O que a computação quântica vai mudar na IA — e o que ela (ainda) não consegue fazer

Os primeiros anúncios de vantagem quântica chegaram em 2026, e o ganho mais próximo está na química e na saúde, não nos modelos de linguagem. O risco mais urgente está na criptografia que protege os dados guardados

Publicado em 11 de outubro de 2026 às 09:00.

RESUMO ＋

Em 2026, empresas e governos devem tratar a migração para a criptografia pós-quântica como prioridade, enquanto a computação quântica ainda não demonstra vantagem convincente para acelerar a inteligência artificial com dados reais. A tecnologia avança sobretudo na correção de erros e em simulações de química, biologia e materiais. O modelo mais provável combina GPUs, CPUs e processadores quânticos.

Em 30 de julho, a IBM e a Universidade de Chicago anunciaram ter alcançado vantagem quântica: um cálculo com 70 qubits lógicos, executado em cerca de 15 minutos, que segundo a empresa estaria além do alcance prático dos computadores clássicos. Jay Gambetta, da IBM, afirmou que a empresa está "firmemente na era da vantagem quântica". Duas semanas depois, um grupo de pesquisadores publicou um artigo mostrando que reproduziu os mesmos resultados em 37 minutos, usando 256 GPUs H100. O trabalho não derruba o anúncio por completo, mas enfraquece o argumento de que o problema estaria fora do alcance das máquinas convencionais. Hoje, o rastreador de vantagem quântica que a própria IBM mantém com parceiros não lista nenhum caso como confirmado.

Esse episódio resume bem o momento da tecnologia. O avanço é real, a fronteira continua disputada a cada experimento, e é com essa régua que empresas e governos deveriam olhar para a combinação entre computação quântica e inteligência artificial.

Onde a computação quântica está

Um computador quântico não é uma versão mais rápida do computador que conhecemos. Um bit clássico vale 0 ou 1. Um qubit pode ficar em superposição, uma combinação dos dois estados ao mesmo tempo, que só se define quando é medida. Com vários qubits, o número de combinações representadas cresce de forma exponencial: 10 qubits representam 1.024 estados, e 300 qubits representariam mais combinações do que existem átomos no universo observável. Isso não significa que a máquina testa todas as respostas de uma vez e entrega a melhor, porque a medição devolve um único resultado. O ganho depende de outros dois fenômenos: o emaranhamento, que correlaciona os qubits entre si, e a interferência, que faz os caminhos errados de um cálculo se cancelarem enquanto os certos se reforçam. Por isso a vantagem é enorme em problemas com estrutura específica, como simular moléculas ou fatorar números muito grandes, e quase nenhuma em tarefas como rodar um ERP ou treinar a maior parte dos modelos de IA.

É dessa diferença que vem a expressão supremacia quântica, cunhada pelo físico John Preskill em 2012 para descrever o momento em que um computador quântico resolve uma tarefa que nenhum computador clássico conseguiria executar em tempo razoável. Em 2019, o Google afirmou ter chegado lá: seu processador Sycamore teria feito em 200 segundos um cálculo que levaria 10 mil anos no supercomputador mais rápido da época. A IBM respondeu que, com a técnica certa, o mesmo cálculo levaria dois dias e meio. Em 2024, o chip Willow, também do Google, fez em menos de cinco minutos uma tarefa estimada em 10 septilhões de anos no supercomputador Frontier. O problema é que essas tarefas foram escolhidas para demonstrar a capacidade da máquina, sem aplicação prática. A indústria passou a preferir o termo vantagem quântica, que exige superar o melhor método clássico em um problema com valor real, e é essa régua que está em disputa hoje.

O hardware avançou mais nos últimos dois anos do que na década anterior. Em dezembro de 2024, o Google mostrou com o Willow, de 105 qubits, que conseguia reduzir a taxa de erro à medida que aumentava o número de qubits dedicados à correção, um resultado perseguido desde os anos 1990. Em outubro de 2025, a empresa publicou na Nature o algoritmo Quantum Echoes, que rodou 13 mil vezes mais rápido do que o melhor método clássico em um supercomputador, com um resultado que pode ser verificado. A Quantinuum lançou o Helios, com 98 qubits de íons aprisionados, e a IBM apresentou o Nighthawk, de 120 qubits. Em março de 2026, o Google passou a desenvolver também computadores de átomos neutros, tecnologia em que um grupo do Caltech já havia organizado mais de 6 mil átomos em uma única matriz.

