Quantum e AI: alleati o rivali?

Il recap

Apriamo con una settimana in cui le due tecnologie si sono sedute allo stesso tavolo: Oracle e Quantinuum hanno aperto ai clienti del cloud Oracle l'accesso a Helios, il computer quantistico da 98 qubit, accanto alle GPU, per workload "ibridi quantum-AI" — e la macchina finirà in un data center AI di Oracle negli Stati Uniti; il giorno prima, al GTC di Berlino, Jensen Huang ha messo il quantum nell'elenco dei modelli AI aperti di Nvidia, Ising, che calibrano i processori quantistici e ne correggono gli errori, e la finlandese IQM li ha usati per calibrare da sola un chip da venti qubit. E a Oracle AI World, il 27, Oracle ha aggiunto al suo cloud le TPU di Google, il chip di OpenAI e i sistemi Cerebras: Helios sarà uno degli acceleratori a catalogo, accanto alle GPU.

La mappa. "Quantum AI" non è una tecnologia sola ma quattro cose diverse: l'AI per il quantum (calibrare, correggere, progettare: già in produzione), il quantum per l'AI (il quantum machine learning: una promessa), il quantum-inspired (matematica presa dalla fisica quantistica, i tensor network, che gira su computer classici e comprime i grandi modelli linguistici: zero qubit) e il terreno comune, il data center ibrido, con la GPU e il processore quantistico nella stessa sala. Due equivoci da togliere di mezzo: nessuno propone di far girare ChatGPT su un computer quantistico, e le due direzioni non sono allo stesso stadio.

AI per il quantum: già realtà. Calibrare: a luglio Google ha pubblicato su Nature un sistema di reinforcement learning che riaccorda il chip Willow mentre il calcolo gira, usando gli errori rilevati come segnale — stabilità del codice moltiplicata per 3,5, errore logico ridotto del 20% rispetto alla calibrazione esperta. Correggere: il decoder, il pezzo che decide quale qubit ha sbagliato, è sempre più spesso una rete neurale — AlphaQubit di DeepMind (Nature, 2024), i modelli aperti Ising di Nvidia (fino a 2,5 volte più veloci e 3 volte più accurati dello standard open source), i decoder neurali nel record di Quantinuum del 19 ottobre. Progettare: IBM ha messo una squadra di agenti AI a riprogettare l'elettronica di un decoder (latenza stimata divisa per 52 con modelli aperti, per 204 con un modello proprietario: stime di sintesi, non un chip); Anthropic, con Harvard e QuEra, ha messo Claude in un ciclo con un valutatore automatico a progettare circuiti quantistici: su otto problemi noti ha battuto i migliori circuiti pubblicati, sulle curve ellittiche con 17 volte meno porte in 53 ore — su carta, verificati con simulazioni e prove formali, non eseguiti. Google, lo stesso giorno, ha pubblicato il suo metodo con gli agenti sugli stessi circuiti e il 22 ottobre ha aperto una gara da 150.000 dollari su Kaggle: chi comprime di più tre circuiti chiave — fusione, ottimizzazione, chimica — con un verificatore pubblico; dice che Gemini ha già battuto i tre riferimenti e ne ha depositato l'hash, da svelare a gennaio. La frase di Huang: "l'AI è il sistema operativo delle macchine quantistiche".

Quantum per l'AI: la promessa, con i numeri. Dipende dai dati. Quando i dati sono quantistici il vantaggio è dimostrato (Science 2022, Preskill e il gruppo di Google: imparare da esperimenti quantistici con esponenzialmente meno campioni, confermato su 40 qubit e nel 2025 con la fotonica). Quando i dati sono classici nessun vantaggio è stato accettato: il risultato più citato, HSBC e IBM, "+34%" nel prevedere il fill rate dei bond, compare solo con il rumore dell'hardware e sparisce in simulazione; in uno studio su cinque dataset standard vince la regressione logistica. Tre ostacoli strutturali: caricare i dati, il barren plateau, la dequantizzazione (Ewin Tang, 2018). Strade nuove, con l'etichetta giusta: la memoria invece della velocità (Caltech, Google, Preskill, aprile 2026: meno di 60 qubit logici per dati che al classico costerebbero da 10.000 a un milione di volte più memoria, in simulazione), il generativo (Quantinuum e Nvidia con una grande farmaceutica, "nessun vantaggio commerciale immediato"; D-Wave e Shionogi su Scientific Reports, molecole "drug-like" al 67% contro il 43% del miglior classico), e il quantum-inspired di Multiverse Computing, che comprime i LLM fino al 95% e a luglio ha raccolto 570 milioni di dollari. Il quantum che aiuta l'AI oggi è quello senza qubit.

I rivali veri. I soldi: nel 2026 Amazon, Microsoft, Alphabet e Meta spendono in infrastruttura AI circa 725 miliardi di dollari (stime); tutto il quantum nel 2025 ha incassato 1,9 miliardi; Nvidia da sola ha fatturato nei data center 194 miliardi nell'ultimo esercizio, cento volte il quantum. L'energia: i data center hanno consumato 485 terawattora nel 2025 (IEA), più di una volta e mezzo l'Italia, +17% in un anno e +50% quelli AI; un computer quantistico assorbe 20–30 chilowatt, ma "il quantum è verde" vale per la macchina, non ancora per il lavoro svolto. L'attenzione: il 7 gennaio 2025 Huang dice "15–30 anni" e il giorno dopo i titoli quantum perdono fra il 30 e il 40%; sei mesi dopo parla di "punto di svolta". E il 22 ottobre 2026 un avviso di Lam Research sulle forniture di chip fa scendere i semiconduttori e i titoli quantum di più, fra il 3 e il 7%, senza una notizia loro: in Borsa il quantum si muove come la coda più rischiosa del trade sull'AI.

Nvidia e il data center ibrido. Nvidia non costruisce qubit: fa il ponte. In diciotto mesi: il "Quantum Day" e il centro di ricerca a Boston, il fondo che entra in Quantinuum, PsiQuantum e QuEra, NVQLink — il collegamento GPU–processore quantistico con 17 costruttori, 9 laboratori nazionali americani e più di dodici centri di supercalcolo, fra cui il CINECA — i modelli Ising, e il 19 ottobre la simulazione su JUPITER, il supercomputer europeo di Jülich, di un processore fault-tolerant da 104 qubit con il rumore realistico, su 8.192 GPU (record precedente: 50 qubit senza rumore). Rivale, perché il concorrente più serio di un computer quantistico oggi è il simulatore classico; alleato, perché quella simulazione serve a progettare la macchina e la stessa GPU poi le corregge gli errori in tempo reale. Il quantum nasce dentro il data center AI — Oracle, AWS, Jülich, Bologna — e si venderà come un acceleratore dentro l'infrastruttura AI.

Chiudiamo con quattro red flag — "quantum AI" senza qubit, un vantaggio che appare solo col rumore, "progettato dall'AI" che non vuol dire "eseguito", "simulato" che non vuol dire "costruito" — e tre domande da fare a chiunque: i dati sono quantistici o classici? è hardware, simulazione o carta? che succede senza rumore? In agenda: Oracle AI World, la trimestrale IonQ del 5 novembre, SC26, il Quantum Act europeo atteso a novembre, l'Osservatorio del Politecnico il 25, Q2B a dicembre.

Risorse

Glossario della puntata