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、技术与产业加速交织，旧有的投资逻辑已不再适用，新的共识正逐步形成。2026产业未来大会围绕新周期机遇，共同探讨产业未来与“中国之光”的崛起。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，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，共同探讨科技产业投资的未来方向。
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！我们今天想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，存在两个有趣的现象。例如，日常生活中拍照、拍视频使用的是摄像头；而在许多动态交互场景中，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独立的光路收发而协同工作。我们思考的是，如果各种信息获取都依赖光学，那么根据第一性原理，能否通过一次光场完成所有信息采集？这正是量子成像雷达发挥作用的地方。
通过量子关联实现量子成像雷达，会带来更奇特的现象。首先，它能突破传统技术难以克服的边界。例如，在空中探测时，遇到雨雪雾或极暗天气，很难获取视觉信息，但量子成像雷达仍能在此类场景中工作。
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，一方面需要“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，特别是在浑浊水体或光线极暗的环境中，探测其中的信息。另一方面，我们与航天科技集团合作，应对低空安全挑战，在迷雾、不良天气及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，与各方共同推动量子成像雷达的产业化。这不仅涉及半导体产业，还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”。它除了具备强穿透性外，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种信息。这避免了传统路径，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才能输出视场信息。我们的方法更贴近第一性原理：直接输出目标的3D视场信息。
我们正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个领域，量子时代到来后，视觉信息仍是重要的传感信息。量子视觉传感通过光场的进一步复杂调控，可以关联更多信息。除了当前的深度和距离信息外，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，涉及多个器件完成同一任务。这种“多步走”策略受限于一些物理边界。例如，摄像头在不良天气、晕光场景或黑暗环境中受限；激光雷达的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、计算和算法调用会消耗大量车端算力，并且大模型最终输出的结果在安全性上无法100%信赖。尤其是涉及安全的问题，哪怕只有1%的安全漏洞，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直接给出同一视场所有点的图像，那么它在物理层面天然就是一体化的。这从底层提供了安全架构，无需外接算力，也无需通过模型逼近，而是直接通过测量实现3D传感。
我们对这两条路线原理做了对比。传统光学，无论模组多复杂，归根结底是像与物的对应关系，利用光学相位将其转换为电信号来识别物体。但在多次光传递过程中，所有器件是被动的，被动接收各种信号并整合成信息。如果能通过主动调控，在相关时空上，不仅调控光的波动性（相位信息），还能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。
相比传统光学，它具有诸多优势。不仅抗干扰能力强、支持3D成像，还无需受限于焦距。在跟踪动态目标时，无需调焦，也不会受失焦或过焦问题困扰。它还能实现未定义成像，单像素无需扫描即可获取整个视场。
这项技术源自清华物理系，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方向，最大瓶颈是实现实时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，开发出全新路线。现在，仅通过板卡级硬件就能实现实时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。这样能在强光和弱光下获得稳定成像，还能获取大画面的彩色成像。我们已经完成了电路板级别的样机，并提前完成了工程样机。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，这是用于低空安全和水下探测的一号机。
我特别赞同上一位演讲者的思路：量子技术落地的一个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，从而面向更广阔的端侧。我们接下来的重要迭代工作，是将量子成像雷达的各个部件同时压缩成整体芯片化，使其达到摄像头大小。这样，它就能像我们所期待的那样，进入全球各类移动端侧。
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、恶劣环境或水体，以及全天候、全天时工作的场景中，这正是我们想与产业链共同攻克的关键难题。
我们也特别关注卡脖子问题，因此调研了国内供应链。我们发现国内供应链表现很好，尽管性能未必达到100%的理想状态，但足以支撑发展需求。
我们还与新能源汽车领域及其他多个领域进行了深度联动。我们的技术来自清华大学物理系龙桂鲁/李俊林团队。
在应用领域方面：
第一，低空安全领域。当前无人机无论军用还是低空经济，都已占据核心位置。从俄乌冲突到美以伊战争，以及各类安防事件来看，低空安全领域仍需大量研究。我们正与航天科技集团申报相关项目。
量子体系赋能这一领域有两个好处：
- 能有效应对低慢小问题。
- 成像测距一体化，量子成像雷达能同时完成这两件事。在识别目标的同时，立即获知其方位，从而压缩不同机器之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，过去常用声纳观察水下情况。如何让水下从“被听见”变为“被看见”，是产业的一大步。这包括用于检修大坝裂纹、探测水下爆炸物或可疑目标，以及赋能数字渔业，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，体积和功耗将显著减小，从而能进入机器人和汽车端。这两个场景在我们量子成像雷达视角中较为相似。行业中有句话：机器人是不带轮子的汽车。无论是汽车还是机器人，整体性能提升必然依赖前端感知。目前灵巧手和机械臂发展迅速，维度多样，但机器人的表现仍不尽如人意。我们特别希望机器人能深入生产生活，从事精细作业和精细生活服务。如果量子成像雷达能提供底层精准感知，使眼睛和手的动作完全协同，人形机器人的表现将大幅提升。
最后，各种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，董事长还组建了高规格的咨询委员会。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个领域的成长。
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，做到高精尖，也要合作联动，实现生态你我他。