量坤发布国内首个量子智能体

量坤科技在正在上海举行的WAIC 2026上正式发布“量启AI Agent”，并将其称为国内首个量子智能体平台。与它一同亮相的还有量子软硬件统一控制套件“fieldqkit”和材料科学数据智能预测平台“元材智库”，三款产品共同组成量坤科技最新的“量子×AI×HPC”异构智能计算产品矩阵。

量启AI Agent不是一款新的基础大模型，而是一个让智能体理解科研任务、选择计算工具并调度量子与经典算力的平台。它要解决的问题并非“让量子计算机运行大模型”，而是把大模型放在任务编排层，让其根据目标拆解步骤，再调用量子算法、高性能计算和科学数据库完成计算。

截至2026年7月20日，量坤科技尚未公开量启AI Agent的完整技术文档、支持的量子硬件清单、工具数量、价格、基准测试和开放方式。因此，这次发布更接近产品方向与架构的首次亮相，而不是一个已经可以用跑分和成本评估成熟度的标准化开发平台。

三款产品组成一条“科研计算流水线”

量坤科技这次发布的重点不是单个Agent，而是一条从自然语言任务到科学计算结果的完整链路。量启AI Agent负责理解和编排任务，fieldqkit负责连接底层量子软硬件，元材智库则将这套能力落到材料科学这一具体场景中。

**量启AI Agent是面向量子与经典混合计算任务的智能体编排平台。**它理论上可以把科研人员提出的目标转换为若干计算步骤，判断哪些步骤适合交给大模型、经典CPU或GPU集群，哪些步骤可以尝试调用量子算法，最后再聚合和解释结果。

**fieldqkit是量子软硬件统一控制套件。**量子计算目前仍存在硬件路线多、控制接口分散、实验参数复杂的问题，一个统一控制层的价值类似于给不同量子设备增加共同的“驱动和操作界面”，减少上层应用直接适配每一种硬件的工作量。

**元材智库是面向材料科学的数据智能预测平台。**材料研发通常涉及文献检索、配方筛选、结构预测、性质计算和实验验证，周期长、搜索空间大，是AI for Science最常见、也最容易产生明确产业价值的方向之一。

三款产品的角色可以概括如下：

| 产品 | 产品定义 | 所处层级 | 主要任务 | 当前公开信息完整度 | |---|---|---|---|---| | 量启AI Agent | 量子与经典计算任务的智能体平台 | 任务规划与编排层 | 理解目标、拆解任务、选择工具、调度算力、汇总结果 | 尚未公布工具数量、模型配置与性能数据 | | fieldqkit | 量子软硬件统一控制套件 | 设备与执行层 | 连接量子软件、控制系统和硬件设备 | 尚未公布兼容设备及接口清单 | | 元材智库 | 材料科学数据智能预测平台 | 行业应用层 | 材料数据检索、性质预测与研发辅助 | 尚未公布数据规模和预测准确率 |

量子智能体究竟是什么

量子智能体平台是使用大模型或其他AI模型规划任务，并自动调用量子算法、经典计算资源和行业工具完成工作的软件系统。它与普通智能体的核心差异，不在于聊天能力，而在于工具箱里是否真正接入量子计算资源，以及系统能否判断量子算法适用的边界。

一个典型的量子智能体工作流可以分为五层：

1. **自然语言理解层负责识别科研或产业目标。**例如，用户可能提出“从一组候选分子中寻找兼顾稳定性和导电性的材料”。
2. **任务规划层负责把目标拆成可执行步骤。**系统需要生成数据清洗、候选筛选、结构计算、优化求解和结果验证等子任务。
3. **工具路由层负责选择计算方式。**部分任务适合大模型和数据库，部分任务适合GPU或HPC集群，组合优化、量子化学模拟等步骤则可能尝试量子或量子—经典混合算法。
4. **算力执行层负责管理真实计算资源。**这一层需要处理任务排队、设备状态、噪声、失败重试、参数回传和成本控制。
5. **结果聚合层负责验证并解释输出。**智能体不能只返回一段流畅文本，还应保留计算过程、参数、误差范围和可复现记录。

