Все новости крипты
в одном месте!
Больше не нужно искать — необходимые
обучающие материалы и подсказки всегда под рукой
Больше не нужно искать — необходимые
обучающие материалы и подсказки всегда под рукой
Согласно отчету Novo Holdings, в 2014–2025 годах около 70% из $13,9 млрд частных инвестиций в квантовую отрасль ушло на оборудование и компоненты. При этом приложения для бизнеса финансируются слабее, чем можно было бы ожидать с учетом их потенциальной ценности.
Аналитики считают, что следующий этап развития сектора потребует вложений не только в совершенствование квантовых компьютеров, но и в специализированные алгоритмы и сервисы. Такие решения должны помогать заказчикам выбирать молекулы для исследований, планировать эксперименты и решать другие конкретные задачи.
К 2 сентября 2026 года раскрытое частное финансирование квантовых компаний достигло $4,797 млрд — это уже больше, чем за весь 2025 год ($4,706 млрд).
Почему одного оборудования недостаточно
Концентрация капитала на процессорах и компонентах была необходима для развития технологии, однако коммерческий результат зависит от того, какие задачи удастся решать с помощью этих машин. В Novo Holdings полагают, что преимущество получат компании, чьи решения сложно воспроизвести и заменить. Для разработчика приложений это означает не только создание алгоритма, но и проверку точности расчетов, накопление собственных данных и интеграцию продукта в работу заказчика.
Сложный программный инструмент сам по себе не гарантирует устойчивого бизнеса. Например, средства исправления ошибок и подготовки программ к запуску могут стать частью продуктов производителей оборудования или облачных платформ. В таком случае независимым поставщикам будет сложнее продавать их отдельно.
Разработчики специализированных сервисов могут выстраивать отношения с клиентами еще до появления достаточно мощных квантовых систем. На раннем этапе они могут выполнять индивидуальные научные проекты. Такая модель перспективна, если каждый заказ оставляет компании алгоритмы, данные и инструменты, пригодные для следующих клиентов.
Улучшение алгоритмов также способно приблизить практическое применение технологии. Сокращение числа необходимых операций позволит выполнять отдельные задачи на менее мощных машинах.
Где квантовые расчеты найдут применение
Одним из наиболее перспективных направлений в Novo Holdings назвали науки о жизни, включая фармацевтику. Компании уже платят за моделирование молекул и вычислительную химию, поэтому новый сервис сможет претендовать на существующие бюджеты, если предложит более полезный результат.
При этом ранние квантовые системы не возьмут на себя весь процесс разработки лекарств. Даже отказоустойчивые машины первоначально будут ограничены в возможностях. На раннем этапе они займутся небольшой, но решающей частью рабочего процесса, где классические приближения перестают работать. Речь, например, о расчетах образования и разрыва химических связей или поведения электронов в отдельных участках молекулы. Остальную работу продолжат выполнять обычные компьютеры.
Более точный расчет должен влиять на решение заказчика: какой эксперимент провести или какое соединение изучать дальше. Если результат не меняет этот выбор, его коммерческая ценность остается под вопросом.
Эксперты допустили, что полезные применения в материаловедении, энергетике и химии появятся раньше, чем в фармацевтике. Некоторые задачи, связанные с катализаторами и аккумуляторами, лучше соответствуют возможностям ограниченных по мощности квантовых систем.
В отчете рассмотрены два ориентировочных сценария: появление ранних отказоустойчивых машин в конце 2020-х — начале 2030-х годов и более масштабных систем с середины 2030-х.
Среди рисков аналитики выделили дальнейший прогресс классических вычислений и искусственного интеллекта. По их оценке, он может сократить преимущество квантовых методов в отдельных задачах еще до появления подходящего оборудования. Кроме того, фармацевтические компании и облачные провайдеры могут самостоятельно разработать необходимые решения.
Напомним, в июне Quantum Motion и Nvidia представили подход к моделированию молекул, в котором искусственный интеллект берет на себя часть подготовки данных и снижает требования к квантовому оборудованию.
Популярные лонгриды:
