موج کوانتوم
چرا محاسبات کوانتومی مورد توجه کسبوکارها قرار گرفته است؟
در سالهای اخیر، همزمان با بلوغ نسبی هوش مصنوعی و ورود آن به فاز بهرهبرداری گسترده در شرکتها، توجه سازمانها، سرمایهگذاران و مراکز تحقیقوتوسعه به حوزه محاسبات کوانتومی بهطور محسوسی افزایش یافته است. اشاره روزافزون به محاسبات کوانتومی در گزارشهای سالانه شرکتها، استراتژیهای فناوری و نقشههای راه نوآوری این پرسش را مطرح میکند که آیا این حوزه واقعاً در حال تبدیلشدن به موج بعدی پس از هوش مصنوعی است یا صرفاً در مرحلهای از هیجان و آیندهنگری قرار دارد. محاسبات کوانتومی وعده حل مسائلی را میدهد که برای رایانههای کلاسیک عملاً غیرقابلحل یا بسیار پرهزینهاند؛ از بهینهسازیهای پیچیده و کشف دارو گرفته تا رمزنگاری، شبیهسازی مواد و مدیریت ریسکهای مالی. بااینحال، فاصله زیادی میان قابلیتهای نظری این فناوری و کاربردهای عملی و مقیاسپذیر آن در کسبوکارها وجود دارد. بسیاری از سازمانها بدون درک دقیق از بلوغ فناوری، هزینهها، محدودیتها و افق زمانی بازگشت سرمایه، صرفاً برای عقبنماندن از رقابت، نام محاسبات کوانتومی را وارد ادبیات استراتژیک خود کردهاند. در چنین وضعیتی، مسئله اصلی این است که چگونه میتوان میان فرصت واقعی و تبلیغات فناورانه تمایز قائل شد. نبود درک روشن از اینکه محاسبات کوانتومی در چه صنایعی، با چه کاربردهایی و در چه بازه زمانی میتواند ارزش اقتصادی ایجاد کند، ریسک تصمیمگیریهای نادرست را بالا میبرد. بنابراین، بررسی روند رشد توجه سازمانها به محاسبات کوانتومی، تحلیل دلایل این افزایش علاقه و ارزیابی واقعبینانه از جایگاه فعلی و آینده این فناوری، برای مدیران، سیاستگذاران و فعالان کسبوکار به ضرورت تبدیل شده است.
از هوش مصنوعی تا کوانتوم
در سالهای اخیر و همزمان با عبور هوش مصنوعی از مرحله آزمایشی و ورود آن به عملیات روزمره شرکتها، توجه مدیران و سرمایهگذاران به محاسبات کوانتومی افزایش یافته است؛ حوزهای که تا همین اواخر بیشتر در فضای پژوهشهای دانشگاهی و آزمایشگاهی کاربرد داشت. تجربه عملی پیادهسازی AI در مقیاس سازمانی، علاوه بر آشکارکردن ظرفیتهای فناوریهای پیشرفته، محدودیتهای محاسبات کلاسیک از جمله هزینههای پردازش، مصرف انرژی و ناتوانی در حل مسائل بسیار پیچیده را برجسته کرده و زمینهساز این تغییر توجه شده است.
در چنین فضایی، محاسبات کوانتومی بهعنوان پاسخی بالقوه به مسائلی مطرح میشود که برای رایانههای کلاسیک یا بسیار پرهزینهاند یا اساساً در زمان قابلقبول حل نمیشوند. مسائلی مانند بهینهسازیهای پیچیده در زنجیره تامین، شبیهسازی دقیق مولکولی در صنعت دارو، الگوسازی ریسکهای مالی با متغیرهای متعدد، یا طراحی مواد جدید با خواص خاص. این وعدهها باعث شدهاند که کوانتوم، دستکم در سطح گفتمان، بهتدریج جای خود را در زبان استراتژیک شرکتها باز کند.
