量子计算应用能力指标与评测研究报告（2024 年） 2 量子计算机的真实计算能力边界；3）部署环境的刚性需求边界。 然而，当前阶段去实现这一目标并不容易。原因包括：一是当 前高算力需求行业的计算场景和计算问题都很复杂，难以清晰地确 定需求边界。二是量子计算存在多种量子算法范式，多种技术路线， 且当前处于含噪声中等规模量子计算机（NISQ）阶段，真实计算能 力边界难以确定。 当前量子计算产业正在扩展量子比特规模和攻关量子比特纠错， 量子计算应用能力指标与评测研究报告（2024 年） 5 阵，经典计算机求解复杂度虽然多项式级增长，但也带来极大处理 时延、资源消耗与功率消耗，相对与目前 5G 基站能耗来说更加不 可持续。 在网络优化方面，传统的网络拓扑优化、路由优化和无线网络 优化都随着通感算智融合与新技术引入而变得复杂。其中，无线网 络优化进一步细分为网络覆盖优化、网络容量优化和网络能效优化 等，属于 次方），经典计算机将无法求解。另一个典型案例是 100 个 用户的多用户同频调度，核心在于如何在众多用户之间分配同频资 源，达到保障用户优先级、降低干扰，提升吞吐量等关键系统性能 指标。这是典型的组合优化难题，属于非多项式级复杂度（一般为 指数级），求解最优解将超越经典计算能力。 在人工智能方面，虽然机器学习的引入为移动网络数据处理与 智能化提供了新的解决方案，但大模型的训练与推理成为移动网络 新的算力需求来源。

校发挥着至关重要的作用。 目前，许多大学已经开始开设相关课程，旨在协助学生更深入 地理解并掌握量子计算的理论知识和实践技能。然而，由于量子计 算涉及的概念和原理包括叠加态、纠缠态以及量子门等都是相当抽 象且复杂的内容，这就对教师的教学水平和学生的学习能力提出了 较高的要求。 (二) 现状/需求/痛点 当前，主流的教学方法仍是理论讲解，尤其在处理复数和矩阵 概念时，学生们常感到困难重重。因此，如何将抽象的量子理论具 算的研究设备上，教学设备采购经费一般受到一些限制，大多数高 校在供教学的设备方面的供给不足，甚至有一些学校在缺乏设备的 情况下，无法开展与量子计算相关的教学工作。此外，当前研发使 用的量子计算设备往往设计精细、操作复杂，对操作人员的技术要 求较高，因此并不能适应广大教学老师和学生群体的需求。这就需 要我们在设计和开发量子计算教学设备时，充分考虑到其易用性和 通用性，以满足更广泛的教学使用者群体的需求。 提供单位：深圳量旋科技有限公司 量子信息技术应用案例集（2024） 13 一、 应用背景与需求 (一) 行业/应用背景 生物信息学是现代生命科学的核心领域之一，它在理解支撑生 命的复杂生物过程和机制，以及推进医疗保健、农业、环境科学等 方面发挥着至关重要的作用。其中，基因组学研究尤为重要。基因 组是所有生命遗传物质的集合，由 A、T、G、C 4 种碱基组成，其 碱基序列信息记录着生命进化的历史。

价值潜能。为此，中国移动针对云智算体系架构形成了计算、存储、网 络、算网一体、AI 开发平台、模型服务、算网大脑等十大关键技术方向。 7 2.云智算关键技术方向 2.1 计算技术 随着模型参数量与复杂度指数级增长，当前智算集群在算力密度、通信效率、 能效比方面面临严峻挑战。中国移动充分发挥央企科技创新示范引领作用，聚焦 “卡脖子”方向，攻关国产高算力芯片、智算超节点、算力原生等关键技术，突 算力底座与工具链，释放多样算力整体协同效能，推动智算应用生态繁荣发展。 2.2 存储技术 随着智算业务的爆发与模型参数量的增长，智算应用在训练、推理等阶段对 9 存储服务提出了更为严苛的需求，如何对海量复杂的数据进行存储、调度、高效 供给以提升算力利用率及模型训推效率成为传统存储系统面临的巨大挑战。中国 移动通过深度适配智算业务场景、融合高速发展的软硬件技术，为云智算构建高 效、智能、可靠的先进 联能力，形成从 卡内计算到跨机协作的端到端智算网络中国方案，为万亿参数大模型训练、多模 态 AI 应用及下一代智算中心建设提供高确定性、高可靠性的互联基座。 2.3.1 卡间互联 由于大模型复杂度、参数量和训练数据呈指数级增长，传统 GPU 互联技术在 数据传输效率、可靠性和互联规模上面临瓶颈，亟需在协议设计、内存协同和物 理连接方面实现突破。为此，中国移动提出全向智感互联架构（Omni-directional

投资逻辑建议 05 总结 06 01 运动控制进展与瓶颈 运动控制基础行走抓取已实现，动态平衡复杂地形适应 受限，如宇树科技春晚表演机器人在复杂舞台环境中需 多次调整才能稳定行走。 运动控制技术瓶颈制约应用场景拓展，复杂环境适应性 不足，限制了机器人在野外勘探、灾难救援等复杂地形 场景的应用。 核心零部件研发与成本 关节模组传感器轻量化材料研发加速，但成本高，如特斯拉 O 能源效率问题限制机器人在物流仓储等需要长时间连 续作业场景的应用，增加运营成本。 硬件技术突破 具身智能算法环境感知与决策能力相当于GPT- 2水平，依赖大量数据训练，如星海图机器人需人工干预才能完成复杂任务。 具身智能算法数据依赖性强，数据采集标注成本高，且算法泛化能力有限，难以适应多样化场景。 多模态交互视觉语言动作协同尚未成熟，MIT实验完成指令需3.4次试错，交互效率低，影响用户体验。 厅服务、酒店接待等场景中响应速度慢，服务质量不稳定。 AI大脑与硬件融合存在兼容性稳定性问题，如部分机器人在高强度任务下出现算法与硬件脱节故障，影响任务完成。 AI大脑与硬件融合问题导致机器人在复杂任务执行中出现故障，降低可靠性，影响市场信任度。 具身智能算法能力 多模态交互协同 AI大脑与硬件融合挑战 AI大脑发展 区域分布珠三角伺服系统、长三角AI 算法、京津冀精密制造，产业集聚效

理环境到虚拟环境的映射、仿真和闭环控制。这三个要素共同构成 了实现自智所需的全面AI化，从而推动网络向高阶自智演进。这些将涉及以下六个方面的演变。 5 智能化时代洞察 智能化时代的变革是一个复杂的过程，机遇和挑战并存，电信运营商需要进行深刻的变革以适应新的发展趋势。 图02 自智网络的全要素AI化演变 全要素 AI化 AI大模型应用范式 端到端自动化 全栈数字孪生 多模态交互方式 以业务为中心 AI-Native网络 范式 场景 孪生 网络 业务 交互 范 式 多Agent群智协同，应用范式将Agent化。即网络中 的智能体（Agent）自动智能协同工作，共同解决复杂 问题，实现网络服务的智能化和自动化。 交 互 多模态意图人机交互方式变革，使得交互方式更加简 单和自然。结合大模型技术，网络能够理解和响应语 音、视觉等多种输入，为用户提供更加丰富和便捷的 和巡检 市场，市场规模巨大，有望为运营商带来显著的收入增长。 随着无线网络从传统地面覆盖向地面与低空的三维立体覆盖转变，低空运维能力面临新的挑战。由于低空目标体积 小、飞行高度低，加之电磁环境复杂，这些因素对网络规划和维护提出了更高要求。因此，需要发展更加精准的仿真， 更实时、更智能化的网络优化技术来应对这些挑战。 9 自智网络发展趋势 低空经济的发展对电信运营商而言，意味着新的商业机遇和挑战：

