AI-efterfrågan når kvantskala

Kvantdatorer är fortfarande flera år från bred kommersiell användning. Ändå satsar regeringar redan stora belopp för att bygga upp området. USA lägger omkring 2 miljarder dollar på sektorn, där kapitalet kopplas till chiptillverkning och kvantkomponenter (specialdelar som behövs för kvantdatorer).

Det som ser ut som forskningspengar kan i praktiken vara planering av infrastruktur för mer datorkraft under AI: hela ”datorkedjan” från hårdvara till programvara som krävs för att köra avancerade AI-modeller.

Nationella strategier tar fart

USA:s åtagande omfattar runt 1 miljard dollar till IBM:s fabrik för kvantchip i New York och ytterligare 375 miljoner dollar till GlobalFoundries för att stödja tillverkning av kvantkomponenter. Frankrike har också lovat 1,5 miljarder euro till en kvantstrategi och mikroelektronik (små elektroniska komponenter och chip). Detta liknar inte små forskningsbidrag, utan snarare strategiska industrisatsningar.

Den som följt AI:s infrastrukturfase känner igen mönstret. Innan generativ AI (AI som kan skapa text, bilder och kod) blev vardag byggdes leverantörskedjan upp: grafikprocessorer (GPU: chip för massiv parallell beräkning), avancerade chip, molnkapacitet (hyrd datorkraft), datacenter, nätverksutrustning och ökande elbehov.

Kvantdatorer är tidigare i processen, men logiken är densamma. Regeringar vill ha inhemsk kapacitet innan tekniken blir kommersiellt viktig. De bygger rälsen innan trafiken blir stor.

Det betyder inte att alla kvantbolag är köpvärda i dag. Men det visar att sektorn rör sig från labb till långsiktig industriplanering.

Kvantdatorer – förklarat

Förenklat:

• Klassiska datorer använder bitar (0 eller 1)
• Kvantdatorer använder kvantbitar, så kallade qubits (kan vara 0, 1 eller en blandning av båda samtidigt via superposition, alltså ett kvanttillstånd som inte är ”antingen eller”)

Qubits kan också kopplas ihop via sammanflätning (entanglement), där tillståndet i en qubit hänger ihop med en annan på ett sätt som vanliga datorer inte kan efterlikna. Det gör att kvantdatorer kan pröva många möjliga lösningar parallellt, vilket kan ge stor fördel i vissa problem som annars skulle ta traditionell hårdvara mycket lång tid.

Samtidigt gör kvantdatorer inte alla uppgifter snabbare. De är inte ”en bättre vanlig dator”. De är starka i vissa områden: simulering av kemi (att räkna på molekyler), kryptografisk analys (att testa eller angripa kryptering), optimering i stor skala (att hitta bästa lösningen bland många val) och vissa maskininlärningsproblem.

För de flesta arbetslaster i dag, särskilt träning och körning av stora AI-modeller (inference: när modellen används för att ge svar), är GPU:er fortfarande viktigast. GPU:er som Nvidias H200-chip eller SpaceX AI-superdator Colossus domineras av dagens AI-ledare.

Kvantteknik kan bli kraftfull, men den kortsiktiga nyttan är smal. De mer intressanta möjligheterna kan finnas hos bolag som bygger bron mellan dagens klassiska datorer och framtida kvantkapacitet.

Läget i kvantfältet

Dagens kvantdatorer kallas ofta NISQ-system (Noisy Intermediate-Scale Quantum). Det betyder i praktiken: ”bullriga” maskiner i mellanstorlek, där buller står för fel och störningar i qubits. De duger för tester, men är ännu inte tillräckligt stabila för bred kommersiell drift.

Maskinerna begränsas av felandelar (hur ofta beräkningar blir fel), kylkrav (mycket låg temperatur behövs) och antal qubits. Nyttan handlar inte bara om att bygga mer hårdvara, utan om att hålla qubits stabila och felen låga.

Det positiva är att framsteg nu sker i själva hårdvarans utformning, inte bara i teorin.

Googles Willow-chip visade framsteg i felkorrigering (metoder för att upptäcka och rätta kvantfel) och testresultat. Microsofts Majorana 1 pekade på en möjlig topologisk qubit-arkitektur (en design som kan bli mer stabil, om den fungerar i stor skala). IBM har också presenterat en färdplan med mål om ”kvantfördel” (quantum advantage: när kvantdatorn gör en uppgift bättre än klassiska datorer) mot slutet av 2026 och större, feltålig kapacitet (fault-tolerant: kan hantera fel och ändå ge korrekta resultat) till 2029.

Det betyder inte att kommersiella kvantdatorer är nära. Men det antyder att branschen rör sig från enstaka labbresultat mot tydligare ingenjörsspår. Utmaningen är att skala upp, bygga användbara system och göra det utan att räkna med att alla delmål kommer i tid.

Hårdvaran ser bättre ut. Tidslinjen för kommersiellt genombrott är fortfarande osäker.

Där kvant möter AI

Förberedelserna pågår. Banker, myndigheter, vård, energibolag och försvarsleverantörer hanterar data som måste vara skyddad i många år. AI-adoptionen ökar trycket, vilket syntes i Oktas resultat. När bolag skapar, lagrar och flyttar mer känslig information blir det enklare att motivera starkare säkerhetslösningar.

