自1999年起，《麻省理工科技评论》每年在全球范围内从生物医药技术、能源材料、人工智能等多个前沿学科和科技领域中遴选出35岁以下对未来科技发展产生深远影响的青年科技人才-“35岁以下科技创新35人”。2017年《麻省理工科技评论》将这份最权威的榜单落地中国，旨在以全球视野挖掘最有创新能力的科技青年领军人，并为这些青年科学家搭建一个高度国际化的舞台。
为聚集全球创新人才和资源，打造创新人才高地，中关村科学城与北京清华工业开发研究院联合《麻省理工科技评论》中国，于2023年3月30日-31日在北京·海淀中关村自主创新示范区展示中心会议中心举办全球青年科技领袖峰会暨《麻省理工科技评论》“35岁以下科技创新35人”中国发布仪式。
以下为全球青年科技领袖峰会的量话未来板块：炉边谈话环节，由云现场整理。
陈玥雯：首先谢谢三位老师今天来参与我们这个量话未来的圆桌论坛，一起讨论这个让人非常兴奋的话题，尤其我觉得我们这个组织挺好的，因为分别由代表资本大咖的金老师，青年学术领导的陈老师包括还有优秀的创业者杨老师。
所以今天也想听听各位的想法，各自先介绍一下自己和团队现在所做的一些事情。
金豫江：我是来自华控基金的金豫江，华控基金主要是聚焦在硬科技的投资，这个词现在比较热，包括很多的领域，华控本身是在军工领域有比较多的投资，整个投资项目有30多个，上市的公司已经有超过10家了，我个人参与投资的比如说北国高科、睿创维纳都已经进入了资本市场。最近几年更多是在投所谓的尖端科技，跟今天的主题比较类似，今天很多主题比如说包括量子、AIGC的人工智能、脑机接口甚至一些生物技术都是我们重点的投资行业，都投了很多的头部的企业。
陈基：谢谢主持人，我叫陈基，是来自北京大学物理学院，我的团队现在主要就是我以及我们组里的博士生和博士后还有本科生，大概有20人左右，我们这个团队主要是在发展一些计算方法，这个计算方法把它叫做全量子化计算方法，但是实际上我这个地方要解释一下，因为今天是量话未来，很多的嘉宾实际上主要是想发展量子计算机，我们这个话题组实际上主要是基于经典计算机在发展这个计算方法。
当然用经典计算机就像我们过去几十年很多的科学同行都在做的事情，也是在研究量子的问题，用经典计算机尝试发展一些更好的算法，能够达到我们目前人类所掌握的技术，能够做到的极限，希望能够用来研究一些凝聚态物理和材料学、化学里面的一些体系以及它们相互交叉的问题。
我们的方法主要是基于一类叫做量子蒙德卡罗的方法，可以这么说，我相信未来肯定有更好的量子技术，但是现在我们这些经典的计算机平台以及同行所发展的这些方法在处理量子力学的问题层面可能是代表了目前人类所能达到的极限，其实从这个意义上可能我们也算是给杨总发展量子计算技术的同行提供了一个目标，我非常期待有一天我们看到量子计算的技术能够真正的超越原来已有的经典计算机上的这些算法，当然也不容易，因为我们也在往前走，所以给杨总等其它同事同行提出了一个挑战，谢谢大家。
陈玥雯：这个特别好，可以有两个路径然后殊途同归，然后一起看谁跑的更快的事。
杨林：陈老师说的非常好，我们现在在做的事情就是这个事情，希望能够把更大规模的借助芯片和算法这两大底层技术的驱动，能够让更大规模的光计算和光量子计算服务于我们的产业，服务于我们整个人类未来的算力需求，这个是我们图灵量子长期的愿景，现在整个的团队是在上海、北京、无锡三地的布局，整个图灵有接近200人的高水平的研发团队在致力于光计算和光量子计算，围绕光集成芯片的方向在做一些产业化的事情，非常感谢今天能有这个一会介绍我们图灵量子的工作。
我本人是毕业于中国科学院大学，早期其实也从事人工智能和量子计算相关的科研工作，从前年左右加入了图灵量子，在负责图灵量子的产品研发工作，希望和大家有更多的机会能够交流。
