«Если посмотреть на кубит — он сломается. Если не смотреть — непонятно, сломался он уже или нет. Шрёдингер аплодирует стоя.»
Есть две темы, от которых у среднестатистического человека начинает слегка ехать крыша: искусственный интеллект и квантовые компьютеры. Обычно они существуют в параллельных вселенных хайпа — ИИ рисует котиков и пишет дипломы, а квантовые компьютеры живут где-то в холодильниках возле абсолютного нуля и иногда взламывают криптографию в пресс-релизах.
Но в апреле 2026 года NVIDIA выпустила подкаст NVIDIA AI Podcast Ep. 294, где менеджер по квантовым продуктам Nic Harrigan спокойно, без мистики и без презентационного глянца, объясняет: эти две темы уже срослись. И срослись не ради красивого слайда, а потому что одна без другой банально не взлетит.
Ниже — честный пересказ того, что он рассказал, с поправкой на реальность, с иронией и без академического занудства. Если вы всегда хотели понять, зачем вообще нужны эти кубиты и почему ИИ вдруг стал для них незаменимым — устраивайтесь.
Часть 1. Квантовый компьютер — это не «быстрее», это «иначе»
Главное заблуждение про квантовые компьютеры звучит так:
«Это такой же компьютер, только очень быстрый».
Нет. Это другой класс устройства. Примерно как сравнивать самокат и вертолёт: оба перемещаются, но задачи у них разные.
Обычный компьютер построен на транзисторах — крошечных переключателях со значениями 0 или 1. Всё, что вы видите на экране — от мемов до нейросетей — в основе своей это гигантская дискотека из нулей и единиц.
Квантовый компьютер задаёт неприличный вопрос:
а что, если переключатель будет подчиняться законам квантовой механики?
И тогда бит становится кубитом — и начинает делать вещи, от которых у классической логики опускаются руки.
Аналогия, которая реально работает
Классический бит — это монета на столе: орёл или решка.
Кубит — это монета, которая крутится. Пока она крутится, она как будто «и так, и сяк» одновременно. Но стоит её прихлопнуть ладонью — она падает в одно из двух состояний, и вся магия заканчивается.
Harrigan в подкасте честно уточняет: «людям нравится говорить, что кубит — это одновременно 0 и 1, но это упрощение». На самом деле это суперпозиция — хрупкая комбинация состояний, которую нельзя потрогать, иначе она разваливается.
Зачем это вообще нужно
Квантовый компьютер не ускоряет ваш Excel. Вообще не трогает. Но в определённых задачах он даёт не просто ускорение, а экспоненциальное преимущество. То есть задача, которая на обычном суперкомпьютере заняла бы миллиарды лет, на квантовом может решаться за разумное время.
Типичные области, где квантам реально есть что сказать:
- Разработка лекарств — моделирование взаимодействия молекулы-кандидата с живой клеткой.
- Материаловедение — новые сплавы, сверхпроводники, батареи.
- Химия — всё, что связано с электронами и молекулами.
- Оптимизация — логистика, финансы, сложные расписания.
- Криптография — да, тот самый страшный сон банковских систем.
Общий принцип: если задача сама по себе квантовая по природе — её удобно решать на квантовом железе. Симулировать молекулу на классическом компьютере — это всё равно что пытаться описать запах словами. Технически можно, но получится плохо.
Часть 2. Почему квантовые компьютеры всё ещё не стоят на столах
Короткий ответ: потому что они нервные.
Длинный ответ: потому что они чудовищно, катастрофически нервные.
Кубит — это примо-балерина квантового мира: одно неловкое движение, и спектакль окончен. Лишний градус температуры, случайная вибрация, чужой электрон пролетел мимо — всё, суперпозиция разрушена, данные потеряны, инженеры пьют.
Это явление называется шум (noise), и борьба с ним — главный сюжет всей квантовой индустрии последних 30 лет. Называется эта борьба красиво: квантовая коррекция ошибок (quantum error correction).
Парадокс, на котором всё держится
Чтобы исправить ошибку в кубите, надо понять, что ошибка произошла. Чтобы понять, что ошибка произошла, надо на кубит посмотреть. А если на кубит посмотреть — он сломается.
Звучит как анекдот. Работает примерно так же.
