“粤菜师傅”烹出产业兴旺好滋味

“粤菜师傅”职业技能大赛比赛现场 羊城晚报记者 邓鼎园 刘畅 摄

厨师现场展示菜品 羊城晚报记者 林桂炎 梁喻 邓鼎园 刘畅 摄

羊城晚报记者 周聪

锅铲翻飞，烟火漫溢河源万绿湖畔，第七届粤港澳大湾区“粤菜师傅”职业技能大赛在此举行。

粤港澳三地百余名大厨同台竞技，广府清鲜、潮汕醇厚、客家质朴，各式岭南风味齐聚。

历经七届沉淀，这场赛事早已跳出单纯厨艺比拼的范畴。

多年来，记者跟随“粤菜师傅”工程的推进轨迹，踏遍南粤滨海村落与山区乡镇。

一路走访、一路观察，见证这项工程以烟火美食为纽带，扎根乡土、赋能民生、激活产业，为广东“百县千镇万村高质量发展工程”淬炼出接地气、暖人心的好滋味。

小小铁锅，稳稳托住群众就业饭碗；缕缕鲜香，悄悄激活城乡发展活力。

路宽了，腰包鼓了，就业创业有奔头

天刚破晓，粤东海丰县乡村粤菜实训基地就热闹了起来。

记者现场走访看到，通透的实操厨房里，不锈钢灶台整齐排列，参训的返乡青年、留守妇女、务工村民围站成圈。

砧板咚咚脆响，铁锅热浪升腾，学员们一遍遍练习磨刀、起镬、勾芡、摆盘，没有花哨技巧，全是贴合家常餐饮、乡村宴席的实用技法。

广东把烹饪课堂直接下沉到镇村一线，送教下乡、普惠开课，让普通群众足不出镇就能习得一技之长。

长久以来，不少乡村劳动力苦于无专业技能，就业选择窄、收入不稳定。

“粤菜师傅”工程精准瞄准烹饪行业门槛适中、创业灵活、投入成本低的优势，在全省铺开全覆盖、常态化的技能培训。

无数普通人的人生，就此被一方灶台改写。

“粤菜师傅”工程启动以来，一个又一个学员凭借厨艺实现人生转型。

汕尾联安镇村民黄少峰早年常年在外打散工，收入不稳定。

参加镇村免费粤菜实训课后，他系统掌握了家常菜烹制、食材甄选、门店运营、成本管控等实用技能，顺利考取职业技能证书。

培训结业半年，他便和妻子在村口开起家常小馆。

“小店生意稳定，不用再背井离乡打工。

”黄少峰的朴实感言，是数万参训学员的真实写照。

不只是个体增收，这项工程更盘活了整村发展。

梅州市玉水村的蜕变就是其中的代表。

这座煤矿村的上千名村民经过“粤菜师傅”系统化培训，学成后奔赴全国各地从事餐饮行业，每年为本村带回数千万元务工收入。

昔日资源枯竭的破旧煤村，蜕变为远近闻名的“粤菜厨师村”。

技能帮扶的触角，还延伸到东西部协作一线。

大凉山彝族青年吉力么日各，赴顺德参加“粤菜师傅”专项帮扶培训，结业后返乡开设粤菜馆，融合川粤风味打造特色菜品，带动家乡餐饮消费，真正实现“一人学厨、全家增收、一地受益”。

数据最有说服力，广东省累计培育近60万名粤菜师傅，带动超百万人次就业创业。

数字背后，是无数家庭的生计改善、无数普通人的命运转折。

如今的培训早已跳出“只教做菜”的单一模式，食品安全、线上引流、短视频运营、创业贷款指引等实用课程全部配齐。

各地实训站点联动供销社、农业合作社，打造“学艺-就业-创业”完整闭环。

本届大赛的粤菜产业文化交流活动，还专门开设人才供需对接专区。

记者在现场看到，数十家餐饮企业摆台纳贤，薪资待遇、岗位需求一目了然。

不少持证师傅现场咨询、双向洽谈。

乡野间的实训课堂，不仅是传授厨艺的讲台，更是乡村群众稳就业、创家业的渡口，让乡村振兴的内生动力，在袅袅烟火中持续生长。

壁垒破了，底气足了，厨师也可评“教授”

