Bao Jie, Gründer, Vorstandsvorsitzender und Chefwissenschaftler von Corevision: Zehn Jahre industrielle Praxis – Quantensensorchips eröffnen den „Wahrnehmungszugang“ zur materiellen Welt für Physical AI | 36Kr Zukunftsindustriekonferenz 2026
Am 9. September eröffnete die 2026 Industry Future Conference, veranstaltet von 36Kr, in Yizhuang, Beijing.
Als das am stärksten konzentrierte Quantum-Special der diesjährigen Industry Future Conference erörtern wissenschaftliche Forschungseinrichtungen und Quantum-Unternehmen wie die Beijing Academy of Quantum Information Sciences, China Telecom Quantum, Bose Quantum, Moment Optics und Huayi Quantum sowie Dutzende von industriellen Kapitalinstitutionen gemeinsam den nächsten Schritt für die Übertragung von Quantentechnologie von dem Labor zu industriellen Anwendungen.
Unter allen Diskussionen, die sich vollständig auf Quantencomputing konzentrieren, hat BAO Jie, Gründer, Vorsitzender und Chefwissenschaftler von QuantumSight, eine differenzierte und einzigartige Rede mit dem Titel „Quanten-Wahrnehmungschips: Öffnen des „Wahrnehmungszugangs“ zur materiellen Welt für physikalisches KI“ gehalten.
Die Rede beantwortet eine weitere, in der Branche stark beachtete Frage: Wie Quanten KI dabei unterstützen kann, die reale physische Welt zu verstehen. Von Quantenpunkten als „künstlichen Atomen“ und dem partikelbasierten Spektrumparadigma über die KI4S-Materialentwicklung bis hin zu stadtweiten intelligenten Wassersystemen zeigt diese Rede einen industriellen Pfad auf, auf dem Quantenmessung und -sensorik zu physikalischer KI gelangen.
Quanten-Wahrnehmungschips: Öffnen des „Wahrnehmungszugangs“ zur materiellen Welt für physikalisches KI
Damit physikalisches KI die reale Umgebung verstehen, Umweltveränderungen vorhersagen und Handlungen unterstützen kann, muss es zuverlässige Informationen über die reale Welt erhalten. Die reale physische Welt ist keine statische, einfache Ansammlung von Objekten, sondern ein komplexes System, das aus Materie, Raum, Zeit und verschiedenen Wechselwirkungen besteht: Die Wasserqualität ändert sich, Materie wandert, Geräte laufen und die Umwelt wird auch von Wetter, Durchfluss und menschlichen Aktivitäten beeinflusst. Selbst wenn die Rechenleistung stetig steigt, müssen Modelle immer noch auf Feldmessungen zurückgreifen, um zu erkennen, was in der Realität vor sich geht.
Quantencomputing kann die Rechenkapazität für bestimmte Probleme erweitern, aber es kann die kontinuierliche Beobachtung der realen Umgebung nicht ersetzen. Modelle können ableiten, wie sich Schadstoffe in einem Fluss ausbreiten könnten, aber sie können nicht allein durch Ableitung feststellen, was sich gerade im Wasser befindet, wo die Veränderung stattfindet und ob sich die Situation nach der Behandlung verbessert hat. Berechnung hilft Modellen, Möglichkeiten abzuleiten, und Wahrnehmung hilft Modellen, den realen Zustand zu erfassen.
Das Problem, das QuantumSight lösen möchte, ist genau diese Verbindung zwischen physikalischem KI und der realen materiellen Welt: Informationen aus der Wechselwirkung zwischen Licht und Materie auslesen, sie durch Quantenspektrometrie-Sensorchips in messbare und analysierbare Daten umwandeln und dann die Grundlage für KI liefern, um die Umgebung zu verstehen und Veränderungen zu beurteilen.
Materielle Informationen aus einem Lichtstrahl auszulesen und diese Informationen dann in eine Grundlage umzuwandeln, auf der KI die reale Umgebung versteht – die Integration von Quanten und künstlicher Intelligenz bildet gerade einen industriellen Pfad im Wahrnehmungsbereich. In der Rede mit dem Titel „Quanten-Wahrnehmungschips: Öffnen des „Wahrnehmungszugangs“ zur materiellen Welt für physikalisches KI“ hat QuantumSight die vollständige Logik dieses Pfades gezeigt: Basierend auf dem Prinzip der Teilchennatur des Lichts werden Quantenspunkte als „künstliche Atome“ als Materialträger verwendet, um die Spektralmessung in einsetzbare Chips und Sensoren umzuwandeln und KI kontinuierlich Daten der physischen Welt zu liefern.
