Лид: За последние месяцы ряд сигналов - прорыв команды Принстона в материалах для кубитов, резкое высказывание Дженсена Хуана и резонансный рыночный откат, а также скепсис лидеров AI - заставили техсообщество по-новому смотреть на роль квантовых компьютеров в эпоху масштабирования ИИ. Вкратце: квант стал ближе к подрыву криптографии, но дальше от быстрого спасения затратной эпохи обучения больших моделей.
Контраст: RAG-индустрия и старые мечты о квантовом ускорении ИИ обещали универсальные ускорители. Реальность разделилась - технологии материалов могут обеспечить рывок по времени когерентности кубитов, но экономические и физические ограничения обучения ИИ остаются суровыми.
Принстонский прорыв и что он реально дает
Команда Принстона продемонстрировала сверхпроводящий кубит с временем когерентности около 1680 микросекунд - примерно в 15 раз больше, чем у многих ведущих чипов с характерными 100 микросекундами. Главная причина улучшения - не магия алгоритмов, а две замены в материалах: алюминий заменили на тантал, а сапфир на кремний. Тантал выдерживает агрессивную кислотную очистку и снижает микродефекты поверхности, а кремний лучше интегрируется с привычной полупроводниковой технологией. Старшие исследователи назвали работу крупным прорывом: эта схема воспроизводима и совместима с масштабируемыми процессорами, значит многие лаборатории и проекты смогут взять это на вооружение.
Рынок и реакция Nvidia
После того как Дженсен Хуан сказал на CES 2025, что «полезный в широком смысле квантовый компьютер может быть через 15-30 лет», акции публичных квантовых компаний рухнули: IonQ упал примерно на 42%, Rigetti на 46%, D-Wave на 45% - за считанные часы было потеряно около 4 миллиардов долларов капитализации. Nvidia быстро заняла позицию моста: на собственной "Quantum Day" компания объявила исследовательскую лабораторию, архитектуру NVQLink для связывания квантовых процессоров и GPU и партнёрства с 17 квантовыми фирмами. Сообщение явно двоякое - если квант далек, GPU остаются критичными; если квант придет раньше, все равно понадобятся ускорители и межсоединения.
Почему ведущие фигуры AI ставят на классику
Демис Хассабис из DeepMind и Янн Лекун из Meta открыто усомнились, что квант скоро решит задачи, которые предлагают его сторонники. Хассабис отметил, что мы далеко не исчерпали потенциал классических систем, а Лекун указал, что многие обещанные квантовые выигрыши можно получить эффективнее классикой. Meta в итоге концентрирует капитал на классических решения, а не на квантовом железе. Это не анекдот - это сигнал о том, как техлидеры перераспределяют приоритеты.
Пределы масштабирования ИИ и почему квант тут не панацея
Экономические и физические ограничения обучения крупных моделей сильны: оценка стоимости обучения GPT-3 была около 4-5 миллионов долларов, GPT-4 - уже порядка 100 миллионов, а прогнозы для следующего поколения под конец 2020-х приближаются к 1 миллиарду долларов за один прогон. Центры обработки данных потребили в 2024 году примерно 53-76 TWh электроэнергии, что сопоставимо с потреблением миллионов домов. Nvidia контролирует свыше 80% высокопроизводительных ускорителей, сроки поставки топовых GPU часто 6-12 месяцев, а отдача от новых, более крупных моделей сокращается.
Три структурные проблемы делают квант плохим быстрым выходом для общих AI нагрузок:
- Проблема загрузки данных: перевод огромных классических датасетов в квантовые состояния может быть настолько медленным, что теоретические квантовые выигрыши исчезают.
- Сложности обучения: квантовые нейросети сталкиваются с "бесплодными плато" градиентов, где обучение фактически замирает, что делает масштабирование неработоспособным в ряде предложений.
- Классический прогресс: классические алгоритмы уже догоняют или превосходят некоторые квантовые подходы в задачах химии и материалов, часто еще до появления соответствующего квантового железа.
Куда течет капитал и зачем это делают правительства
Инвестиции в квант резко выросли: с примерно 700-800 миллионов в 2023 году до около 2.6 миллиарда в 2024-2025. Только в Q1 2025 собрано около 1.25 миллиарда, а к Q3 2025 суммарно за год оценивали примерно 3.7 миллиарда. Крупные раунды: PsiQuantum ~750 миллионов, Quantinuum ~600 миллионов при оценке около 10 миллиардов, QuEra ~230 миллионов, Quantum Machines ~170 миллионов. Публичные акции компаний вернулись после падений.
Государства тоже вкладываются: Китай объявил фонд примерно на 1 триллион юаней (~138 миллиардов долларов) с квантовыми элементами, Япония утвердила пакеты около 7.4 миллиарда долларов, США выделили 3.7 миллиарда через инициативы вроде National Quantum Initiative. Большая часть этих денег - ставка не на немедленное ускорение ИИ, а на криптографию и стратегическое преимущество.