长久以来，不少人认为，厨师只是后厨手艺人。

但在广东，这一固化认知被彻底打破。

全国首创的乡村工匠职称评价体系落地实施，让深耕一线的粤菜师傅，拥有了参评高级职称、获评“教授级”工匠的资格。

记者走访清远、河源、汕尾多地餐饮行业与实训基地，真切感受到这套全新评价体系，带给乡土厨师的底气与尊严。

这套体系最大的突破，就是彻底破除“唯学历、唯论文、唯资历、唯奖项”的“四唯”桎梏，职称评审核心考量实操技艺、带徒传艺成果、助农兴业实绩。

哪怕是扎根乡村、深耕市井的普通厨师，只要手艺精湛、带动产业、助力村民增收，都有机会获评高级乡村工匠职称。

全省首批烹饪专业乡村工匠正高职称获得者李文平深耕粤菜行业30余年，身为粤式羊肉煲非遗技艺传承人的他，从后厨学徒一步步摸爬滚打，扎根乡土传艺带徒、帮扶农户销售食材。

拿到正高级职称证书时，他感慨万千：“能获评‘教授级’工匠，是对我们手艺人最大的认可。

”

汕尾名厨刘亨利的经历同样极具代表性。

从业31年的他，深耕乡村厨艺，常年参与“名厨下乡”行动。

记者实地走访其乡村帮扶课堂看到，他深入海丰、陆丰、红海湾各镇村，手把手教村民把控火候、改良乡土菜式、核算经营成本。

依托扎实的传艺助农实绩，他成功获评烹饪专业高级工程师职称。

“以前大家觉得厨师只是打工的，现在有职称、有荣誉、有出路，更多年轻人愿意沉下心学手艺、留乡兴业。

”刘亨利告诉记者。

与此同时，一批首席技师、特级技师陆续评定，赛事荣誉、技能等级、赛事参赛资格、政策扶持资源全面衔接，为技能人才搭建起清晰、可持续的成长阶梯。

这一变革，彻底扭转了行业人才流向。

过去，多数优秀乡村厨师学成后，唯一出路就是奔赴一线城市星级酒楼谋生，乡村优质厨艺人才大量流失。

如今，完善的职称晋升、荣誉激励、政策帮扶体系，让越来越多名厨主动扎根县域、深耕乡野。

他们深耕乡土美食传承，挖掘本地食材价值，改良乡村宴席菜式，助力农家乐升级、乡村文旅提质。

一纸职称证书，承载的不仅是个人荣誉，更是整个技能行业的价值突围。

当掌勺匠人也能拥有教授级资质、获得社会尊重，职业偏见被彻底打破，越来越多年轻人主动投身粤菜行业、扎根乡村发展，为“百千万工程”持续留住、培育本土技能人才。

食材活了，产业旺了，乡土烟火成气候

回顾七届粤港澳大湾区“粤菜师傅”职业技能大赛，最直观的变化是赛场持续下沉、赛事持续赋能县域。

赛事从最初落地中心城市，逐步走进县域、扎根乡村，每一届赛事的指定食材、竞赛主题，都紧扣地方特色物产，藏着广东以赛育人、以赛促产的清晰逻辑。

第四届大赛落地汕头，潮汕牛肉丸成为核心竞赛食材，让这一市井小吃站上专业竞技舞台；本届大赛落户河源，万绿湖桂花鱼、客家山水食材成为赛场主角。

赛事选址与食材设定的变迁，本质是厨艺与乡土产业的深度绑定，让藏在山野田间的优质食材，借助专业赛场走向大众视野、走向广阔市场。

一场厨艺赛事，串联起一条完整的乡村产业链。

记者多年走访广东各地特色产业带发现，“粤菜师傅”的深耕细作，让诸多乡土单品成长为区域富民IP。

依托“粤菜师傅”常态化技艺培训与菜品创新，潮汕地区的传统狮头鹅美食不断提质升级。

师傅们深耕卤制技法、统一风味标准、创新预制菜品，顺势带动本地狮头鹅规模化养殖、冷链加工、品牌门店与美食文旅协同发展。

依托“粤菜师傅”的技艺打磨，传统美食清远鸡摆脱单一白切吃法，衍生出药膳鸡等多款产品，适配家庭消费、餐饮门店、电商销售等多元场景，本地家禽种养销路大幅拓宽，带动无数养殖户增收致富。