A distância entre esses marcos e uma máquina útil está no maior obstáculo da computação quântica: a decoerência. A superposição é frágil, e qualquer interação com o ambiente, como calor, vibração ou ruído eletromagnético, faz o qubit perder a informação e introduz erros no cálculo. É por isso que os chips supercondutores operam a uma fração de grau acima do zero absoluto. Mesmo assim, um qubit do Willow mantém seu estado por cerca de 100 microssegundos. A saída é a correção de erros, e ela explica a diferença entre qubit físico e qubit lógico. Para obter um qubit lógico confiável, é preciso combinar dezenas ou centenas de qubits físicos que se corrigem mutuamente. As melhores demonstrações atuais ficam entre dezenas e cerca de uma centena de qubits lógicos, a maioria apenas com detecção de erros. A meta da IBM para 2029 é o Starling, com 200 qubits lógicos capazes de executar 100 milhões de operações. Para comparar, simular com precisão uma das enzimas que metabolizam medicamentos exigiria alguns milhões de qubits físicos, segundo estimativa do Google com a Boehringer Ingelheim. Os cronogramas de Google, IBM, Microsoft e IonQ convergem para o intervalo entre 2028 e 2030, mas são metas corporativas. A Microsoft, por exemplo, anunciou em junho o Majorana 2, e a base física de seus qubits topológicos continua contestada por pesquisadores nas páginas da própria Nature.

A IA está acelerando a quântica, e não o contrário

A pergunta mais comum é se a computação quântica vai acelerar a IA. No curto prazo, a relação mais concreta é a inversa. O decodificador AlphaQubit, do Google DeepMind, usa uma rede neural do tipo Transformer para identificar erros nos qubits e erra 6% menos do que os melhores métodos anteriores. Em julho, o Google publicou um sistema de aprendizado por reforço que ajusta mais de mil parâmetros de controle do Willow enquanto o cálculo acontece. A Microsoft atribui parte do desenvolvimento do Majorana 2 a agentes de IA da plataforma Microsoft Discovery. E a Nvidia criou o NVQLink, uma arquitetura que conecta processadores quânticos a supercomputadores de GPUs, porque corrigir erros quânticos exige processamento clássico em tempo real e em grande volume. Jensen Huang, CEO da Nvidia, chamou o NVQLink de "pedra de Roseta" entre os supercomputadores quânticos e clássicos.

No sentido contrário, a promessa precisa ser calibrada. Treinar um modelo de linguagem exige carregar e processar volumes gigantescos de dados, e esse é justamente um ponto fraco dos computadores quânticos, que não têm uma forma eficiente de receber grandes bases de dados clássicas. Vários algoritmos quânticos de aprendizado de máquina que pareciam oferecer ganho exponencial foram depois igualados por algoritmos clássicos, a partir de um trabalho da pesquisadora Ewin Tang, em 2018. Até agora, não há demonstração convincente de vantagem quântica em aprendizado de máquina com dados reais.

A combinação faz mais sentido na geração de dados que hoje não existem. Hartmut Neven, fundador do Google Quantum AI, escreveu que a computação quântica será indispensável para coletar dados de treinamento inacessíveis às máquinas clássicas. Em química e biologia, os modelos de IA aprendem com simulações aproximadas ou com experimentos caros e demorados. Um computador quântico capaz de simular moléculas com precisão poderia produzir esses dados, e a IA faria o trabalho de generalizar a partir deles. É uma visão plausível, ainda sem resultado demonstrado. O desenho que a indústria está construindo é híbrido: GPUs, CPUs e processadores quânticos dividindo o trabalho, cada um no tipo de problema em que é melhor.

Não basta migrar o software

Isso leva a um ponto que costuma ficar fora das apresentações comerciais: não existe migrar um software para um computador quântico. Programas quânticos funcionam pela interferência entre estados, e medir um resultado intermediário destrói o cálculo. Não é possível copiar o estado de um qubit nem inspecionar variáveis como em um programa comum. O ganho depende de algoritmos desenhados para essa lógica, e eles são poucos. Torsten Hoefler, da ETH Zurique, resumiu em 2023 que existe "apenas um punhado de algoritmos quânticos fundamentais", como o de Shor, para fatoração, o de Grover, para busca, e a estimativa de fase, base da simulação química.

Na prática, usar computação quântica significa reformular o problema: identificar a etapa do processo que tem a estrutura certa, transformá-la em um circuito quântico e manter o restante em computação clássica. Todos os casos relevantes recentes funcionam assim, com o processador quântico como acelerador de uma parte específica do fluxo. Isso pede cautela com promessas em otimização logística e financeira. Um estudo publicado em junho na Nature Computational Science, com participação da IBM, concluiu que ainda faltam demonstrações práticas de vantagem quântica em otimização. Para a maioria das empresas, o trabalho de agora é formar pessoas que entendam os dois mundos e mapear quais problemas do negócio têm o formato certo para essa tecnologia.

