Apa yang Terjadi Saat AI dan Komputer Kuantum Benar‑Benar Hidup Berdampingan?

Kecerdasan buatan kian rakus daya komputasi, sementara komputer kuantum perlahan mendekati wujud mesin yang benar‑benar fungsional.

Pertanyaan pentingnya: apa yang terjadi ketika keduanya bertemu? Jawabannya membentang dari koreksi galat hingga ke enkripsi yang melindungi Bitcoin (BTC).

Intisari

AI sudah dipakai untuk membangun komputer kuantum yang lebih baik, dari error decoder AlphaQubit milik Google hingga koneksi GPU‑ke‑qubit Nvidia, sementara imbal balik kuantum untuk AI masih sempit dan belum banyak terbukti.

Benturan terdekat justru di kriptografi: peneliti Google memangkas estimasi kebutuhan untuk membobol RSA‑2048 menjadi kurang dari sejuta qubit bising, sementara NIST meminta dunia mulai migrasi sebelum 2030.

Garis waktu pakar masih terpencar jauh, dari target fault‑tolerance IBM tahun 2029 hingga klaim “20 tahun lagi” dari Jensen Huang, jadi waspadai siapa pun yang datang dengan satu tanggal pasti.

Perangkat Keras yang Akhirnya Mulai Menurut

Selama tiga dekade, komputer kuantum justru makin buruk ketika ditambah skalanya. Lebih banyak qubit berarti lebih banyak noise, dan noise merusak perhitungan.

Google melaporkan pembalikan tren itu di Nature pada Desember 2024. Chip Willow dengan 105 qubit menembus ambang “below threshold”, titik di mana penambahan qubit justru menurunkan tingkat galat logis, bukan menaikkannya.

Angkanya cukup rinci. Ketika “code distance” dinaikkan dari 3 ke 5 lalu ke 7, tingkat galat logis turun kira‑kira separuh di tiap langkah, dan memori dengan distance 7 mencapai tingkat galat 0,143% per siklus.

Memori itu juga bertahan 2,4 kali lebih lama dibanding qubit fisik tunggal terbaiknya. Para insinyur menyebutnya “beyond breakeven”, dan ini salah satu bukti paling kuat yang dimiliki bidang ini.

John Preskill dari Caltech, pencetus istilah yang mendefinisikan era sekarang, menyebut bukti bahwa koreksi galat memperpanjang masa hidup informasi dalam qubit “sebuah tonggak penting”. Tapi ia juga mengingatkan bahwa dampak nyata komputer kuantum dalam keseharian “mungkin masih beberapa dekade lagi”.

Sepuluh bulan kemudian, Google menekan gas lebih dalam.

Perusahaan itu menerbitkan makalah kedua di Nature pada Oktober 2025 tentang algoritma bernama Quantum Echoes, yang diklaim berjalan 13.000 kali lebih cepat daripada metode klasik terbaik di salah satu superkomputer tercepat dunia.

Namun catatan kakinya penting. Tim berita Nature sendiri melaporkan bahwa banyak peneliti luar masih skeptis soal seberapa jauh hasil itu bisa diklaim, dan Google mengakui mesin yang benar‑benar berguna secara kriptografis masih butuh skala beberapa ordo magnitudo lebih besar.

Nilai eksperimen itu sangat spesifik. Ia mengukur bagaimana sistem kuantum “mengacak” informasi—bermanfaat untuk memahami struktur molekul dan magnet, bukan untuk menjalankan spreadsheet kantor Anda.

Sementara itu, para pemain lain berpacu lewat roadmap publik.

IBM menyatakan akan mengirim Starling, mesin fault‑tolerant dengan 200 qubit logis yang mampu menjalankan 100 juta gerbang, pada 2029, setelah rangkaian chip perantara bernama Nighthawk dan Loon.
Quantinuum menjanjikan sistem universal fully fault‑tolerant bernama Apollo pada 2029, dengan mesin Helios lebih dulu diluncurkan dan prosesor bernama Sol menyusul pada 2027.
Laboratorium qubit atom netral juga melaju cepat, menggunakan laser untuk “menjebak” atom individu sebagai qubit.