河源则依托万绿湖优质生态水资源，借力客家菜传承优势，持续打磨湖鲜菜式，把万绿湖鱼打造成为河源生态美食标杆，带动本地水产养殖、乡村餐饮、生态旅游协同发展。

七届赛事的迭代升级，不只是比拼厨艺，更是持续拓宽产业赋能边界。

赛事从聚焦专业厨师技艺对决，到如今新增全民家常菜比拼，兼顾高端厨艺与烟火市井风味。

本届大赛创新采用线上线下双线办赛模式，云端观赛、线下竞技同步开展，赛场外围同步开设粤菜产业文化交流市集和粤菜销售专区。

记者在市集现场看到，种养农户、餐饮商家、食品企业、创业青年面对面对接，大厨赛场选用本土食材的同时，直接为县域农产品引流造势，打通“田间种养-后厨烹制-市场热销”的直通链路。

“粤菜师傅+”融合模式持续发力，叠加乡村旅游、预制菜产业、农产品产销，让单一厨艺培训，升级为带动镇村产业提质、农户增收、县域引流的综合性民生工程。

灶火生生不息，烟火滋养乡土。

多年深耕的“粤菜师傅”工程跳出单一民生培训的范畴，以人才培育筑牢就业根基，以评价革新重塑匠人价值，以赛事赋能激活乡土产业，成为助力“百千万工程”的关键抓手。

一盘美食，连着万家生计，系着乡村振兴。

锅勺起落间，是普通人的增收希望；五味调和里，是南粤大地的发展生机。

立足新起点，“粤菜师傅”工程将持续深耕乡土、赋能产业，让更多岭南烟火味飘香四方，让更多乡野匠人扎根基层，持续烹出产业兴旺、百姓富足的高质量发展新滋味。

秋招现场的“侨”引力重庆以侨为桥打通产才融合新通道

10月23日，“渝快就·创未来”重庆市2027届普通高校毕业生秋季双选会暨侨助百校万企产才融合对接会在重庆师范大学大学城校区举行。

852家用人单位、超3万个岗位、覆盖毕业生超10万人——在偌大的招聘现场，优质侨企专区人头攒动。

不少毕业生手持简历穿梭展台，俯身翻阅岗位手册，围着招聘人员细问岗位职责、成长路径。

一个“特色展区”，为何成为秋招现场的人气区域？答案藏在侨界产业资源与青年就业需求的精准对接里。

双选会现场。

主办方供图 热度何来？专区直连供需 本次双选会创新构建“1个主会场+3个高校分会场”办会模式，联动18所高校，汇聚正大集团、玖龙纸业等侨企在内的852家用人单位，涵盖信息技术、智能制造、金融商贸、教育科研、文化传媒等行业。

现场专门设置优质侨企专区，由重庆市侨联联动中国侨商联合会打造，广泛动员中国侨商会、重庆华商会、重庆市侨青会会员单位、侨资企业及新侨创新创业企业参会，50余家市内外优质侨企集中亮相，把侨界产业资源转化为面向青年学子的就业机会。

侨企专区为何受关注？关键在于岗位有“产业纵深”，也有“国际通道”。

在正大集团重庆区展台前，咨询学生排起小队。

这家扎根重庆30余年的侨资企业，本次面向2027届毕业生推出销售类、生产养殖类、行政职能类等岗位，覆盖工商管理、市场营销、电子商务、物流管理、动物科学、动物医学、遗传育种、机电一体化等多个专业。

“正大集团始终秉持‘人才第一’理念，希望为毕业生提供一个有侨企资源依托、有产业纵深承接、有培养体系支撑、有长期需求托底的职业起点。

”正大集团重庆贵州区招聘运营总监李波介绍，依托集团领导力学院、数字网络学院等内部企业大学，企业面向应届毕业生搭建“入职引导—导师带教—在岗实践—项目历练”完整培养链条，实行管理通道与专业通道并行的双轨晋升机制，帮助毕业生快速完成从校园到职场的角色转变。

双选会现场。

主办方供图 空间何在？侨企托举成长 对毕业生而言，侨企的吸引力不止于“有岗位”，更在于“有空间”。

重庆师范大学就业与创业工作处处长冉久飞表示，侨资企业兼具扎根地方实业、融通国内国际两个市场的独特优势。

近年来，不少侨资企业在共建“一带一路”国家布局业务，在吸纳本土毕业生就业的同时，也为优秀青年提供跨境业务历练机会，让青年人才既能够立足重庆投身实体经济建设，也能拥有参与国家对外开放事业的成长通道。

