酉术量子发布桌面量子计算底座，一句话跑通端到端算法

量子计算长期受限于极高的工程与理论门槛。要跑通一个量子算法，开发者不仅需要掌握复杂的量子线路设计与专用编程语言，还要处理连续型物理问题向离散量子数学表达的映射，同时面临核心科研数据上传云端的隐私与合规风险。

由上海交通大学科研团队孵化的酉术量子正式发布异构计算硬件底座 UnitarySpark，并同步上线自然语言驱动的量子科学计算平台 UnitaryLab 2.5。该方案致力于让科研人员通过自然语言交互，即可直接调用量子算力解决科学计算问题。

从“堆比特”转向解决真实场景难点

当前量子计算产业往往聚焦于硬件比特数的突破，但在流体仿真、热传导、电磁场分析、分子模拟及金融建模等实际场景中，问题多为连续型偏微分方程，单靠纯量子算力难以直接求解，必须依赖量子与经典算力（GPU/CPU）的协同。

与此同时，大量实际业务问题无法直接适配量子计算模型，研究人员需要耗费大量精力进行数学重构。此外，许多涉及商业秘密和国家级实验的核心参数难以直接上云，本地化端侧部署成为刚需。行业迫切需要一个能统一纳管异构算力、并在本地闭环运行的载体。

AI 智能体驱动：自然语言调度量子算力

UnitarySpark 与 UnitaryLab 的核心改进在于改变了交互模式。系统内部深度集成了 AI Agent（AI 智能体）。

用户无需精通底层量子门操作，只需以自然语言描述目标——例如求解特定的偏微分方程、调用某种量子算法或设定工程仿真条件。AI 智能体会自动将自然语言转化为数学形式，生成算法参数，并将任务拆解调度给底层的经典与量子计算单元，最终输出解析后的结论。

在 NVIDIA 官网披露的典型案例中，原本需要 12 步的手动编程流程，被缩减为大约 3 句自然语言提示词，用户交互频次减少了约 75%。AI 智能体在此充当了从现实科学问题到底层异构硬件之间的智能调度中枢。

桌面级工作站与全流程本地化安全

UnitarySpark 定位为第一代桌面级异构计算底座，把量子模拟器、GPU 加速单元、本地 AI 智能体推理中枢以及真机互联接口集成进同一台工作站。

针对药物研发、金融风控等对数据安全要求极为严苛的领域，该设备实现了算法推理、任务执行和数据存储的完全本地化，无需依赖云端算力，消除了数据泄露风险。

在硬件扩展方面，设备预留了与真实量子计算机互联的标准接口，采用统一的 Circuit API 抹平模拟环境与真实量子处理器的差异。算法在本地工作站验证成熟后，可无缝切换到真机运行，无需修改核心代码。目前，团队已与国盾量子等多家硬件企业展开了真机通路验证。

核心基石：“薛定谔化”算法框架

软硬件架构的底层支撑，是上海交通大学量子科学计算团队自主研发的“薛定谔化”算法框架。

过去，量子算法多用于求解图论或离散组合优化问题，而连续型物理问题难以直接映射。“薛定谔化”通过数学变换，将本质上“非酉”的经典微分方程转化为量子系统能够直接处理的“酉演化”形式。这使得复杂的连续型科学计算能够通过标准量子线路统一求解，在高维、多尺度场景下具备潜在的代数级乃至指数级加速能力。该算法此前已入选国家自然科学基金委“十四五”优秀成果选编。

UnitaryLab 依托该算法，将问题建模、线路构建、量子模拟、真机执行与结果验证串联为完整的研究闭环。

产业生态与真机协同

目前，UnitaryLab 基于 NVIDIA DGX Spark 的实践已被收录于 NVIDIA 官网案例库。在本次发布中，酉术量子还与上海国盾量子、玻色元培量子、中器无量量子达成战略合作，推进从算法设计到真机落地的硬件适配，并与气象、金融、生物医药等多个领域的企事业单位达成了场景应用意向，推动量子计算从理论探索走向桌面端工程化应用。