Il panorama commerciale del quantum computing
Nel 2025, secondo il Quantum Technology Monitor 2026 di McKinsey, le aziende del quantum computing hanno superato per la prima volta il miliardo di dollari di ricavi. Nello stesso anno le startup del settore hanno raccolto 12,6 miliardi di dollari. Quando il capitale corre dodici volte più veloce del fatturato, i comitati di investimento devono porsi una domanda cruciale: si tratta di una bolla o di una finestra di opportunità che si chiuderà prima del previsto?
Il rapporto McKinsey segnala inoltre un “punto di svolta commerciale”. I ricavi delle imprese di quantum computing potrebbero salire tra 3,2 e 4,4 miliardi di dollari entro il 2028, e al 2035 il solo segmento dovrebbe valere tra 43 e 71 miliardi. Gli investimenti nelle startup sono cresciuti di 6,3 volte rispetto al 2024 e, sorprendentemente, un terzo delle grandi aziende ha speso nel 2025 più di 10 milioni di dollari in progetti quantum.
Le fondamenta tecnologiche: da bit a qubit
Un computer classico elabora informazioni in bit, che assumono valore 0 oppure 1. Un computer quantistico, invece, utilizza i qubit, capaci di trovarsi in sovrapposizione di 0 e 1 grazie al fenomeno della superposizione. Inoltre, l’entanglement lega i qubit tra loro, facendo sì che lo stato di uno dipenda da quello degli altri. Gli algoritmi quantistici sfruttano sovrapposizione, entanglement e interferenza per amplificare le soluzioni corrette e attenuare quelle errate in uno spazio di possibilità estremamente vasto.
Il risultato è probabilistico: lo stesso calcolo viene ripetuto migliaia di volte e la risposta si ottiene come distribuzione statistica. Il limite principale è la fragilità dei qubit, che perdono il loro stato al minimo disturbo esterno, un fenomeno noto come decoerenza. Per questo motivo la correzione degli errori è oggi la frontiera su cui si gioca tutta l’industria.
Classificazione dei problemi quantistici
La teoria della complessità distingue due categorie fondamentali:
- BQP: problemi che un computer quantistico affidabile risolverebbe in modo efficiente. Esempi tipici sono la fattorizzazione di grandi numeri, il logaritmo discreto (fondamenta della crittografia a chiave pubblica) e la simulazione di sistemi quantistici come molecole e materiali.
- NP: problemi di ottimizzazione combinatoria per i quali non è stato dimostrato alcun vantaggio esponenziale. Qui il quantum può offrire accelerazioni parziali o approcci euristici, ma le promesse di “salti di ordine di grandezza” spesso superano le evidenze teoriche.
La maggior parte dei problemi di business si risolve efficacemente con il calcolo classico. Lo spazio utile per il quantum rimane ristretto a simulazioni molecolari, alcune classi di ottimizzazione ad altissima dimensionalità e modelli finanziari avanzati.
Strategie di accesso al quantum senza hardware proprietario
Le imprese possono avvicinarsi al quantum computing senza acquistare hardware, partendo da:
- Algoritmi quantum‑inspired, che traducono concetti quantistici in software classico.
- Piattaforme cloud come Azure Quantum, IBM Quantum o Google Quantum AI, che offrono QPU on‑demand.
- Progetti pilota in collaborazione con fornitori di chip o con centri di supercalcolo.
Questa modalità ibrida è già la più diffusa: le aziende combinano risorse classiche (CPU, GPU) con QPU specializzati, orchestrando i flussi tramite control plane simili a quelli usati per l’AI agentica.
Esempi concreti di ibridazione
Il 25 settembre 2025, HSBC e IBM hanno annunciato una sperimentazione sul mercato europeo delle obbligazioni corporate. Utilizzando una combinazione di calcolo classico e processori IBM Heron, la banca ha ottenuto un miglioramento fino al 34 % nella previsione della probabilità che una richiesta di quotazione venga eseguita al prezzo proposto, rispetto alle tecniche classiche standard.
Nel 2026, Cleveland Clinic, RIKEN e IBM hanno modellato una complessa proteina‑ligando da 12 635 atomi impiegando due computer quantistici e due supercomputer in un unico flusso, con fino a 94 qubit. IBM ha definito questo il più grande calcolo ibrido di struttura elettronica mai realizzato.
Un caso interamente classico, ma che illustra lo stesso pattern, è il progetto del Pacific Northwest National Laboratory (PNNL) con Microsoft nel 2024: l’AI ha filtrato 32 milioni di candidati elettroliti per batterie fino a 18, per poi affidare la simulazione fisica finale al calcolo ad alte prestazioni. Il quantum si inserirà esattamente nello “secondo anello” di tale pipeline.