本次双选会特意邀约侨资企业集中参展，旨在为高校毕业生搭建多元化求职平台，进一步拓宽青年学子的择业选择与发展空间。

“侨企专区为我提供了更多就业选择，企业既有重庆本地实体产业作为依托，还有国际化发展空间，很契合我们专业的发展方向。

”重庆师范大学2027届毕业生杨天虹说，自己已经向侨企专区企业投递简历，期待能够扎根重庆，开启职业生涯。

一张张递出的简历，搭建起青年学子与企业之间的沟通纽带，也让“留渝来渝干事创业”从口号变成具体选择。

双选会现场。

主办方供图 从“一场对接”到“常态搭桥” 人才对接不能止步于双选会现场短暂的面对面洽谈。

以本次活动为契机，重庆市侨联将依托“侨建新重庆”品牌、世界名校“侨”重庆等活动载体，构建常态化产才对接平台，推动单次活动转化为服务高校毕业生就业的长效机制，当好校企合作“联络员”、人才引育“护航员”、供需对接“搭桥人”。

“打通人才供需链路，既是侨企发展所需，也是青年成长所盼。

”重庆市侨联办公室主任方绪汇表示，市侨联将充分发挥海内外联系广泛的独特优势，一方面联合中国侨商联合会，广泛动员侨商会、市侨青会及正大集团等侨资企业、新侨“双创”企业，持续释放优质就业岗位；另一方面依托海内外侨界网络资源，为青年学子拓展国际化就业发展渠道，吸引海外侨界青年来渝创新创业。

作为主会场举办地，重庆师范大学也在产才对接链条上持续深耕。

学校依托“三三三六”就业工作体系深化校地、校企协同联动，紧跟重庆地方产业发展导向动态优化人才培养模式，借助“3211”校园招聘体系持续挖掘拓展优质岗位资源，超70%的毕业生奔赴基层一线建功立业。

“此次携手重庆市侨联引入侨企资源，举办侨助百校万企产才融合对接会，就是希望依托侨界独特优势丰富岗位供给，引导更多毕业生留渝来渝干事创业，把青年理想追求融入地方高质量发展进程。

”重庆师范大学党委书记王国胤说。

双选会现场。

主办方供图 值得关注的是，当天主会场活动结束后，“空中招聘大厅”将持续开展重点企业、行业专场直播带岗至11月6日，未能到场的毕业生仍可线上投递简历。

本次双选会由重庆市教育委员会、重庆市归国华侨联合会主办，重庆师范大学承办。

(晏红霞)

港中深教授创业做量子AI，用量子计算增强大模型推理

近年来，随着人工智能技术快速发展，量子计算与 AI 的结合也受到越来越多关注。

长期以来，量子计算被寄予厚望，希望借助不同于传统计算机的计算方式，在材料模拟、组合优化等领域解决一些复杂问题。

如今，大模型的发展又为这一领域带来了新的研究方向。

一方面，研究人员尝试利用 AI 改进量子计算的控制和算法设计；另一方面，也有人开始探索，量子计算能否反过来提升 AI 系统的能力。

其中一个受到关注的方向，是大模型的复杂推理。

随着推理模型不断发展，AI 已经能够处理越来越复杂的数学、编程和科学问题，但在需要连续完成大量步骤的任务中，模型仍可能因为中途的判断错误而影响最终结果。

如何提高长程推理的可靠性，仍是当前大模型研究面临的挑战之一。

香港中文大学（深圳）教授赵俊华，正在尝试从量子计算中寻找新的解决思路。

赵俊华长期从事人工智能与电力系统研究。

电网运行涉及大量复杂的决策：调度人员需要根据不断变化的用电需求、发电情况和设备状态，决定电力如何分配、线路如何调整，既要保障供电安全，也要兼顾运行效率和成本。

面对数量众多的变量和约束，寻找合适的运行方案并不容易。

早在十多年前，赵俊华就开始关注量子计算，希望借助新的计算方式，提高这类复杂优化问题的求解效率。

不过，受限于当时的硬件条件和技术成熟度，这些探索距离实际应用还有很长的距离。

近几年，随着大模型逐渐进入电力行业，他和团队又遇到了新的挑战。

大模型能够理解调度需求、分析运行情况，甚至生成操作建议，但当任务涉及多个连续决策步骤时，如何保证推理过程可靠、最终方案满足专业约束，仍然需要进一步解决。

与此同时，专用量子计算设备的发展，也让他重新看到了两种技术结合的可能性。

他开始思考，能否将大模型推理中的部分路径选择转化为组合优化问题，交给量子设备求解，从而改善模型的推理表现？ 基于这一思路，赵俊华与团队提出了 QART（Quantum-Augmented Reasoning Transformer，量子增强推理 Transformer）架构，将大语言模型与量子优化模块结合起来。

