移动云五岳量子计算云平台是中国移动面向量子计算领域打造的一站式云端量子计算服务平台，集成量子算力调用、量子算法与应用开发、科研智能体等核心能力。
平台支持从算法设计、模拟验证到真机执行的全流程闭环，内置量子科研智能体，融合大模型推理与量子工具链调用，助力科研人员实现从实验设想到成果落地的高效协作。
平台以公有云为核心节点，多区域部署分节点，为各地量子计算应用落地提供弹性算力支撑。
依托五岳平台的量子计算能力，移动云联合中国人民财产保险股份有限公司完成应用试验，基于真实车险案件完成全链路验证，案件命中率有效提升，构建起"车险理赔案件数据输入—QUBO量子特征优化求解—风险欺诈评分输出预警"的全链路工程化闭环，可对车险理赔案件实现事中风险识别预警，提升欺诈案件识别捕获能力与理赔减损成效。
这标志着量子计算在保险风控领域的应用，从理论验证、技术攻关迈向实质性落地阶段。
01 车险理赔场景与案件数据组织
车险欺诈是保险欺诈的高发领域。
行业统计显示，车险欺诈案件约占全部保险欺诈案件的80%，行业估算每年造成的损失达千亿元级。
车险理赔反欺诈属于典型的高维、正负样本高度不平衡的复杂分类优化问题：面对高维理赔特征，传统机器学习模型容易出现隐蔽欺诈案件漏判、高风险案件排序不够集中等问题，难以充分挖掘海量理赔数据背后的风险线索。
本次试验数据集共包含31,766个样本，划分为训练集与验证集。每个样本包含案件标号、69个特征字段以及减损标签，共计71列。数据集具有正负样本分布高度不平衡特征：
表1 数据集划分情况
特征维度覆盖标的车信息、报案信息、出险信息、定损信息、领款人信息五大类，具体分类如下：
表2 特征字段分类
输入按"案件—特征字段—减损标签"三级结构组织，经空值率筛查、类别型编码与差异化填充后，形成量子特征优化与经典模型训练的标准输入。
02 QUBO量子特征优化与混合预测架构
经典机器学习方案采用LightGBM作为基线模型，直接基于原始特征进行训练。针对高维不平衡数据场景，试验引入量子计算思想对特征工程进行优化——将特征选择问题转化为二次无约束二元优化（QUBO）问题，借助量子退火或变分量子算法实现全局更优的特征组合搜索。
量子特征节省建模。设原始数据集包含 n=69 个特征，引入二进制选择变量 zᵢ ∈ {0,1}，其中 zᵢ=1 表示选择特征 xᵢ，zᵢ=0 表示不选择该特征。同时考虑特征与标签的相关性及特征之间的冗余性，构建如下优化目标函数：
max Σᵢ αᵢzᵢ − Σᵢ Σⱼ βᵢⱼzᵢzⱼ
其中，αᵢ = rₓᵢ,ᵧ 表示特征 xᵢ 与欺诈标签之间的皮尔逊相关系数，鼓励选择与标签高度相关的特征；βᵢⱼ = rₓᵢ,ₓⱼ 表示特征 xᵢ 与 xⱼ 之间的相关系数，惩罚冗余特征的选择。上述优化问题可转化为标准QUBO形式：
min zᵀQz， z ∈ {0,1}ⁿ
QUBO矩阵 Q 刻画了特征选择问题中的收益与惩罚关系。相比传统贪心或启发式算法求解，量子计算框架能够利用量子隧穿效应在大规模特征空间中跳出局部最优，获得全局更优的特征组合。
量子混合预测架构。试验最终确定的量子混合预测方案由"量子特征节省 + CatBoost"构成，模型包含三层架构：
（1）特征输入层：输入经过预处理后的69维结构化特征数据，包含数值型与类别型特征
（2）量子特征节省模块：通过QUBO求解器对特征进行压缩与重组，以量子计算方式实现高维特征空间的自动筛选
（3）梯度提升树预测层：以CatBoost为核心模型，输出案件欺诈概率评分并完成降序排序
图1 量子混合预测模型技术路线图
对照基线模型LightGBM（直接基于原始特征训练），量子混合方案通过量子优化前置环节，在保持输入信息量的同时减少了特征噪声干扰，为梯度提升模型提供了质量更高的输入。
03 试验结果与风控效能提升
本次试验采用精确率、召回率、F1分数三类分类指标以及Top-K减损识别率、前N案件命中率、欺诈案件平均排名三类风险排序指标进行综合评估。核心指标对比汇总如下：
表3 核心指标对比
精确率持平（均为0.82），说明量子方案在保持经典模型低误判率优势的同时，不会增加正常案件被误拦截的风险。
召回率从0.75提升至0.76，意味着模型能识别出更多隐蔽欺诈案件；F1分数从0.78上涨到0.79，综合欺诈鉴别性能更优。
风险排序指标的提升更具业务价值：前1000案件命中率从89%升至93%——在验证集全部103个欺诈案件中，量子方案成功捕获了96个，多识别了4个欺诈案件。
最显著的改进体现在欺诈案件平均排名：从基线的422.77位前移至327.53位，排名比例从6.04%压缩到4.68%，提升幅度达到23%，说明量子方案能更早将欺诈案件从海量正常样本中凸显出来，在有限核查人力下实现更大减损。
试验验证了量子特征节省模块可有效实现高维不平衡数据集的降维与特征优化，弥补了传统机器学习模型在不平衡数据场景下漏检率偏高的缺陷。
展望
本次试验是国内"量子计算+保险金融风控"融合应用的重要实践，其价值不止于指标提升，更在于跑通了一套可复制的工程方法：将"业务问题建模为组合优化—量子求解器完成特征寻优—经典模型承接业务预测"的路径沉淀为标准化算法组件，使其能够脱离单一险种、单一数据集快速复用。
下一步，联合攻坚团队将继续扩充业务样本，开展更大规模真实理赔业务试点，稳步推进量子混合预测算法在车险理赔反欺诈业务中的规模化落地。
在场景层面，这一范式可向非车险、农险、意健险理赔以及反洗钱、信贷风控等同样具备高维、样本不均衡特征的金融风控环节延伸，对交通调度、能源排产、医药分子筛选等本质同为组合优化的场景亦具备迁移价值。
移动云表示，将坚持以场景需求牵引技术攻关，持续沉淀面向行业的量子算法库与工程工具链，把分散的项目级验证转化为可批量供给的应用能力，推动量子计算在更多行业从"能做"走向"好用"。