2026年，产业投资步入深水区，资本、技术与产业加速交织，过往的投资逻辑已不再适用，新的共识正在逐步形成。2026产业未来大会围绕新周期中的机遇，共同探讨产业未来与“中国之光”的崛起。9月9日至10日，由36氪主办的2026产业未来大会以“深水之上，共振新生”为主题，在北京亦庄举行。来自国资平台、产业投资基金、企业CVC、创新企业及专家学者汇聚一堂，聚焦量子科技等未来产业的产业化进程。大会深入探讨了当前前沿技术与产业视角，集中展示了超导、光量子、离子阱等技术路线的突破，分享了大量具体的产业场景、产业体系构建以及异构计算的前景，共同探讨了科技产业投资的未来方向。

以下内容由36氪整理编辑：

欧雪 | 36氪作者（主持）

郑凯中 | 明势创投 董事总经理

樊超 | 鼎兴量子 投资合伙人

欧雪：前面听了不少关于量子计算的内容，在2026年，如果一定要选一个一级市场话题度最高、同时又存在一定分歧的赛道，我觉得量子计算肯定排在前列。

大家可能都有一个体会，如今行业里存在两种不同的视角，一种认为它拥有作为算力原子弹的长期潜力，另一种更关注量子计算前期的估值与实际落地之间的温差。可以明显看到，技术端在进步，但商业端仍在爬坡，这是行业当前非常客观的状态。

今年国内量子计算领域，一些企业已经启动了IPO动作，也有人称“今年可以算是中国量子科技的IPO元年”。可以看到许多头部企业已经开始上市辅导，融资赛道也非常活跃，尤其是从去年到今年，上半年融资规模大幅增长。但客观现实是，量子计算中许多路线尚未收敛，行业整体营收规模仍然非常有限，真实的商业化场景仍在探索中。

今天想聊的一个核心话题是，在目前这个节点上，作为资方，我们究竟在看什么、关注什么？是关注比特数量的提升，还是纠错能力的进展，或是商业闭环的可行性？

我们今天请到了两位站在不同角度的投资人，欢迎两位嘉宾！在正式开聊之前，请两位嘉宾简单做个自我介绍，并分享一下各自机构目前在量子计算赛道的布局。

郑凯中：非常感谢36氪的邀请！我是明势创投的郑凯中，持续关注前沿科技、AI基础设施、AI for Science领域的机会。明势创投成立于2014年，是国内最早一批专注于技术领域投资的机构。成立之初，我们就是理想汽车最早的机构投资人，围绕汽车电动化和智能化，投资了一大批生态企业，后来也延伸到了先进制造和前沿科技。

在2021年下半年到2022年上半年，明势作为天使投资人投资了MiniMax，从此进入了AI Ecosystem全链路的布局。我们向上关注AI基础设施，包括计算、存储、通信，向下关注AI的硬件和应用。

整体来说，明势创投作为早期科技机构，我们很愿意在第一轮相信有长期愿景并愿意做难事的创业者，并坚定地陪他们走下去。像刚才提到的MiniMax、理想汽车，我们都是从天使轮、从最早的轮次进入，并持续投资了6-7轮。在这个过程中，我们会持续基于生态链上下游的资源和战略层面的绑定，为我们的Portfolio建立上下游的链接和合作，这是我们基金的基本情况。

对量子的关注，很大程度上源于我们对计算能力底座的关注。我们都知道，在研究微观问题，尤其是原子级别问题时，精确计算成为限制其能力的关键瓶颈。

量子计算有机会在这里发挥较大作用，解决一些我们确实看到的客观问题。明势从2018年就开始关注量子计算，并开始做一些持续的投资。2018年，我们作为最早的机构投资人投资了国内的量子计算公司量旋科技。在过往8年期间，我们也持续关注量子计算生态的演进、技术的变化以及应用的落地。自此，我们完成了从整机到关键供应链，包括应用层面的投资。

整体来说，明势创投对前沿科技持非常开放且拥抱的态度，并愿意陪伴这群有理想的创业者持续往前走。谢谢大家！

樊超：大家好，我是来自鼎兴量子基金的樊超。我们这个名字可能是所有投资机构里唯一带“量子”两个字的。当年起名字时，我们觉得量子纠缠本身就是科技的代名词，所以还是有一些渊源的。