大模型继续承担任务理解和内容生成，量子模块则参与部分优化问题的求解，再将结果用于模型后续的推理。

根据团队披露的早期测试结果，这种方法在部分任务上改善了模型表现，且无需重新预训练基础模型。

不过，收益随模型和任务而变化，接入量子计算也会增加成本。

它究竟能否在真实业务中带来足够的价值，还需要进一步验证。

随着研究逐步推进，赵俊华也开始将目光投向技术的实际应用。

他与团队共同推进量子 AI 初创公司 QuantumMind 的研发与商业化，担任首席科学家，希望在电力、金融等行业中寻找适合量子增强推理的应用场景。

从十多年前探索量子计算在电网优化中的应用，到如今尝试让量子计算参与大模型推理，赵俊华始终在寻找新计算技术与现实问题之间的结合点。

近日，Deep Tech 与赵俊华进行了对话，聊了聊他这些年的研究经历，以及量子计算与 AI 的结合，究竟走到了哪一步。

以下是 DeepTech 与赵俊华的对话。

两条研究线索在大模型上汇合 DeepTech：你本科读计算机，后来研究电力系统，现在又开始探索量子 AI。

这几段经历是怎样联系起来的？ 赵俊华：我博士阶段就开始把机器学习用于电力系统。

因为有计算机的教育背景，我一直希望用新的计算方法解决电力工程中的实际问题。

我关注量子计算也很早。

当时还专门去过南加州大学、Google 和 D-Wave 联合创立的量子计算研究中心，希望探索合作，看看能不能把这项技术用于电力系统。

但接触之后发现，技术还比较初步，距离工程应用很远。

此后我一直关注这个领域，希望新的计算硬件能逐步找到适合的行业应用。

后来，玻色量子与我们接触，我们开始探讨光量子计算在电力行业的用途。

与此同时，团队也在研究大模型如何帮助电力系统作出更可靠的决策。

这两项工作逐渐联系起来，我们就想，能不能把量子计算与大模型结合，处理一些现有 AI 难以高效解决的问题？ DeepTech：从高校研究走向创业公司，研发的关注点会发生什么变化？为什么选择现在创办 QuantumMind？ 赵俊华：选择现在创业，是因为我们看到，行业需求、技术积累和早期验证正在汇合。

