La computación cuántica sustituye los bits clásicos por qubits, unidades de información que, mientras nadie las mira, viven en una mezcla de 0 y 1 a la vez. Esa propiedad —la superposición— y otra ligada a ella, el entrelazamiento, permiten que un procesador cuántico explore muchas posibilidades en paralelo y resuelva ciertos problemas mucho más rápido que cualquier ordenador convencional. La trampa: solo ciertos problemas, y solo cuando el hardware aguanta sin equivocarse.
Qué es exactamente un qubit
Un bit clásico está obligado a elegir: vale 0 o vale 1. Un qubit, en cambio, se describe como una combinación lineal de ambos estados con dos números complejos (amplitudes) que indican la probabilidad de medir uno u otro. Cuando se hace la medida, el qubit colapsa a un valor concreto, igual que un bit normal. La ventaja no está en almacenar más información, sino en cómo se combinan esas amplitudes durante el cálculo.
Si dos qubits están entrelazados, su estado deja de poder describirse por separado: cualquier operación sobre uno afecta al otro, aunque estén físicamente alejados. Esa correlación es la que permite construir algoritmos cuánticos verdaderamente útiles, no la mera «superposición» como se suele simplificar en titulares.
En qué problemas la computación cuántica gana al silicio clásico
No todos. La ventaja cuántica está acotada a familias concretas de problemas, las que tienen estructura matemática que un algoritmo cuántico puede explotar:
- Factorización de enteros grandes con el algoritmo de Shor (1994), la base teórica de la amenaza a RSA y la criptografía de clave pública actual.
- Búsqueda no estructurada con el algoritmo de Grover, que ofrece una aceleración cuadrática sobre cualquier búsqueda lineal.
- Simulación de sistemas cuánticos: química molecular, materiales superconductores, fármacos. Es el caso de uso que más interesa a farmacéuticas y energéticas porque un ordenador clásico no puede modelar con precisión moléculas medianas en un tiempo razonable.
- Optimización combinatoria con enfoques híbridos (QAOA, VQE) que combinan procesador cuántico para estimar energías y procesador clásico para iterar parámetros.
Para tareas habituales de un servidor —servir páginas web, ejecutar consultas SQL, entrenar un modelo de lenguaje— un procesador cuántico no aporta nada y nunca lo hará. La cuántica no sustituye al cómputo clásico, lo complementa en problemas concretos. Esa es también la apuesta que están haciendo los grandes proveedores: aceleración híbrida CPU+GPU+QPU. Lo desarrolla bien este análisis sobre cómo la computación acelerada está resolviendo los principales obstáculos cuánticos.
El estado real del hardware: cientos de qubits, errores constantes
Los procesadores comerciales que hoy ofrecen IBM, Google, IonQ, Rigetti o Quantinuum manejan entre 100 y 1.300 qubits físicos según el modelo. Suena a mucho hasta que se descuenta una variable incómoda: los qubits son frágiles. Cualquier vibración, fluctuación de temperatura o ruido electromagnético los saca del estado deseado en microsegundos. Por eso se trabaja con tasas de error por puerta de entre 10⁻³ y 10⁻⁴, lejos del 10⁻¹⁵ habitual en electrónica clásica.
Para construir un qubit «lógico» útil hace falta corregir errores combinando muchos qubits físicos —entre 100 y 1.000, según el código de corrección elegido—. Las hojas de ruta públicas de IBM (IBM Quantum Roadmap) y Google (Google Quantum AI) sitúan los primeros sistemas tolerantes a fallos a escala práctica entre 2029 y 2033. Antes de eso, lo que existe es NISQ (Noisy Intermediate-Scale Quantum): hardware ruidoso, útil para investigación y pruebas, no para sustituir cargas productivas.
NVIDIA, sin fabricar qubits propios, se ha colado en la conversación con su plataforma CUDA-Q e Ising, una arquitectura que conecta GPUs con QPUs de terceros para acelerar la corrección de errores y la simulación clásica. La cubrimos en este artículo sobre la entrada de NVIDIA en la computación cuántica con Ising. La conectividad entre QPUs heterogéneas también empieza a moverse: Cisco ha presentado un switch cuántico universal sobre fibra estándar para enlazar procesadores de distintos fabricantes en una misma red.
