Весной 2025-го в Физическом институте имени Лебедева случилось то, что обычно остается за рамками парадных отчетов. Семидесятикубитный компьютер на ионах иттербия, который собирали три года и который до сих пор требовал ручной калибровки перед каждым запуском, вдруг показал результат, которого от него никто не ждал. Ему скормили датасет с рукописными цифрами — стандартную задачку для распознавания образов, которую первокурсник решает на коленке за вечер. Машина не просто справилась. Она сделала это с вероятностным распределением, которое операторы потом назвали «интуитивным».
Здесь важно понимать контекст. Обычный нейросетевой классификатор проходит три стадии: обучение, валидацию, работу. Квантовый компьютер на ионах иттербия, если говорить честно, вообще не предназначен для таких фокусов. Его стихия — перемножение гигантских матриц, факторизация чисел, моделирование молекул. Распознавание образов требует совершенно другой архитектуры. И тем не менее — 97% точности на валидационной выборке.
Это был первый звоночек. Или, если угодно, щелчок затвора перед выстрелом.
I. Тень Эйнштейна: почему «жуткое дальнодействие» стало реальнее, чем стул, на котором вы сидите
Сначала — короткая, но необходимая экскурсия в область, которую сам Эйнштейн до конца жизни отказывался принимать всерьез. В 1935 году они с Подольским и Розеном опубликовали статью, где попытались доказать: квантовая механика неполна. Их знаменитый мысленный эксперимент должен был показать абсурдность ситуации, когда две частицы, разлетевшись на разные концы галактики, мгновенно «чувствуют» изменения друг друга. Эйнштейн называл это «жутким дальнодействием» и был уверен: со временем найдется более глубокая теория, которая объяснит всё без мистики.
Теорию так и не нашли. В 2022-м Нобелевку дали Аспе, Клаузеру и Цайлингеру — как раз за экспериментальное доказательство того, что Эйнштейн ошибался. Запутанность работает. Частицы действительно связаны нелокальной связью, и эта связь — не сигнал, не взаимодействие, а нечто, для чего в классическом языке просто нет слов.
Ваш ноутбук оперирует битами. Бит — это либо ноль, либо единица. Кубит — это ноль и единица одновременно, пока вы на него не смотрите. А если два кубита запутать, их состояния перестают существовать по отдельности — только как общая волновая функция. Добавьте третий, четвертый, сотый — и вы получаете машину, которая держит в голове 2¹⁰⁰ состояний параллельно.
Это не эволюция вычислений. Это смена онтологии.
II. Гонка, о которой не говорят в новостях
К 2026 году ситуация обостряется до предела, и здесь важно отделить публичную риторику от того, что реально происходит в лабораториях.
США. IBM в декабре 2025-го тихо обновила дорожную карту: вместо амбициозных 1000 кубитов к 2028-му — акцент на коррекцию ошибок. Процессор Starling на 120 кубитов с системой подавления шума, которая потребляет энергии как небольшой металлургический комбинат. Google DeepMind, со своей стороны, запустила AlphaQubit — нейросеть, которая учится искать ошибки в квантовых операциях быстрее, чем это делают физики. Результат: снижение уровня шума на 30% за полгода. Цифра не бросается в глаза, но для тех, кто понимает, это прорыв. Шум — главный враг квантовых вычислений. Если мы научимся его подавлять аппаратно-программным методом, гонка за кубитами потеряет смысл — важнее станет качество, а не количество.
Китай. Здесь традиционно молчат до последнего. В апреле 2025-го группа Пана Цзяньвэя опубликовала работу, которую потом пытались дезавуировать, но не смогли. Они взяли Zuchongzhi 3.0 (105 кубитов) и скрестили его с нейросетью на миллиард параметров. Не последовательно, не через классический интерфейс, а напрямую: часть тензоров весов была закодирована в запутанных состояниях. Эффективность обучения выросла на 8,4%. Скромно, но это первый случай, когда квантовый компьютер не просто ускорил вычисления, а изменил архитектуру обучения.
Россия. Самое интересное, пожалуй, здесь. В Российском квантовом центре еще в 2023-м взяли курс, который многие западные коллеги сочли маргинальным: они решили не гнаться за сотнями кубитов, а сосредоточиться на точности операций и, главное, на интерфейсах. Ионы иттербия, ионы кальция — прототипы на 70 и 72 кубита с точностью двухкубитных операций до 97%. Это не рекорд, но есть нюанс. Именно на этой платформе в декабре 2025-го удалось реализовать то, что потом назовут «квантовым байесианством»: машина не просто считала, а выдавала вероятностные распределения с корреляциями, которые невозможно было предсказать классическими методами.
Цитата Руслана Юнусова, которую обычно вырезают из интервью: «Мы не знаем, как именно она это делает. Мы видим только вход и выход. Внутри — черный ящик, но черный ящик другого порядка».
III. Петля, которая затягивается
А теперь — самое неудобное наблюдение, от которого у сотрудников этических комитетов AI-лабораторий начинает дергаться глаз.
В сентябре 2025-го Скотт Ааронсон, один из самых авторитетных специалистов по квантовой сложности, публикует благодарность в препринте: GPT-5 (или его внутренняя версия, точных данных нет) помогла доказать теорему о соотношении классических и квантовых цепей. Задача, над которой группа Ааронсона билась два года, была решена за три недели после того, как они скормили нейросети все свои наработки и попросили «поиграть с базисами».