过去几年，我们在电力和金融领域做了持续探索，参与了广东电网“明月”调度智能体等项目，也和一些头部金融机构开展了合作。

这些经历让我们对业务流程和客户实际在意的点有了更具体的认识。

大模型要真正进入复杂业务，客户最关心的往往不是模型本身有多强，而是分析结论是否可靠、给出的方案能否满足各类约束，以及在有限时间内能不能把复杂任务做对。

其次，量子计算与大模型结合的研究，也已经有了可以进一步往前推的技术基础。

我们提出的 QART 架构，已在实际设备和多项基准任务上完成早期测试，观察到了推理表现的改善。

不同任务的收益仍需继续验证，但现有结果至少说明，可以把研究推进到具体产品和客户实际任务的检验阶段了。

所以现在觉得，是时候把前面积累的这些东西组织起来，建立起持续研发和产品交付的能力。

在高校做研究，让我可以相对从容地探索技术方向；创办公司，则是希望围绕明确的客户需求，把研究原型做成可部署、可评测、也能持续迭代的产品。

我作为首席科学家，主要负责技术研发方向，也会推动量子 AI 在电力领域的应用。

合伙人吴海峰老师是金融领域的专家，主要负责金融方向。

我们希望把各自在行业中的积累，与量子计算和大模型的研究结合起来。

图丨 QART 量子增强推理架构示意图。

（来源：QART 研究论文，arXiv:2609.16887） 先找到量子计算适合参与的环节 DeepTech：谈到量子计算，人们常觉得它距离实用还有很远。

你怎么看目前的进展？ 赵俊华：量子计算距离实用有多远，很难做一个准确的评估。

首先要明确我们说的是哪一类计算能力，以及要解决什么问题。

对于通用量子计算，距离工程应用还有多远，取决于硬件、纠错和应用算法等多方面的进展，但行业内一般认为在短期内还很难大规模落地。

另一类是面向特定任务的专用设备，例如 D-Wave 和玻色量子的相关路线，主要关注组合优化。

它们要处理的问题范围更明确，因此可以从现有系统中的具体子问题入手，在高价值场景中开展验证。

未来两三年能发展到什么程度，还要看设备规模、求解质量和成本。

DeepTech：这是否意味着，探索量子 AI 不必等到通用量子计算成熟？ 赵俊华：是的。

组合优化在计算机算法和人工智能中都有应用空间。

对我们来说，可以先在已有的 AI 系统里，寻找适合专用设备处理的子问题，检验它能带来什么价值。

这仍然取决于两个条件。

一个是硬件能否处理实际问题所需的规模，另一个是成本能否降到行业可以接受的水平。

技术能够运行，与客户愿意采用，是不同阶段的问题。

DeepTech：具体到大模型，哪些计算值得交给量子设备？你提到的几十毫秒求解，指的是哪一段过程？ 赵俊华：我比较关注优化和矩阵运算这两个方向。

大模型训练、推理中有大量矩阵运算，GPU 很擅长处理这类任务；训练过程也涉及优化。

到了推理阶段，如果再加入额外的搜索或优化，就需要考虑计算负担和时间开销。

我们实测过玻色量子的两款设备。

在所测试的组合优化问题上，求解时间大约是几十毫秒。

这个结果让我们觉得，在部分任务中加入优化环节，时间开销是可以接受的。

这里的几十毫秒只指设备求解，完整流程还包括模型计算、问题编码和结果解码等环节。

它不能直接等同于整个大模型任务的耗时。

除了专用设备，通用量子计算也可以通过 QAOA，也就是量子近似优化算法，探索优化问题的求解。

学术界还有量子计算用于矩阵运算的研究。

这些方向都还处于早期，最终要看它们能否在具体任务中改善性能，或者降低整体成本。

DeepTech：你设想的量子计算与 GPU，会怎样分工？它与“量子启发”算法有什么区别？ 赵俊华：起步阶段，用量子计算替代 GPU 不现实。

更可行的方式，是在现有大模型体系里找到适合量子求解的环节，再逐步融合。

未来相当长一段时间，我更看好 CPU、GPU 与量子处理器 QPU 协同工作的混合架构。

量子启发算法借鉴了量子理论中的一些思想，但仍然运行在经典计算机上。

我们关注的则是相应的物理硬件资源，以及它能否带来新的求解能力。

当然，使用量子硬件并不自动意味着获得量子优势，仍然需要与先进的经典算法进行具体比较。

和玻色量子合作，主要考虑它能否与现有 AI 系统结合，以及距离商业应用还有多远。

经过接触和内部测试，我们认为玻色量子的光量子计算机的求解能力距离工程应用已经很接近，也有相对成熟的云服务。

这样，我们可以把精力放在架构和应用上，不必从头研发硬件。

QART 如何参与长程推理 DeepTech：为什么把切入点放在长程推理上？现有方法存在什么问题？ 赵俊华：现有大语言模型通常通过预测下一个 token，也就是词元，逐步生成内容。