Den mest troliga vägen är integration, inte en plötslig omvälvning.

Hybrida kvant–klassiska system gör att företag kan testa kvantfunktioner men ändå luta sig mot dagens IT-miljö. Equal1 och Dells RacQ-system är ett exempel. Det är byggt för att kunna monteras i en standardrack i ett datacenter (serverställ).
Köp på företagsnivå sker inte bara för att en teknik är avancerad, utan när den passar arbetsflöden, kan supportas av leverantörer och har ett tydligt användningsfall.

Hybridlösningar skapar också efterfrågan på stödjande hårdvara: styr-elektronik (som kontrollerar qubits), kryogena system (extrem kylning), analoga komponenter (hårdvara för kontinuerliga signaler), signalbehandling och kraftfull klassisk datorkraft.

Skärningspunkterna mellan kvant och AI kan delas in så här:

1. AI som förbättrar kvantsystem – maskininlärning som stöd för felkorrigering, kalibrering (finjustering), materialforskning och systemdesign (sker redan i labb)
   
2. Post-kvantsäkerhet – företag uppgraderar kryptering innan starka kvantdatorer kan hota dagens metoder (pågår via offentliga satsningar)
   
3. Hybrida kvant–klassiska system – kvant ”medprocessorer” (co-processors: extra beräkningsenheter) för smala, värdefulla uppgifter (växande infrastruktur, men kräver mycket ingenjörsarbete)
   
4. AI-arbetslaster med kvantstöd – kan på sikt hjälpa vid optimering eller vissa maskininlärningssteg.

Här blir investeringscaset mer konkret. Bolag som säljer möjliggörande teknik kan få intäkter innan ren kvant-hårdvara når kommersiell skala.

Marknaden springer före

Kvant har ingredienserna till en stark marknadsberättelse: nationell säkerhet, AI-tryck, avancerade chip och långsiktig förändring av datorkraft. Det gör också att värderingar lätt kan bli för höga.

Vissa renodlade kvantbolag får redan värderingar som bygger på en framtida marknad som ännu inte är fullt formad. Terra Quantums uppgivna plan att noteras på Nasdaq via en SPAC (börsskal: ett bolag som tar in pengar och senare köper ett privat bolag) till omkring 3,5 miljarder dollar i värdering är ett exempel. Fokus på algoritmer (beräkningsmetoder), säkerhetsverktyg och hybridsystem är mer praktiskt, men värderingen hänger på hur snabbt kommersiell efterfrågan växer.

Tidsplanen för hårdvara är fortfarande en risk.

• IBMs färdplan ger delmål att följa, men tidsplaner kan glida.
• Microsofts topologiska qubits kan bli viktiga, men behöver bevisas i stor skala.
• Googles framsteg i felkorrigering är viktiga, men kommersiell nytta är ett annat test.

Kostnaderna är också centrala. Kvant-hårdvara kräver specialkomponenter, extrem kylning, precisionsproduktion och komplexa styrsystem. När systemen blir större kanske kostnaderna inte faller så snabbt som investerare hoppas.
Det kan pressa hårdvarubolag innan intäkterna hinner bära satsningarna.

Vad rör sig på VT Markets

VT Markets erbjuder tidig exponering mot marknadsrörelser nära kvantinnovationer. Den närmaste möjligheten finns i lager som kan gynnas innan feltåliga kvantdatorer finns i stor skala.

Som i AI:s leverantörskedja är en mer robust ansats att se kvant som en ”stack” (flera lager av teknik), inte som en enskild affär. Den tydligaste exponeringen på kort sikt kan komma från bolag som bygger ekosystemet innan feltåliga kvantdatorer blir kommersiella.

IBM har tydligast exponering på börsen via sin kvantfärdplan och roll i tillverkning. Nvidias roll är en annan: bolaget sitter på bron mellan kvantprocessorer och klassisk datorkraft, där simulering (att efterlikna kvantsystem i vanliga datorer), felkorrigering och systemintegration kommer vara viktiga i många år.

Cybersäkerhetsbolag kan ge mer direkt exponering på kort sikt. Palo Alto Networks, Fortinet och CrowdStrike är inte rena kvantcase, men ligger nära företagens säkerhetsbudgetar som en post-kvant-migrering (byte till ny kryptering) kan driva.

Renodlad kvant-hårdvara kan ge högre uppsida, men också högre genomföranderisk. Att köpa den delen är att ta betalt för framsteg i fysik, ingenjörsarbete och produktion, inte bara efterfrågan.

Kvantdatorer är inte ”nästa AI” på ett enkelt sätt. Snarare kan det bli en del av infrastrukturen under AI, cybersäkerhet och avancerad datorkraft.

Möjligheten är inte att anta att kvantdatorer snart ersätter GPU:er eller förändrar AI över en natt. Den ligger i lagren under: chiptillverkning, hybridsystem, styrhårdvara och post-kvantsäkerhet.

Temat är värt att följa, men det investerbara är selektivt och risken finns i värderingarna. Om kvantaktier prisar in en fullt utvecklad marknad innan hårdvaran är redo blir caset skört.

För investerare som redan äger AI-infrastruktur är ett mer praktiskt steg att inte jaga varje kvantnyhet. Viktigare är att förstå var kvantexponering redan finns i portföljen och om den är avsiktlig.

Börja handla nu – Klicka här för att skapa ditt riktiga VT Markets-konto