陈玥雯：刚刚讲的是现在在做什么，我们来畅想一下未来，因为今天整个大会的峰会主题也是围绕着人类为了什么需要创新，你们结合一下自己的工作领域所做的事情，大胆的开开脑洞，未来的畅想包括可能在你们所在领域的一个终极的想象是什么样的状态，要不从杨老师那边再到金老师这边。
杨林：关于这个终极想象，非常多的影视和科幻作品里面有一些蛛丝马迹和幻影，量子计算这个领域今年最火的就是《流浪地球2》里面的MOSS，基于大规模的通用量子计算机为算力底座能够运行类似于像MOSS这样的通用人工智能应用场景和作为所谓的科研助手或者是生活助理也好，这样的场景是我们在目前阶段能够想象的量子计算机和人工智能的一个双重叠加的非常好的场景。
至于量子计算这个场景我们能够畅想的就是希望更多的结合产业，带来一些颠覆性的影响，不仅仅是在大家可能早期听到过的比如说数字加密包括量子通讯，大数的搜索这样的领域，更多在于材料领域能够有更新的材料，能源领域能有更清洁的能源的研发，在金融领域能有更普惠的金融方式，通过量子技术的加持，生物医药领域更有更多更快的研发新药的方式，人工智能能够触达的千行万业里面，量子技术能够作为人工智能在大模型，在未来通用人工智能的算力底座的层面和经典计算做更多的融合，这些都是我们目前能够想象的到的终极的图景，当然这些图景大部分离我们都还有不短的一段距离，除了在量子计算从业的企业之外，大量的各行各业的从业者共同为了这样的美好目标图景共同做出努力，谢谢。
陈基：因为我在北京一方面是做研究，另外一方面可能另一个身份也是一个年轻的老师，我想从老师的角度说一下，我个人至少目前已经开始尝试也是非常看好的一个方向就是未来人工智能和量子的结合，这个可能能够产生一些非常重要的真正的颠覆性的技术，我们从科学研究发展的范式来说，量子力学实际上就是20世纪初期大概100之前一次非常大的科学的飞跃，也是人类认知的一次飞跃。
正是由于这样的一个突破，使得我们获得了一套全新的理论，这套理论是有公式可循的，由于有了这样的理论，我们才能够在过去100年对于整个微观物质世界进行更深刻的认识，也推动了大家现在体会不到但是在生活中已经有很多的例子，这些材料，这些生物分子其实都是科学家们由于已经知道了这样的知识才研发出来的。
从人工智能的角度我觉得目前尤其是我们最近比较火的通用人工智能，可能还是处在一个婴儿期，未来还有很大的空间，这两个东西要结合起来，一个很显然的事情就是怎么教会人工智能量子力学，就像100年前是怎么学会量子力学的，只有当我们所谓的人工智能真正的学会了真正的量子力学的原理，才能够为我们更好的服务，才能够更好的解放我们想要它解放的这部分生产力。
我作为一个从老师的角度，我们每一个科研人员现在无论是用量子计算机做研究还是用经典计算机研究这些量子的算法，其实某种意义上都是在当一个未来人工智能小孩的量子力学的老师，我自己就是这么定位的，希望我们能够把自己的工作做好，做一个靠谱的老师，别把孩子教坏了。
金豫江：因为主持人问了其实挺吓人的问题，大家一旦说到终极，几千年以来，从小朋友到哲学家一直问一个问题，人类是从哪儿来的要到哪儿去，这个问题说白了谁也回答不清楚，因为前面两位都是做比较深研究的，回答的比较专，我是做投资的，本身其实看的东西比较多，也结合今天这个会总结了一下。
很多所谓终极，更多是从科幻中看，主要的方向有三点。
第一，长生不老。不管是基因技术、干细胞还是脑机接口、虚拟现实都是使人的意识有没有可能永存，这个从古代帝王所有人都是一个梦想。
第二，无所不能。从原始人到现在都是对工具的掌握，以前是比较简单的，后续有了机械，包括有电力，计算机，现在又有了比较新的量子计算，人工智能，大家都是通过外物工具使自己无所不能。
