Квантовые компьютеры десятилетиями страдали от одной и той же беды: чем больше кубитов, тем больше шума, и тем быстрее разваливается любое вычисление. В декабре 2024 года Google объявила, что её 105-кубитный чип Willow перешагнул порог, за которым добавление кубитов не усиливает, а подавляет ошибки. В статье для Nature компания показала конкретные цифры: при увеличении кодового расстояния с 3 до 5 и до 7 логическая ошибка падала примерно вдвое на каждом шаге, а память с расстоянием 7 давала 0,143% ошибки за цикл. Эта же память жила в 2,4 раза дольше лучшего одиночного физического кубита — инженеры называют такое «за пределами безубыточности», и для квантового мира это что-то вроде дымящегося пистолета.

Джон Прескилл из Калтеха, придумавший термин «квантовое превосходство», назвал демонстрацию «заметной вехой», но тут же остудил пыл: повседневное влияние квантовых вычислений, по его словам, может оказаться «на расстоянии десятилетий».

Через десять месяцев Google нажала сильнее. В октябре 2025 года в том же Nature вышел материал об алгоритме Quantum Echoes, который якобы отработал в 13 000 раз быстрее лучшего классического метода на одном из самых мощных суперкомпьютеров мира. Но мелкий шрифт отрезвляет: собственная новостная команда Nature сообщила, что сторонние исследователи сомневаются в значимости результата, а сама Google признала — до криптографически полезной машины ещё нужны порядки масштабирования. Ценность эксперимента узкая: он показывает, как квантовые системы перемешивают информацию, что пригодится для изучения молекул и магнетиков, а не для ваших таблиц.

Остальные игроки мчатся по публичным дорожным картам. IBM обещает к 2029 году поставить Starling — отказоустойчивую машину на 200 логических кубитов, исполняющую 100 миллионов гейтов, — после промежуточных чипов Nighthawk и Loon. Quantinuum нацелилась на универсальную полностью отказоустойчивую систему Apollo к тому же 2029 году, сначала запустив Helios, а в 2027-м — процессор Sol. Нейтрально-атомные лаборатории масштабируются ещё быстрее, удерживая отдельные атомы лазерами как кубиты.

Два атомных результата выделяются особо. Лаборатория Эндреса в Калтехе удержала 6100 цезиевых кубитов на примерно 12 000 оптических пинцетах — публикация в Nature от 24 сентября 2025 года, время когерентности 13 секунд, точность управления одиночным кубитом 99,98%. «Это волнующий момент для нейтрально-атомных квантовых вычислений», — сказал руководитель проекта Мануэль Эндрес. Гарвардская команда Михаила Лукина вместе с MIT и QuEra пошла иным путём: запустила 3000-кубитную систему непрерывно более двух часов, прогоняя свыше 50 миллионов атомов и подгружая до 300 000 в секунду взамен улетевших. «Мы показали непрерывную работу 3000-кубитной системы, — отметил Лукин. — Но ясно, что подход сработает и для гораздо больших чисел».

А вот и поучительная история. Microsoft в феврале 2025 года анонсировала чип Majorana 1, заявив о первых «топологических» кубитах — конструкции, которая должна сопротивляться ошибкам на фундаментальном уровне. Физики на мартовской конференции в основном не убедились, а теоретик Генри Легг позже опубликовал в Nature формальное возражение: базовый тест можно обмануть обычными эффектами. Санкар Дас Сарма, один из отцов-основателей топологических кубитов, похвалил прогресс Microsoft в материалах, но физикой на сцене остался не впечатлён. Разрыв между пресс-релизом и доказательством — самое полезное, что стоит помнить об этой области.

А вот поворот, который большинство обзоров упускает. ИИ не ждёт, пока квантовые машины появятся, — он уже работает на квантовом верстаке. DeepMind от Google построила нейросетевой декодер AlphaQubit, описанный в Nature в ноябре 2024 года. Обученный на данных процессора Sycamore, он ошибался на 6% реже тензорно-сетевых методов и на 30% реже коррелированного сопоставления. Декодирование — это место, где ИИ зарабатывает на хлеб: квантовый чип выдаёт потоки сигналов об ошибках, и кто-то должен считывать эти паттерны и исправлять их быстрее, чем накапливаются новые. Сверхпроводящие кубиты живут десятки-сотни наносекунд, так что декодер обязан быть и точным, и зверски быстрым. Прозеваешь окно — ошибки сложатся до того, как придёт коррекция.

То же машинное давление видно и в других слоях стека. Нейросети калибруют кубиты и настраивают управляющие импульсы, которые их переворачивают. Обучение с подкреплением уже находило более быстрые алгоритмы, включая AlphaTensor от DeepMind для умножения матриц. AI-декодеры продолжают сжимать число физических кубитов, необходимых для защиты одного логического. Кстати, мы уже рассказывали, как стартап BlueQubit получил $1,5 млн от Минэнерго США, чтобы с помощью ИИ перепридумать квантовую коррекцию ошибок — тот самый барьер, который пока не пускает квантовые компьютеры из лабораторий в реальный бизнес: ИИ научит квантовые компьютеры исправлять собственные ошибки.