我们布局量子观察了好几年，从2021年正式开始投资。之前大约有三四年的观察时间。截至今天，我们重点布局的几个项目中，像国仪上个月刚刚上市。无论是我们自己两轮加注国仪，还是带领核心机构LP共同加持，一共在一个项目上投入了超过5亿资金。我们一旦选好了项目，实际上会非常重视。第二，我们在光量子领域布局了玻色，投入也是接近1个亿的资金。这两个可能是我们最近一年多相对靠后、已经接近IPO市场的两个项目。

另外，我们最近刚刚成立了一支量子行业基金，全面布局整个赛道。我们的方法论可能还有一些区别，这支基金主要和我们熟悉的几个产业方共同孵化新资产，可能不会投太多已经估值或阶段不太匹配的项目，我们会自己去孵化项目。

欧雪：谢谢两位的简单介绍。从刚才的介绍可以听到，两位作为不同机构的下注逻辑确实不太一样。首先想再拆开具体来看一下你们的投资逻辑。第一个问题想给郑总，因为明势之前一直强调投资的四阶段模型：科学发现、技术落地、大规模工程化、产品化。您觉得量子计算现在处于哪一个阶段？

郑凯中：从明势的角度来讲，我们提四阶段，很大程度上我们认为作为早期科技投资，或者作为VC阶段的投资，应该关注科学问题已经被解决，并进入工程落地阶段，无论是新技术还是新产品。对量子来说确实比较特殊，或者对很多前沿科技而言，我们现在都观测到一个比较明显的变化：工程和技术，或者科学和工程，是相互耦合的。我们看到量子计算一个很典型的例子：随着比特数量的增大，一定会引入新的关键问题、技术问题，比如噪声问题、控制问题，还有后面的纠错问题，这其实涉及科学问题。如果科学进一步控制方法的提升，可能也会重构我们整个工程的实现。本质上，我们觉得现在进入了科学和工程共同推进行业发展的阶段。

对量子计算来说，很多前沿科技也一样，我们看到尤其是工程的迭代，现在在进一步反哺科学的发展。这对中国来说，我们也非常有幸看到这可能是差异化的机会，通过快速拉动工程化的速度，进一步推动整个行业的发展。

具体到量子计算阶段的变化，我们可喜地看到一些关键技术领域的进展。无论是比特数量、保真度还是纠错，都能更好地有机融入系统中，这是一个非常好的变化。其次，从2024年底2025年开始，我们发现AI也在积极反哺量子计算的变化。除了“量智融合”的应用之外，更多是AI对纠错算法效率的提升，这确实对整个量子行业的发展起到了较大的加速作用。

所以我们整体认为，现在量子正处于科学和技术的加速发展期，同时工程的优势会进一步扩大和放大量子计算的发展速度。

欧雪：我觉得科学和工程相互耦合这个观点还挺有趣的。

郑凯中：对，其实我们觉得在硬科技领域，现在确实越来越多地看到这两个不完全分家，而且是互相耦合、互相推动的过程。

欧雪：接下来想问一下樊超总，您刚才也介绍了鼎兴量子大概的布局。我想追问的是，你们在判断一家量子计算公司值不值得投的时候，最核心的决策逻辑是什么？和他们的视角相比，你们有没有一些差异化的地方？

樊超：我可能从另一个角度来回答，从科研和工程化的角度提供几个参考维度：

第一，我们特别喜欢成建制的团队，不太喜欢单点的技术大牛出来独立创业。投科技和高端制造这么多年，我们一直很担心的一种情况是，一个技术大牛或大教授出来独立创业，最终大概率无法形成一个商业公司。他的商业公司管理、团队管理、预期管理可能都会有一些比较大的障碍。所以我们非常喜欢成建制的团队，至少5-10个人的成熟团队，再加一批博士生可能更好。

第二，一定要有跨界的能力。实际量子计算的突破还有很多技术盲点没有碰到，实际走到那一步还会有新的问题出现，所以一定要有跨界的能力。跨界怎么理解？大家在学校里待惯了，在实验和科研时追求参数的极值，或发现了某一个原理或现象。但在商业中，还是要解决客户的问题，提供稳定且有效的作用。中间的Gap在于你对稳定这件事怎么看，客户的需求怎么对接。大家要沉下心来做，对很多大教授来说，这件事有点难做。所以我们还是希望投一些有跨界能力、团队包容度背景多元化一点的项目，会好很多。

