bingdada费米宇宙推出FermiQLLM 1.0，这是全球首个全链路量子增强大模型。它不依赖量子计算机，而是在经典GPU基础设施上，将张量网络、量子模拟退火等量子物理方法嵌入大模型的数据表征、训练和评测环节，推理性能提升超15%，训练成本下降25%以上。
在大模型参数竞赛进入白热化阶段后，业界开始寻找新的性能提升路径。一条鲜少被关注的路线正在浮出水面——不是把模型塞进量子计算机，而是把量子物理的数学工具搬进经典计算体系，从底层重构AI模型的运作方式。
费米宇宙正是这条路线上的先行者。这家由清华校友创办的公司，近期完成了国内Q4AI（Quantum for AI）领域规模最大的种子轮融资，累计金额达1亿元，投后估值约10亿元。其核心产品FermiQLLM 1.0已进入内测阶段，标志着量子增强大模型从理论探索走向工程落地。
理解费米宇宙的技术路线，需要先厘清一个关键区分：量子计算与量子物理方法在AI中的应用是两回事。
当前业界存在两种主要玩法。一种依赖量子硬件，让大模型作为Agent调用量子计算设备完成特定优化任务；另一种则绕开硬件成熟度的限制，将量子算法、量子多体计算方法直接嵌入经典计算体系。费米宇宙选择的是后者。
具体而言，FermiQLLM 1.0在五个环节完成了系统性量子增强：数据表征、模型结构、模型训练、模型强化与模型评测。其技术底座包括张量网络、量子模拟退火、规范自由度等量子物理工具，这些方法被嵌入大模型从数据到训练的完整链路，并兼容现有GPU基础设施。
这一路径的核心洞察在于：量子物理研究的高维希尔伯特空间复杂多体系统，其叠加态、量子纠缠与强关联效应，与大模型高维隐空间的运行机制存在深刻的类比关系。这种类比不是修辞层面的，而是数学结构层面的对应。
从费米宇宙披露的内测数据看，FermiQLLM 1.0基于Qwen开源基座进行量子改造后，在多个维度实现了可量化的提升：
项目的推进节奏也值得关注。团队于今年3月启动实验，先以4B小模型验证可行性，5月正式成立公司后转向更大参数规模的研发。这种“先验证、后扩张”的节奏，在AI创业公司中并不常见。
费米宇宙的团队构成带有鲜明的清华印记。创始人兼CEO李伟是清华大学计算机系NLP实验室98级校友，本科与硕士均毕业于清华，曾任职网易有道、人人网等公司，历任技术高管与AI技术委员会主席，2005年译有《统计自然语言处理基础》一书。
公司近半数员工拥有清华背景，主要来自基科班、计算机系人工智能实验室和高性能实验室。更值得关注的是，清华大学杨振宁高等研究院的相关量子研究团队已与费米宇宙展开合作，双方共同推进产业级技术成果。
杨振宁高等研究院副院长、美国物理学会会士姚宏教授长期深耕量子物理与高温超导领域。他指出，要充分发挥量子物理对大模型的赋能作用，需要将量子纠缠、关联效应和拓扑物理等前沿思想系统融入模型架构设计、训练调优及推理生成的全技术链条。在姚宏看来，Q4AI目前正处于产业发展的早期阶段，产学研有机结合有望拓展现有AI的能力边界。
量子与AI的结合并非孤立趋势。海外市场已涌现出一批探索者：SandboxAQ聚焦后量子密码与量子启发优化，微软Azure Quantum Elements偏向AI4S与科学仿真，Xanadu则提供量子机器学习科研框架。
国内企业的技术路线尚未收敛，两条路径并行探索。一个根本性问题仍在讨论中：量子究竟应该在哪一层帮助AI？是数据层、架构层、训练层还是推理层？目前全球范围内都没有标准答案。
从国内视角看，量子增强AI的探索与国产大模型的发展形成了有趣的呼应。文心一言、通义千问、DeepSeek、豆包、Kimi、智谱GLM等国产模型在参数规模、多模态能力、推理效率上持续迭代，而费米宇宙选择的是从底层方法论切入，用量子物理工具改造模型运行机制。这条路线如果走通，其价值不仅在于单一模型的性能提升，更在于为国产大模型提供一条差异化的技术演进路径——在算力受限的背景下，通过方法论创新而非单纯堆卡来获取性能增量。
费米宇宙的下一步规划已经明确。未来6到12个月，团队计划将当前针对单一基座模型的量子增强能力抽象为通用框架，使其能够适配不同大模型并实现自动化迭代优化。后续还将逐步开放模块评测，并推动部分技术开源。
这意味着量子增强可能从定制化服务走向标准化能力。对于传统大模型厂商而言，费米宇宙既是对手也是服务方——其目标客群覆盖传统大模型厂商所面向的各类客户，同时传统大模型企业本身也是其服务对象。
Q4AI能否成为大模型演进的下一个重要方向，目前尚无定论。但费米宇宙的实践至少证明了一件事：在量子硬件成熟之前，量子物理的思想与方法已经可以进入AI的工程链路，并产生可测量的效果。
参考Quantum machine learning - Wikipedia、Tensor Networks - arXiv
量子增强大模型（如FermiQLLM 1.0）是在经典计算体系内，将量子物理的数学方法（张量网络、量子模拟退火等）嵌入大模型的数据表征、训练和评测环节，不依赖量子计算机硬件。而量子计算大模型通常指在量子计算机上运行AI模型，受限于量子硬件的成熟度，目前尚难工业化落地。
根据费米宇宙内测数据，FermiQLLM 1.0基于Qwen基座进行量子改造后，推理性能较同等参数量级传统模型提升超过15%，持续强化学习训练成本下降25%以上，在MATH-500、GPQA-Diamond、BBH等基准上综合性能提升10%～20%。
Q4AI（Quantum for AI）整体处于产业早期阶段。全球范围内，量子究竟应该在哪一层帮助AI尚无定论，技术路线远未收敛。海外有SandboxAQ、微软Azure Quantum Elements、Xanadu等玩家，国内企业两条路径并行探索。
费米宇宙创始人兼CEO李伟是清华大学计算机系NLP实验室98级校友，公司近半数员工有清华背景，主要来自基科班、计算机系人工智能实验室和高性能实验室。清华大学杨振宁高等研究院相关量子研究团队与该公司有合作研究关系。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
中美建立AI对话机制与三大运营商叫停0元购机，看似无关的两件事共同指向技术治理逻辑的转变。本文从算力投资回报、智能体失控、数据隐私执法等维度，解析全球科技产业正在经历的制度重构。
Meta 在 Connect 大会上更新多条智能眼镜产品线，推出无摄像头的纯音频型号与超轻 VR 眼镜，以「做减法」和「时尚化」双线策略，重新思考智能眼镜的产品定义与市场边界。
端侧AI的竞争焦点正从模型参数量转向任务闭环能力。芯片厂商通过异构计算、多模型协作和生态整合，试图让智能体在手机上真正跑通工作流，但成本、迭代速度和跨终端协作仍是待解难题。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