Saúde e química são as primeiras candidatas

A aplicação mais natural continua sendo a que Richard Feynman propôs em 1981: usar um sistema quântico para simular a natureza, que é quântica. O comportamento de uma molécula depende de seus elétrons, e cada elétron adicionado multiplica o custo de uma simulação exata em computador clássico. É por isso que a indústria farmacêutica aparece em quase todos os estudos de valor. As enzimas do citocromo P450, por exemplo, participam de mais de 70% do metabolismo de medicamentos, e entender como elas reagem a uma nova molécula ajuda a prever eficácia e toxicidade antes dos testes em laboratório.

Os resultados ainda são demonstrações, não processos em produção. Em setembro, Cleveland Clinic, Riken e IBM simularam um complexo de proteínas com 12.635 átomos, o maior já feito com computadores quânticos, combinando processadores IBM Heron com o supercomputador japonês Fugaku. A IonQ, com AstraZeneca, AWS e Nvidia, acelerou em mais de 20 vezes a simulação de uma reação química usada na síntese de medicamentos, embora a comparação seja com a versão anterior do próprio fluxo, e não com o melhor método clássico. A Moderna, com a IBM, previu a estrutura de uma sequência de RNA mensageiro de 60 nucleotídeos. O raciocínio vale também para materiais: baterias sem cobalto, catalisadores e fertilizantes dependem de química que os computadores atuais não simulam com precisão, embora o Google estime que um estudo de cátodo de bateria feito com a BASF exigiria dezenas de milhões de qubits físicos. No setor financeiro, HSBC e IBM relataram ganho de até 34% na previsão de execução de negociações de títulos, resultado exploratório obtido em uma única base de dados.

A computação clássica também não para. Em março, pesquisadores do Caltech informaram ter resolvido com computadores convencionais o estado fundamental do FeMoco, a estrutura da enzima que fixa nitrogênio, usado há anos como exemplo-símbolo da futura vantagem quântica em química. A McKinsey estima que a computação quântica pode gerar entre US$ 400 bilhões e US$ 600 bilhões em valor para a indústria farmacêutica até 2035, mas é uma projeção. O dado concreto é o investimento: startups quânticas captaram US$ 12,6 bilhões em 2025, mais de seis vezes o volume de 2024.

O risco que já começou

A questão que exige ação imediata está na segurança da informação. A criptografia que protege transações bancárias, assinaturas digitais e comunicações, como RSA e curvas elípticas, se apoia em problemas matemáticos que um computador quântico suficientemente grande resolveria com o algoritmo de Shor. As estimativas de quanto hardware seria necessário caíram rápido. Em 2019, quebrar uma chave RSA de 2048 bits exigiria cerca de 20 milhões de qubits físicos. Em maio de 2025, Craig Gidney, do Google, reduziu esse número para menos de 1 milhão. Em março de 2026, pesquisadores do Google e colaboradores estimaram que a criptografia de curvas elípticas de 256 bits, usada no bitcoin e em boa parte das conexões seguras da internet, poderia ser quebrada em minutos com menos de meio milhão de qubits físicos. Nenhuma máquina atual chega perto disso, mas a direção é clara. Em levantamento publicado em março pelo Global Risk Institute, especialistas consideram bastante possível, com probabilidade entre 28% e 49%, que um computador quântico capaz de quebrar a criptografia atual exista em até dez anos.

O problema começa antes desse dia. NSA, CISA e NIST alertam para a estratégia de coletar agora e decifrar depois: capturar dados criptografados hoje para abri-los quando a tecnologia permitir. Prontuários médicos, segredos industriais, dados de clientes e informações estratégicas que precisam continuar confidenciais por dez ou quinze anos já estão expostos a esse risco. O Google fixou 2029 como prazo para migrar os próprios sistemas para criptografia pós-quântica, citando justamente a queda nas estimativas e esse tipo de ataque.

