一句话看懂：丹麦技术大学的研究团队利用业余时间和项目结余经费，将经典生成式AI模型与一台打印机大小的量子计算机结合，成功生成了能更准确结合特定蛋白质的新肽。这项验证性实验首次在真实生物场景中证明了量子计算能提升生成式AI药物发现模型的精度，特别是在训练数据稀缺的领域效果尤为显著。
事件核心：发生了什么
丹麦技术大学（DTU）的Timothy Patrick Jenkins教授团队，在周末和项目空余时间，整合其他项目的结余资金，将团队自研的生成式AI蛋白质预测模型，与英国初创公司ORCA Computing生产的、仅打印机大小的量子计算机进行了联合推理。该量子计算机通过与传统处理器链接的方式加速AI。团队利用这种混合计算技术生成短链氨基酸（即新肽），并测试它们与特定人体蛋白的结合能力。结果发现，与纯经典计算模型相比，这种混合模型生成的肽在实验室验证中成功结合率更高，且对训练数据稀少的靶点（如非西方人群的遗传信息）改善最为明显。相关研究成果得到了WIRED的报道。
为什么重要
这项研究的价值不在于短期内颠覆制药流程——目前量子计算机规模太小，无法运行全尺寸大模型，用经典计算机也能获得更好的结果——而是首次为“量子计算+生成式AI”找到一个有说服力的近期商业应用场景。长期以来，工业界对量子计算普遍持“模糊且遥远”的态度，ORCA Computing的CEO直言，技术“一直没有清晰的近期实用案例”。DTU团队的实验通过真实的实验室结合验证，证明了量子计算能够增强AI生成内容的多样性，尤其是在数据稀疏、传统方法表现不佳的领域（如为亚洲、非洲等未被充分研究的人群设计免疫疗法）。它打破了量子计算“只存在于理论”的偏见，为制药公司和大型AI模型厂商提供了一个可测试的质量提升路径。
对用户/开发者/创作者的影响
对于AI制药相关的开发者与生物信息学研究者而言，这项实验表明：
1. 混合计算架构（量子+经典）可以降低生成式AI对大批量高质量训练数据的依赖，有助于开发针对罕见病或特定人群的精准药物模型；
2. 当前量子算力有限，开发者不能直接期待用其替代传统GPU进行大规模训练，但可以将其作为“多样性增强器”嵌入现有工作流——类似在图像生成中加入额外噪声来提升创意；
3. ORCA Computing这类小体量量子公司正在积极与石油巨头BP、汽车厂商丰田合作，表明量子计算商业化正从实验室走向产业应用，相关API和算力服务可能在未来1-3年逐步开放。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. DTU团队计划将这套工作流扩展到更先进的AI模型和更大的蛋白质（如全长抗体），其是否能保持对经典模型的优势，将是下一阶段验证的关键；
2. 目前公开信息显示，该项技术尚未被任何大型药企正式采用，但该团队正在探索将其用于设计蛇毒合成解毒剂，这一“被忽视疾病”领域很可能成为首个真正落地场景；
3. 随着量子计算机物理规模的扩大（如IBM的1000+量子比特系统），是否能打破“规模太小”的限制、直接与当前主流大模型（如AlphaFold）竞争，将是行业关注重点。
来源：Wired AI
