企业案例分享：坤煜量子｜36氪2026产业未来大会

2026年，产业投资步入深水区域，资本、技术与产业的融合不断加速，旧有的投资逻辑已难以适用，新的行业共识正逐步形成。2026产业未来大会聚焦于新周期中的机遇，共同探讨产业未来及“中国之光”的涌现。9月9日至10日，由36氪主办的2026产业未来大会在北京亦庄举行，主题为“深水之上，共振新生”。来自国资平台、产业投资基金、企业CVC、创新企业及专家学者的代表齐聚一堂，重点围绕量子科技等未来产业的产业化进程展开讨论。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，并分享了大量具体产业场景、产业体系构建及异构计算的前景，共同研讨科技产业投资的发展方向。

以下对话由36氪整理编辑：

演讲者：坤煜量子CEO 况亮

况亮： 大家好！今天我们要分享的内容是量子成像雷达。目前，在成像领域或光学视觉领域，有两个值得关注的现象：日常生活中拍摄照片和视频，我们使用摄像头；而在许多动态交互场景中，比如汽车、机器人、无人机上，则依赖激光雷达或毫米波雷达。但很多时候，这两类器件基于各自的光路收发系统共同工作。我们思考，如果所有信息获取都基于光学，从第一性原理出发，能否通过一次光场完成全部信息摄取？这便为量子成像雷达提供了用武之地。

进一步利用量子关联实现量子成像雷达，可以带来更奇特的现象：一方面，它能突破传统方法难以克服的边界，例如在空中探测时，遇到雨雪雾或极暗天气，传统方式很难获取视觉信息，但量子成像雷达仍能发挥作用。

我们的发展路线与今天大会的主题“深水之上，共振新生”高度契合。

量子成像雷达，首先需要“下水”。我们正与京东方集团合作，将量子成像雷达应用于水下环境，尤其是浑浊水域或光线极暗的水域，以探测其中的信息。同时，我们还与航天科技集团合作，针对低空安全领域，应对迷雾、不良天气等极端条件下的视觉信息获取难题。

“共振新生”意味着我们正在进行跨领域共振，携手各方推进量子成像雷达的产业化。这不仅涉及半导体产业，还将延伸至各类感知终端。

我们的量子成像雷达可以形象地比喻为一双“量子眼”。除了穿透性强，它还特别抗干扰：不仅能穿透烟雾和浊水，还能通过一次光场同时提供深度信息和距离信息。这样就不必遵循传统路线，即不再需要“摄像头+激光雷达”或“毫米波雷达+端侧算力”进行多模态融合，再调用服务器和大模型来输出视场信息。我们的方法更贴近第一性原理：直接给出目标的3D视场信息。

我们也在逐步拓展它的应用领域。它可以与具身智能、自动驾驶、自动安防、医疗设备等多个领域结合。视觉传感器自诞生之初就面向各行各业，量子时代到来后，视觉信息依然是重要的传感信息。量子视觉传感通过光场的复杂调控，可以关联更多信息，除了当前的深度和距离，未来还可能包括高光谱信息、速度信息、角度信息等，不断将各类信息整合进量子传感器，并与世界模型深度融合，帮助我们更精准地感知物理世界。我们做的是更底层、更端侧的技术。

以自动驾驶为例，这涉及多个器件协同完成同一任务。这种“多步走”策略会受物理边界限制：例如摄像头在不良天气、晕光或黑暗场景中表现受限；激光雷达点云通过另一个光场和时空序列，与摄像头结合时，对齐、标注、计算和算法调用过程对车端侧算力消耗很大，且对大模型最终输出的结果，在安全性上无法完全信任。尤其是安全问题，如果存在1%的漏洞，就无法认为自动驾驶的前端感知足够安全。

如果通过量子成像能够提供同一视场所有点的图像，天然在物理层面实现一体化，从底层构建了安全架构，且无需外接算力，不依赖模型逼近，直接通过测量方式实现3D传感。

我们对这两条路线的原理进行了对比。传统光学，无论模组多复杂，最终回归到像与物的对应关系，利用光学相位将其转化为电信号来识别物体。但在多次光传递过程中，所有器件是被动的，被动接收信号并整合成信息。如果能够通过主动调控，在相关时空上，不仅对光的波动性（相位信息）进行调控，还能利用光的粒子性（强度信息）进行调控，结合半导体器件和工艺，将量子关联计算、量子光学架构、量子随机数与经典半导体工艺深度融合，便得到了量子成像雷达。

相比传统光学，它有许多优势：不仅抗干扰能力强、能实现3D成像，还无需受焦距限制。在追踪动态目标时，无需调焦，不会出现失焦或过焦问题，还能实现未定义成像，单像素不扫描即可获取整个视场。

这项技术源于清华物理系，其独特贡献在于解决了算力消耗问题。长期以来，量子成像受限于实验室环境，主要瓶颈是实现实时3D视频，包括相对复杂的光场调控方案，因此一直依赖服务器。

清华物理系团队经过十年攻关，彻底摆脱了这一算力架构，开发了全新路线，如今完全可以通过板卡级硬件实现实时3D的清晰量子成像。

在算法层面，我们改变了标准成像量子算法，将计算架构从先存储后处理，转变为流式处理架构。不再需要存储算力，直接提取所有图像主特征，边计算边丢弃，直接成像，能够在强光和弱光下获得稳定成像，并实现大画面彩色成像。我们已完成电路板级别样机，并提前完成工程样机。9月11日，我们将在北京服贸会上正式发布“煜见一号”量子成像雷达，这款设备可用于低空安全和水下探测。

我非常赞同上一位演讲者的观点：量子技术落地的关键里程碑是深入现有半导体工艺，这意味着更集约、更集成、更高效、更小体积和更低功耗，能够面向更广泛的端侧。我们下一步的重要迭代工作，是将量子成像雷达的各个部件压缩成整体芯片化，使其达到摄像头大小，从而真正进入全球各个移动端侧。

相比传统技术，我们首先进入了一个无人区。在需要抗干扰、解决成像测距一体化，以及应对恶劣环境、水体、全天候全天时工作的场景中，这正是我们想与产业链共同攻克的方向。

我们也特别关注卡脖子问题。经过对国内供应链的调研，我们发现其表现相当不错。虽然性能未必完全达到理想环境，但足以支撑发展需求。

我们还与新能源汽车领域及许多其他领域进行了深度联动。我们的技术源自清华大学物理系龙桂鲁/李俊林团队。

在应用领域：

第一，低空安全领域。如今无人机在军用和低空经济中已占据重要地位。无论是俄乌冲突、美以伊战争，还是各类安防事件，都表明低空安全领域仍需大量研究。我们与航天科技集团联合申报了相关项目。

量子体系赋能这一领域有两个优势：1. 能有效应对低慢小问题。2. 实现成像测距一体化。量子成像雷达可同时完成识别和定位，从而压缩不同机器间数据链的响应时间。

第二，水下视觉领域。我们正与京东方集团合作。水下视觉一直是人类渴望探测但缺乏技术手段的领域。例如，经常使用声纳观察水下情况，如何让水下从“被听见”变为“被看见”，是产业的一大进步。这可用于检修大坝裂纹、探测水下爆炸物或可疑目标，还能赋能数字渔业，使其像陆地牧业一样，利用全新数字化手段实时监测生物生长状况。

完成全芯片化迭代后，体积和功耗将大幅减小，从而可进入机器人和汽车端。这两个场景在量子成像雷达视角上较为相似。行业有句话：机器人是不带轮子的汽车。无论是汽车还是机器人，整体性能进步一定依赖前端感知。如今灵巧手和机械臂发展迅速，但机器人的表现仍不尽如人意。我们希望机器人能深入生产生活，从事精细操作，如精细生产和生活服务。如果量子成像雷达能提供底层精准感知，使眼睛和手感完全协同，人形机器人的表现将大幅提升。此外，在九游体育在线平台上，我们也能看到类似技术如何赋能体育产业的感知升级。

最后，各类数据端可连接至世界大模型，从物理底层赋能AI模型升级。我们是清华转化成立的坤煜量子公司，董事长是原清华高等研究院李家强院长。考虑到量子成像的学科交叉特性，公司组建了高规格咨询委员会。量子成像需要各行业共同努力，在不同交叉方向上赋能量子成像雷达在各领域的成长。

总体而言，对于量子成像技术的产业化，我们既要不断打磨技术，实现高精尖，也要通过合作联动，构建生态，实现共同发展。