论在产品研发和工程实现中需要权衡的因素；并在各种约束下，讨论系统级优化和算子优化的工程经验。同时比照HPC行业的发展，探讨AI算力在应用中的独特问题，包括混合量化、超节点集群的优化问题。
作为大湾区数字基础设施建设的主力军，广东联通通过持续的技术创新，打造了一张高品质的全光网络。面向算力时代的全新挑战，这张网将全面升级至全光运力网络，以更大的带宽、更低的时延、更灵活的调用和更智能的管控，来为用户提供更加高效、更加可靠的算网服务。未来，我们将着力打造1+N+X的算网产品体系，为千行百业的数字化转型保驾护航，助力大湾区乘“算”而起！
量子人工智能的规模化应用面临硬件工艺与软件系统的双重瓶颈。本报告系统分析了构建百万量子比特量子计算机的核心挑战：硬件层面的量子比特集成与操控精度问题，软件层面的容错计算与跨节点通信效率问题。报告深入探讨了通过硬件-软件协同设计突破这些瓶颈的可能路径，为构建实用化大规模量子AI系统提供了前瞻性的技术框架。
本文发表于《计算机科学》2025年第6期，针对混合量子经典生成模型在高维图像生成中参数量大、效率低的痛点，提出了融合矩阵乘积算符的量子压缩生成器结构。该结构通过分块生成与张量压缩技术，将模型总运行时间提升92.88%，参数减少5.59%，在MNIST和FMNIST数据集上展现出优于传统模型的收敛速度与生成质量，为量子AI在图像生成任务中的轻量化部署提供了可行方案。