A resposta já existe. Em agosto de 2024, o NIST publicou os primeiros padrões de criptografia pós-quântica (ML-KEM, ML-DSA e SLH-DSA), baseados em problemas matemáticos que nem computadores quânticos resolvem com eficiência. Uma minuta do instituto prevê descontinuar RSA e curvas elípticas depois de 2030 e proibi-los após 2035. A União Europeia pede que os países iniciem a transição até o fim de 2026 e migrem a infraestrutura crítica até 2030, e uma ordem executiva americana de junho fixou 2030 e 2031 como prazos para os sistemas federais de maior valor. No Brasil, o ITI incluiu em janeiro os algoritmos ML-DSA e ML-KEM nos padrões da ICP-Brasil, e o Banco Central informou em março que estuda o tema, sem prazo definido. A adoção avança na troca de chaves: mais de 65% do tráfego humano que passa pela Cloudflare já usa criptografia pós-quântica, puxado por navegadores e pelos sistemas da Apple. Autenticação e certificados digitais, porém, ainda estão atrasados.

A IA aumenta a pressão. Em novembro de 2025, a Anthropic relatou ter interrompido uma campanha de espionagem atribuída a um grupo patrocinado pelo Estado chinês, na qual a IA executou de 80% a 90% das tarefas do ataque. Ataques mais rápidos e baratos hoje, somados à perspectiva de quebra da criptografia amanhã, reduzem a margem para adiar a migração. O trabalho não é simples: exige inventariar onde a empresa usa criptografia, em sistemas, aplicativos, dispositivos e fornecedores, priorizar os dados de vida longa e construir o que o NIST chama de agilidade criptográfica, a capacidade de trocar algoritmos sem interromper a operação. Em grandes organizações, esse tipo de mudança leva anos.

A computação quântica vai mudar a IA por um caminho diferente do que muitos anúncios sugerem. Ela não deve acelerar modelos de linguagem tão cedo, mas pode ampliar o que a IA consegue aprender em química, biologia e materiais, áreas em que faltam dados confiáveis. Para os executivos, a decisão de 2026 está menos na compra de capacidade quântica e mais na proteção dos dados que a empresa guarda hoje e que precisarão continuar secretos quando essas máquinas chegarem.

'Perguntas frequentes'

O que é vantagem quântica? ＋

Vantagem quântica ocorre quando um computador quântico supera o melhor método clássico em um problema com valor prático. Embora a empresa de tecnologia IBM tenha anunciado em 30 de julho um cálculo além do alcance prático dos computadores clássicos, pesquisadores reproduziram o resultado em 37 minutos com 256 GPUs H100.

A computação quântica vai acelerar a inteligência artificial? ＋

Ainda não há demonstração convincente de vantagem quântica em aprendizado de máquina com dados reais. No curto prazo, a relação mais concreta ocorre no sentido inverso, com sistemas de IA do Google DeepMind, do Google e da Microsoft usados para identificar erros e controlar processadores quânticos.

Quais áreas podem se beneficiar primeiro da computação quântica? ＋

Saúde, química e materiais são as principais candidatas porque computadores quânticos podem simular moléculas e fenômenos que máquinas clássicas não reproduzem com precisão. Os resultados atuais, porém, ainda são demonstrações, como os experimentos de IBM, Cleveland Clinic, Riken, IonQ, AstraZeneca e Moderna.

Quando os computadores quânticos poderão ter uso prático? ＋

Os cronogramas de Google, IBM, Microsoft e IonQ apontam para o período entre 2028 e 2030, mas essas datas são metas corporativas. A decoerência e o grande número de qubits físicos necessários para criar qubits lógicos confiáveis ainda limitam o uso prático da tecnologia.

Por que a computação quântica já representa um risco à segurança dos dados? ＋

O risco já existe porque invasores podem capturar dados criptografados hoje para decifrá-los quando computadores quânticos mais avançados estiverem disponíveis. Segundo levantamento do Global Risk Institute, especialistas atribuem probabilidade entre 28% e 49% à existência, em até dez anos, de uma máquina capaz de quebrar a criptografia atual.

Como as empresas devem se preparar para a ameaça quântica? ＋

As empresas devem inventariar o uso de criptografia, priorizar dados que precisam permanecer secretos por muitos anos e criar capacidade para trocar algoritmos sem interromper a operação. O instituto americano NIST publicou em agosto de 2024 os primeiros padrões de criptografia pós-quântica: ML-KEM, ML-DSA e SLH-DSA.

Para quem decide. Por quem decide.

Saiba antes. Receba o Insight no seu email

Li e concordo com os Termos de Uso e Política de Privacidade

Marcos Sanchez é CTO/CTIO da EXAME | Saint Paul e professor. Engenheiro, mestre, PMP e doutorando em IA na USP, tem 30 anos de carreira e 20 de liderança. Palestrante e executivo premiado, é fã de F1 e churrasco com família e amigos.