Dieser Pfad hat sich bereits auf skalierte Anwendungen ausgeweitet. Laut Angaben von QuantumSight decken seine wassersystembezogenen Anwendungen 26 Provinzen und Städte ab, arbeiten mit mehr als 100 Regierungs- und Unternehmenseinheiten zusammen und erhalten jedes Jahr mehr als 1 Milliarde Wasserqualitätsdaten. Rückverfolgbar bis zum Ursprung begann die Innovation des Spektralprinzips, die diese Anwendungen unterstützt, im Jahr 2015, und die KI-Materialentwicklungsplattform wird seit 2016 aufgebaut. Quanten liefert KI Wahrnehmungsfähigkeit, und KI unterstützt die Entwicklung von Quantenmaterialien. Nach etwa zehn Jahren kontinuierlicher Weiterentwicklung hat QuantumSight ein System von der Forschung bis zur Anwendung gebildet.
Physikalisches KI braucht Daten, und Daten der materiellen Welt werden durch Wahrnehmung extrahiert
Um zu verstehen, wie Quanten KI befähigen, muss man zuerst den Datenbedarf von physikalischem KI betrachten. Damit KI die reale Umgebung verstehen, ihre Veränderungen vorhersagen und Handlungen unterstützen kann, muss es sowohl die physikalischen Gesetze als auch den Feldzustand beherrschen. Modelle können ableiten, wie sich Materie in einem Fluss ausbreitet, aber was sich tatsächlich im Wasser befindet, wie sich der Zustand gerade ändert und ob sich die Situation nach der Behandlung verbessert, muss immer noch gemessen werden. Das ist auch die Bedeutung der Wahrnehmung für physikalisches KI: Es ist kein zusätzlicher Schritt außerhalb des Modells, sondern die Grundlage, auf der das Modell mit der realen Welt in Verbindung bleibt. Ohne kontinuierliche, zuverlässige Beobachtungen ist es für Modelle schwierig zu beurteilen, ob ihre Ableitungen der Realität entsprechen, und zu überprüfen, ob Handlungen die erwarteten Effekte erzielen.
Verschiedene Aufgaben erfordern Informationen auf verschiedenen Ebenen. Gewöhnliche Bilder können das Aussehen und die räumliche Position von Objekten darstellen, aber für viele Aufgaben zur Erkennung von Materie reicht das Aussehen allein nicht aus. Das System muss auch wissen, welche Substanzen das Messobjekt enthält, in welchem Zustand es sich befindet und wie sich diese Merkmale mit der Zeit ändern.
Daher braucht physikalisches KI nicht nur „Objekte zu sehen“, sondern auch Informationen über die Zusammensetzung und den Zustand von Materie durch Sensorik zu erhalten, damit KI reale, kontinuierliche Felddaten erhält, die für Analyse und Überprüfung verwendet werden können.
Auslesen von Materieinformationen aus Spektren: Quantenspunkte bringen ein neues Messparadigma
Licht bietet einen wichtigen Weg für diese Messung. Nach der Wechselwirkung mit Materie verändern Prozesse wie Absorption, Reflexion, Streuung oder Lumineszenz die Intensitätsverteilung des Lichts bei verschiedenen Wellenlängen. Diese Veränderungen hängen mit der Zusammensetzung und dem Zustand der Materie zusammen. Wenn man die Intensitätsverteilung des Lichts bei verschiedenen Wellenlängen aufzeichnet, erhält man ein Spektrum; durch Analyse des Spektrums können relevante Informationen über das Messobjekt extrahiert werden, weshalb Spektren oft als „Fingerabdruck“ von Materie bezeichnet werden. Die Aufgabe eines Spektrometers besteht darin, diese Verteilung auszulesen und dann das Messobjekt darauf basierend zu analysieren.
Seit mehr als hundert Jahren entwickelt sich die Spektraltechnik stetig entlang der Linie der „Wellen-Natur“: Licht verschiedener Wellenlängen wird durch Welleneffekte wie Brechung, Beugung und Interferenz getrennt und dann einzeln gemessen. QuantumSight schlägt einen anderen Weg vor – das partikelbasierte Spektrumparadigma. Konkret zeigt sich dies in der Umwandlung des Spektralanalysemechanismus: Von der Trennung von Licht durch Welleneffekte hin zur Kodierung durch die Wechselwirkung von Photonenenergie und den Quantenniveaus des Materials. Dies verbindet Quantengrundlagen, Quantenmaterialien und Quantenwahrnehmungsmessung direkt miteinander und bietet eine neue Realisierungsmethode für die Übertragung der Spektralanalyse von Geräten zu miniaturisierten Sensoren.