Криптография как первый "киллер-эпп"
Наиболее важное близкое применение квантов - подрыв современной публично-ключевой криптографии. Анализ, связанный с Google, оценил, что оптимизированная реализация алгоритма Шора на ~1400 логических кубитах может факторизовать RSA-2048 примерно за пять дней - это сокращение оценок ресурсов примерно на 95% по сравнению с 2019 годом. Опросы экспертов дают вероятность появления криптографически релевантного кванта в 17-34% к 2034 и 79% к 2044. Срочная проблема - стратегия "хранить сейчас, расшифровывать потом": противники могут собирать зашифрованный трафик сегодня, чтобы расшифровать его позже. Ответы уже идут: экспортные ограничения, НАТО Quantum Technologies Strategy 2024, стандарты NIST по постквантовой криптографии 2024 и ограничения по инвестициям.
Геополитика: конкуренция США и Китая
Преимущество США в квантовых технологиях сжалось: оценка GlobalData говорила о отрыве в ~5 лет в 2022, но к 2024 ситуация стала почти паритетной. В Китае заявляли ряд вех: Origin Wukong 72-кубитный процессор (январь 2025), Tianyan-504 с 504 кубитами (декабрь 2024), 12 000+ километровая квантовая сеть по провинциям, и фотонный Zuchongzhi 3.0. Организационные сдвиги вроде закрытия квантовой лаборатории Alibaba в 2023 и передачи подразделений Baidu в госструктуры в 2024 скорее выглядят как консолидация под государственные программы, а не отказ от темы. Экспортный контроль стал жестче, и капитал для китайских квантовых проектов теперь течет с оглядкой.
Что меняет прорыв Принстона и чего он не меняет
Принстонское улучшение не делает квант пригодным прямо сейчас для обучения больших языковых моделей, не решает узкое место загрузки данных и не снимает проблему бесплодных плато в квантовом ML. Что оно делает: показывает, что материалы - главный ограничитель в ряде сверхпроводящих дизайнов, демонстрирует путь совместимый с полупроводниковым производством, и продлевает времена когерентности настолько, что сроки для криптографически релевантных машин могут сдвинуться ближе. Публичная, воспроизводимая схема означает, что многие фабрики и программы могут взять это на вооружение и получить 10-15х путь к улучшению.
Таймлайны и прогнозы
Прогнозы разнятся: Дженсен Хуан сказал 15-30 лет для полезного в широком смысле квантового компьютера. Google Quantum AI говорит о примерно пяти годах до коммерчески релевантных fault-tolerant приложений в узких доменах. IBM целится примерно в 200 логических кубитов к 2029 с дорожной картой к 10 000, Quantinuum ставит цель fault tolerance к 2030, IonQ маркетингово называет десятки тысяч логических кубитов к 2030, а Microsoft говорит о "годах, а не десятилетиях". Скептик Скотт Ааронсон считает возможность исполнения Шора на RSA в реальных масштабах до выборов 2028 реальной, но с высокой неопределенностью. Для взлома RSA необходимы несколько тысяч высококачественных логических кубитов - это возможно в 2030-х, а для универсального ускорения ИИ нужны порядки больше и это дальше.
Практические выводы для разработчиков, операторов и политиков
- AI/ML инженерам: не ждите, что квант снизит стоимость обучения в этом десятилетии. Сосредоточьтесь на архитектуре, ретривале, оптимизации inference (distillation, quantization, sparsity) и на железе.
- Инфраструктурным командам: планируйте рост нагрузки на GPU/CPU, оптимизируйте память и пропускную способность, внедряйте наблюдаемость и надежность. Навыки оркестрации гетерогенных вычислений пригодятся, если позже добавят квантовые ускорители.
- Хранителям данных и безопасности: миграция на постквантовые схемы - приоритет для данных с 10-20 летним сроком конфиденциальности. Инвентаризация RSA/ECC, отслеживание вендоров PQC и клаузул в контрактах - сейчас не формальность.
- Инвесторам: рассматривайте квант как долгосрочную, высокорисковую ставку. Четкая инвестиционная теза важнее маркетинга "quantum + AI".
- Наблюдателям политики: ожидайте больше экспортных ограничений, контроля за талантами и усиления связки квант-AI-оборона.
Заключение: Принстонский материалистический рывок не сделал квант мгновенным спасением для затратного мирового обучения ИИ, но он сместил фокус риска в сторону криптографии и геостратегии. Это менее эффектно, чем истории "AI + квант как суперускоритель", но по сути важнее: вопрос кто сможет читать чьи секреты через десятилетие стал реальным. Отсюда вывод для отрасли - разделять ожидания по ускорению ИИ и готовиться к реальной задаче защиты данных.
Ссылки и источники: статья Принстона в Nature "Millisecond lifetimes and coherence times in 2D transmon qubits" (Nov 5, 2025), репортажи о CES и Quantum Day Nvidia (Fortune, CNBC, Axios), блоги Google и IBM по квантовым исследованиям, данные по финансированию (Crunchbase и отраслевые отчеты), опросы Global Risk Institute, документы НАТО и NIST по постквантовой криптографии.