دادههای تجربی نشان میدهد که این تغییر گفتمانی صرفاً ادعایی کیفی نیست. بر اساس «گزارش شاخص کوانتوم» که در ماه می ۲۰۲۵ «ابتکار اقتصاد دیجیتال» در مدرسه مدیریت اسلون MIT تهیه کرده، تعداد اسناد شرکتی و رسانهای که در آنها بهطور مستقیم از «محاسبات کوانتومی» نام برده شده، در فاصله سالهای ۲۰۲۲ تا ۲۰۲۴ رشد چندبرابری داشته است. این دادهها که شامل اسناد خبری، گزارشهای رسمی شرکتها، مکالمات مدیران با سرمایهگذاران و اسناد پژوهشی مرتبط با شرکتهاست، نشان میدهد که کوانتوم بهتدریج از حاشیه گفتوگوهای تخصصی به متن ادبیات کسبوکار نزدیک شده است. براساس این دادهها، در سال ۲۰۲۲ این اشارهها محدود و کمتر از ۵۰۰ مورد در ماه بود، اما از ابتدای سال ۲۰۲۳ روندی جهشی آغاز شد و تعداد اسناد به ۱۵۰۰ تا بیش از دو هزار مورد در ماه رسید. این روند در سال ۲۰۲۴ ادامه یافت و در برخی ماهها از چهار هزار سند در ماه عبور کرد؛ رقمی که نشاندهنده افزایشی 8 تا 9برابری نسبت به سال ۲۰۲۲ است. اهمیت این دادهها زمانی روشنتر میشود که آنها را در کنار تجربه اخیر شرکتها با هوش مصنوعی قرار دهیم. بسیاری از سازمانها در فاصله کوتاهی پس از همهگیرشدن ابزارهای هوش مصنوعی دریافتند که مزیت رقابتی نهفقط در دسترسی به الگوریتمها، بلکه در توان محاسباتی، زیرساخت داده و مقیاسپذیری نهفته است. افزایش هزینههای پردازش، محدودیت مصرف انرژی مراکز داده و دشواری حل مسائل بسیار پیچیده، همگی این پرسش را پررنگتر کردهاند که آیا نسل بعدی محاسبات میتواند این گلوگاهها را برطرف کند یا نه. نمودار امآیتی نشان میدهد که نقطه عطف توجه به محاسبات کوانتومی در ابتدای سال ۲۰۲۳ رخ داده است؛ زمانی که تعداد اشارهها به این فناوری در اسناد شرکتی ناگهان افزایش مییابد. این زمانبندی تصادفی نیست. درست در همین دوره، موج دوم تجاریسازی هوش مصنوعی، بهویژه در قالب الگوهای زبانی بزرگ و کاربردهای سازمانی شکل گرفت و همزمان بحث درباره محدودیتهای محاسبات کلاسیک جدیتر شد. از این منظر، افزایش اشاره به کوانتوم را میتوان بخشی از واکنش شرکتها به تجربه عملی هوش مصنوعی دانست، نه صرفاً نتیجه پیشرفتهای مستقل در فیزیک یا علوم کامپیوتر. برای درک بهتر جایگاه این روند، میتوان دادههای مربوط به محاسبات کوانتومی را با اسناد مشابه درباره هوش مصنوعی مقایسه کرد. بر اساس گزارشهای مستقل موسسههایی مانند گارتنر و خدمات تحلیلی هاروارد بیزینس ریویو، هوش مصنوعی دستکم از اواخر دهه ۲۰۱۰ به بخشی تثبیتشده از زبان رسمی شرکتها تبدیل شده است. در سال ۲۰۲۴، بیش از ۸۵ درصد شرکتهای بزرگ جهانی در گزارشهای سالانه یا اسناد استراتژیک خود به هوش مصنوعی اشاره کردهاند و حدود ۹۰ درصد مدیران ارشد اعلام کردهاند که AI بخشی از استراتژی کسبوکار آنهاست. برخلاف کوانتوم، سهم اصلی اشاره به هوش مصنوعی نه در اسناد خبری، بلکه در اسناد رسمی شرکتها، گزارشهای سالانه و برنامههای سرمایهگذاری دیده میشود. این تفاوت نشان میدهد که کوانتوم در مرحلهای قرار دارد که بیشتر بهعنوان «افق آینده» یا «موضوع رصد استراتژیک» مطرح میشود، نه فناوری که بهطور گسترده وارد فرآیندهای روزمره کسبوکار شده باشد.
