九章雲極WAIC 2026重磅發布：可學習量超智混合計算體系，破解專用量子計算落地“語義斷層”

　　/朝聞通/近日，九章雲極DataCanvas在世界人工智能大會上推出了面向量超智混合計算的 Verified Agentic QUBO 閉環方案。這套方案瞄準的是一個行業共識的“隐形天花闆”：量子算力越來越強，但從業務人員的自然語言需求到量子計算機能執行的數學模型之間，缺少一個可靠的自動翻譯層。

　　與此同時，九章雲極宣布與國内專用量子計算賽道頭部企業玻色量子，圍繞量超智混合計算賽道計劃開展深度合作，共同探索大模型智能體、異構超算、量子優化、形式化驗證一體化協同技術方案，合力破解當前 AI 與專用量子計算融合落地的行業共性難題。

　　算力競賽進入下半場：瓶頸從硬件轉向“語義斷層”

　　九章雲極AI首席科學家缪旭在“未來計算 未來算力”論壇演講中直言，過去兩年行業都在追逐量子比特數量和GPU峰值算力，但真正卡住規模化落地的，已經不是硬件本身。随着AI從内容生成走向電網調度、具身智能長程規劃等複雜決策場景，算力需求已從矩陣乘法演變為對超大規模組合優化問題的精準拆解與可信求解。

　　然而，現有的LLM-QUBO混合工作流中，業務需求到專用量子計算機執行之間存在一道“語義斷層”：業務人員的自然語言需求，無法被自動編譯為專用量子計算機能執行的标準化數學模型。變量映射依賴專家經驗，約束編碼充滿試錯，懲罰項設置如同黑盒操作——這種低效的手工對接，可能影響模型質量與求解效果，令能源調度、智能制造等真實場景的“最後一公裡”落地受阻。針對上述挑戰，九章雲極構建了名為Verified Agentic QUBO的完整閉環，以Agent拆解、QUBO搜索、Lean4驗證、強化學習反饋為邏輯主線。起點是一個基于Benders分解與分支切割算法訓練的強化學習Agent，它以問題結構、硬件約束與求解誤差為狀态輸入，自主完成變量固定、子問題劃分與算力路由，從源頭規避人工拆解的高失誤率。随後，GPU集群承載大模型訓練與仿真編排，專用量子計算機作為專用優化内核求解離散子任務，完全兼容現有CUDA-Q工程體系。

　　真正的突破在驗證環節。九章雲極率先将Lean4交互式定理證明工具嵌入量子-AI混合流程，求解器輸出候選解後，Lean4自動生成形式化規約，對可行性、最優性及約束等價性出具數學級驗真報告，為量子優化結果的可信評估與審計提供依據。驗證報告随即轉化為獎勵信号，反向驅動Agent優化拆解策略，形成自進化飛輪。在内部基準測試(benchmark)中，該閉環可減少約30%的冗餘QUBO計算任務，拆解精準度提升約20%。

　　牽手玻色量子：

　　九章雲極與玻色量子的戰略合作成為大會另一焦點。雙方以專用量子計算為核心切入點，圍繞九章智算雲與玻色量子專用量子計算機展開全棧适配協同。

　　玻色量子深耕專用量子計算路線，其求解 QUBO/Ising 類組合優化問題與九章 Verified Agentic QUBO 方案原生匹配，專注組合優化實用化落地。其“馭量·山海1000”專用量子計算機可室溫穩定運行，大幅降低部署門檻，與九章雲極智算雲框架天然協同。後續雙方将聯合打磨“經典算力承載訓練仿真、專用量子算力專攻組合優化”的标準化混合工作流，降低企業用量子優化的開發門檻與調度複雜度。

　　缪旭指出，量子計算不會替代經典超算，大模型、GPU與量子計算的混合協同才是未來十年算力演進的确定形态。九章雲極通過可學習、可驗證的全棧架構，打通從業務需求到最優解的完整鍊路，消除語義與可信性的雙重壁壘。未來随着與玻色量子合作深化，雙方将探索搭載專用量子算力的混合智算服務，讓專用量子計算加速真正成為千行百業規模化生産中的确定性力量。