Квантовые компьютеры обещают вычислительную мощь, о которой классические машины не смеют мечтать. Но есть подвох: они невероятно хрупки. Любой шум — тепловой, электромагнитный, даже космические лучи — разрушает квантовое состояние. Поэтому каждый кубит требует целой армии «помощников» для исправления ошибок. И вот здесь на сцену выходит ИИ.

Сокращение накладных расходов на коррекцию ошибок приближает практичные машины без изобретения новых кубитов. Именно поэтому гиганты железа соединяют квантовые чипы с классическими ускорителями.

Nvidia представила NVQLink в октябре 2025 года — открытый интерконнект, связывающий квантовые процессоры с GPU-суперкомпьютерами. Его поддержали 17 производителей квантовых устройств и девять национальных лабораторий США. Quantinuum использовала NVQLink, чтобы запустить первый масштабируемый декодер реального времени для своего чипа Helios, добившись времени реакции 67 микросекунд.

Дженсен Хуанг не стесняется в формулировках: квантовый компьютер нельзя эксплуатировать в одиночку, рядом должен стоять классический суперкомпьютер. Так выглядит ближайшее будущее — гибридная установка, где ИИ-модели настраивают, калибруют и присматривают за хрупкими кубитами в реальном времени.

Что квантовые вычисления реально дают ИИ

Теперь перевернём вопрос: может ли квантовый компьютер сделать ИИ умнее? Честный ответ — гораздо меньше, чем обещает маркетинг, по крайней мере пока.

Мечта называлась «квантовое машинное обучение»: алгоритмы, обещающие экспоненциальное ускорение на задачах с данными. Затем подросток разбил эту мечту молотком. Эвин Тан в 2018 году показала, что классический компьютер может сравниться с прославленным квантовым рекомендательным алгоритмом, а затем «деквантизировала» ещё несколько. Её работа вскрыла, как часто ускорение пряталось в нереалистичных предположениях о загрузке данных, а не в самой квантовой математике.

Две проблемы продолжают кусать квантовое машинное обучение. Первая — узкое место ввода: перевод обычных классических данных в квантовое состояние может уничтожить любое ускорение ещё до начала вычислений. Вторая — бесплодные плато: по мере роста схем ландшафт обучения выравнивается в пустыню, где градиенты исчезают и обучение останавливается.

Скотт Ааронсон, ведущий теоретик квантовой сложности, годами призывает читать мелкий шрифт в подобных заявлениях.

Так для чего квантовые машины действительно хороши? В основном для симуляции других квантовых систем. Химия, материаловедение и некоторые задачи оптимизации находятся в зоне комфорта, потому что сама природа квантова, и квантовая машина говорит на её языке. Это реальная и ценная ниша: лучшие батареи, катализаторы, новые кандидаты в лекарства. Но это не история «квант ускорит ваш чат-бот», которая продаёт акции. Джон Прескилл назвал текущий период шумной промежуточной эрой — стадией полезных экспериментов, а не универсальных машин.

Энергетический вопрос, в котором не стоит переобещать

Аппетит ИИ к энергии превращается в инфраструктурную проблему. Международное энергетическое агентство прогнозирует, что к 2030 году центры обработки данных будут потреблять около 945 тераватт-часов — более чем вдвое больше, чем 415 тераватт-часов в 2024-м. Эта цифра близка к годовому потреблению электроэнергии всей Японии. Потребление электричества дата-центрами, оптимизированными под ИИ, по данным МЭА, вырастет более чем в четыре раза за тот же период.

Возникает соблазнительная мысль: квантовые компьютеры используют экзотическую физику, может, они сократят счета за электричество? Осторожно. Квантовые машины в принципе могут решать конкретные задачи химии и оптимизации с гораздо меньшим числом операций, чем классический суперкомпьютер, что сэкономит энергию на этих узких задачах. Но они не будут запускать вашу языковую модель, а криогенные квантовые системы несут собственные крутые затраты на охлаждение. Реалистичное утверждение — целевая эффективность на квантово-дружественных задачах, а не план спасения энергосистемы от ИИ. Тот, кто обещает последнее, продаёт воздух.

Где это бьёт по кошельку

Самое конкретное столкновение ИИ, квантовых технологий и повседневных денег — криптография. Шифрование с открытым ключом, такое как RSA и эллиптическая криптография, держится на математике, трудной для классических компьютеров и лёгкой для достаточно большого квантового — благодаря алгоритму Шора.

Угроза имеет имя, которое должно беспокоить всех, у кого есть долгоживущие секреты: «собрать сейчас, расшифровать потом». Противники могут записывать зашифрованный трафик сегодня и взломать его, когда оборудование созреет.

NIST завершил свою защиту в августе 2024 года, опубликовав три постквантовых стандарта: ML-KEM, ML-DSA и SLH-DSA, а позже, в марте 2025 года, выбрал резервный алгоритм HQC. Часы тикают. Проект руководства по переходу NIST выводит RSA и ECC из употребления к 2030 году и полностью запрещает к 2035-му.