看5G商用 进程过半 进展、关键点 与未来展望 思博伦报告 2025 众所周知，在复杂的全球市场中，5G技术在站稳脚跟的过程中面临着诸多考验。现在我们正站在5G发 展时期的中点，而6G预期将在2030年问世⸺这可谓是真正意义上的中场阶段。 5G已向人们证明，它可以带来真正的变革。随着5G独立组网（SA）部署的不断成长，以及5G-Ad- vanced的横空出世，电信行业已经为满足行业需求而交付真正的5G能力做好了准备。 求而交付真正的5G能力做好了准备。 中场阶段意味着前面还有很长的路要走。尽管做好了充分的准备与证明工作，我们的行业仍然面临着 复杂性、激烈竞争与经济的不确定性。 无论是固定无线接入（FWA）、专用网络还是5G轻量化（RedCap）及5G V2X等新兴技术，各大企业 都将为其带来真正的价值。随着网络API、人工智能赋能的基础设施、低空经济及非地面网络等技术的 进步，5G商用的下半场将会充满惊喜与刺激。 安全与弹性。供应商的5G核心网络正在根据3GPP的安全保证规 范（SCAS）进行验证，而对于弹性的测试则专注于云原生网络 功能（CNF）如何在不同的云基础设施中得到执行和恢复。通过 上述这些验证与测试，人们相信5G SA可以处理复杂的现实需求 并提供服务的连续性。 北美的一家大型多频道视频节目发行商（MVPD）希望通 过验证5G云原生架构的鲁棒性来对其预先部署的5G SA核 心网络的弹性进行严格测试。思博伦运用其Landslide

设施，数字化 转型为其带来更为高效、精准的管理模式。市政建设的数字化应用主要集中在 BIM 技术、大数据分析以及智能化施工设备的应用方面。 BIM 与 GIS 技术的结合：市政工程往往涉及复杂的地理数据和环境条件， BIM 与 GIS 技术的融合成为提升市政项目设计、施工和管理水平的重要手段。 通过二者结合，可实现城市基础设施的智能化管理，优化资源配置，助力项目 管理者进行空间分析 技术等方面人才短缺，限制了数字化转型速度和深度。许多建 筑企业在引入新技术后，由于缺乏专业人才，无法充分发挥技术优势，导致项 目推进缓慢。例如，在 BIM 技术应用中，部分企业缺乏专业的 BIM 工程师， 无法进行复杂的模型搭建和数据分析，影响了 BIM 技术在项目中的应用效果。 建筑企业应加强与高校和职业院校合作，建立数字化技术人才培养和输送机制； 加大内部培训力度，提升现有员工数字化技能，培养复合型人才；提高薪酬待 Spark、Flink）、数据挖掘算法以及可视化技术等。主 要分析方法包括描述性分析（发生了什么）、诊断性分析（为什么发生）、预 测性分析（将会发生什么）和指导性分析（应该做什么）四个层次，从简单的 统计分析到复杂的机器学习预测模型，覆盖了不同深度的数据价值挖掘需求。 （二）技术发展现状 建筑业大数据分析技术经历了从概念导入到实践应用的快速发展过程。目 前，国际上领先的建筑企业和科技公司已开发出多种面向建筑全生命周期的大

足“二八定律”，核心功能支持 80%业务需求，20%长尾需求可 选，以避免过度设计。该原则的关键考虑因素是性能满足需求，快速规模化部署。其次是至 简原则，即“简单优于复杂”。如果没有必要，不增加实体，简化结构和逻辑，避免不必要的 复杂性，该原则的关键考虑因素是高效低成本，稳定高可用。最后是柔性原则， 即“柔性动 态优于一步到位”，快速上线新服务的基础是柔性网络架构，使得网络能够满足各类智能应 用场景下多样化 2.1.1 集中式超大规模 MIMO 2.1.1.1 低复杂度信号处理 相对于传统的大规模 MIMO 系统，6G 集中式超大规模 MIMO 系统的天线阵列规模更 大。集中式超大规模 MIMO 系统信号处理所涉及的大量的矩阵求逆等运算的计算复杂度随 天线阵列规模的增大呈指数级增长。 为降低集中式超大规模 MIMO 系统的信号处理的复杂度，一种有效的方式是将高维度 矩阵运算转化为低维度矩阵运 杂度的一种手段。在超大规模 MIMO 系统中，将 AI 算法用于信道估计、接收检测、CSI （Channel State Information，信道状态信息）压缩反馈等，可有效降低通信节点的计算复杂 度。 2.1.1.2 Pseudo MIMO 技术 Pseudo MIMO 技术是一种全新的 MIMO-OFDM 无线传输方案[20]。该方案突破了传统 MIMO 系统传输流数受到发送端和