对于需要很多步骤的任务，前面某一步出了错，可能影响后面的判断。

推理链条越长，如何避免错误累积就越重要。

现在大家会在模型外围引入搜索、工具和智能体框架，帮助模型找到更好的答案，但搜索也可能消耗很多计算资源。

我们想尝试把推理路径的选择转化为组合优化问题，再引入专用量子设备求解。

如果它能更有效地处理这部分问题，就有机会改善整个推理过程。

DeepTech：能否用一个具体例子，解释 QART 如何工作？ 赵俊华：比如一个需要数百步推导的数学问题。

模型通过预训练可能掌握了相关知识，但怎样把这些知识组织成一条正确的证明路径，仍然是难点。

我们的做法，是从模型的隐层表示和生成的文本中提取语义信息，通过编码，把有关推理路径的选择转化为 QUBO，也就是二次无约束二进制优化问题。

随后交给光量子设备求解，再将结果解码，用于模型后续的推理和输出。

在这个过程中，大模型承担任务理解和内容生成，优化模块帮助寻找更好的推理路径。

我们目前的实验观察到，接入之后，模型找到高质量路径的概率有所提高，但不同任务的效果会有差别。

DeepTech：接入 QART，需要重新训练基础模型吗？量子模块只能放在模型输出之后吗？ 赵俊华：目前研究报告披露的实验，不需要调整模型参数。

我们提取语义信息，经过编码、优化和解码，再输出结果。

团队内部也在尝试后训练，但目前报告里的这些结果不依赖后训练，我们也没有从头做基础模型预训练。

接入的位置可以有不同选择。

可以从隐层提取信息，也可以使用模型输出的文本。

我们还在探索其他技术路径，比如在一个模型中接入多个量子计算层，或者利用量子计算机来实现模型的自我迭代。

长期来看，我希望研究的是量子计算与 GPU 融合的混合架构。

DeepTech：报告提出，在特定条件下，找到正确推理路径的概率存在下界。

这个结论该怎样理解？ 赵俊华：这个结论有前提条件，不能理解成光量子计算机对所有 QUBO 问题都能百分之百找到全局最优解。

具体问题要采用相应的编码方式，还要满足理论推导要求的条件。

实际任务是否符合这些条件，需要逐一分析。

这里的困难也包括，怎样把大模型中的语义和推理信息转成可以求解的问题。

我们从开始研究到完成测试，花了大半年，做了很多试错。

变量怎么编码、优化目标怎么设置、它能不能反映原任务的要求，都会影响最终结果。

DeepTech：目前的测试结果如何？哪些任务的收益比较明显，哪些仍然困难？ 赵俊华：整体结果基本符合我们的预判。

六项基准中的十五组测试，有十四组在接入后表现更好。

不过，提升幅度与基础模型和任务有关，不能认为每个模型、每类任务都能获得同样的收益。

原始表现相对较弱的模型，在部分任务中改善会更明显。

但需要持续接收外部反馈、调整状态和后续动作的任务，仍然比较困难。

我们的初步理解是，如果主要问题是寻找一条较好的长程推理路径，组合优化可能更有帮助；如果任务需要随着环境变化反复调整，仅靠原有的路径优化还不够。

图丨 QART 在部分长程推理基准测试中的性能表现。

（数据来源：QART 研究论文，arXiv:2609.16887） DeepTech：外部用户可以怎样检验这些效果？ 赵俊华：我们做的是商业化技术，目前没有把完整系统开源。

对于感兴趣的客户，可以提供模型 API，让他们用自己的任务来测试。

我们也在电力、金融行业推进产品，希望继续观察技术在哪些任务上有效，哪些场景还不适合。

基准成绩的改善与量子计算相对经典算法的优势，需要分别看。

要进一步判断量子模块的贡献，还需要在相同任务、相近计算预算下，与经典优化方法进行更充分的对照。

DeepTech：接入之后，速度和成本发生了什么变化？ 赵俊华：目前量子求解环节是毫秒级，整个推理过程的大部分时间仍然花在 GPU 上，所以我们的测试没有看到明显的速度劣势。

比较直接的变化是成本增加了。

量子计算现在还不便宜，是否值得采用，要看客户怎样权衡性能和价格。

普通消费者产品通常对成本更敏感；电力、金融等行业中，如果一次错误决策可能造成很大损失，客户就可能愿意为更准确的结果付费。

所以我们现阶段优先考虑的，是对推理表现有明确要求的行业任务。

电网里的 AI 需要怎样的可靠性 DeepTech：你长期研究电力系统。

今天的电网，正在遇到哪些新的决策难题？ 赵俊华：最明显的变化是不确定性增加了。

过去用户负荷就有波动，但发电侧主要依靠火电、燃气、水电等传统电源，相对容易调度。

新能源比例提高后，发电侧的波动也在增加，供需两端都更难预测。

极端天气会进一步放大这种压力。

以广东为例，台风可能在很短时间内破坏大面积电网资产，调度人员需要迅速判断影响、采取措施。

电力市场化又带来更多需要考虑的因素，发电企业和用户的报价也会影响运行方案。

此外，AI 算力中心的用电规模和负荷变化，也可能带来新的不确定性。

系统变化更快、约束更多，留给调度人员作出判断的时间却有限，这让 AI 辅助决策越来越重要。

DeepTech：你参与研发的广东电网 AI 调度员“明月”，具体能帮调度人员做什么？ 赵俊华：“明月”是调度员的 AI 助手，内部由多个智能体协作。

调度人员觉得比较有帮助的一个场景，是台风等极端灾害下的应急处置。

台风经过时，局部停电可能难以避免，关键是尽快调整运行方式，避免局部受损扩大为更大范围的停电。

调度员可能只有五到十分钟来判断，过去主要依赖人工经验，要在很短时间里处理大量复杂信息。

现在，“明月”可以在大约五分钟内生成几套处置建议，调度员结合现场情况和经验选择、执行。

最终决定仍由人来作出。

另一个作用是减少流程性工作。

比如停运一台发电机，操作方案可能涉及几十个步骤，过去需要逐项填写。

智能体可以辅助生成方案，把这类耗时较长的工作压缩到几分钟。

图｜广东电网 AI 调度员“明月”（来源：广东电网） DeepTech：已有电力 AI 应用之后，量子增强能力准备接到哪里？ 赵俊华：我们正在与一家电网公司推进电力市场仿真产品，并探索接入量子增强能力。

