Nel 2025, secondo il Quantum Technology Monitor 2026 di McKinsey, le aziende del quantum computing hanno superato per la prima volta il miliardo di dollari di ricavi. Nello stesso anno le startup del settore hanno raccolto 12,6 miliardi. Quando il capitale corre dodici volte più veloce del fatturato, chi siede in un comitato investimenti deve farsi una domanda precisa: sto guardando una bolla o una finestra che si chiuderà prima di quanto penso?
Indice degli argomenti:
Che cos’è il quantum computing, in poche righe
Un computer classico ragiona in bit, che valgono 0 oppure 1. Un computer quantistico usa i qubit, che grazie alla sovrapposizione possono trovarsi in una combinazione di 0 e 1 e, grazie all’entanglement, possono essere legati tra loro in modo che lo stato di uno dipenda da quello degli altri. Gli algoritmi quantistici sfruttano questi fenomeni, insieme all’interferenza, per amplificare le risposte corrette e attenuare quelle sbagliate all’interno di uno spazio di possibilità enorme. Il risultato è probabilistico: lo stesso calcolo viene ripetuto migliaia di volte e la risposta si legge come una distribuzione statistica. Il limite principale è la fragilità: i qubit perdono il loro stato al minimo disturbo esterno, un fenomeno chiamato decoerenza, ed è per questo che la correzione degli errori è oggi la frontiera su cui si gioca tutta l’industria.
Lo stesso rapporto McKinsey parla esplicitamente di “punto di svolta commerciale”. I ricavi delle aziende di quantum computing potrebbero salire tra 3,2 e 4,4 miliardi di dollari entro il 2028, e al 2035 il solo computing quantistico è stimato tra 43 e 71 miliardi. Gli investimenti nelle startup sono cresciuti di 6,3 volte rispetto al 2024 e, dato che trovo ancora più significativo, un terzo delle grandi aziende ha speso nel 2025 più di 10 milioni di dollari in progetti quantum.
Anche i governi hanno smesso di limitarsi ai finanziamenti alla ricerca. Il 21 maggio 2026, come riportato da CNN, il Dipartimento del Commercio statunitense ha stanziato 2 miliardi di dollari per le aziende quantum americane, metà dei quali destinati ad Anderon, la nuova foundry di chip quantistici creata da IBM, con quote azionarie pubbliche in D-Wave e Rigetti. IBM, dal canto suo, ha messo una data sulla propria roadmap pubblica: Starling, il primo sistema fault-tolerant su larga scala, è atteso per il 2029 con 200 qubit logici in grado di eseguire circuiti da 100 milioni di operazioni.
Il probabile rischio, parlando ogni giorno con aziende che stanno ancora mettendo in produzione i primi agenti AI, è che il quantum venga raccontato e comprato come la “prossima AI”. Le due tecnologie hanno orizzonti temporali ed economie unitarie diversissime. Un progetto di AI generativa o agentica ben impostato restituisce valore misurabile in dodici, diciotto mesi. Un progetto quantum oggi restituisce soprattutto apprendimento: risultati probabilistici, esecuzioni a lotti in coda su processori rumorosi, un ciclo di sviluppo ancora largamente manuale.
Vale la pena essere precisi su cosa significhi “problema quantistico”. La teoria della complessità distingue i problemi che un computer quantistico affidabile risolverebbe in modo efficiente (la classe che gli informatici chiamano BQP) da quelli, come molti problemi di ottimizzazione combinatoria della classe NP, per cui un vantaggio esponenziale non è mai stato dimostrato.
Nel primo gruppo ci sono la fattorizzazione di grandi numeri e il logaritmo discreto, cioè le fondamenta matematiche della crittografia a chiave pubblica, e la simulazione di sistemi quantistici come molecole e materiali, terreno naturale perché la chimica stessa obbedisce alla meccanica quantistica.
Nel secondo ci sono pianificazione dei percorsi, scheduling e allocazione delle risorse: qui il quantum può offrire accelerazioni parziali o approcci euristici interessanti, e chi promette salti di ordini di grandezza su questi problemi sta vendendo più di quanto la teoria oggi garantisca.
La maggior parte dei problemi di business, inoltre, si risolve benissimo con il calcolo classico. Lo spazio utile per il quantum è stretto: simulazione molecolare e di materiali, certe classi di ottimizzazione combinatoria ad altissima dimensionalità, alcuni modelli finanziari.
Nei prossimi mesi assisteremo a una raffica di annunci di “quantum advantage” e la tentazione dei board sarà spostare budget dai progetti AI che funzionano verso esperimenti dal ritorno incerto. Sarebbe un errore di allocazione del capitale, prima ancora che un errore tecnologico.
Il quantum entrerà in azienda dalla porta dell’AI?
Il quantum computing arriverà nelle imprese come coprocessore specializzato, affiancato a GPU e CPU dentro architetture di supercalcolo ibride. È la direzione già tracciata dai grandi player: IBM con il suo modello di quantum-centric supercomputing, NVIDIA con CUDA-Q per orchestrare flussi tra CPU, GPU e QPU, Microsoft con l’offerta Azure Quantum. Nessuno di loro immagina un data center quantistico che sostituisce quello classico.
