A inteligência artificial não pára de exigir mais capacidade de computação, e os computadores quânticos começam, enfim, a aproximar-se de máquinas que funcionam de verdade.
O que acontece quando essas duas frentes se encontram é a história que importa — e ela vai da correção de erros à própria encriptação que protege o seu Bitcoin (BTC).
Resumo rápido
- A IA já está a ajudar a construir melhores computadores quânticos — do descodificador de erros AlphaQubit, da Google, às ligações GPU‑qubit da Nvidia — enquanto o retorno da computação quântica para a IA segue restrito e em grande parte por provar.
- O embate mais evidente, no curto prazo, é criptográfico: um investigador da Google reduziu a estimativa de custo para quebrar RSA‑2048 para menos de um milhão de qubits ruidosos, e o NIST recomenda que todos migrem até 2030.
- As projeções de especialistas continuam a divergir violentamente, do alvo de tolerância a falhas da IBM em 2029 ao “20 anos” de Jensen Huang. Qualquer data isolada deve ser vista com ceticismo.
O hardware, enfim, começou a comportar-se
Durante três décadas, computadores quânticos pioravam à medida que cresciam. Mais qubits significavam mais ruído, e mais ruído destruía o cálculo.
Em dezembro de 2024, a Google relatou na Nature que esta tendência se inverteu. O chip Willow, com 105 qubits, cruzou a linha “below threshold”, ponto em que adicionar qubits passa a reduzir — e não aumentar — a taxa de erro lógica.
Os números foram concretos. Aumentar a distância do código de 3 para 5 e depois para 7 praticamente cortou a taxa de erro lógica a meio em cada passo; a memória com distância 7 atingiu 0,143% de erro por ciclo.
Essa memória também ultrapassou a longevidade do melhor qubit físico individual do chip em 2,4 vezes. Os engenheiros chamam a isso “beyond breakeven” — hoje, o indício mais forte de que a correção de erros quânticos está a funcionar.
John Preskill, do Caltech, que cunhou o termo que define esta era da computação quântica, classificou a demonstração de que a correção de erros prolonga o tempo de armazenamento de informação de um qubit como “um marco importante”. Ao mesmo tempo, advertiu que o impacto quotidiano da computação quântica “pode ainda demorar décadas”.
Dez meses depois, a Google subiu a parada.
A empresa publicou um segundo artigo na Nature, em outubro de 2025, sobre um algoritmo batizado de Quantum Echoes, alegando uma execução 13.000 vezes mais rápida do que o melhor método clássico num dos supercomputadores mais potentes do mundo.
Mas convém ler as letras pequenas. A própria equipa de notícias da Nature relatou o ceticismo de investigadores externos quanto ao alcance real do resultado, e a Google reconheceu que uma máquina com utilidade criptográfica ainda exige aumentos de escala de várias ordens de grandeza.
O valor desse experimento é específico e limitado. Ele mede como sistemas quânticos embaralham informação — algo que pode ajudar a entender a estrutura de moléculas e ímanes, não a correr a sua folha de cálculo.
Enquanto isso, o resto do setor corre em público, com roteiros bem definidos.
- A IBM prevê lançar a Starling, uma máquina tolerante a falhas com 200 qubits lógicos a executar 100 milhões de portas, até 2029, após chips intermédios chamados Nighthawk e Loon.
- A Quantinuum promete um sistema universal, totalmente tolerante a falhas, chamado Apollo, também para 2029, com a máquina Helios a chegar primeiro e um processador batizado de Sol em 2027.
- Laboratórios de átomos neutros avançam depressa, usando lasers para aprisionar átomos individuais como qubits.
Dois resultados com átomos neutros destacam-se.
O Endres Lab, do Caltech, confinou 6.100 qubits de césio em cerca de 12.000 sítios de “optical tweezers”, num artigo publicado na Nature em 24 de setembro de 2025, com tempo de coerência de 13 segundos e precisão de 99,98% no controlo de qubits individuais. “É um momento empolgante para a computação quântica com átomos neutros”, disse o investigador principal, Manuel Endres.
Uma equipa de Harvard, liderada por Mikhail Lukin e em colaboração com o MIT e a QuEra, seguiu por outro caminho. Operou um sistema de 3.000 qubits continuamente por mais de duas horas, ciclando mais de 50 milhões de átomos e repondo até 300.000 por segundo para substituir os que se perdem.
“Demonstrámos operação contínua com um sistema de 3.000 qubits”, afirmou Lukin. “Mas também é claro que esta abordagem funciona para números bastante maiores.”