В 90-х, рассказывает Harrigan, группа очень умных людей придумала изящный трюк: берём много кубитов, запутываем их особым образом (entanglement), и жертвуем частью из них. Мы смотрим на «жертвенные» кубиты, они разрушаются, но через квантовую связь мы узнаём достаточно, чтобы понять, где ошиблись «рабочие» кубиты — не трогая их напрямую.
Это как допросить свидетеля, чтобы узнать, что случилось с подозреваемым, не будя самого подозреваемого. Красиво? Да. Сложно? Очень.
И вот тут выходит Шерлок Холмс
После такого «косвенного допроса» у вас остаётся гора данных: сырой поток сигналов от жертвенных кубитов. Эти данные нужно интерпретировать — понять, какая именно ошибка где произошла.
Этот интерпретатор в квантовой индустрии так и называется — декодер (decoder). Harrigan описывает его как «Sherlock Holmes calculation»: по косвенным уликам восстановить картину преступления.
Звучит романтично. На практике выглядит так:
- обрабатывать терабайты данных в секунду,
- делать это тысячи раз в секунду,
- с задержкой в микросекунды,
- иначе накапливается backlog, и вся система просто разваливается.
То есть у вас в голове должен жить Шерлок Холмс, который решает по делу в микросекунду, и если один раз задумается — всё здание Скотленд-Ярда обрушивается. Удачи.
Часть 3. Почему ИИ — это не маркетинг, а реально то, что нужно
И вот здесь на сцену выходит искусственный интеллект — и не в роли «добавим нейросетку для хайпа», а в роли инструмента, который буквально создан для этого класса задач.
Задача 1. Декодеры
Декодер — это по сути алгоритм, который:
- ест огромный поток данных,
- ищет в нём скрытые паттерны,
- выдаёт вероятностное решение,
- делает это быстро и часто.
Это ровно то, в чём нейросети сильны по природе. Быстрое распознавание паттернов в шуме — классическая дисциплина deep learning.
Задача 2. Калибровка железа
Квантовое железо нужно непрерывно подстраивать. Это не «один раз собрал — и забыл». Это как держать хрупкий прибор в балансе при постоянном сквозняке: чуть что не так — и показания плывут.
NVIDIA выпустила для этого визуально-языковую модель (VLM), которая:
- Смотрит на графики и результаты измерений с квантовой машины.
- Понимает, что именно «поехало».
- Выдаёт команду, что подкрутить.
- И — внимание — делает это в режиме агентного workflow: сама решает, сама крутит, сама проверяет результат.
Это уже не «ИИ-помощник для учёного». Это ИИ-оператор квантового железа, потому что люди физически не успевают реагировать на нужной скорости.
Задача 3. Разработка новых квантовых алгоритмов
А вот здесь начинается по-настоящему интересное.
Harrigan формулирует это так: «люди не думают квантово-механически». Наш мозг не эволюционировал для понимания суперпозиций. Чтобы писать хорошие квантовые алгоритмы, программисту нужны годы тренировки и специфический склад ума, позволяющий представлять, как задача «выживает» через множество параллельных квантовых состояний и собирается в ответ при измерении.
А что, если этим займётся нейросеть?
В подкасте звучит идея, которая хорошо ложится на современные LLM: генеративная модель, обученная на квантовых программах, может собирать новые алгоритмы по кусочкам — так же, как LLM собирает предложение по словам. Только вместо слов — квантовые гейты (операции над кубитами), а вместо грамматики — законы квантовой механики.
То есть будущий «Claude Code для квантов» — это не шутка. Harrigan прямо говорит: частично такое уже работает.
Часть 4. NVIDIA Ising — первая попытка дать квантовой индустрии нормальные открытые модели
И вот тут NVIDIA делает ход, который хочется отметить отдельно: они выкатили NVIDIA Ising — первое семейство открытых AI-моделей специально для квантовых вычислений.
Да, первое. До этого открытых моделей в этой области попросту не было.
Откуда название
Ising — это отсылка к модели Изинга из физики (названа в честь физика Эрнста Изинга). Её главная фишка — она делает сложные системы проще для анализа. Символично: NVIDIA называет так модели, которые делают разработку квантовых компьютеров проще. Такой ненавязчивый физический флекс.