C’è poi un’asimmetria che pochi raccontano. Oggi è l’AI ad aiutare il quantum molto più del contrario: decoder neurali come AlphaQubit di Google DeepMind (pubblicato su Nature nel 2024) aiutano a individuare e correggere gli errori dei qubit, modelli di machine learning ottimizzano i circuiti e caratterizzano il rumore. Il contributo del quantum all’AI, per ora, resta quasi tutto sulla carta.
Proiettando questa traiettoria, e qui esprimo una mia valutazione, credo che l’interfaccia verso il quantum per la gran parte delle aziende sarà un livello di orchestrazione agentica. Gli stessi control plane che oggi decidono quale modello, quale tool e quale dato usare per un task decideranno domani quando un sottoproblema merita di essere inviato a un processore quantistico.
Lo sviluppatore medio difficilmente scriverà circuiti a mano: sarà l’agente a chiamare la libreria giusta. Chi oggi costruisce governance e orchestrazione per l’AI agentica sta, senza saperlo, costruendo anche l’infrastruttura di accesso al quantum.
I casi documentati esistono e hanno tutti la stessa forma ibrida.
Il 25 settembre 2025, con un comunicato ufficiale, HSBC ha annunciato insieme a IBM una sperimentazione sul mercato europeo delle obbligazioni corporate: combinando calcolo classico e processori IBM Heron su dati di trading reali, la banca ha ottenuto fino al 34% di miglioramento nella previsione della probabilità che una richiesta di quotazione venga eseguita al prezzo proposto, rispetto alle tecniche classiche standard. Il “fino a” conta: è un risultato di punta, da leggere come segnale.
Nel 2026 Cleveland Clinic, RIKEN e IBM hanno modellato un complesso proteina-ligando da 12.635 atomi usando due computer quantistici e due supercomputer in un unico flusso, con fino a 94 qubit impiegati: secondo IBM, il più grande calcolo ibrido di struttura elettronica mai realizzato. E il pattern che rende possibili questi risultati si vede bene anche in un caso interamente classico: nel 2024, come documentato dalla stessa azienda, Microsoft e il Pacific Northwest National Laboratory hanno usato l’AI per filtrare 32 milioni di candidati elettroliti per batterie fino a 18, per poi affidare la simulazione fisica fine al calcolo ad alte prestazioni. AI per la velocità, simulazione per l’accuratezza. Il quantum si inserirà esattamente in quel secondo anello.
C’è poi un terzo filone, meno spettacolare e già operativo: gli algoritmi quantum-inspired, che traducono in software classico alcune idee nate dalla fisica quantistica. Il 22 maggio 2026, secondo il comunicato congiunto delle due società, SMBC e Toshiba hanno lanciato due indici azionari, sui mercati giapponese e statunitense, i cui titoli vengono selezionati ogni trimestre dal Simulated Bifurcation Machine di Toshiba per minimizzare le correlazioni tra i componenti; calcolo e distribuzione sono affidati a S&P Dow Jones Indices.
Già nel 2018, come comunicato da Fujitsu, NatWest aveva sperimentato il Digital Annealer per ottimizzare il mix di titoli liquidi in portafoglio. Nessun qubit coinvolto: per questo considero questi strumenti il primo passo sensato per chi vuole avvicinarsi al quantum senza attendere l’hardware.
L’11 giugno 2026, come annunciato da EuroHPC, è stato inaugurato a Bologna, al Tecnopolo DAMA, SOL: il computer quantistico ad atomi neutri di Pasqal, almeno 140 qubit, gestito da CINECA e collegato al supercomputer Leonardo per flussi ibridi. È costato 13 milioni di euro, divisi tra EuroHPC e Ministero dell’Università tramite ICSC, e dovrebbe aprirsi agli utenti europei in autunno, con un aggiornamento alla modalità digitale previsto nel 2027. Il governo ha approvato nel 2025 una Strategia nazionale per le tecnologie quantistiche.
Il quadro però resta fragile. Secondo i dati riportati da Milano Finanza a luglio 2026, tra il 2021 e il 2024 l’Italia ha investito 228,9 milioni di euro nel settore, per l’86% fondi PNRR, contro i 2,5 miliardi della Germania e gli 1,8 della Francia. Il progetto Quantum Valley in Campania, una gara da 61,2 milioni vinta da IBM, a luglio 2026 risultava ancora bloccato in attesa del Consiglio di Stato. Abbiamo infrastruttura, ricerca e una strategia; ci manca la domanda industriale organizzata.
Uno scenario per un’impresa italiana
Immaginiamo un gruppo manifatturiero con 3.000 addetti e una supply chain distribuita tra Nord e Mezzogiorno, che oggi pianifica produzione e logistica con euristiche e approssimazioni accettate da anni.
Il primo passo realistico consiste nel censire i problemi in cui l’azienda sa di lasciare valore sul tavolo perché il calcolo classico non trova l’ottimo. Il secondo, testare su quei problemi algoritmi quantum-inspired che girano già su GPU, per misurare un beneficio immediato. Il terzo, formare un piccolo nucleo di ingegneri e data scientist su piattaforme quantum in cloud o sull’accesso a infrastrutture come SOL, con un pilota dotato di metriche e criteri di uscita espliciti.
Nessun acquisto di hardware, nessun team di fisici a tempo pieno: un investimento in opzionalità, con un costo contenuto e un perimetro chiaro.
Partecipa alla community