第二点，对多元化团队和跨界要求比较高。当然，这件事我觉得现在在一部分AI for Science和量子for Science的企业里已经能体现出来，就是大家能够把上游、下游和终端用户之间的需求做一个比较好的拟合或撮合。我觉得对这批人要求比较高，要求他们知识的多元化：除了科学原理之外，在工程上怎么实现，怎么做集成化、小型化。我觉得这件事还是要借助一些半导体行业的同事或AI行业的同事做一些加速，要求还是蛮高的。

第三，以前可能大家都是很聪明的一批大佬，但我们希望后面做商业公司时，能够把自己姿态放得低一点。因为量子计算大家都说了，实际还没有到大规模容错的前提下，那要做一个商业公司，怎么实现多个目标的平衡？实际还是要把自己为客户服务的姿态放得更好一点。包括量超融合这件事，实际上我们现在和AI的生态体量完全不同。AI整个体量至少是万亿的，但实际量子计算可能刚刚过百亿，如果从行业产值来看。所以我觉得大家还是主动拥抱任何能够加速产业化的合作方，都应该去拥抱。

欧雪：综合来听，感觉鼎兴量子对整个团队是非常综合的考虑，而且感觉和我之前听到很多投资人给我的反馈也非常相似，他们都很看重跨界能力，看来大家看的逻辑差不多。

接下来想针对量子计算的技术路线进行一些探索。我们也知道量子计算现在路线还没有完全收敛，比如超导、光量子、离子阱等。首先提给郑总，好像您本身比较关注前沿的光电科学和一些核心元器件，所以光量子路线天然和光电产业有一些交集。在这几条路线里，你们会不会天然更偏向光量子多一些，还是你们也很开放？

郑凯中：首先我们肯定还是很开放的。我想强调一下，确实明势对光电这块非常关注。我们从2021年就在关注整个光电子的演进，当时就关注到“光进铜退”的大趋势，围绕整个AI演进的生态，投了很多光电子辅助或做AI Supporting layer这一层的机会。

在这个过程中，我觉得更多是理解不同的光电器件或模组嵌入到一个系统中怎么发挥作用，而不是把它作为分立的器件来看待。这对量子也是同理。我们知道除了光量子，很多量子领域的路线其实也都会用到光的技术。比如以中性原子为例，你怎么控制一个原子操纵，怎么用光电去控制它、操纵它，都需要用到光的技术，包括激光本身也能发生和产生原子和离子。

实际上，光电会是整个量子行业里一个很关键的技术支柱，但这并不代表我们就局限在以光电视角去审视量子怎么变化。明势怎么看待量子计算的路径，我觉得可能分几个层面考量这个问题：

第一，科学层面上的变化，这肯定是需要被解决的问题。我们知道量子计算如果从关键指标上来讲，从比特数量、保真度到进阶指标如纠错的进展，都是很关键的科学指标，能不能完成？我印象2023年上半年谷歌发表了纠错的文章，业内很多人质疑这个文章可能由实验误差导致，因为码距的差别没有那么大。到2024年谷歌Willow量子芯片正式发布，大家正式验证了纠错的Surface code或Break even确实被跨过了。所以这种科学上的进展和突破，一定是我们重点关注的。

包括像中性原子领域，可操控原子规模阵列的数量变大，这也是一个很重要的科学指标。第一点科学层面的重大突破和变化，对某一个技术路线来说是非常有价值和意义的。

其次是工程层面上的变化。单点指标的摸高和突破，不代表作为工程系统它能使用。我们尤其关注在一个子系统里，它的数量、质量能不能兼容地运行。这对整个量子计算产品或工程化落地有比较大的作用。

最后回到技术路径的选择。我们整体觉得，除了科学和工程的比较之外，某一条路线的技术特征到底适合解决什么问题，也需要纳入考量范畴。比如像超导，它的门电路操作速度非常快，也许对一些高频操作的场景就有额外价值；像光量子，它天然适合解决图相关的问题；中性原子因为比特数量大、相关时间长、易于操控，它天然可能适合一些科学计算的问题，比如用中性原子来做一些多体模拟，这很适合作为下一代科学计算的基座。

整体而言，离子阱固然保真度高、操作容易，对有高频交互的应用和场景天然有优势。整体来说，对技术路径的选择，还是要回归场景的需求去定义，有点类似需求选择技术定义产品。整体来说，科学决定它的上限，工程能力决定是否可行，最后再回到场景到底解决什么问题，是否相较于传统解决方案有更高的ROI和价值，这决定某一条路线是否能真正落地。

