Рассказ об одном активе, на который, возможно, многие не обращали внимания: QNT.

Будущая работа разработчиков может выглядеть так:

NVIDIA CUDA-Q пишет смешанную программу
↓
GPU делает симуляции, AI, оптимизацию, декодирование с исправлением ошибок
↓
QNT Helios QPU делает квантовую вычислительную часть
↓
Guppy / Helios runtime отвечает за выполнение квантовых программ и управление

Это немного похоже на:

зачаток CUDA-экосистемы эпохи квантовых вычислений.
Можно представить квантовые компьютеры Quantinuum / QNT так: это не “более быстрый обычный компьютер”, а ускоритель, заточенный под обработку “квантово-уровневых сложных задач”. Самая ценная часть там не в том, чтобы открывать веб-страницы, запускать обычный AI или писать код, а в решении задач, которые традиционным CPU/GPU очень трудно симулировать.

Самое важное, что это помогает реализовать, — несколько классов задач:

1. Симуляции новых материалов, новых батарей, новых материалов для чипов

Это, как я считаю, самое “жёсткое” направление.

Многие материалы по своей сути являются квантовыми системами — например, полупроводниковые материалы, сверхпроводящие материалы, электролиты для батарей, катализаторы, фотонные материалы. Традиционные компьютеры симулируют это с большим трудом, потому что взаимодействия между электронами слишком сложные. Квантовые компьютеры изначально подходят для моделирования квантовых систем.

Поэтому в будущем это может помочь компаниям быстрее найти:

материалы, сверхпроводящие материалы, более эффективные материалы для батарей, материалы для оптических interconnect, молекулы лекарств, катализаторы.

Quantinuum сам также относит к приоритетам discovery материалов, кибербезопасность и квантовый AI следующего поколения.

2. Разработка лекарств и химическое моделирование

Это тоже очень важно. Структуры молекул лекарств, молекулярные уровни энергии, связывание с белками, пути реакций — всё это по сути крайне сложно. Если квантовые вычисления созреют, они могут помочь фармкомпаниям быстрее проводить отбор молекул и снижать стоимость экспериментов.

Quantinuum и NVIDIA упоминали генеративный квантовый AI-фреймворк: GPU + квантовые вычисления для генерации схемы основного состояния химических систем, и они добились ускорения в 234 раза при генерации данных для сложных молекул; также они сделали демонстрацию на молекуле, связанной с лекарством imipramine.

Но обратите внимание: это не значит, что “все разработки лекарств ускорятся в 234 раза”. Это ускорение в рамках конкретного фреймворка/процесса, и раздувать ожидания нельзя.

3. Квантовое исправление ошибок — чтобы квантовые вычисления стали реально применимыми

Это крайне важно. Раньше главная проблема квантовых вычислений была в том, что они слишком легко ошибаются.

Фокус Helios от Quantinuum — не просто “набрать qubit”, а двигаться в сторону “логических qubit” и “исправления ошибок”. Helios заявляет, что может обеспечить 50 error-detected логических quбит, и при этом добиться better-than-break-even performance; также они упоминали 48 fully error-corrected логических quбит, с коэффициентом кодирования 2:1.

Это похоже на тот ключевой этап, когда чипы из режима “в лаборатории работает” переходят к “стабильно выполняет вычисления”. Без исправления ошибок квантовые вычисления тяжело коммерциализировать; с исправлением ошибок появляется шанс перейти в реально применимую стадию.

4. Совмещение с NVIDIA GPU, чтобы получились “квантовые + AI супервычисления”

Это и есть ключевое место сотрудничества Quantinuum и NVIDIA.

Квантовый компьютер обрабатывает квантовые состояния; GPU отвечает за вычисления в реальном времени, исправляющее декодирование, AI-модели и классическую оптимизацию. Цель NVIDIA NVQLink — связать GPU-супервычисления с квантовыми процессорами, чтобы CPU, GPU и QPU работали в единой смешанной системе.

Quantinuum также говорит, что Helios будет сочетать NVIDIA Grace Blackwell / NVQLink / CUDA-Q / Guppy, используя GPU для декодирования квантовых исправлений ошибок в реальном времени.

То есть это не “квантовый компьютер уничтожит NVIDIA”, а скорее наоборот: квантовые вычисления нужно “сделать применимыми” с помощью NVIDIA GPU. Поэтому сотрудничество с NVIDIA критически важно.

5. Финансы, комбинаторная оптимизация, модели рисков

В долгую квантовые вычисления могут помочь финансовым институтам в:

комбинаторной оптимизации, моделировании рисков, ценообразовании сложных деривативов, поиске путей, стресс-тестировании экстремальных сценариев.

Но сейчас это направление пока менее определённое, чем материалы/химия. Многие финансовые задачи уже хорошо решаются GPU, AI и традиционными оптимизационными алгоритмами. Квантовым вычислениям нужно доказать, что они заметно сильнее: для этого требуются большие масштабы и более стабильные логические qubit.

Для ваших собственных торговых продуктов я бы не говорил, что они сейчас могут напрямую помочь вам “предсказывать рост/падение BTC/ETH”. Более реалистично — будущие применения:

подбор параметров, риск-модели, распределение позиций в портфеле, симуляции сложных путей, стресс-тестирование экстремальных рыночных сценариев.

Но в краткосрочной перспективе: продолжайте использовать Python + очистку данных + машины состояний + традиционные системы машинного обучения/правил — там обычно выгоднее по соотношению цена/результат.

6. Кибербезопасность и криптография

Самое “гремучее” в долгую — что если в будущем появятся достаточно мощные квантовые компьютеры с допуском ошибок, то теоретически они смогут атаковать многие существующие публичные криптосистемы, включая RSA и ECC.

Но Helios прямо сейчас до этого ещё далеко. Ему нужны очень большие объёмы и очень стабильные логические qubit. Дорожная карта Quantinuum нацелена на достижение универсальных, полностью исправляющих ошибки квантовых вычислений к 2030 году; они также говорят, что в будущем будет движение к сотням логических qubit для научных и коммерческих задач.

Поэтому коммерческая ценность этой линии такая: правительства, банки, облачные провайдеры, оборонка и компании по безопасности будут пристально следить за “постквантовой криптографией”.

Одной фразой

Квантовый компьютер QNT / Quantinuum с наибольшей вероятностью сначала поможет человечеству реализовать: новые материалы, новые лекарства, химическое моделирование, квантовое исправление ошибок, “квантовое + GPU супервычисления”, сложную оптимизацию, а также будущие апгрейды сетевой безопасности.

Но в краткосрочной перспективе это не “универсальный компьютер вместо GPU”, а скорее специальный двигатель в экосистеме будущих супервычислений. Реальный путь к деньгам, вероятнее всего, не в продаже персональных компьютеров, а в продаже решений фармкомпаниям, химической отрасли, материалам, финансам, правительствам, облачным провайдерам и центрам AI-супервычислений. Когда случится коммерческий взрыв, ключ будет в том, сможет ли продолжать расти масштаб логических qubit, будет ли продолжать снижаться ошибка, и сможет ли клиент получать результаты, которые традиционные супервычисления не позволяют.