第三，无穷无尽。刚刚有一位物理系的学弟，讲的小朋友们会仰望星空，谈到虫洞，大家在很多科幻电影里面看到了，都是希望去宇宙很多地方遨游，甚至是穿越四维时间的概念，所以这三个大方向上大家不断做科技创新。
刚刚大家谈的《流浪地球2》的很多技术点，我们作为一个投资机构，在一些能够看到一些技术已经进入到应用状态的产业中去投资，是给科学家，给创业者更多的弹药和资源帮助他们成长。
陈玥雯：金总的三个词，长生不老、无所不能、无穷无尽总结的特别好，都不用我再总结了。
我有一个小问题接着再问一下金老师，因为您是投资机构的，也是我们的前辈，您也投过非常多的很好的项目，尤其是图灵量子就是在座非常好的被投公司，您之前提到过一个想法，一个行业的拐点是投资最好的时间窗口，现在比如说我们看到人工智能有ChatGPT出来大家觉得这是一个爆发点，您看量子这个赛道来看，您觉得拐点在哪儿或者是会是什么时候，而且是个什么东西，给我们讲讲您的一些想法。
金豫江：所谓的拐点大家做投资，其实都是说追求确定性，我们都是希望当企业爆发的前夜投进去马上能挣钱，这是任何一个投资机构都希望这个确定性的一种投资，能比较快的获得盈利的倍数。
但是现在在很多大空间有巨大前景的行业中，其实这个策略是没法儿实行的，比如说量子、人工智能，其实在很早有迹象之前，国内有一个词叫卷，卷的太厉害了，别说想在拐点之前，可能前五年卷的估值抬的很高，我们作为一个投资机构一方面是追求确定性，但是对一些战略性的行业肯定还是要不能丧失战略的机会，所以在很多的行业中也会提前很早就布局。
谈到量子计算或者量子信息的拐点我认为不是悲观，前面很多老师提过，真正的一个拐点一定是一个产业商业化能够爆发，我个人认为还是一个时间跨度来思考的问题，我们也对比看经典的计算，比如说在上个世纪四五十年代就有所谓的加法记忆，其实就是最早用简单单元模拟传统的经典计算，后续比如说到了大型机就花了二三十年的时间，又到了个人电脑包括现在这种超算又是几十年的时间，所以我个人觉得按照现在量子计算，大家谈到量子霸权，首先是一些对于科研角度的突破，第二是在样机阶段，不断的叠加量子数做一些事情，但是真的做产业化，还是需要很长的周期。
既然大家都在抢跑，互相卷，我们的策略上卷的方式，我们作为投资量子的机构，所有的赛道包括超导、光量子甚至说冷原子都是看了很多头部的企业，对我们投资来说也是找相对来说预期收益和风险能够匹配的，比如说投两种相关光子赛道，所谓的沿途下蛋，在通用量子来临之前，可能在一些部分的场景，比如说量化包括深度学习，可能会有更早的落地点思考一下做一些布局。我们投资人的观点，业内人觉得可以探讨。
陈玥雯：总体来说就是我们仰望星空，脚踏实地，看的到未来，但是要一步步的做好，不管是投资人还是每个企业，这个非常好。
接下来再问问陈老师，您刚刚也提到了凝聚态物理，最近其实室温超导是凝聚态物理圣杯，也是最近发表的研究以后在整个社会上引起了很大的争议点的话题，因为您讲到是非常擅长算法，所以您有尝试过用机器学习的方法去在实验室里验证这个实验结果或者是做些什么吗？这个中间会有什么挑战？
陈基：这个问题实际上确实是最近我们这个领域最热门的话题，当然非常重要，您说的词非常专业，凝聚态物理的圣杯，可能加一个之一，因为它能够实现室温超导一方面本身的科学意义，另外它的技术意义，当然由于没有电阻，导致可以大大的减少能源的消耗，另外一方面这项技术跟其他的很多技术会是关联起来的，比如量子计算其它方面，所以它的意义确实是很大，我是做理论研究的，这个问题从我们理论研究的角度实际上并没有那么大的争议，这一类最近几年比较热门的净室温的超导材料，主要是基于其中氢这个元素，含氢元素的材料能够实现非常高的超导转变温度这件事情在理论上其实是大家达到共识的，并没有太多的争议。
