蘇州2026年3月18日 /美通社/ -- 近日，在光子盒舉辦的第二屆量子年會上，2025年度"Quantum10中國量子公司十大創新典范用例"評選結果正式發布。醫圖生科憑借"量子-經典協同的真實藥物分子發現基準框架"項目成功入選。

值得關注的是，在"十五五"規劃的戰略指引下，量子科技作為未來產業的核心賽道，正成為驅動科技變革與產業升級的關鍵力量。在本次入選的十家企業中，醫圖生科是唯一一家來自生物醫藥領域的企業，并成功實現了西北首臺15比特超導量子計算真機的落地運行，這也是目前唯一擁有量子計算機并將其用于創新藥研發的企業。這一結果也意味著，量子計算技術在生命科學與創新藥研發領域的產業應用價值，正在逐步獲得行業層面的關注。

Quantum10：中國量子產業年度創新應用評選

"Quantum10中國量子公司十大創新典范用例"由量子科技產業媒體光子盒（QuantumChina）發起評選。該評選聚焦中國量子產業在真實場景中的技術突破與產業落地，評審范圍涵蓋量子計算、量子通信、量子測量等多個領域，旨在尋找能夠代表中國量子產業應用創新能力的標桿案例。

評選通過專家評審、行業投票等多輪篩選流程，重點關注技術創新性、產業應用價值以及商業落地潛力。本年度入選案例主要集中在量子計算基礎設施、量子算法平臺及行業應用探索等方向。

在這一背景下，醫圖生科的入選代表了量子計算在創新藥研發這一真實產業場景中的應用探索。

從產業需求出發：量子計算進入藥物研發

醫圖生科是一家以管線License交付運營為主要商業模式的全球首個量子計算+AI技術驅動的創新藥研發公司（Quantum AIDD）。與多數量子計算企業不同，醫圖生科從一開始便從創新藥研發的真實產業需求出發，探索量子計算在藥物設計中的應用路徑。

這一探索橫跨量子計算與生物醫藥兩個技術體系，嘗試將量子算法能力真正嵌入藥物研發流程之中。

生物醫藥研發本質上依賴對分子電子結構的精確計算與模擬，而這恰恰是量子計算理論上最具優勢的應用方向之一。然而，在當前NISQ (Noisy Intermediate-Scale Quantum）時代，量子硬件規模與噪聲問題仍然限制了其在真實藥物體系中的直接應用。

如何在有限量子資源條件下，讓量子計算真正服務于藥物發現流程，成為行業需要解決的關鍵問題。

全球首個Quantum AIDD Benchmark

針對這一問題，醫圖生科聯合中國藥科大學及移動云"混沌宙元"實驗室，構建了全球首個面向真實藥物分子的Quantum AIDD Benchmark。

該框架的核心目標，是建立一套可系統評估量子計算在藥物發現中實際能力的標準化方法。研究團隊圍繞活性空間選擇策略，對真實藥物相關分子體系進行了系統測試，并通過量子算法與經典計算協同評估，構建了完整的計算流程與評價指標體系。

TyxonQ GitHub地址：

https://github.com/QureGenAI-Biotech/TyxonQ

在研究中，團隊還在真實超導量子芯片（QPU）上完成了關鍵實驗。結果表明，在當前硬件條件下，通過合理的活性空間選擇與算法設計，VQE等混合量子算法已經能夠在真實設備上獲得化學合理范圍內的計算結果。

這一工作為量子計算在藥物研發領域的應用建立了重要的技術"標尺"，也為未來量子算法與硬件協同優化提供了數據基礎。

算力協同：產業生態的重要支撐

本次研究工作的完成，也離不開產業生態合作伙伴的支持。其中，中國移動云"混沌宙元"實驗室為研究提供了關鍵算力與硬件資源支持，使得相關算法能夠在真實量子計算設備上完成實驗驗證。

同時，醫圖生科攜手長安先導，共建先導醫圖量子AI融合計算中心，實現了西北地區首臺超導量子計算機真機的交付與應用實踐，進一步推動量子算力在生命科學場景中的落地。

量子計算產業的發展，本身就是硬件、算法與應用場景協同演進的過程。醫圖生科從創新藥研發需求出發，與算力基礎設施合作伙伴共同推進量子計算在生命科學領域的應用探索，也為產業協同創新提供了新的實踐路徑。

Quantum AIDD：從研究探索走向產業應用

基于上述研究成果，醫圖生科正在推進Quantum AIDD技術體系建設。醫圖生科自主研發的量子+AI 藥物設計平臺"小龍蝦"QureGenAI 已于 2026 年 3 月開啟內測，面向創新藥研發全流程提供以全蛋白組學分析、脫靶性預測、毒性預測、量子化學無縫接入等核心功能。目前，公司已成功推動 2 條研發管線邁入 Pre-IND 階段、4 條管線抵達 PCC 階段，充分驗證了 Quantum AIDD 范式在創新藥研發中的實際可行性。

本次入選"Quantum10中國量子公司十大創新典范用例"，也標志著量子計算在生物醫藥領域的應用探索開始獲得產業層面的關注與認可。

未來，隨著量子硬件能力持續提升以及算法體系不斷完善，Quantum AIDD有望推動創新藥研發從傳統的"經驗試錯"，逐步走向更加理性和可預測的分子設計模式。