Cuántica e IA: dos mundos que se cruzan, no que se confunden
El cruce entre inteligencia artificial y computación cuántica genera ruido proporcional al desconocimiento del público general. La realidad es más prosaica: los modelos de aprendizaje automático cuánticos (QML) están en fase de prueba académica, con resultados que aún no superan a los clásicos en tareas reales. Donde sí hay sinergia es en el sentido contrario: usar IA clásica para optimizar circuitos cuánticos, calibrar qubits y diseñar mejores códigos de corrección. Aquí desarrollamos la alianza IA + cuántica y sus dos caras.
La urgencia silenciosa: criptografía postcuántica
Aunque un ordenador cuántico capaz de romper RSA-2048 todavía no existe, los datos cifrados hoy con claves públicas pueden ser interceptados, almacenados y descifrados dentro de diez o quince años, cuando ese hardware llegue. Es la estrategia «harvest now, decrypt later», que ya ha empujado al NIST a estandarizar en 2024 los primeros algoritmos de criptografía postcuántica (ML-KEM, ML-DSA, SLH-DSA). Cloudflare, Google, Apple y los grandes navegadores ya negocian claves híbridas en TLS, según los datos del informe que comentamos en el repaso a Cloudflare Radar 2025 sobre cifrado poscuántico.
En el lado defensivo, los proveedores de seguridad están empezando a empaquetar la transición como producto. Un ejemplo reciente: Quantum Safe Security de Palo Alto Networks, orientado a inventariar el cifrado en uso y migrarlo de forma controlada antes de la fecha límite que marquen los reguladores.
Cómo se programa un ordenador cuántico
Hoy se hace con SDKs especializados: Qiskit (IBM), Cirq (Google), PennyLane (Xanadu) o el ya citado CUDA-Q (NVIDIA). El programador no escribe código máquina cuántico, sino circuitos: secuencias de puertas (Hadamard, CNOT, T) que se aplican a los qubits y, al final, una medida. El SDK envía ese circuito al backend, sea simulador clásico o procesador real, y devuelve la distribución de resultados.
El acceso suele ser por la nube y por horas: IBM Quantum, Amazon Braket, Azure Quantum y Google Quantum AI exponen catálogos de QPUs de varios fabricantes con precios por shot (ejecución de un circuito). La barrera de entrada para experimentar es baja; la de obtener resultados útiles, mucho más alta.
Preguntas frecuentes sobre computación cuántica
¿Cuándo habrá ordenadores cuánticos en casa?
No es el camino previsto. Los qubits actuales necesitan refrigeración a temperaturas cercanas al cero absoluto (10-15 milikelvin) y aislamiento extremo. El acceso de los próximos años será por la nube, no por hardware local. Para el usuario doméstico, lo más probable es que la cuántica nunca salga del centro de datos.
¿La computación cuántica romperá Bitcoin y la banca online?
No con el hardware actual. El algoritmo de Shor necesita millones de qubits lógicos estables para romper claves RSA-2048 o curvas elípticas usadas en blockchains. Esa cifra está lejos. La preocupación realista es la migración a criptografía postcuántica, que ya está en marcha y debería completarse antes de que aparezca un atacante cuántico funcional.
¿Qué diferencia hay entre supremacía cuántica y ventaja cuántica?
La supremacía cuántica es la demostración —reivindicada por Google en 2019 y discutida desde entonces— de que un ordenador cuántico resuelve un problema artificial más rápido que cualquier supercomputador. La ventaja cuántica práctica es lo que aún no se ha alcanzado: resolver un problema con valor real (logístico, químico, financiero) mejor que el mejor método clásico disponible.
¿Qué empresas lideran hoy el sector?
IBM y Google en superconductores, Quantinuum e IonQ en iones atrapados, PsiQuantum y Xanadu en fotónica, D-Wave en recocido cuántico (orientado a optimización). En la capa de software y aceleración, NVIDIA con CUDA-Q y Microsoft con Azure Quantum y su propuesta de qubit topológico Majorana. Es un sector con muchas apuestas técnicas distintas y todavía sin un claro ganador.
¿Necesito formación cuántica para trabajar en IA?
No. Salvo que se trabaje en investigación específica de QML o en química computacional, las pilas de IA generativa, agentes y aplicaciones empresariales seguirán siendo clásicas durante toda esta década. La cuántica importa más a equipos de seguridad —por la migración postcuántica— que a desarrolladores de modelos.