所以我们对于不同的技术路线都抱有非常高的期待，我们确实看到在不同的领域和场景下，量子计算真的能带来不同于传统计算的优势和价值。

欧雪：谢谢郑总。这确实是一个非常务实的路径，从场景倒推看技术路径，可能并不是科学上限在哪，而是最重要回归到场景落地上。

樊总，在现在路线还没有收敛时，我们的相关策略是怎样的？我比较关注，我们是一路径全押的，还是分散下注？有没有重点关注的一些路线？

樊超：首先，我大致观点跟郑总相对比较接近，我们不认为在5年内或10年内很快有一条技术路线明确是Top1，遥遥领先其他路线，可能暂时还不会有这个判断。

第二，大概率是长期共存，而且彼此解决的问题和场景确实会不一样。我们一直举例，如果AI是10万亿，量子计算至少万亿的话，实际上某一条技术路线能够就自己相对优势发挥到极致，你在你的场景里的规模也至少好几百亿，这是没有问题的。

当你相信远景，倒推回来看，每个场景的天花板是足够高的。所以，我不认为现在的四个技术路线，包括最近也有新路线出来，我们依然相信很有可能大家在自己场景里解决自己的问题，只要把自己的小闭环做好，不用管别人比如其他路线的优势或不足怎么样，把自己手头上的做好，形成小闭环，就会很好。

第三，就基金配置策略来说，肯定不能冒技术风险。我们首先是一个财务投资人，如果主观去选择技术风险，而不是做一个综合配置或风控标准的话，就是一个不合格的基金管理人。所以我们其实是不做任何技术判断的。在具体下注时，肯定在一些前提定义之下，一定要再选那个赛道或这个体系里最好的那家公司，这是必然的。

不全押，但每一家肯定也会精挑细选，这是我们总结的大概策略。

第二点，从具体方向来看，我一直比较相信中国人比较聪明。其实中国人喜欢弯道超车，或利用一些其他的方法论来解决我们过去相对的劣势。现在从大家形成基本共识的逻辑上看，四个技术路线，中美之间差距的年限是有一些区别的。具体不说数字了，我们觉得中国的关键技术确实相对比较好，基于供应链，包括在AI的一些拓展上，能够帮助我们一些新的技术路线快速加速和弯道超车。从每年增速和赔率来看要好一些。这是一个角度，所以我们愿意投一些新东西，也跟产业化一起孵化新项目，这个比较符合我们的策略。

第三点，发展比较早的技术路线，中国和美国的差距大家可能觉得还比较大，但我觉得年限肯定都在缩短。比如过去觉得差10年，现在可能是差5年，可能5年之后就差1年，也会急速收敛。通过某一个跨界方法，可能在某一天就超过了美国，这个我是相信的。

欧雪：我也很认同樊总的观点，不管大家选择哪条路线，形成自己的小闭环是非常重要的。

追问两位一个更实际、更实操的问题。在各个公司技术PPT上，你们判断一家公司技术在工程上靠不靠谱，最为关注的一个观察指标是什么？

郑凯中：技术上限或关键子指标是入场券，我们更关心的是计算系统能否被工程化制备出来，就是量子数量和质量在同一个系统能够同时发挥作用，这其实是我们非常关心的一个指标。这意味着不仅要完成一个数量摸高，更多是在相对更高的保真度下能够完成多大的运算，最后能解决什么尺度的问题。本质上，这也是一个完成从技术到工程、到产品的映射过程。

再者，我们也会比较关心纠错层面的进展和指标变化。纠错分为几步，从资源投入到底是不是越纠越对，这肯定是关键。这是在数量和质量之上更关键的进阶指标。越纠越对之后，意味着能不能实时纠错。像Google Willow在2024年底也没有完全验证，但现在正在快速发展和进行的状态。

最后，随着数量的发展，是不是有机会通过纠错，把可适用率、可容错率进一步提升，我们觉得是中短期作为产品落地的关键指标；对纠错来说，这是一个长期，并且值得持续关注和摸索的长线指标。

另外，还有偏产品化的观察。我们可能也会比较关注一个设备真正进入到运行中，如果遇到一些突发或非正常情况，到底怎么处理？比如中性原子遇到的原子丢失情况，到底怎么被工程化纠偏？比如一台单台套设备完成之后，进入到第二台套设备，相关参数和一些初始状态能否迁移过去，以及控制参数在过程中发生了变化，到底怎么工程化扭转。我觉得这可能是一些