只是说最大的挑战就在于实验室里能不能合成出来，而且能够提供非常充足的实验证据能够说服你的同行，确实实现了这个材料的室温超导，另外还有如何把这个室温超导的材料能够工作的压力降到平常使用的时候可接受比较小的压力的范围，这两点是目前关于室温超导这一类最大的两个挑战。
前面说了理论上对于这个问题没有太多的争议，但是实际上也不是完全没问题，这个问题在哪儿，就在于我们目前用的现成的这些理论计算方法，它并不能够非常准确的告诉我们到底什么样的结构、元素、配比，能够在哪个温度、压强下出现室温超导，这样就不能够对实验学家提供太多精准的建议。
这个问题跟我一开始讲的我们团队的研究方向确实有是非常有关系的，因为我们发展这些计算的方法，实际上目标就是要把这些材料给算的非常准确，这样我们能够给出更准确的预言。
您刚才提到的机器学习方法，是我们目前课题组里面在发展的，投入比较多精力，现在发展的方法，未来当我们这个算法更加成熟的时候，以前是研究过这个问题的，我肯定还会用更好的方法，再来对这个问题进行一些研究，争取给实验的同行提供更有用的建议。
陈玥雯：我们拭目以待，我们最近也是关注到ChatGPT、AIGC、人工智能席卷了各行各业的冲击，大家都很担心是不是要失业了。其实我们也看到了图灵量子虽然在量子领域在做，但时刻关注人工智能赛道，而且最近也发布了Quantum+量子模型，这么一个蛋白质领域的ChatGPT能请您介绍一下，比如说图灵量子在做这一块的时候，跟一些海外的创企比起来，我们的优势是什么？这一块有些什么挑战？
杨林：刚才陈老师也介绍了，量子和人工智能确实蕴含了非常大的机会，两个方面，一个方面是借助量子启发算法，向参数化量子线路这样的方式，对人工智能进行一些赋能，一方面是从算法层面对人工智能的模型和算法，这里面当然也包括生成式的模型，能进行一些隐藏层的提升或者是算法模型上的一些赋能。
还有通过把量子线路的方式引入到新的学习模型之内，我们通过叫经典量子混合的方式，未来有可能可以把量子计算的算力，用它来服务人工智能，这是一个维度。另外一个维度，有点像陈老师的研究方向，我们通过人工智能的方法，通过机器学习的方法，来对量子计算、量子力学、量子模拟，包括相关方向的一些研究进行赋能。
其实，人工智能和量子的结合是一个双向赋能的过程，这里面蕴含了大量的研究和产业化潜在的机遇。图灵在这里面做了大量的工作，刚才我也介绍到图灵在做的求解器，这个求解器其实就是我们希望能够把量子计算的算法和硬件，通过一个底层工业软件的方式，来向更多的人工智能也好，或者是行业应用的方向上去做映射。
至于说我们刚才发布的在生物医药领域蛋白质生成模型，其实在蛋白质生成这件事上，图灵量子是比较早就跟进相关领域研究的团队。在国际上可能是斯坦福的团队比较早开展这个相关的研究，我们也迅速的跟进，现在在整个的实现水平上，已经初步达到了国际先进的水准。
包括在蛋白质生成的整个过程中，量子计算目前扮演的角色更多是像我介绍的，通过启发算法，通过量子与人工智能的方式，对整个算法进行设计上的赋能以及能力的提升。更多的在蛋白生成整个复杂管线上，其实还是更多的要引进像蛋白质易折叠这样的经典人工智能方法，这些方法图灵量子也有很好的算法和积累。
目前我们在蛋白生成模型的尺度上，也达到了千万以上的参数的规模。未来可能在更复杂的氨基酸包括更长链蛋白的生成上，我们还需要进一步的把模型尺度加大，把训练的复杂度更加增强，来生成更好的模型，这个也是我们未来的一个研究方向。