高性能计算（HPC）是通过大规模并行CPU、GPU和高速网络完成复杂计算的基础设施。现阶段量子计算尚不能取代HPC，真正可行的架构通常是让经典计算承担数据预处理、参数优化和结果验证，再把特定子问题交给量子处理器。

量子—经典混合计算是经典计算机与量子处理器循环协作的计算方式。以变分量子算法为例，量子处理器负责执行参数化量子线路，经典优化器根据测量结果更新参数，双方需要多轮迭代才能得到结果。

这也意味着，量启AI Agent真正困难的部分并不是接入一个对话模型，而是建立可靠的任务路由和评估机制。一个Agent如果把本应由GPU快速完成的任务错误地送往量子设备，只会增加排队时间、噪声和成本；如果无法识别问题规模和硬件限制，“一句话调用量子算力”就可能停留在演示层面。

“国内首个”的含金量需要加限定词

量坤科技此次使用了“国内首个量子智能体平台”的表述，但这一标签仍需要结合产品定义理解。就在7月18日，同样参加WAIC 2026的图灵量子发布了QAgent，并将其称为“全球首个基于光量子技术路线、面向行业场景的量子—经典混合Agent平台”。

两家公司对“首个”的统计口径并不完全相同。量坤科技强调的是量子、AI与HPC的统一异构智能计算架构，图灵量子强调的是光量子技术路线、行业场景以及端到端Agent闭环，因此目前不能只依据宣传名称判断谁在技术上绝对领先。

公开信息显示，QAgent已经披露了“自然语言输入、任务拆解、量子Agent协同调用、量子算力调度、结果聚合输出”的流程，并声称接入超过100项量子—混合行业工具技能，覆盖生物医药、金融科技、交通物流、教育科研、电力能源和网络通信六个领域。相比之下，量启AI Agent目前公开的量化信息更少，但它与fieldqkit、元材智库形成了从控制层到行业应用层的垂直组合。

| 对比项 | 量启AI Agent | 图灵量子QAgent | 通用AI Agent | |---|---|---|---| | 发布时间 | WAIC 2026期间 | 2026年7月18日 | 已广泛商业化 | | 核心定位 | 量子×AI×HPC异构智能计算 | 光量子路线的行业级量子—经典混合Agent | 搜索、办公、编码和业务流程自动化 | | 量子能力 | 宣布接入统一量子计算体系，细节待披露 | 明确强调光量子技术路线 | 通常不原生接入量子硬件 | | 公开工具规模 | 未披露 | 超过100项工具技能 | 因平台而异，通常较丰富 | | 已披露场景 | 通过元材智库重点落地材料科学 | 覆盖六个行业 | 互联网、办公和企业软件为主 | | HPC协同 | 被列为核心架构组成 | 强调量子—经典混合 | 主要使用云端CPU与GPU | | 价格与开放方式 | 未披露 | 未见完整公开价格 | 多数已有订阅或按量计费 | | 当前判断 | 架构完整，但缺少可验证指标 | 场景和工具数量披露更多 | 工程成熟度最高，但不解决量子科研问题 |

量启AI Agent现阶段的优势是产品层次比较完整，而短板是缺少开发者可以验证的数据。对技术平台而言，“接入量子计算”只能证明连接存在，不能证明量子计算在真实任务中更快、更准或更便宜。

为什么材料科学可能是更现实的落点

材料科学是量子计算、AI与HPC最容易形成协同的行业之一。材料的电子结构和分子相互作用本身遵循量子力学规律，而传统高精度模拟对算力需求很高，因此行业长期在寻找更高效的近似方法和计算架构。

元材智库的价值取决于它能否把数据、模型和计算闭环连接起来。仅仅做一个材料文献问答系统并不难，真正困难的是让系统从论文和实验数据中提取结构化信息，生成候选材料，调用模拟工具预测性质，再根据结果调整搜索方向。

量子智能体在这一场景中的合理位置是“计算调度员”，而不是“万能科学家”。例如，智能体可以先用机器学习模型从十万个候选结构中筛出一千个，再用HPC完成高精度计算，最后将少量适合的问题提交给量子算法验证，这比把全部任务直接送入量子设备现实得多。