Dua hasil eksperimen atom netral layak disorot.

Lab Endres di Caltech berhasil menahan 6.100 qubit cesium di sekitar 12.000 titik optical tweezer, dipublikasikan di Nature pada 24 September 2025. Sistem itu mencatat waktu koherensi 13 detik dan akurasi kendali qubit tunggal 99,98%. “Ini momen yang sangat menarik bagi komputasi kuantum atom netral,” kata peneliti utama Manuel Endres.

Tim Harvard yang dipimpin Mikhail Lukin, bekerja dengan MIT dan QuEra, mengambil jalur berbeda. Mereka mengoperasikan sistem 3.000 qubit secara kontinu lebih dari dua jam, mensiklus lebih dari 50 juta atom dan memuat ulang hingga 300.000 atom per detik untuk menggantikan yang “kabur”.

“Kami menunjukkan operasi kontinu dengan sistem 3.000 qubit,” ujar Lukin. “Dan jelas pendekatan ini bisa diperluas ke skala jauh lebih besar.”

Lalu ada kisah peringatan.

Microsoft mengumumkan chip Majorana 1 pada Februari 2025, mengklaim qubit “topologis” pertama—desain yang secara teori tahan galat sejak level paling dasar. Namun di konferensi pada Maret, sebagian besar fisikawan belum yakin, dan ahli teori Henry Legg kemudian menerbitkan sanggahan formal di Nature yang berargumen bahwa uji yang dipakai bisa tertipu oleh efek biasa.

Sankar Das Sarma, salah satu perintis teori qubit topologis, memuji lompatan material Microsoft tetapi tetap tak terkesan dengan bukti fisika yang disajikan.

Jurang antara siaran pers dan pembuktian ilmiah inilah hal paling penting yang perlu diingat ketika membicarakan bidang ini.

AI Diam‑Diam Sedang Membangun Komputer Kuantum

Ada sudut cerita yang sering luput. AI tidak duduk menunggu kuantum matang. Ia sudah dipakai sebagai perkakas di meja kerja para peneliti kuantum.

DeepMind milik Google mengembangkan decoder berbasis neural network bernama AlphaQubit, dipaparkan di Nature pada November 2024. Setelah dilatih pada data dari prosesor Sycamore, sistem ini menghasilkan 6% lebih sedikit galat dibanding metode tensor‑network dan 30% lebih sedikit dibanding teknik correlated matching.

Di sinilah AI benar‑benar menghasilkan nilai tambah: decoding. Chip kuantum memuntahkan aliran sinyal galat, dan harus ada sistem yang membaca pola itu serta mengoreksinya lebih cepat daripada galat baru muncul.

Qubit superkonduktor bekerja pada skala puluhan hingga ratusan nanodetik, sehingga decoder harus sekaligus akurat dan brutal cepat. Jika jendela waktu ini terlewat, galat menumpuk sebelum koreksi sempat diterapkan.

Tekanan yang sama dari machine learning muncul di titik lain dalam tumpukan teknologi:

Neural network membantu mengkalibrasi qubit dan menyetel pulsa kendali yang membalik keadaan qubit.
Reinforcement learning dipakai untuk menemukan algoritma yang lebih cepat, termasuk lewat karya AlphaTensor DeepMind di perkalian matriks.
AI decoder terus menekan jumlah qubit fisik yang dibutuhkan untuk melindungi satu qubit logis.

Poin terakhir ini lebih penting dari kedengarannya. Setiap pengurangan overhead membawa kita lebih dekat ke mesin yang berguna, tanpa perlu menemukan jenis qubit baru.

Keterbatasan inilah yang menjelaskan mengapa raksasa hardware mulai “mengawinkan” chip kuantum dengan akselerator klasik.

Nvidia memperkenalkan NVQLink pada Oktober 2025, sebuah interkoneksi terbuka yang menghubungkan prosesor kuantum dengan superkomputer GPU, didukung 17 pembuat sistem kuantum dan sembilan lab nasional AS. Quantinuum memakainya untuk menjalankan decoder real‑time berskala besar pertama bagi chip Helios, dengan waktu respons 67 mikrodetik.