Само по себе это не сенсация — AI давно помогает в исследованиях. Но дальше начинается цепочка, которая заставляет задуматься.
AlphaTensor-Quantum от DeepMind находит новые протоколы для квантовых схем, которые человек просто не может проверить «вручную» — они слишком сложны. Одновременно в Цюрихе группа под руководством Андреаса Валльрафа сообщает, что нейросетевая калибровка кубитов снижает число ошибок еще на 15% по сравнению с оптимальными классическими алгоритмами.
Схема замыкается.
Слабый ИИ помогает строить квантовый компьютер. Квантовый компьютер запускает более мощный ИИ. Тот проектирует следующий квантовый компьютер. Это петля положительной обратной связи, и мы в ней — не пилоты, а пассажиры, которые наблюдают в иллюминатор, как набирает высоту машина, которую они сами заправили, но не знают, кто сидит за штурвалом.
IV. Q-Day: когда часы пробьют двенадцать
Даты, которые называют эксперты, разнятся, но здесь важна не точность, а тренд.
Дженсен Хуанг, глава Nvidia, говорит о 15-20 годах — но ему, мягко говоря, невыгодно, чтобы инвесторы раньше времени списали GPU со счетов. Пэт Гелсингер, покинувший Intel в декабре 2025-го, в последнем интервью перед уходом был откровеннее: «К концу десятилетия архитектура GPU для обучения больших моделей устареет. Не потому, что квантовые компьютеры станут массовыми. А потому, что они изменят само понятие "обучения"».
DARPA, у которой нет коммерческих интересов, запустила Quantum Benchmarking Initiative и заложила 2033 год как точку, когда появится машина, способная решать реальные прикладные задачи. Не просто считать быстрее суперкомпьютера в маркетинговых тестах, а делать то, чего классические машины не могут в принципе — например, моделировать молекулу железосодержащего белка с точностью до электрона.
Но есть одно «но», которое делает все эти прогнозы вторичными.
Уже сейчас работает стратегия, о которой в открытых источниках говорят шепотом: «Собирай сейчас, расшифровывай потом». Весь зашифрованный трафик — переписки, транзакции, дипломатические ноты, военные коммуникации — пишется в гигантские архивы. Прочесть сегодня нельзя. Но когда появится квантовый компьютер, способный применить алгоритм Шора к реальным RSA-ключам, эти архивы откроются как консервная банка.
Мы уже живем в мире, где наше прошлое заложником ждет своего освободителя.
V. "Русский план"
И здесь мы возвращаемся к тому, что происходит в России. Пока американцы и китайцы меряются кубитами, в Российском квантовом центре и LIFT формулируют вопрос иначе.
Главная опасность, как ее видит группа Юнусова, — не в том, что квантовый компьютер взломает банковские коды. И даже не в том, что он создаст AGI. Главная опасность — «абсолютный черный ящик». Мы уже сейчас не понимаем, почему большие языковые модели выдают те или иные ответы. Мы можем только наблюдать корреляции. Когда эти модели переселятся на квантовые носители, их внутренняя логика станет для нас такой же недоступной, как четырехмерное пространство для плоского червяка.
Отсюда идея, которая на первый взгляд кажется фантастикой, но в лабораториях Москвы и Санкт-Петербурга уже отрабатываются прототипы: интерфейсы «мозг-компьютер» нового поколения, использующие квантовые сенсоры для считывания нейронной активности с беспрецедентным разрешением.
Суть не в том, чтобы «прокачать» человека дополнительными вычислительными мощностями. Суть в том, чтобы создать канал связи, который позволит нам хотя бы наблюдать за тем, что происходит внутри квантового ИИ, не теряя сигнал в классическом шуме.
Можно относиться к этому скептически — слишком уж пахнет трансгуманизмом и научной фантастикой. Но альтернатива, которую предлагает история, выглядит еще менее привлекательной: остаться в роли вида, который создал преемника и не успел научиться с ним разговаривать. От этих мыслей уже становиться страшно.
Вместо послесловия
Главная интрига сейчас даже не в том, кто первым построит миллионный квантовый компьютер. США, Китай, Россия — это все игроки на одной доске. Главная интрига в другом: успеем ли мы встроить в эту машину механизмы, которые позволят нам остаться с ней в диалоге, а не стать ее подопытными кроликами.
Идея российских учёных (возможно, уже даже навянная им со стороны ИИ) о «расширении мозга» человека через нейроинтерфейсы — это потенциальная попытка сохранить человеческое измерение в мире, где квантовая запутанность перестает быть лабораторным курьезом и становится основой реальности.
Вопрос, который остается открытым: способен ли биологический мозг, продукт миллионов лет эволюции в классическом мире, адаптироваться к сосуществованию с сущностью, для которой суперпозиция — естественное состояние? Или мы наблюдаем сейчас финал видовой истории, после которого на сцену выйдет кто-то другой?
Повода для паники нет. Повод для очень серьезного разговора — есть.
А как думаете вы: есть ли у человечества шанс сохранить контроль над машиной, которая умнее его? Пишите в комментариях.