Технический контекст
Я полез в исходники Microsoft, потому что вокруг Majorana 2 уже начали рисовать почти готовую квантовую революцию. Пока картина куда спокойнее: это не промышленный квантовый сервер, а очень ранняя ставка на другой тип кубита, который должен упростить будущее AI implementation там, где классические вычисления упираются в физику и стоимость.
Самое цепляющее число здесь не количество кубитов, а их заявленная стабильность. Microsoft говорит о среднем времени жизни около 20 секунд, иногда до минуты, и о приросте надежности примерно в 1000 раз относительно прошлого поколения. Операции при этом идут на масштабе микросекунд, то есть зазор между полезным действием и ошибкой выглядит вкусно.
Но вот где я притормозил: это все еще результаты самой Microsoft. Независимая валидация не прозвучала так, чтобы я уже закладывал это в архитектуру реальных систем.
Еще один важный момент: agentic AI тут не управляет квантовым чипом в бою. Его использовали для подбора и дизайна материалов, в частности стек материалов с заменой алюминия на свинец, что, по словам компании, больше чем вдвое увеличило topological gap.
На фоне IBM сравнение часто делают криво. У IBM Condor 1121 физических кубита, но это вообще не значит 1121 логический кубит. Реалистичнее думать в диапазоне нескольких десятков логических кубитов при огромных накладных расходах на коррекцию ошибок, и ровно сюда Microsoft пытается зайти с другой стороны: сделать базовый кубит более устойчивым, чтобы потом не тратить безумный оверхед сверху.
Сейчас у Microsoft не показан масштабный fault-tolerant режим. По сути, это демонстрация направления, а не финальной машины. Полезный квантовый компьютер с миллионом стабильных кубитов все еще где-то впереди, а не за углом.
Влияние на бизнес и автоматизацию
Для бизнеса новость не в том, что завтра можно бежать и строить automation with AI на квантовом железе. Новость в другом: крупный игрок показал, что AI уже помогает не только писать код и отвечать в чатах, но и реально ускорять поиск новых материалов.
Выигрывают команды, которые смотрят на длинную ставку: фарма, материалы, оптимизация сложных физических моделей. Проигрывают те, кто снова перепутает исследовательский этап с готовым продуктом и начнет продавать воздух.
Я бы сейчас смотрел на Majorana 2 как на сигнал для архитекторов и R&D, а не как на повод менять стек. А вот связка AI automation плюс научный поиск уже вполне практична, и мы в Nahornyi AI Lab решаем такие штуки для клиентов регулярно: где агентам отдать перебор гипотез, а где оставить жесткий контроль человеку.
Если у вас есть процесс, где люди тонут в вариантах, расчетах и ручной проверке, можно разобрать его без магии. В Nahornyi AI Lab я с командой помогаю выстроить AI solution development так, чтобы автоматизация снимала реальную боль сейчас, а не жила красивой презентацией до следующего хайпа.