洽道量子两轮融资落定：AI+量子计算切入新材料与新药研发

分析师/会磊

洽道量子成立仅一个月，两轮融资就已落定。这家做AI+量子计算应用的公司，早期融资拿到量旋科技的战略投资，第二轮已完成交割，第三轮已经启动，多维资本出任独家财务顾问。

洽道量子的路子，是把量子计算往新材料、药物研发等场景里带：先做科学问题建模，再拆任务，再调度异构算力，最终交付可复用、能落地的计算工具与应用方案。

新材料、新药和新工艺要想从规模制造转向高附加值创新，研发效率和试错成本直接决定经济回报。把物质结构与反应机理搞得更准，就能少做无效筛选，让研发投入变成产品性能、工艺改进和自主知识产权。问题是，碰上部分复杂分子和强关联体系，计算精度、体系规模与成本三者仍难兼顾，计算工具能带来的实际收益因此受限。

量子计算

洽道量子盯的就是这个口子。公司从现有硬件条件出发，先挑经典计算啃不动、又有明确验证路径的科学任务，靠算法开发和真机测试攒应用经验，再一步步建立面向产业研发的交付能力。

创始人胡俊杰博士在量子计算、人工智能与材料科学的交叉地带已有八年研究和产业经历，涉及量子化学、光伏器件与材料计算。

2020年，金贤敏教授发出邀请，胡博士由此加入图灵量子，挑起量子AI和生物医药方向，并搭起量子AI算法团队。DeepQuantum第一版也在这一时期落地。

2026年，胡博士创办洽道量子，把跨学科的积累对准新材料与药物研发等领域的具体科学问题。材料与生物研究、算法开发、产品交付，围绕这些问题被串在一起：研究人员先定下计算对象和关键机理，算法团队据此设计可执行任务，再结合硬件条件安排求解；算出来的结果与实验反馈对照，用来调整后续方法，同类任务的应用经验也就慢慢攒了下来。

计算架构上也是这套分工思路。GPU、AI模型与量子真机各干各擅长的事，中间靠物理建模和调度流程接起来。能明确建模、经典方法又能高效求解的“白盒”环节，交给GPU等经典设备；需要数据拟合与预测的部分，由AI黑盒模型负责；涉及复杂微观量子效应、适合引入量子计算的关键子任务，则放到量子真机上求解。

可解释的物理模型把不同计算环节连起来，AI拟合与量子态演化各自的求解方式都保留。流程是先定计算重点，再分配资源，真机调用集中到需要验证的关键部位。

一项生物酶计算里，研究对象约含1.2万个原子，完整的酶、底物及周围环境都在其中。团队用QM/MM方法把重点计算区域收缩到79个原子的量子力学核心，再往下分片，形成最大20比特可部署的子任务。

整个体系由经典与量子计算分工处理，量子设备只参与其中的关键子问题。这样逐层拆解，单个任务对硬件规模的要求降了下来，应用验证在当前设备条件下就能推进。

从模拟器、本地设备到云端真机，一项计算任务要经过不同的验证与执行环境，设备接口和调度方式也跟着变。洽道用智能体把这些环节接上：电路表示、后端适配、硬件调度、结果比较，拆解后的任务被组织成可执行的计算流程。

真机验证中，这套智能体曾在24小时内完成千余次真实硬件任务调度。硬件和算力由量旋科技提供，研发人员能在实际设备上反复测试、调参，摸清不同方法的适用范围与运行约束。

真机测量得来的数据，也流进了后续的模型研究。携带电子结构信息的数据被组织成“量子 token”，用来探索科学模型训练，相关工作已在

备注：图为洽道团队王乾龙博士正在机器上测试晓梦智能体

材料研究方向上，氧化物超导材料基础模型从结构预测性能的正向流程已经跑通。团队下一步打算探索从性能要求反推结构，让计算与模型研究继续围着具体材料问题转。

在应用层面，洽道铺开三条线：解决方案、云服务、本地化产品，为具体科学问题提供从前期验证到部署落地的全链路支持。项目可以先走解决方案或云端算力做验证，再看任务规模和部署条件，用云端与本地协同的方式交付。算法、算力调度、工作流被封装成可复用的能力，云服务、智能体、量子 AI 一体机都在其产品与服务形态之列。

付费客户已经进来，交付方向包括新材料研发、光电材料、电池热管理、药物分子设计。不同领域的项目同时也在试探已有方法能复用到什么程度，研发和交付团队借此找出哪些环节还得重新开发。

交付中攒下的经验，正被用来完善任务建模流程、扩展硬件适配能力、提高同类方案的复用程度。单个项目里的算法、数据和工作流，会成为后续产品开发继续沿用的底子。

国内半导体以及海外生物医药、材料领域是洽道量子眼下瞄准的方向，公司打算以现有付费客户和落地项目为起点，深化已有合作，把验证过的方法推进到客户场景里落地复用。