Il ruolo dei governi e le dinamiche di investimento
Il 21 maggio 2026, il Dipartimento del Commercio statunitense ha stanziato 2 miliardi di dollari per le aziende quantum americane, metà dei quali destinati ad Anderon, la nuova foundry di chip quantistici creata da IBM, con quote azionarie pubbliche in D‑Wave e Rigetti. IBM, dal canto suo, ha fissato una data sulla propria roadmap pubblica: Starling, il primo sistema fault‑tolerant su larga scala, è previsto per il 2029 con 200 qubit logici capaci di eseguire circuiti da 100 milioni di operazioni.
In Europa, l’Italia dispone del sistema SOL, del supercomputer Leonardo e di una strategia nazionale per il quantum. Tuttavia, gli investimenti rimangono inferiori a quelli dei concorrenti europei e ritardi nella realizzazione di infrastrutture frenano lo sviluppo industriale.
Il rischio di una “next AI”
Molti board rischiano di trattare il quantum come la “prossima AI”. Le due tecnologie hanno orizzonti temporali ed economie molto diversi. Un progetto di AI generativa può restituire valore misurabile in 12‑18 mesi, mentre un progetto quantum oggi fornisce soprattutto apprendimento: risultati probabilistici, esecuzioni a lotti su processori rumorosi e un ciclo di sviluppo ancora largamente manuale.
Spostare budget dai progetti AI consolidati verso esperimenti quantum dal ritorno incerto sarebbe un errore di allocazione del capitale, prima ancora che un errore tecnologico.
Verso un ecosistema di supercalcolo ibrido
Il quantum computing arriverà nelle imprese come processore specializzato, affiancato a GPU e CPU all’interno di architetture di supercalcolo ibride. Questa è la direzione già tracciata dai grandi player:
- IBM: modello di “quantum‑centric supercomputing”.
- NVIDIA: CUDA‑Q per orchestrare flussi tra CPU, GPU e QPU.
- Microsoft: offerta Azure Quantum.
Nessuno di loro immagina un data center quantistico che sostituisca quello classico; piuttosto, il quantum diventerà un “co‑processore” all’interno di sistemi più ampi.
L’asimmetria AI‑quantum
Attualmente è l’AI ad aiutare il quantum più del contrario. Decoder neurali come AlphaQubit di Google DeepMind (pubblicato su Nature nel 2024) individuano e correggono gli errori dei qubit; modelli di machine learning ottimizzano i circuiti e caratterizzano il rumore. Il contributo del quantum all’AI, per ora, resta quasi tutto sulla carta.
Proiettando questa traiettoria, l’interfaccia verso il quantum per la maggior parte delle aziende sarà un livello di orchestrazione agentica. I control plane che oggi decidono quale modello, tool e dato usare per un task, domani decideranno quando un sottoproblema merita di essere inviato a un processore quantistico.
Algoritmi quantum‑inspired e casi d’uso emergenti
Gli algoritmi quantum‑inspired traducono in software classico alcune idee nate dalla fisica quantistica. Il 22 maggio 2026, SMBC e Toshiba hanno lanciato due indici azionari, sui mercati giapponese e statunitense, i cui titoli vengono selezionati ogni trimestre dal Simulated Bifurcation Machine di Toshiba. Questi indici dimostrano come le tecniche ispirate al quantum possano già generare valore concreto nei mercati finanziari.
Altri settori in cui gli algoritmi quantum‑inspired stanno emergendo includono:
- Ottimizzazione della logistica e routing.
- Gestione delle risorse energetiche.
- Analisi di grandi reti sociali.
In tutti questi casi, la soluzione è ibrida: il quantum‑inspired riduce il problema a una forma più gestibile, mentre le componenti classiche forniscono la potenza di calcolo necessaria per la fase finale.
Conclusioni e prospettive per l’Italia
Il futuro del quantum computing è inevitabilmente ibrido. Le imprese che adotteranno una strategia basata su cloud, algoritmi quantum‑inspired e progetti pilota potranno trarre vantaggio senza dover sostenere costi di hardware proprietario. Tuttavia, per mantenere la competitività, l’Italia deve accelerare gli investimenti, colmare i ritardi infrastrutturali e promuovere partnership pubblico‑private che integrino SOL, Leonardo e la strategia nazionale con le piattaforme internazionali.
Solo così il paese potrà partecipare alla corsa al valore che, come evidenziato dal monitor McKinsey, è destinata a crescere esponenzialmente nei prossimi decenni, trasformando il quantum da curiosità accademica a componente chiave dell’ecosistema digitale globale.