Depois há o conto de prudência.
A Microsoft anunciou o chip Majorana 1 em fevereiro de 2025, reclamando os primeiros qubits “topológicos”, uma arquitetura concebida para ser robusta a erros desde a base. Físicos presentes numa conferência em março mostraram-se, em maioria, pouco convencidos, e o teórico Henry Legg publicou depois um desafio formal na Nature, argumentando que o teste usado poderia ser enganado por efeitos convencionais.
Sankar Das Sarma, um dos teóricos pioneiros dos qubits topológicos, elogiou os avanços de materiais da Microsoft, mas manteve reservas quanto à física apresentada.
Este fosso entre o comunicado de imprensa e a evidência experimental é, talvez, a lição mais útil para quem acompanha o setor.
Leia também: Yang Zhilin disse não à Apple — agora o Kimi K3 pressiona o Claude Fable 5 em código
A IA está, silenciosamente, a construir o computador quântico
Eis o ponto que quase toda a cobertura ignora: a IA não está à espera da computação quântica. Ela já é ferramenta na bancada quântica.
O DeepMind, da Google, desenvolveu um descodificador baseado em redes neurais, o AlphaQubit, descrito na Nature em novembro de 2024. Treinado com dados do processador Sycamore, cometeu 6% menos erros do que métodos de redes de tensores e 30% menos do que algoritmos de “correlated matching”.
É precisamente na descodificação que a IA mostra o seu valor. Um chip quântico produz fluxos contínuos de sinais de erro, e alguém — ou algo — precisa de ler esses padrões e corrigi-los mais depressa do que novos erros surgem.
Qubits supercondutores operam na casa das dezenas a centenas de nanossegundos, o que obriga o descodificador a ser simultaneamente extremamente preciso e brutalmente rápido. Perder essa janela significa ver os erros acumularem-se antes que a correção chegue.
A mesma pressão por técnicas de aprendizagem automática vem à tona no resto da pilha tecnológica.
- Redes neurais ajudam a calibrar qubits e a afinar os pulsos de controlo que os fazem alternar de estado.
- Métodos de reforço (“reinforcement learning”) têm sido usados para descobrir algoritmos mais rápidos, incluindo o trabalho AlphaTensor, do DeepMind, em multiplicação de matrizes.
- Descodificadores com IA reduzem, de forma contínua, o número de qubits físicos necessários para proteger um único qubit lógico.
Este último ponto é mais crucial do que parece. Cada redução de overhead aproxima uma máquina útil sem que seja preciso inventar um único qubit novo.
Essa restrição explica por que os grandes fabricantes estão a fundir chips quânticos com aceleradores clássicos.
A Nvidia lançou o NVQLink em outubro de 2025, um interconector aberto que liga processadores quânticos a supercomputadores de GPU, apoiado por 17 empresas de hardware quântico e nove laboratórios nacionais dos EUA. A Quantinuum usou a tecnologia para correr o primeiro descodificador em tempo real e escalável para o seu chip Helios, com tempo de reação de 67 microssegundos.
A mensagem de Jensen Huang é direta: não se corre um computador quântico isolado — é preciso estacionar um supercomputador clássico ao lado.
Este é o desenho do futuro próximo: um sistema híbrido em que modelos de IA afinam, calibram e supervisionam qubits frágeis em tempo real.
Leia também: Anthropic nega proibição de modelos abertos — e revela o que de facto teme
O que a computação quântica realmente faz pela IA
Viremos agora a questão: pode um computador quântico tornar a IA mais inteligente?
A resposta honesta é: muito menos do que o marketing sugere, pelo menos por enquanto.
Durante anos, o sonho foi o “quantum machine learning” — algoritmos que prometiam ganhos exponenciais em tarefas de dados. Até que uma adolescente pegou no martelo.
Em 2018, Ewin Tang mostrou que um computador clássico podia igualar um celebrado algoritmo quântico de recomendação. Desde então, “desquantizou” vários outros, expondo como muitos dos supostos ganhos vinham de hipóteses irrealistas sobre como carregar dados, e não da matemática quântica em si.
Dois problemas continuam a travar o machine learning quântico:
- Gargalo de input: converter dados clássicos em estados quânticos pode eliminar qualquer vantagem de velocidade antes mesmo de o cálculo começar.
- “Barren plateaus”: à medida que os circuitos crescem, a paisagem de treino torna‑se quase plana, os gradientes desaparecem e o processo de aprendizagem emperra.
Scott Aaronson, um dos principais teóricos em complexidade quântica, há anos insiste para que se leia com cuidado o rodapé destes estudos.