争力受损，都警示着我们 解决工业领域安全问题已刻不容缓。 工业互联网的变革深刻影响着工业领域安全格局。一方面，工业系统在从自动化到信息化，再到网络 化、数字化以及智能化转型的过程中，形成了更加复杂多样的安全防护对象，使得固有安全防护手段难以 应对新型安全威胁；另一方面，工业互联网产业链上下游企业之间的紧密协作，使得安全风险的传播速度 更快、范围更广，一个环节出现安全问题，可能引发整个产业链的连锁反应。因此，在工业互联网安全建 入分析安全需求，提出系统的安全能力构 建框架和实施路径，并结合实际案例进行研究，为我国工业企业、安全能力提供方和政府部门提供参考， 助力提升我国工业领域安全保障水平，推动工业互联网高质量发展，在复杂多变的网络安全环境中，筑牢 工业领域安全防线。 2 关键发现 1. 明确工业互联网安全的定义 (1) 工业领域流传众多安全类相关概念且相互交错、极易混淆，必须深度剖析和关联分析，在明晰工 工业互联网 工业互联网作为新一代信息技术与工业经济深度融合的产物，是工业智能化发展的关键综合信息基础 设施。通过连接人、数据和机器，实现工业系统与高级计算、分析、传感技术及互联网的高度融合，具有 体系复杂性、融合涌现性、威胁广谱性、演化持续性等特点。其涵盖工业企业从生产设备、工艺流程到企 业管理、供应链协同等全流程的数字化、网络化与智能化转型。 工业互联网概念示例 某大型家电制造企业搭建工业互

升至1982元/吨。2021年，由于能源需求的季节性差异、疫情导致的进口能力缩减、减碳政 策缺乏柔性，多地发生“拉闸限电”情况，导致一些大型煤炭企业临时扩大产能的被动局面。 9 由此可见，能源革命是一个漫长复杂的过程，既受制于技术成熟度，又受到经济性、资源禀 赋、基础设施建设进展、国际形势、原料供需等多重因素的影响，切不可操之过急。为实现 对新能源为主体的能源结构转变，实现“双碳”伟大目标，将新能源“扶上马、送一程“的 系统、支护系统、运输系统、综合保障系统四部分，确定综采工作面智能化评价指标。 高效智能掘锚设备是实现巷道智能掘进的基础，在煤层赋存条件简单的矿井，采用高效掘支 锚运一体化装备，实现了煤巷掘进月进尺超过3000m，但在煤层赋存条件较复杂矿井巷道掘 进速度、效率、智能化程度等均不尽如人意，这是因为采掘衔接紧张、掘进作业环境差、风 险高等一直是制约煤炭实现安全高效开采的核心技术难题。目前，全行业均在积极开展巷道 智能快速掘进技术 全生 产是各省市地区关注的重点，纵观煤炭行业，从各省的政策倾向可以看出，许多省份地区 煤矿安全生产的基础较为薄弱，事故防控能力相对落后，煤矿的安全管理存在短板漏洞等 各类问题，安全生产形式严峻复杂。 以国家政策为导向，积极响应国家碳达峰碳中和目标，全面巩固深化国家能源机构、矿山 安全监察局等部门的相关指导方针，全面把握矿山智能化和生产安全的主要方向，以新兴 信息技术为载体，加强煤炭资源管理，提高煤矿安全生产水平。