Im Jahr 2015 veröffentlichte BAO Jie als erster Autor und einziger korrespondierender Autor eine Studie über kolloidale Quantenspektrometer in der weltweit führenden akademischen Zeitschrift Nature, wodurch der partikelbasierte Weg der spektralen Rekonstruktion durch Antwortkodierung mit Quantenspunktmaterialien begründet wurde, und der wichtige Schritt der Spektralanalyse wurde auf die Wechselwirkung zwischen Photonen und Quantenmaterialien verlagert.
Licht verschiedener Frequenzen entspricht Photonen unterschiedlicher Energie. Ob ein Photon von dem Material absorbiert werden kann und wie die Absorptionsantwort ausfällt, hängt von den erlaubten Elektronenübergängen im Material ab. Durch Gestaltung der Quantenniveaus des Materials kann seine Antwort auf Photonen unterschiedlicher Energie angepasst werden. Der Ausdruck „von Welle zu Teilchen“ in der Rede weist auf diese Umwandlung des Messmechanismus hin – von der räumlichen Lichttrennung durch Welleneffekte hin zur Kodierung von Spektren durch Photonenabsorption und Elektronenübergänge.
Um dieses Prinzip in ein Bauteil umzuwandeln, liegt der Schlüssel in den Quantenmaterialien. Quantenspunkte sind Halbleiterpartikel mit einer Größe von nur wenigen Nanometern. Die Bewegung von Ladungsträgern wie Elektronen ist auf einen sehr kleinen Raum beschränkt, wodurch eine Energieniveaustruktur mit quantisierten Merkmalen gebildet wird. Diese „Quantenbegrenzung“ ermöglicht es, die optischen Eigenschaften des Materials durch Bedingungen wie Größe und Zusammensetzung zu verändern. Daher werden Quantenspunkte oft als „künstliche Atome“ bezeichnet: Menschen können ihre Wechselwirkung zwischen Energieniveaus und Licht durch Materialgestaltung regulieren.
Verschiedene Quantenspunktmaterialien können unterschiedliche spektrale Antworten erzeugen. Wenn derselbe Lichtstrahl durch diese Materialeinheiten läuft, hinterlässt er Messsignale unterschiedlicher Stärke; wenn mehrere Gruppen von Signalen kombiniert werden, kann der Algorithmus die ursprüngliche spektrale Verteilung rekonstruieren. Jedes Material übernimmt einen Teil der Kodierungsaufgabe, und mehrere Materialien arbeiten mit Algorithmen zusammen, um die Spektralanalyse abzuschließen. Auf diese Weise wird ein Teil der Arbeit, die ursprünglich von dem für die Lichttrennung erforderlichen Raum erledigt wurde, auf die Antwortgestaltung von Nanomaterialien und die computergestützte Dekodierung verlagert, wodurch der Weg für die Chip-Integration von Spektrometern geöffnet wird.
Diese Innovation hat auch nachfolgende Forschungen beeinflusst. Eine Übersicht über rekonstruierbare Spektrometer, die 2025 in eLight veröffentlicht wurde, weist darauf hin, dass die Arbeit über kolloidale Quantenspunkte aus dem Jahr 2015 verwandte Bereiche erheblich vorangetrieben und das Design von computergestützten Spektrometern auf Basis niedrigdimensionaler Materialien gefördert hat. Von der kontinuierlichen Erforschung des Weges der Materialkodierung und computergestützten Dekodierung in der akademischen Welt bis hin zu QuantumSight, das ihn zu industrialisierten Bauteilen weiterentwickelt, hat sich die Prinzipinnovation schrittweise zu einer Entwicklungsrichtung der Wahrnehmungstechnologie erweitert.
Von der Materialantwort zum Wahrnehmungschip: Prinzipien müssen durch Engineering zu Fähigkeiten werden Die Quantenspektrometrie-Messung bietet einen neuen prinzipiellen Weg, aber das Prinzip selbst ist kein in großem Maßstab einsetzbares Produkt. Um die Materialantwort stabil in Spektralinformationen umzuwandeln, muss eine Reihe von ingenieurtechnischen Problemen gelöst werden, wie Materialherstellung, Bauteilintegration, Signalauslesung, Algorithmusrekonstruktion und Messkalibrierung.