Então, para que serve, de facto, um computador quântico?
Essencialmente, para simular outros sistemas quânticos. Química, materiais e certos problemas de otimização estão na zona ideal, porque a natureza é quântica — e uma máquina quântica fala o mesmo idioma.
É um nicho real e valioso: melhores baterias, catalisadores mais eficientes e novas moléculas candidatas a fármacos nascem desse tipo de simulação.
Só não é a narrativa “o quântico vai turbinar o seu chatbot” que costuma animar apresentações a investidores. O próprio Preskill descreveu o período atual como a era “noisy, intermediate‑scale”: um estágio de experiências úteis, mas ainda longe de máquinas universais.
Leia também: O agente rebelde da OpenAI invadiu mais 4 serviços além do Hugging Face
A questão energética que ninguém deveria vender em excesso
O apetite energético da IA está a tornar‑se um problema de infraestrutura.
A AIE (IEA) projeta que os data centers consumirão cerca de 945 terawatt-hora em 2030, mais do que o dobro dos 415 terawatt-hora de 2024. O valor projetado para 2030 aproxima‑se de todo o consumo anual de eletricidade do Japão.
A procura de eletricidade por data centers otimizados para IA, acrescenta a agência, deverá mais do que quadruplicar no mesmo período.
Daí nasce uma narrativa tentadora: computadores quânticos usam física exótica, logo talvez cortem drasticamente a fatura de energia.
Convém ter cautela. problemas específicos de química e de otimização com muito menos operações do que um supercomputador clássico, o que pouparia energia nesses nichos bem definidos.
Eles não vão rodar o seu modelo de linguagem, e sistemas quânticos criogênicos têm, por si só, custos altíssimos de refrigeração. A promessa realista é de eficiência dirigida em problemas "amigos do quântico", não um plano de salvação para a conta de luz da IA.
Quem promete o contrário está a vender ilusão.
Leia também: Apple Passa A Oferecer iPhones Em Leasing Por US$ 17,99 Ao Mês Via Klarna
Onde Isso Mexe No Seu Bolso
O ponto de contacto mais concreto entre IA, computação quântica e dinheiro do dia a dia é a criptografia.
A criptografia de chave pública, como RSA e as curvas elípticas (ECC), baseia‑se em problemas matemáticos difíceis para computadores clássicos e fáceis para um computador quântico suficientemente grande, graças ao algoritmo de Shor.
A ameaça tem um nome que devia preocupar qualquer um com segredos de longo prazo: “capturar agora, decifrar depois”. Adversários podem gravar hoje o tráfego encriptado e quebrá‑lo quando o hardware amadurecer.
O NIST fechou a sua resposta em agosto de 2024. Publicou](https://www.nist.gov/news-events/news/2024/08/nist-releases-first-3-finalized-post-quantum-encryption-standards) três normas pós‑quânticas, ML-KEM, ML-DSA e SLH-DSA, e mais tarde escolheu um algoritmo de reserva, o HQC, em março de 2025.
O relógio está marcado. O rascunho de orientação de transição do NIST desaconselha RSA e ECC a partir de 2030 e proíbe totalmente o seu uso a partir de 2035.
As criptomoedas estão no epicentro, porque os blockchains assentam nas mesmas assinaturas de curvas elípticas.
A exposição do Bitcoin é real, mas motivo de debate. Um estudo da Deloitte estimou que mais de 4 milhões de BTC, cerca de 25% de todo o Bitcoin, estão em outputs “pay‑to‑public‑key” e endereços reutilizados em que a chave pública já está exposta.
Análises de cadeia mais recentes apontam mais alto. A equipa de Google Quantum AI aponta para algo entre 6,5 e 6,9 milhões de BTC, perto de um terço da oferta em circulação, quando se incluem chaves expostas e reutilizadas, com pouco mais de 1,7 milhão em scripts P2PK dos primeiros tempos.
As defesas estão a ser montadas, de forma desigual.
- Os programadores de Bitcoin discutem a BIP-360, um tipo de endereço resistente a quântica que continua em rascunho, sem data de ativação.
- A Fundação Ethereum (ETH) publicou um roteiro pós‑quântico, e Vitalik Buterin detalhou um plano para migrar assinaturas, contas e provas para esquemas seguros face à computação quântica.
- A Solana (SOL) oferece opcionalmente o Winternitz Vault, baseado em assinaturas únicas com hash, embora as contas padrão continuem em curvas vulneráveis.