这里面我刚才在其它的问题上也反复强调，在这样的问题或者这样的新领域里面，肯定不能只是一家量子计算的公司在投入相关的研究，包括像您说的和国外的这些科创企业去做对比的时候，其实我们也充分感受到了国内在做这种新技术探索和新技术科创的时候，和国外环境上的差异。
目前其实在国外的生物医药巨型企业或者说大型企业，如果拉一个单子，前20名的生物医药企业，几乎都和量子计算公司或者和量子相关的研究团体，发生了非常深度的合作。但是这个数字在国内的生物医药的研发公司，或者说初创公司或者说大型药企里面是非常低的，这个也是我们认为，我们团队以及我们在从事的这个方向上，目前和国外的科创企业或者国外生物医药的科研企业，存在一个非常大的差距，也是我们的一个担心。
也希望借助这样的平台或者是场合，能够呼吁我们国内在先进产业以及高端行业交叉的这些领域发展上，我们能有更多的开放合作，以及有更多的大家一起去推进前沿方向，向前滚动落地的一些机会。
陈玥雯：杨总给了一个很好的例子，就是量子计算跟经典计算如何一起交叉，并且赋能，让整个算力的引擎从一个动车到一个高铁的这么一个过程。您也提到中国的创业环境，包括美国的创新环境的一些不同，接下来问问三位，中国式自主创新意味着什么？整个从科研到成果转化，再到大规模产业化这个过程之中，您觉得中国有些什么优势？也有一些什么样的挑战？
金豫江：其实我觉得大家谈到的创新，中国跟美国的区别，我觉得可能在历史上差距比较大，比如说我们在几十年前谈到两弹一星是举国体制，那时候可能跟国外的市场化差距比较大。到了现在本身也是一样，国家层面有一些经费支持，市场化有基金，跟国外的体制上差距越来越趋同了。
谈到创新这个事，比如说科技是整个生产力发展的一个长周期的推动，咱们谈到尽管前面2000年到2015年挣的钱最多是互联网大厂，但他们也是基于上一次计算机互联网的这种红利的一种商业模式变化，现在包括国内国外更多的其实是在一些硬科技的投资上。
目前来看，从方向上国内国外目前很多也是在趋同，可能国内比国外有半年左右甚至翌年的时间差，我觉得有一点，自主这个词挺关键，现在有句话百年未有之大变局，从所谓宏观经济上，政治上确实是造成了中美一个巨大的差别。
比如现在大家谈到自主式，比如说10年前有个数据说世界是平的，全球角度都在谈全球化，通过全球的分工，每个国家都有相关的角色在做事情。但是到了这两年之后，因为中国的经济发展的很快，GDP的数量已经是接近美国了，很多经济学家到了二零三几年，就会跟美国形成一个交叉点，同时国力包括科技也在不断的加强。
比如说从2016年、2017年开始，中美之间从贸易上、科技上的摩擦也好，对抗也好，其实是越来越清晰，现在中国人很聪明，编程很强，下一个主题讲人工智能，算法上我们也投了类似的企业，算法上可能中国跟国外差的半年、一年的时间，但是一旦是说美国人把你的GPU封了之后，你后期怎么去训练模型。
包括华为也是一样的，本身华为是说做基站、手机这种终端，后期自主说我要做芯片，美国人说你这个太强大了，不行，芯片不让你做了，过去有数据，花了这么多钱，90%多的芯片的份额，做不成了，比如中国人说投资界有很多人在投芯片产业，大家会发现从相关的设备、材料角度上也有差距。
国内不管是创业还是投资，一方面大家是在投前沿科技，其实跟美国有一个很短的半年的差距都在投新科技，另外一个赛道国外已经不算创投领域了，比如说做芯片，这个其实在美国可能是成熟领域，我们很高的估值在投这个行业，自主这个词我觉得对于国内很多的不管是做量子的，还是稀释制冷机如果被封的话，我们做量子后续最起码在很多超导的方向，可能就会面临很多的挑战，最起码是相关的一些考虑自主的角度，我们真正不管是从做科研，做创业，做投资，更多要考虑遇到的挑战和风险，另外从体制上包括各种基金，不管是市场化的还是政府的，包括创业板和国外越来越相近了，都创造了一个很好的创业环境。
