Em 2023, as empresas estão cada vez mais conscientes do impacto potencialmente disruptivo da computação quântica (CQ) se ela for desenvolvida e comercializada com sucesso. Essa tecnologia promete transformar os negócios ao resolver problemas considerados intratáveis com complexidade exponencialmente crescente, além do alcance dos computadores convencionais de alto desempenho. Os problemas que o QC pode resolver se enquadram em quatro categorias principais: simulação, otimização, aprendizado de máquina (ML) e criptografia. As aplicações para os negócios são praticamente infinitas, desde a descoberta de medicamentos totalmente digitalizados até o gerenciamento da cadeia de suprimentos e a otimização do portfólio.
A tecnologia de controle de qualidade é extremamente complexa e difícil de ser compreendida até mesmo pelo generalista mais experiente. Histórias e anúncios na mídia sobre novos desenvolvimentos e supostas descobertas surgem constantemente. Esclarecer essa "névoa" é um desafio. Este relatório Blue Shift da Arthur D. Little (ADL) tem como objetivo fornecer uma visão clara do estado atual para leitores de negócios não familiarizados com o domínio, compartilhando não apenas casos de uso e aplicativos em potencial, mas também desenvolvimentos tecnológicos, incluindo hardware e software, e destacando os principais participantes do ecossistema de CQ. Também oferecemos nossa perspectiva sobre a probabilidade e os possíveis cronogramas para a comercialização do QC.
Casos de uso
O QC promete revolucionar setores inteiros ao resolver problemas de simulação, otimização e ML que são intratáveis para os computadores tradicionais. Por exemplo:
- Simulação: permite simulações mais precisas em campos como química quântica e física de partículas, facilitando descobertas em medicamentos e materiais.
- Otimização: melhora a eficiência no gerenciamento da cadeia de suprimentos, logística e planejamento financeiro.
- Aprendizado de máquina (ML): acelera o desenvolvimento de algoritmos de aprendizado de máquina, aprimorando a inteligência artificial e suas aplicações práticas.
- Criptografia: desafia e potencialmente fortalece os sistemas de segurança atuais ao criar novos métodos de criptografia.
Desafios
Atualmente, o CQ não progrediu além da escala laboratorial, embora esteja integrado a algumas ofertas comerciais. Ainda há enormes desafios técnicos e de engenharia a serem superados. Um dispositivo de uso geral em larga escala, tolerante a falhas e que possa oferecer vantagens técnicas e comerciais em relação aos computadores convencionais está a muitos anos de distância, e ainda não há certeza de que será alcançado. Entretanto, vimos recentemente uma rápida aceleração dos investimentos e das atividades no desenvolvimento de CQ, que certamente continuará nos próximos anos.
O investimento público relatado ultrapassa US$ 25 bilhões, com mais de 50 acordos de capital de risco até 2021. Espera-se que mais de 20 novos protótipos de dispositivos sejam planejados em roteiros de fornecedores publicados entre agora e 2030. Esperamos que haja algum progresso na obtenção da chamada vantagem quântica em aplicações específicas limitadas nos próximos anos, possivelmente envolvendo simuladores quânticos e/ou soluções híbridas que combinem processamento convencional e quântico. Pode haver um avanço precoce, mas é claro que isso é impossível de prever com certeza.
Recomendações
Dada a situação atual, recomendamos que as empresas que ainda não o fizeram tomem medidas agora para garantir que não sejam deixadas para trás. A curva de aprendizado do QC é íngreme. Não será possível, especialmente nos estágios iniciais de comercialização, que usuários inexperientes simplesmente não façam nada até que a tecnologia amadureça, comprem acesso ao poder de processamento quântico e esperem fazer mudanças transformadoras em suas operações comerciais. Além disso, à medida que a tecnologia começa a amadurecer, o compartilhamento aberto de inteligência e dados em todo o ecossistema global de CQ pode ser interrompido, impulsionado por pressões comerciais e geopolíticas. As empresas que não possuem recursos internos podem ser particularmente prejudicadas.