Pesan Jensen Huang lugas: Anda tidak bisa menjalankan komputer kuantum sendirian, jadi parkirkan sebuah superkomputer klasik di sebelahnya.

Gambaran masa dekatnya adalah rig hibrida, di mana model AI menala, mengkalibrasi, dan “mengasuh” qubit rapuh secara real‑time.

Apa yang Sebenarnya Bisa Kuantum Berikan untuk AI

Sekarang balik pertanyaannya: bisakah komputer kuantum membuat AI jauh lebih pintar?

Jawaban jujurnya: jauh lebih kecil dari yang dijanjikan brosur pemasaran—setidaknya untuk saat ini.

Mimpi awalnya adalah “quantum machine learning”, algoritma yang digadang‑gadang memberi lompatan eksponensial untuk tugas olah data. Lalu seorang remaja memecah ilusi itu.

Pada 2018, Ewin Tang menunjukkan bahwa komputer klasik bisa menandingi algoritma rekomendasi kuantum yang terkenal, lalu ia “mendekuantisasi” beberapa algoritma lain. Karyanya menelanjangi fakta bahwa klaim kecepatan sering bergantung pada asumsi tak realistis soal cara memuat data, bukan pada keunggulan matematis kuantum itu sendiri.

Dua masalah terus menghantui quantum machine learning:

Bottleneck input: proses memasukkan data klasik ke dalam keadaan kuantum bisa menghapus seluruh keuntungan kecepatan sebelum perhitungan dimulai.
Barren plateaus: ketika sirkuit membesar, lanskap pelatihan mendatar seperti gurun; gradien menghilang dan proses belajar macet.

Scott Aaronson, salah satu pakar kompleksitas kuantum terkemuka, sudah bertahun‑tahun mengingatkan agar publik membaca catatan kecil di balik klaim‑klaim sensasional ini.

Jadi, untuk apa kuantum benar‑benar cocok?

Terutama untuk mensimulasikan sistem kuantum lain. Kimia, material, dan kelas persoalan optimasi tertentu berada di titik manis, karena alam sendiri bersifat kuantum dan mesin kuantum “berbicara” dalam bahasa yang sama.

Ini ceruk yang nyata dan bernilai. Baterai yang lebih baik, katalis yang lebih efisien, dan kandidat obat baru bisa lahir dari sana.

Hanya saja, ini bukan kisah “kuantum akan menyulap chatbot Anda jadi supercerdas” yang mudah menjual saham. Preskill sendiri menyebut era sekarang sebagai fase NISQ (noisy, intermediate‑scale quantum): masa eksperimen berguna, bukan mesin universal.

Pertanyaan Energi yang Tak Boleh Diobral Janjinya

Nafsu daya AI berubah menjadi masalah infrastruktur.

IEA memperkirakan pusat data akan mengonsumsi sekitar 945 terawatt‑jam listrik pada 2030, lebih dari dua kali lipat 415 terawatt‑jam pada 2024. Angka 2030 itu mendekati total konsumsi listrik tahunan Jepang.

Permintaan listrik dari pusat data yang dioptimalkan untuk AI, lanjut IEA, berada di jalur untuk melonjak lebih dari empat kali lipat dalam periode yang sama.

Narasi yang menggoda pun muncul: komputer kuantum memanfaatkan fisika eksotis, jadi mungkin bisa memangkas tagihan listrik drastis.

Di sini, kehati‑hatian hukumnya wajib. ...masalah kimia tertentu dan soal optimasi dengan jumlah operasi jauh lebih sedikit daripada superkomputer klasik, sehingga menghemat energi untuk tugas-tugas yang sangat sempit itu.

Mereka tidak akan menjalankan model bahasa Anda, dan sistem kuantum kriogenik punya biaya pendinginan sendiri yang sangat mahal. Klaim yang masuk akal adalah efisiensi tertarget pada problem yang “ramah kuantum”, bukan solusi ajaib untuk tagihan listrik AI.

Siapa pun yang menjual narasi sebaliknya sedang mengobral mimpi.