Что внутри на старте
Два семейства моделей:
- Ising Calibration — та самая VLM для настройки железа.
- Ising Decoding — модели-декодеры для квантовой коррекции ошибок.
Обе — pretrained, open, и готовые к fine-tuning. Производитель квантового железа может взять их, дообучить на своих данных, адаптировать под свою специфику и встроить в свой стек.
Почему «открытые» — это принципиально важно
В классических вычислениях все давно согласились: транзистор — это стандарт, CMOS — это стандарт, x86/ARM — это стандарты. В квантовых вычислениях пока ничего подобного нет. Конкурируют:
- сверхпроводниковые кубиты,
- ионы в ловушках,
- нейтральные атомы,
- фотонные системы,
- топологические кубиты (те самые, про которые Microsoft делает таинственные анонсы),
- и ещё несколько экзотических вариантов.
И непонятно, кто победит. Более того, Harrigan подчёркивает интересную мысль: победитель может быть не один. Разные типы кубитов могут использоваться для разных частей одной машины — как в обычном компьютере есть CPU, GPU, RAM и SSD.
В такой пёстрой экосистеме закрытые модели бесполезны. Каждой компании нужно адаптировать модель под своё железо, свои шумы, свои геометрии. Поэтому открытость — это не жест доброй воли, а единственный рабочий путь.
Часть 5. Гибридная архитектура: квантовые компьютеры не заменят классические, они к ним прилипнут
Важный момент, который часто упускают в новостях: квантовый компьютер не существует сам по себе. Это не отдельная коробка на столе учёного. Это ускоритель внутри классического суперкомпьютера.
Примерно в той же логике, в которой GPU когда-то стал ускорителем внутри CPU-сервера. Сначала это было диковиной для геймеров. Потом оказалось, что на GPU можно считать нейросети. Потом стало ясно, что без GPU современный ИИ вообще не существует.
С квантами — та же история, только ещё радикальнее. У NVIDIA для этого есть вся экосистема:
- CUDA-Q — платформа для гибридных квантово-классических вычислений. Позволяет симулировать квантовые устройства на GPU и писать код, который работает и на симуляторе, и на реальной квантовой железке.
- NVQLink — аппаратная архитектура для соединения классической и квантовой частей суперкомпьютера.
- NVIDIA Ising — слой ИИ-моделей, которые управляют квантовой частью и исправляют её ошибки.
Получается честная инженерная схема:
GPU считает → ИИ управляет → квантовый процессор делает то, что только он умеет → ИИ читает результаты → GPU обрабатывает дальше.
Никакой магии. Никаких «квантовое превосходство всё заменит». Просто ещё один тип ускорителя в общем стеке. И это, пожалуй, самая здравая формулировка, которая сейчас звучит в индустрии.
Часть 6. Бонусный сюжет: квантовые компьютеры как источник данных для ИИ
А теперь сюжет, от которого начинает пощипывать в кончиках пальцев.
Мы привыкли к тому, что ИИ обучают на данных из интернета, книг, изображений. Но в науке огромная боль — данных катастрофически не хватает. Особенно в химии, биологии, материаловедении. Получить точные экспериментальные данные дорого, долго, а иногда и физически невозможно.
И вот Harrigan высказывает красивую идею:
Квантовые компьютеры могут генерировать обучающие данные, которые больше негде взять.
Например, сверхточные симуляции молекул или материалов. Данные, которые классический компьютер просто не вытянет по сложности.
А потом на этих данных можно обучать ИИ — и получать модели вроде AlphaFold, только уже для тех областей, где раньше было пусто. Биологию, напомню, нейросети недавно переписали именно благодаря резкому росту доступных данных. Теперь представьте такую же революцию в химии, фармацевтике и материалах — но с квантовым источником данных.
Цикл получается почти красивый:
Квантовые процессоры производят данные → ИИ учится → ИИ помогает строить лучшие квантовые процессоры → те производят ещё больше данных.
Это не завтра. Но это и не «через сто лет».
Часть 7. Честный ответ на вопрос «когда уже?»
В подкасте ведущий задаёт главный вопрос, который все хотят задать:
когда это всё будет работать по-настоящему?