对于创业者来说更要思考所谓大背景之下，你作为创业者所面临的机会和风险，比如说谈到中国的崛起跟中国梦，肯定会获得更多的国家支持，但是同时就会面临挑战，就要更好的设计自己的创业方跟思路。
陈基：也许从一线的科研人员的角度，我觉得中国式自主创新对我们来说都意味着有很多的机会，很多的机遇，在这个时候我其实想提一个词，我们还是要保持耐心，因为刚刚金老师也讲了，我们其实从各个方面来说，我们其实是非常快的速度在追赶别人，差距非常小了，在我们的基础科研领域，已经有很多小的领域已经能够产生很多原创性的突破了，只是非常急切的期待能够有更大、更响亮的原创性的工作能够在祖国大地落地生花。
这个过程中作为一线的科研人员来说还是要保持耐心，就像刚刚您讲的这个赛跑问题，我们也在跑，西方也在跑，这个时候我们的势头是非常好的，就会想各种办法指导一些困难，带一带节奏 ，我们这个时候不能自乱阵脚，我们目前整个所有的研究人员大家的状态都是一个正确的状态往前走，我们只需要时间是一定能够而且很快就能赶上别人，当我们赶上别人，当我们全面领先的时候，所有的自主创新都是顺理成章会发生的，而且会越来越多，这个时候就需要保持耐心不能因为着急而乱了阵脚去做一些表面所谓的创新，最后导致反而是不进则退，可能会有这样的风险存在，作为自己，作为一线的科研人员每天都在提醒自己，还是要保持耐心，不断的打磨目前的这些技艺，打好基础，让我们整个中国科研领域的所有研究人员在我们这里面能够孕育出中国自己特有的科研文化，从中再去实现自主创新。
杨林：我们也是在做前沿的科学方向，因为量子计算也是比较早期的，非常同意陈老师说的要有耐心的观点，我可能也补充两个小的点，一个是在中国式自主创新的时候，确实要更加重视从0到1的原创式的创新，再一个确实从整个创新的产业链的角度来讲，更重视产业链布局的平衡性和如何利用新的举国机制对产业链布局进行帮助和早期的培育。
这两个点第一个点关于原始创新的点，都已经不能用深刻了，要用惨痛来形容这个教训，在集成电路领域甚至马上能看到人工智能这个领域已经有了非常惨痛的教训，我们在一个追赶者的角色之下，投入了大量的时间、精力、资源甚至金钱来以非常着急的方式希望能够得到突破，缓解卡脖子的局面，其实换取来的有好的成果，当然也有非常可喜的进展，同时要看到目前中国在集成电路包括人工智能这个领域我们的人员的成本包括去做一家初创企业的成本已经远远超过了美国硅谷的成本。
而且现在能够看到像ChatGPT这样的领域，在国内非常难以成立一个或者组织一个像OpenAI这样的优势团队，做这种从0开始的研发工作，这就是从原创者、引领者的优势和资源聚集的体现，而你做追赶以及做后来者或者做后续资源弥补的时候，需要的投入是十倍、百倍甚至是千倍的体量，所以一定要重视在自主方面从0到1的创新。
第二个点在于我们在产业链的布局上，产业链的整个布局非常明显的体现在了我们这轮和美国之间的关系上，非常多的产业，比如说量子计算，美国在整个量子科技以及整个量子计算的科技水平上并没有跟我们有代际差别，反而是在一些产业链上游的关键元器件包括一些芯片，一些材料包括刚刚金总提到的稀释制冷机，光学的一些光电等等其它一些这种方向上对我们构成了一些卡脖子或者是所谓的限制，这个都是我们在整个技术或者整个创新的产业链布局上早期的时候没有关注到的点，也是希望以我们全新的举国体制在整个科技创新上更加关注到整个产业链的上游以及下游的一些关键环节。
陈玥雯：谢谢三位非常有洞见的发言，并且带来了启发和思考，量子技术一定会是一个非常革命性的技术且对中国非常有战略性的技术，我们很期待未来各位学者或创业者们或者是资本们一起促进，让我们有更多的中国式的自主创新出来，谢谢。