Juga Baca: Apple Mulai Sewakan iPhone Seharga $17,99 Per Bulan Lewat Klarna

Dampaknya ke Dompet Anda

Titk tumbukan paling nyata antara AI, kuantum, dan uang sehari-hari ada di kriptografi.

Enkripsi kunci publik seperti RSA dan elliptic-curve cryptography (ECC) bertumpu pada matematika yang sulit bagi komputer klasik dan relatif mudah bagi komputer kuantum yang cukup besar, berkat algoritma Shor.

Ancaman ini punya istilah yang semestinya bikin siapa pun dengan data sensitif jangka panjang merinding: "harvest now, decrypt later". Lawan bisa merekam lalu lintas terenkripsi hari ini dan membukanya ketika perangkat keras kuantum sudah matang.

NIST menyelesaikan respons resminya pada Agustus 2024. Lembaga ini merilis tiga standar pasca-kuantum — ML-KEM, ML-DSA, dan SLH-DSA — lalu menambahkan algoritma cadangan bernama HQC pada Maret 2025.

Deadline-nya eksplisit. Dalam draf panduan transisi, NIST mulai mendepresiasi RSA dan ECC pada 2030 dan melarang pemakaiannya sepenuhnya pada 2035.

Kripto berada tepat di pusat ledakan ini, karena blockchain dibangun di atas skema tanda tangan elliptic curve yang sama.

Eksposur Bitcoin nyata, meski besaran risikonya diperdebatkan. Studi Deloitte memperkirakan lebih dari 4 juta BTC, sekitar 25% dari total Bitcoin, tersimpan di output pay-to-public-key dan alamat yang didaur ulang dengan kunci publik sudah terekspos.

Analisis rantai yang lebih baru memasang angka lebih tinggi. Riset Google Quantum AI dalam laporan teknisnya menyebut sekitar 6,5 hingga 6,9 juta BTC — hampir sepertiga suplai beredar — jika memasukkan semua kunci yang terekspos dan alamat yang dipakai ulang, dengan sedikit di atas 1,7 juta BTC hanya dari skrip P2PK era awal.

Upaya mitigasi sudah berjalan, tapi tidak merata.

Pengembang Bitcoin tengah memperdebatkan BIP-360, tipe alamat tahan-kuantum yang masih berstatus draft dan belum dijadwalkan aktivasi.
Yayasan Ethereum (ETH) merilis peta jalan pasca-kuantum, dan Vitalik Buterin sudah menggariskan rencana migrasi tanda tangan, akun, dan bukti ke skema yang aman dari serangan kuantum.
Solana (SOL) menawarkan Winternitz Vault opsional yang memakai tanda tangan satu-kali berbasis hash, meski akun bawaan masih mengandalkan kurva yang rentan.

Belum ada satu pun dari jaringan ini yang benar-benar kuantum-tahan di level protokol. Mereka masih sibuk mendesain sekoci.

Juga Baca: BIP-110 Macet Saat Saylor Sebut Ubah Aturan Adalah Serangan ke Semua Holder

Saat Dua Teknologi Saling Mempercepat

Skenario yang lebih mengkhawatirkan muncul ketika kemajuan di satu bidang mempercepat lompatan di bidang lain.

Craig Gidney dari Google mengubah hitung-hitungan pada Mei 2025. Ia memperkirakan RSA-2048 dapat difaktorkan dalam waktu kurang dari sepekan dengan di bawah satu juta qubit “berisik” (noisy qubits), turun sekitar 20 kali lipat dari proyeksi 20 juta qubit yang ia buat bersama rekannya pada 2019.

Jumlah qubit yang dibutuhkan untuk membobol enkripsi Anda susut 20 kali dalam enam tahun — di atas kertas.

Semua itu belum menuntut mesin yang benar-benar ada. Ini murni kemajuan algoritma dan skema koreksi galat — jenis peningkatan yang makin sering ditemukan oleh AI.

Pemangkasan Gidney datang dari aritmetika yang lebih efisien dan tata letak koreksi galat yang lebih rapat, bukan dari hardware baru. Jika tekanan optimasi semacam ini diarahkan ke kriptoanalisis, estimasi sumber daya akan terus melorot.