电力市场受很多因素影响。

区域供需、电源结构、用户组成、政策和交易规则，都要考虑；煤价、气价等上游能源价格也会影响市场。

过去需要大量人工建模，现在可以用 AI 筛选、分类和整合新闻、政策等信息，再辅助分析市场走势。

我们希望把量子增强推理引入这样的工作流程，看它能否改善复杂信息的分析和判断。

已有电力 AI 系统的业务实践，给了我们开展测试的场景，但量子模块能增加多少价值，还要在具体任务中验证。

DeepTech：在调度和交易这样的高风险业务中，AI 的权限应该到哪里？ 赵俊华：短期内，很难把核心决策完全交给 AI。

在客服问答等风险相对较低的场景，AI 可以承担很多工作。

但电网调度失误可能导致停电，交易决策出错也可能造成很大经济损失。

只要幻觉问题仍然存在，核心环节就需要人工把关。

我们更倾向于人机协同，让 AI 整理信息、提出方案、减少重复工作，由人审核并作出最终决定。

对于电力这样的行业，明确的约束、校验流程和人工控制机制都很重要。

谁会为量子增强推理付费 DeepTech：什么样的客户，愿意承担量子计算带来的额外成本？ 赵俊华：客户最终买的是业务结果。

他们更关心能不能少做错决策、把分析效率提上去、约束校验有没有可查的依据，以及在关键时刻能不能更快拿到能用的结果。

量子计算只是我们实现这些的技术手段之一。

我们已经接触到几家愿意尝试量子 AI 的电力客户，也在与头部金融机构推进大规模情报分析产品。

我们优先关注电力和金融，主要是因为这两个行业里信息复杂、约束严格、决策价值高的任务比较多，而且决策一旦出错代价往往比较大，对准确性和可信度也有比较明确的要求。

针对这些需求，我们把推理增强、行业知识、专业工具和校验流程整合进产品里。

量子优化主要用在适合的推理路径选择或方案优选问题上；分析依据、校验记录和人工审核机制，则一起保证结果的可信和可审计。

选择场景时，我们会看决策失误的后果、业务价值，以及客户的付费意愿。

并非所有应用都适合接入量子计算。

如果性能改善对业务没有足够的意义，新增成本就很难被接受。

DeepTech：QuantumMind 同时在做量子增强推理、行业智能体和模型自我迭代。

这几项工作如何衔接？ 赵俊华：量子增强推理已经有了一些初步结果。

行业智能体方面，我们在电力和金融领域积累了技术，也有落地案例，接下来要进一步做成可以交付的产品。

另一个重点是 Quantum RSI，把量子优化引入模型自我迭代。

大致过程是，先通过评测发现模型的能力短板，生成可能的改进方案，再让量子优化协助选择实验组合，由 GPU 执行训练，最后通过独立评测决定是否采纳。

这条路线还在研发中。

我们希望行业任务提供真实反馈，让模型和系统的改进有更明确的依据。

DeepTech：长期来看，你希望公司向客户提供什么？ 赵俊华：我们希望提供通用模型和完整的 AI 解决方案。

模型要进入业务，还需要数据接入、行业知识、任务流程、规则校验和系统集成。

客户最终使用的是一整套能够完成工作的系统。

我们在电力和金融领域有多年积累，会从这些实际业务出发推进研发。

客户在使用中遇到的问题，也会帮助我们判断下一步应该改进什么。

DeepTech：现阶段，外界对量子 AI 最需要保持清醒的地方是什么？商业化还要跨过哪道门槛？ 赵俊华：如果说通用量子计算与大模型很快就能全面进入工程应用，我认为不现实，硬件还需要继续发展。

像相干伊辛机，也就是 CIM，这类面向组合优化的路线，更接近我们目前要探索的问题，但也不能保证对所有 QUBO 问题都找到全局最优解，要看具体问题和条件。

商业化最大的困难之一还是成本。

企业会考虑单次求解价格、调用方式、系统集成费用，也会看最终改善了多少业务表现。

举个例子，如果未来一次 QUBO 求解的成本能降到一元左右，我认为规模化应用的机会就会更大。

对我们来说，接下来要和客户一起算清楚，这部分新增计算带来的收益，能不能覆盖它的成本。

运营/排版：何晨龙 注：封面/首图由 AI 辅助生成