量子优势是量子计算机在特定任务上优于最佳已知经典方法的可验证表现。对于企业采购者而言，真正值得关注的不是平台有没有量子模块，而是相同精度下计算时间能否从数天缩短到数小时、总成本是否下降，以及输出能否被实验结果验证。

量坤科技想做的，是科研计算的统一入口

量坤科技正在尝试把原本分散的量子算法、大模型、AI for Science、科研智能体和高性能计算能力组织到同一个技术架构中。该公司在2026年6月被报道完成数亿元天使轮融资，说明资本市场对“Quantum × AI × HPC”的组合仍有较高预期。

这套叙事比单独销售量子算力更符合当前产业阶段。量子硬件仍处于快速演进期，设备可用性、错误率、有效量子比特规模和算法收益都存在限制，而AI Agent可以先降低使用门槛，把量子计算包装成科研工作流中的一种可选工具。

统一入口也可能带来新的平台锁定问题。开发者需要确认任务描述、中间数据、算法参数和运行记录能否导出，fieldqkit是否支持不同厂商设备，以及元材智库中的模型预测能否在外部环境复现；如果这些能力不开放，平台就更像封闭的科研SaaS，而不是通用计算基础设施。

开发者现在最该关注五个指标

量启AI Agent是否具有实际使用价值，最终要由可复现的工程指标决定。量坤科技后续至少需要补齐以下五类信息：

• **硬件兼容范围必须明确。**平台究竟支持超导、离子阱、光量子还是量子退火设备，以及是否允许接入第三方云端或本地量子硬件，决定了它是不是一个真正的统一平台。
• **工具与算法清单必须公开。**开发者需要知道平台支持哪些量子化学、组合优化和机器学习算法，以及每项工具的输入限制和推荐问题规模。
• **路由依据必须可解释。**系统应说明为什么选择量子、GPU或CPU，而不是只给出一个黑箱结果。
• **基准测试必须包含经典基线。**测试不仅要展示量子任务成功运行，还要与成熟经典算法比较时间、精度、成本和稳定性。
• **科研过程必须能够复现。**每次运行应保留模型版本、数据版本、硬件信息、线路参数、随机种子和误差处理方式。

量子软件生态的门槛并不低，开源项目Qiskit和Cirq已经提供量子线路构建、模拟与硬件执行等基础能力。新平台若要建立竞争壁垒，不能只把这些能力套进聊天界面，而要在跨工具编排、行业数据、硬件控制、实验复现和任务成功率上形成明显差异。

结论：方向合理，验证才刚开始

量启AI Agent代表了量子计算产品从“提供设备和开发工具”向“直接交付科研任务”的变化。对不熟悉量子线路和底层控制的材料、化学与工业研发人员而言，这种变化确实有用，因为他们更关心问题能否解决，而不是量子门如何编排。

量坤科技此次更值得关注的是量启AI Agent、fieldqkit和元材智库的三层组合，而不是“国内首个”这个容易引发口径争议的标签。控制层、编排层和应用层一旦真正打通，量子计算才可能从实验室里的特殊资源，变成科研人员工作流中的普通计算工具。

量启AI Agent目前仍缺少性能、价格、客户案例和开放接口等关键信息。它已经给出了一个合理的产品结构，但距离证明“量子智能体比经典AI Agent更有价值”，还需要真实任务、第三方测试和长期运行数据。

参考来源

• Qiskit GitHub仓库：量子线路、量子信息与硬件执行相关的开源软件开发工具，可用于理解量子软件基础能力。
• Cirq GitHub仓库：面向量子线路构建与NISQ设备实验的开源框架，可作为量子控制和执行层的技术参考。
• Hugging Face Agents Course：介绍AI Agent、工具调用和任务编排的基础概念。

事件信息综合自量坤科技WAIC 2026公开发布内容、36氪相关快讯、亿欧融资报道及WAIC 2026现场公开报道；根据文末域名限制，未附上述站点外链。