Zuerst bringt die Gestaltbarkeit von Materialien Herausforderungen in Forschung und Herstellung mit sich. Größe, Morphologie, Zusammensetzung und Synthesebedingungen von Quantenspunktmaterialien beeinflussen sich gegenseitig, sodass eine Kombination, die die Ziele erfüllt, in einem riesigen Parameterraum gesucht werden muss. Professor BAO Jie hat in seiner Rede vorgestellt, dass QuantumSight KI vor etwa zehn Jahren in diesen Prozess eingebracht hat. Laut Unternehmensangaben hat das Team 2016 eine Plattform zur präzisen Synthese von Quantenspunkten aufgebaut, 2018 wurde das System mit Unterstützung eines Schlüsselprojekts der Beijing Wissenschafts- und Technologiekommission auf einen hundertdimensionalen Parameterraum erweitert, und die selbstständige Algorithmussteuerung, kontinuierliche stabile Herstellung und unbemannten Betrieb wurden vorangetrieben. Diese Plattform geht von den Zielleistungen und experimentellen Einschränkungen aus, das System arrangiert Syntheseexperimente entsprechend, überwacht online Ergebnisse wie Absorption und Lumineszenz, und dann passt der Algorithmus die nächste Erkundung basierend auf dem Feedback an. Experimentelle Daten fließen kontinuierlich in das Modell ein, sodass das System Schlüsselfaktoren erkennen und experimentelle Bedingungen mit höherem Informationswert auswählen kann. Dies ist eine frühe Praxis von AI for Science in der Entwicklung von Quantenmaterialien, die konkret zu AI for Materials gehört: KI ist an Materialgestaltung, Synthese und Erkundung beteiligt und unterstützt die Materialien und Prozesse, die für die Quantenwahrnehmung benötigt werden.
Um weiter einsetzbare Wahrnehmungschips zu bilden, sind auch hochkonsistente Herstellung, Array-Verarbeitung, Chip-Gehäuse, standardisierte Kalibrierung und Massenproduktion erforderlich. Die Materialantwort muss wiederholbar sein, die miniaturisierten Einheiten müssen genau integriert werden, und das Bauteil muss die entsprechende Beziehung zwischen Messsignalen und Spektralinformationen herstellen. QuantumSight treibt diese Gliederungen kontinuierlich voran, verbindet Prinzipien, Materialien, Herstellung und Datenstandardisierung miteinander und bildet schrittweise Wahrnehmungswerkzeuge, die in großem Maßstab eingesetzt werden können.
Vom Lichtsignal zur Materieinformation: Wie Wahrnehmungsdaten entstehen
Die Aufgabe des Quanten-Wahrnehmungschips besteht darin, die Informationen, die durch die Wechselwirkung von Licht und Materie gebildet werden, in auslesbare und analysierbare Daten umzuwandeln. Der grundlegende Prozess ist: Zuerst wechselwirkt Licht mit dem Messobjekt und trägt Informationen über seine Zusammensetzung und seinen Zustand; dann erzeugen die Quantenspunktmaterialien eine differenzierte Antwort auf diese Spektralinformationen; der Detektor wandelt die Änderung der Lichtintensität in elektrische Signale um, und der Algorithmus rekonstruiert das Spektrum entsprechend der kalibrierten Antwortbeziehung. In Kombination mit entsprechenden Kalibrierungs- und Analysemodellen extrahiert das System weiter Informationen, die mit der Zusammensetzung oder dem Zustand der Materie zusammenhängen. Veränderungen in der physischen Welt werden so durch Sensorik und Berechnung zu Daten, die für KI verwendbar sind.
Die Wahrnehmungsfähigkeit kann sich von der Lichtintensitätsmessung auf Spektral- und räumliche Bildgebung erstrecken. Die Lichtintensität zeichnet die Größe des Signals auf, das Spektrum zeigt die Verteilung bei verschiedenen Frequenzen, und die Bildgebung gibt zusätzlich die räumliche Position dieser Merkmale an. Zusammen mit kontinuierlichen Zeitaufzeichnungen können Daten beschreiben, wo sich der Zustand von Materie ändert und wie er sich mit der Zeit entwickelt. Laut Professor BAO Jie hat das Team von QuantumSight diese drei Ebenen von Funktionen im Quantenspunktsystem realisiert. Die daraus gewonnenen echten Beobachtungen können Stichproben für das Modelltraining liefern und die Grundlage für die Überprüfung von Vorhersagen und die Bewertung von Handlungsergebnissen bilden.
Diese Befähigung zeigt sich nicht nur in der Informationsdimension, sondern auch darin, ob Daten kont