Технічний контекст
Я вирішив детально вивчити першоджерела від Microsoft, оскільки навколо Majorana 2 вже почали малювати майже готову квантову революцію. Поки що картина значно спокійніша: це не промисловий квантовий сервер, а дуже рання ставка на інший тип кубіта, який має спростити майбутню AI implementation там, де класичні обчислення впираються у фізичні обмеження та вартість.
Найбільш інтригуюча цифра тут — не кількість кубітів, а їхня заявлена стабільність. Microsoft заявляє про середній час життя близько 20 секунд (іноді до хвилини) та зростання надійності приблизно в 1000 разів порівняно з попереднім поколінням. При цьому операції відбуваються на мікросекундному масштабі, тобто інтервал між корисною дією та помилкою виглядає дуже привабливо.
Але ось де я завагався: це все ще лише результати самої Microsoft. Незалежної верифікації поки не відбулося на такому рівні, щоб я вже закладав це в архітектуру реальних систем.
Ще один важкий момент: agentic AI тут не керує квантовим чіпом під час роботи. Його використали для підбору та дизайну матеріалів, зокрема для створення стеку матеріалів із заміною алюмінію на свинець, що, за словами компанії, більш ніж удвічі збільшило topological gap.
Порівняння з IBM часто роблять некоректно. IBM Condor має 1121 фізичний кубіт, но це зовсім не означає 1121 логічний кубіт. Реалістичніше думати в діапазоні кількох десятків логічних кубітів при величезних накладних витратах на корекцію помилок. Microsoft намагається зайти з іншого боку: зробити базовий кубіт стійкішим, щоб потім не витрачати шалений оверхед на виправлення помилок.
Наразі Microsoft не продемонструвала повноцінного fault-tolerant режиму. По суті, це лише демонстрація напрямку розвитку, а не готової машини. Корисний квантовий комп'ютер із мільйоном стабільних кубітів все ще попереду, а не прямо за рогом.
Вплив на бізнес та автоматизацію
Для бізнесу новина не в тому, що вже завтра потрібно бігти й будувати automation with AI на квантовому залізі. Новина в іншому: великий гравець довів, що ШІ вже допомагає не лише писати код чи відповідати в чатах, а й реально прискорювати пошук нових матеріалів та наукові дослідження.
Виграють ті команди, які роблять довгострокову ставку: фармація, матеріалознавство, оптимізація складних фізичних моделей. Програють ті, хто знову переплутає етап досліджень із готовим продуктом і почне продавати повітря.
Я б радив розглядати Majorana 2 як сигнал для архітекторів та R&D, а не як привід змінювати поточний стек технологій. А от зв'язка AI automation та наукового пошуку вже є цілком практичною, і ми в Nahornyi AI Lab регулярно вирішуємо такі завдання для клієнтів: визначаємо, де агентам можна доручити перебір гіпотез, а де залишити жорсткий контроль людини.
Якщо у вас є бізнес-процес, у якому люди тонуть у варіантах, розрахунках та ручній перевірці, його можна оптимізувати без жодної магії. У Nahornyi AI Lab я разом із командою допомагаю вибудувати AI solution development так, щоб автоматизація вирішувала реальні проблеми сьогодні, а не залишалася гарною презентацією до наступної хвилі хайпу.