Peneliti keamanan menyebut ini target bergerak, bukan kiamat dengan tanggal pasti. Bacaan hati-hatinya: AI diam-diam terus menurunkan palang ketinggian yang harus dilompati hardware kuantum.

Itu sebabnya kalimat "kita masih punya tahun-tahun" hanya berlaku untuk hardware, bukan untuk matematika di belakangnya.

Juga Baca: Paus Ethereum Jual $430 Juta Sehari, Pasokan di Bursa Sentuh Level Terendah 10 Tahun

Uang Besar, Pandangan yang Berseberangan

Investor tidak buta terhadap dinamika ini.

McKinsey melaporkan pendapatan perusahaan komputasi kuantum menembus $1 miliar pada 2025, sementara investasi ke startup kuantum mencapai $12,6 miliar — lompatan 6,3 kali dari tahun sebelumnya — dengan potensi nilai ekonomi antara $1,3 triliun hingga $2,7 triliun pada 2035.

Pemerintah juga menggelontorkan dana, dengan tingkat keyakinan yang sangat beragam.

US National Quantum Initiative Act mengotorisasi sekitar $1,2 miliar saat diteken pada 2018.
Quantum Flagship Uni Eropa mengalokasikan setidaknya 1 miliar euro untuk periode sepuluh tahun sejak 2018.
Investasi Tiongkok sering dikutip sekitar $15 miliar, angka perkiraan McKinsey yang belum terverifikasi dan banyak diperdebatkan, sehingga patut disikapi sangat hati-hati.

Perbedaan tajam muncul pada soal timeline.

IBM dan Quantinuum sama-sama membidik 2029 untuk mencapai fault tolerance. Google menggambarkan lintasannya dalam horizon “tahun”, bukan dekade.

Lalu ada Jensen Huang. Ia mengguncang saham-saham kuantum pada Januari 2025 dengan komentar bahwa mesin kuantum yang benar-benar berguna masih 20 tahun lagi, sebelum kemudian meralat pandangannya di Quantum Day Nvidia pada Maret 2025, sambil bercanda bahwa ia mengundang para tamu untuk menjelaskan mengapa ia keliru.

Dunia keamanan merespons dengan probabilitas. Global Risk Institute mensurvei 26 pakar yang menilai kemunculan komputer kuantum “relevan kriptografi” sebagai sesuatu yang "cukup mungkin" dengan probabilitas 28%–49% dalam sepuluh tahun ke depan, dan "kemungkinan besar" 51%–70% dalam lima belas tahun — estimasi tertinggi sejak laporan ini diterbitkan.

Skeptis seperti Das Sarma tetap berpendapat mesin terkorreksi galat yang benar-benar praktis masih lebih jauh dibanding klaim peta jalan industri.

Kedua hal itu bisa saja sama-sama benar. Ancaman mungkin baru nyata sekitar satu dekade lagi tetapi tetap layak diantisipasi sekarang, karena proses migrasi memakan waktu dan data yang sudah dicuri tidak punya masa kedaluwarsa.

Juga Baca: Tiga Pejabat The Fed Membelot, Analis Sebut Setup Terburuk Kripto Sudah di Depan Mata

Gambaran yang Lebih Waras

Jika lapisan hype dikupas, kontur utamanya cukup jelas.

AI adalah mitra yang jauh lebih matang, dan sudah membuat komputer kuantum lebih baik lewat peningkatan decoding, kalibrasi, dan kontrol. Kontribusi kuantum ke AI jauh lebih sempit: sangat relevan untuk kimia dan simulasi, tetapi kelewat dibesar-besarkan untuk hampir semua hal lain.

Titik temu yang mendesak bukanlah “super-otak”. Yang terjadi adalah erosi perlahan terhadap enkripsi yang menopang seluruh internet, dipercepat oleh algoritma yang makin licin.

Anda tidak perlu menebak tahun persisnya. Asumsinya justru migrasi seharusnya sudah berjalan.

Mesinnya masih dibangun, demikian pula pertahanannya. Manuver cerdas adalah mengamati kedua perlombaan ini sekaligus.