Криптовалюты находятся прямо в зоне поражения, потому что блокчейны построены на тех же эллиптических подписях. Уязвимость биткоина реальна, но обсуждаема. Исследование Deloitte оценило, что более 4 миллионов BTC — около 25% всех биткоинов — лежат в уязвимых выходах с оплатой по публичному ключу и переиспользованных адресах, где ключ уже виден. Более свежие анализы цепей дают более высокие цифры. Исследование Google Quantum AI указывает на примерно 6,5–6,9 миллиона BTC, почти треть оборотного предложения, если считать раскрытые и переиспользованные ключи, причём только в ранних P2PK-скриптах чуть более 1,7 миллиона.

Защита движется, но неравномерно. Разработчики биткоина обсуждают BIP-360 — квантово-устойчивый тип адреса, который остаётся черновиком без активации. Фонд Ethereum опубликовал постквантовую дорожную карту, а Виталик Бутерин изложил план перевода подписей, счетов и доказательств на квантово-безопасные схемы. Solana предлагает опциональный Winternitz Vault на основе одноразовых подписей на хэшах, хотя аккаунты по умолчанию всё ещё используют уязвимые кривые.

Кстати, мы уже писали о том, как ИИ учит квантовые компьютеры исправлять собственные ошибки — стартап BlueQubit получил $1,5 млн от Минэнерго США именно на эту задачу.

Когда две технологии подпитывают друг друга

Самые тревожные сценарии возникают на стыке: прогресс в одной области ускоряет другую. В мае 2025 года Крейг Гидни из Google перевернул расчёты. Он оценил, что RSA-2048 можно взломать меньше чем за неделю, имея менее миллиона шумных кубитов — это примерно в 20 раз меньше, чем 20 миллионов, которые он с соавтором прогнозировал в 2019 году.

Число кубитов, необходимое для взлома шифрования, упало в двадцать раз за шесть лет — на бумаге. Для этого не нужна работающая машина. Это прогресс в алгоритмах и коррекции ошибок, а именно такие улучшения ИИ находит всё лучше.

Гидни сократил оценку за счёт более умной арифметики и более плотных схем коррекции ошибок, а не нового оборудования. Если направить то же давление оптимизации на криптоанализ, оценки ресурсов продолжат снижаться.

Исследователи безопасности видят в этом движущуюся цель, а не фиксированный апокалипсис. Разумный вывод: ИИ тихо опускает планку, которую должно преодолеть квантовое оборудование. Поэтому фраза «у нас есть годы» — это про железо, а не про математику.

Деньги и разногласия

Инвесторы всё это заметили. McKinsey сообщила, что квантовые компании в 2025 году превысили $1 млрд выручки, инвестиции в стартапы достигли $12,6 млрд — рост в 6,3 раза по сравнению с прошлым годом, а к 2035 году технология может создать от $1,3 до $2,7 трлн стоимости.

Правительства тоже тратят, но с разной уверенностью. Национальная квантовая инициатива США выделила около $1,2 млрд при подписании в 2018 году. Квантовая флагманская программа ЕС обязалась вложить не менее €1 млрд за десять лет с 2018 года. Инвестиции Китая часто оценивают примерно в $15 млрд — это оценка McKinsey, непроверенная и оспариваемая, к ней стоит относиться с осторожностью.

Сроки — вот где серьёзные люди открыто расходятся. IBM и Quantinuum нацелены на 2029 год для отказоустойчивости. Google описывает свой путь в годах, а не десятилетиях. А ещё есть Дженсен Хуанг. В январе 2025 года он обрушил акции квантовых компаний, предположив, что полезные машины появятся через 20 лет, но потом отыграл назад на Quantum Day Nvidia в марте 2025 года, пошутив, что пригласил гостей объяснить, почему он ошибался.

Мир безопасности хеджирует вероятностями. Global Risk Institute опросил 26 экспертов: криптографически значимый квантовый компьютер они назвали «вполне возможным» с вероятностью 28–49% в течение десяти лет и «вероятным» с вероятностью 51–70% в течение пятнадцати — это самые высокие оценки за всю историю отчёта. Скептики вроде Дас Сармы по-прежнему считают, что практические машины с коррекцией ошибок дальше, чем обещают дорожные карты.

Оба мнения могут быть верны. Угроза, возможно, в десятилетии от нас, но действовать стоит уже сейчас: миграция занимает годы, а перехваченные данные не устаревают.

Реалистичная картина

Если убрать шумиху, остаётся ясная форма. ИИ — более зрелый партнёр, и он уже делает квантовые компьютеры лучше через декодирование, калибровку и управление. Вклад квантовых технологий в ИИ уже: реален для химии и симуляций, но переоценён почти во всём остальном.

Срочная конвергенция — не супермозг. Это медленное разрушение шифрования, на котором держится весь интернет, ускоряемое алгоритмами, которые становятся всё умнее. Не нужно угадывать точный год. Нужно исходить из того, что миграция уже должна идти.

Машины всё ещё строятся, как и их защита. Разумный ход — следить за обеими гонками одновременно.

Кстати, мы уже писали о том, как ИИ помогает квантовым компьютерам исправлять собственные ошибки: ИИ научит квантовые компьютеры исправлять собственные ошибки.