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，资本、技术与产业加速交融，旧的投资逻辑已失效，新共识正逐步形成。2026产业未来大会聚焦新周期机遇，共同探讨产业未来与“中国之光”的涌现。9月9日至10日，由36氪主办的2026产业未来大会以“深水之上，共振新生”为主题，在北京亦庄举行。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，聚焦量子科技等未来产业的产业化进程。大会深入探讨了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、产业体系搭建及异构计算前景，共同探讨科技产业投资的未来走向。
以下对话，经36氪整理编辑：
演讲者：坤煜量子CEO 况亮
况亮： 大家好！今天我们来分享量子成像雷达。在当前的成像或光学视觉领域，存在两个有趣的现象：日常生活中拍照、拍视频用的是摄像头；而在许多动态交互场景中，例如汽车、机器人、无人机上，则采用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并行工作。我们思考，如果所有信息获取都基于光学，根据第一性原理，能否让一次光场就完成所有信息摄取？这正是量子成像雷达的用武之地。
进一步利用量子关联实现量子成像雷达，会带来更奇特的现象：一方面能突破传统方法难以克服的边界，比如在空中探索时遇到雨雪雾或极暗天气，很难获得视觉信息，但量子成像雷达依然能在此发挥作用。
我们的发展路线与今天大会的主题高度契合——深水之上，共振新生。
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，尤其是浑浊或光线极暗的水域，以探测其中的信息。其次，与航天科技集团合作，应对低空安全，在迷雾、不良天气和极端恶劣条件下获取视觉信息。
“共振新生”意味着我们正在跨领域共振，与各方共同落实量子成像雷达的产业化，不仅要推向半导体产业，还要覆盖各类感知终端。
我们的量子成像雷达，形象地说就像一双“量子眼”。它除了穿透性强，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和距离两个信息。这样就不走传统路线，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，最后调用服务器和大模型输出视场信息。我们的做法更贴近第一性原理：直接给出目标的3D视场信息。
我们也在逐步拓展其应用领域。它可以与具身智能、自动驾驶、自动安防、医疗设备等领域结合。视觉传感器从诞生之初就面向各个领域，量子时代到来后，视觉信息依然是重要的传感信息。通过光场的复杂调控，量子视觉传感能关联更多信息，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，不断将各种信息纳入量子传感器，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，涉及多个器件完成同一任务，这种“多步走”策略受物理边界限制，比如摄像头在不良天气、晕光或黑暗场景中受限；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、计算和算法调用对车端算力消耗很大，且对大模型最终输出的结果，在安全性上难以100%信任。尤其关乎安全，哪怕只有1%的漏洞，也不能认为自动驾驶的前端感知足够安全。
如果通过量子成像能给出同一视场所有点的图像，天然在物理层面就是一体化的，从底层提供安全架构，无需外接算力，也无需通过模型逼近，直接通过测量实现3D传感。
我们还将这两条路线的原理做了对比。传统光学，无论多复杂模组，归根结底都是像和物的对应关系，利用光学相位转换为电信号来识别物体。但在多次光传递过程中，所有器件被动接收信号并整合信息。如果通过主动调控，在相关时空上，不仅调控光的波动性相位信息，还通过光的粒子性调控强度信息，利用半导体器件和工艺，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，就得到了量子成像雷达。
它相比传统光学有许多优势：不仅强抗干扰、实现3D成像，还无需依赖焦距限制。在跟踪动态目标时，无需调焦，不受失焦和过焦问题困扰，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，量子成像局限于实验室，最大瓶颈是实时3D视频的实现，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，开发出全新路线，现在完全能用板卡级硬件实现实时3D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，直接变为流式处理架构。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。这能获得强光和弱光下非常稳定的成像，以及大画面彩色成像。我们已经完成电路板级样机，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，这是一款用于低空安全和水下探测的一号机。
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。半导体工艺意味着更集约、更集成、更高效、更小体积、更低功耗，能面向更广阔的端侧。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，使其像摄像头一样大小，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一场硬仗。
我们特别关注卡脖子问题，调研国内供应链后发现，虽然性能未必完全达到理想环境要求，但足以支撑发展需要。
我们也在与新能源汽车等多个领域深度联动。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核心地位，外部如俄乌冲突、美以伊战争及安防事件，都表明低空安全仍需大量研究。我们与航天科技集团申报了相关项目。
我们的量子体系赋能该领域有两个好处：
- 有效应对低慢小问题。
- 成像测距一体化。量子成像雷达可同时完成识别和定位，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却缺乏技术手段的领域。例如，过去常用声纳观察水下，如何让水下从“被听见”变为“被看见”，是产业的一大步。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，通过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，体积和功耗会显著减小，从而进入机器人和汽车端。这两个场景在量子成像雷达视角下非常相似。行业有句话：机器人是不带轮子的汽车。无论汽车还是机器人，整体性能进步都依赖前端感知。目前灵巧手和机械臂发展迅速，但机器人表现仍不尽如人意。我们期望机器人能深入生产生活，从事精细作业。如果量子成像雷达能为机器人提供底层精准感知，使其眼睛和手协同一致，人形机器人将表现优异。
最后，各种数据端可连接到世界大模型，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的成长。
总的来说，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，也要合作联动构建生态，实现“你我他”的共赢。