Harrigan отвечает дипломатично: NVIDIA не строит квантовое железо, они работают с партнёрами, у всех есть свои roadmap'ы, все пытаются их ускорить. И добавляет честно:
«Мы не знаем, когда это произойдёт. Но чем больше мы добавляем ИИ как инструмент для разработчиков, тем короче становится этот срок».
Это, пожалуй, самая взрослая фраза во всём подкасте. Без «через пять лет у нас будет квантовое превосходство!», без апокалиптики, без маркетинга. Просто: мы ускоряем настолько, насколько можем.
Масштаб задачи: для серьёзных приложений нужны тысячи, десятки тысяч, а то и миллионы кубитов — с учётом overhead'а на коррекцию ошибок. Сегодня у лидеров — сотни, в лучшем случае тысячи. Разрыв большой, но уже не астрономический.
Часть 8. Что из этого важно лично вам
Я понимаю соблазн сказать «ну это всё про учёных, меня не касается». Касается. Просто не напрямую.
Для обычного человека
Если квантово-ИИшная связка начнёт выдавать результаты (а всё идёт к тому), вы увидите это в виде:
- новых лекарств, которые сейчас просто невозможно разработать за разумное время;
- более дешёвых материалов — от аккумуляторов до солнечных панелей;
- более точной диагностики — квантово-химические модели молекул болезней;
- новых профессий — квантовый ML-инженер уже реально существует как позиция.
Для страны
Это вопрос технологического суверенитета. Страны, которые сейчас инвестируют в квантовое железо и в квантовый ИИ, через 10–15 лет получат не просто престиж, а:
- контроль над критической вычислительной инфраструктурой,
- возможность ставить научные стандарты,
- независимость в фармацевтике, материалах, энергетике,
- и — да, никуда от этого не деться — новый уровень кибербезопасности и разведки.
Те, кто пропустит, окажутся в положении стран, которые в своё время проспали микропроцессоры. Всё ещё можно жить, но правила игры устанавливают уже не они.
Для человечества
Честно говоря, это один из немногих технологических сюжетов, где «изменит всё» звучит не как маркетинг, а как умеренно точный прогноз. Потому что речь не о новом мессенджере, а о расширении самого круга задач, которые человечество в принципе способно решать.
Что в сухом остатке
Если выжать весь подкаст до эссенции, получится примерно так:
- Квантовые компьютеры — это не будущее, это уже процесс. Они существуют, они работают, они ещё плохие, но они быстро становятся лучше.
- Главная проблема — не скорость, а шум. Кубиты ломаются от всего, и без коррекции ошибок квантовые вычисления — это просто дорогие случайные числа.
- ИИ — не модная добавка, а необходимый компонент. Декодеры, калибровка, управление железом, разработка новых алгоритмов — везде нужен машинный интеллект, потому что люди не успевают.
- Открытые модели — единственный рабочий путь. Индустрия слишком разнородна, чтобы закрытые решения имели смысл. NVIDIA Ising — первая серьёзная попытка.
- Квантовые компьютеры — это ускорители внутри классических суперкомпьютеров, а не замена им. Гибридная архитектура — это не временный компромисс, это финальная форма.
- Когда всё это взлетит — точно не скажет никто. Но чем активнее в игру входит ИИ, тем меньше этот срок.
Последнее слово
Есть старая айтишная шутка:
«Квантовые компьютеры будут готовы через 10 лет. Уже 30 лет подряд.»
Так вот, в 2026 году она впервые начинает звучать устаревшей. Не потому что квантовые компьютеры прямо сейчас что-то перевернули. А потому что вокруг них наконец-то построилась инженерная реальность: гибридные архитектуры, открытые модели, ИИ-декодеры, агентные workflow, конкретные дорожные карты.
Это уже не философия. Это инженерия с неопределёнными сроками — а это, в отличие от философии, всегда заканчивается продуктом.
И когда в какой-то момент вы прочитаете новость вроде «квантовый компьютер и ИИ совместно открыли новую молекулу против болезни N» — не удивляйтесь. Вы только что прочитали, как именно это стало возможным.
Источник: NVIDIA AI Podcast, Ep. 294 — How AI Will Change Quantum Computing, апрель 2026 г. Гость — Nic Harrigan, Product Marketing Manager for Quantum Computing в NVIDIA.