Nenhuma destas redes é hoje quântica‑segura ao nível de protocolo. Todas ainda estão a desenhar o barco salva‑vidas.
Leia também: BIP-110 Empaca Enquanto Saylor Classifica Mudança De Regras Como Ataque A Todos Os Detentores
Quando As Duas Tecnologias Se Alimentam
Os cenários mais inquietantes vêm da convergência, quando avanços numa área aceleram a outra.
Craig Gidney, do Google, mudou a conta em maio de 2025. Estimou que um RSA‑2048 poderia ser fatorado em menos de uma semana com menos de um milhão de qubits ruidosos, uma queda de cerca de 20 vezes face aos 20 milhões que ele e um coautor projetavam em 2019.
O número de qubits necessários para quebrar a sua encriptação caiu para um vigésimo em seis anos — no papel.
Nada disso exige que a máquina já exista. São avanços em algoritmos e correção de erro, precisamente o tipo de melhoria que a IA está cada vez melhor a descobrir.
O corte de Gidney veio de aritmética mais eficiente e esquemas de correção de erro mais densos, não de novo hardware. Se a mesma pressão de otimização for aplicada à criptoanálise, as estimativas de recursos continuam a encolher.
Especialistas em segurança veem isto como um alvo móvel, não um fim‑do‑mundo fixo. A leitura prudente é que a IA vai baixando, em silêncio, a fasquia que o hardware quântico precisa de ultrapassar.
Por isso, “temos anos” é uma frase sobre hardware, não sobre matemática.
O Dinheiro E O Desacordo
Os investidores já perceberam tudo isto.
A McKinsey reportou que as empresas de computação quântica superaram 1 mil milhão de dólares em receitas em 2025, que o investimento em startups chegou a 12,6 mil milhões, um salto de 6,3 vezes face ao ano anterior, e que a tecnologia pode gerar entre 1,3 biliões e 2,7 biliões de dólares em valor até 2035.
Os governos também estão a gastar, com níveis de confiança muito diferentes.
- A National Quantum Initiative Act dos EUA autorizou cerca de 1,2 mil milhões de dólares quando foi assinada em 2018.
- A Quantum Flagship da UE comprometeu pelo menos 1 mil milhão de euros ao longo de dez anos, a partir de 2018.
- O investimento da China é frequentemente citado em cerca de 15 mil milhões de dólares, uma estimativa da McKinsey não verificada, contestada e que deve ser tratada com bastante cautela.
Os prazos são onde pessoas sérias entram em choque aberto.
IBM e Quantinuum apontam ambas para 2029 como meta para tolerância a falhas. O Google fala do seu próprio caminho em anos, não em décadas.
E há Jensen Huang. Em janeiro de 2025 ele abalou as ações ligadas a quântica ao sugerir que máquinas úteis só chegariam dentro de 20 anos; depois recuou no Quantum Day da Nvidia, em março de 2025, brincando que tinha convidado os palestrantes precisamente para explicarem porque é que ele estava enganado.
Na segurança, o discurso é em probabilidades. O Global Risk Institute inquiriu 26 especialistas que classificaram um computador quântico criptograficamente relevante como “bastante possível” entre 28% e 49% em dez anos, e “provável” entre 51% e 70% em quinze, as estimativas mais altas da história do relatório.
Cépticos como Das Sarma continuam a achar que máquinas práticas, com erro corrigido, estão mais longe do que os roadmaps sugerem.
As duas coisas podem ser verdade ao mesmo tempo. A ameaça pode estar a uma década de distância e ainda assim justificar ação agora, porque a migração leva anos e os dados capturados não têm prazo de validade.
Leia também: Três Dirigentes Da Fed Divergem E Especialistas Dizem Que Pior Cenário Para Cripto Está Montado
O Quadro Realista
Retire a espuma do hype e a silhueta fica nítida.
A IA é o parceiro mais maduro e já está a tornar os computadores quânticos melhores em descodificação, calibração e controlo. As dádivas da quântica para a IA são mais estreitas: relevantes para química e simulação, exageradas para quase todo o resto.
A convergência urgente não é um “super‑cérebro”. É a erosão lenta da encriptação que sustenta a internet inteira, acelerada por algoritmos que não param de ficar mais inteligentes.
Não é preciso acertar no ano exato. É preciso assumir que a migração já devia estar em curso.
As máquinas ainda estão a ser construídas — e as defesas também. A jogada inteligente é acompanhar as duas corridas ao mesmo tempo.
Leia a seguir: Bitcoin Defende Os US$ 64.000 À Véspera Da Reunião Da Fed Que Ninguém Consegue Ler