فاصله میان مسئله واقعی و وعده فناورانه
افزایش اشاره به محاسبات کوانتومی در اسناد شرکتی نشان میدهد که این فناوری وارد دایره توجه مدیران شده است، اما پرسش محوری کسبوکارها نه اهمیت نظری کوانتوم، بلکه چگونگی و محل خلق ارزش اقتصادی آن است. برخلاف هوش مصنوعی که دامنهای گسترده از کاربردهای عمومی دارد، محاسبات کوانتومی از ابتدا به مجموعهای محدود، اما بسیار مشخص از مسائل پیوند خورده است. مهمترین حوزه کاربرد بالقوه کوانتوم، مسائل بهینهسازی پیچیده است؛ مسائلی که در لجستیک و حملونقل، مدیریت زنجیره تامین و شبکههای انرژی دیده میشوند و با افزایش تعداد متغیرها، حل آنها برای الگوریتمهای کلاسیک بسیار پرهزینه یا زمانبر میشود. کوانتوم در این موارد وعده میدهد که بتواند فضای بسیار بزرگ حالتها را کارآمدتر جستوجو کند. حوزه دوم، «صنایع مالی» است. مدیریت ریسک، بهینهسازی پورتفوی و قیمتگذاری ابزارهای مشتقه به الگوهایی متکیاند که بهسرعت به سقف توان محاسبات کلاسیک میرسند. به همین دلیل، بانکها و موسسههای مالی بزرگ محاسبات کوانتومی را نه جایگزینی فوری، که ابزاری بالقوه برای سناریوهای پیچیده آینده در نظر میگیرند؛ نگاهی که در افزایش اشاره به کوانتوم در مکالمات مدیران با سرمایهگذاران نیز بازتاب یافته است. سومین حوزه کلیدی، «علوم مواد و صنعت دارو» است. شبیهسازی رفتار مولکولها، واکنشهای شیمیایی و طراحی مواد یا داروهای جدید از مسائلی هستند که پیچیدگی آنها بهسرعت از توان رایانههای کلاسیک فراتر میرود. از همین رو، همکاریهای اولیه شرکتهای دارویی با بازیگران کوانتومی بیشتر بر پروژههای شبیهسازی محدود و هدفمند متمرکز شده است، نه بر کاربردهای عمومی. در کنار این موارد، صنایعی مانند انرژی، هوافضا و مخابرات نیز بهعنوان مصرفکنندگان بالقوه مطرح میشوند، اما وجه مشترک همه این حوزهها، «مسئلهمحور و بسیار تخصصیبودن» کاربردهاست. این ویژگی، مسیر کوانتوم را از هوش مصنوعی جدا میکند؛ هوش مصنوعی بهسرعت به ابزارهای عمومی و عملیاتی تبدیل شد، درحالیکه کوانتوم همچنان به زیرساختهای خاص، نیروی انسانی بسیار تخصصی و افق زمانی بلندمدت وابسته است. این تفاوت در نوع اسناد نیز منعکس میشود. طبق دادههای امآیتی، بخش عمده توجه به محاسبات کوانتومی هنوز در اسناد خبری و گفتوگوهای سطح بالای مدیریتی دیده میشود، درحالیکه هوش مصنوعی سالهاست وارد اسناد عملیاتی و بودجههای فناوری اطلاعات شرکتها شده است. به همین دلیل، بسیاری از شرکتها رویکردی محتاطانه در پیش گرفتهاند و همکاری با بازیگرانی مانند آیبیام و گوگل را بیشتر در قالب پروژههای آزمایشی، دسترسی ابری به پردازندههای کوانتومی و برنامههای آموزشی تعریف میکنند.
کوانتوم و بازی عقبنماندن
افزایش توجه به محاسبات کوانتومی در اسناد شرکتی، همزمان با رشد سرمایهگذاری در این حوزه رخ داده و دادههای امآیتی نشان میدهد این همزمانی تصادفی نیست. منطق ورود سرمایه به کوانتوم بیش از آنکه بر بازده کوتاهمدت استوار باشد، ریشه در ملاحظات راهبردی، رقابتی و ژئوپلیتیک دارد. در سطح بنگاهها، سرمایهگذاریها بیشتر در قالب تحقیقوتوسعه، همکاری با استارتآپها یا دسترسی آزمایشی به پلتفرمهای کوانتومی انجام میشود. شرکتهایی مانند آیبیام، گوگل و مایکروسافت؛ کوانتوم را همچون یک شرطبندی بلندمدت فناوری میبینند که میتواند در صورت موفقیت، مزیت رقابتی پایدار ایجاد کند، حتی اگر بازگشت سرمایه فوری نداشته باشد. نقش دولتها در این روند پررنگتر است. محاسبات کوانتومی در کنار نیمههادیها، هوش مصنوعی و زیستفناوری به فهرست فناوریهای راهبردی کشورها افزوده شده، زیرا کاربردهای آن به امنیت سایبری، رمزنگاری، دفاع و توان علمی گره خورده است. در این چهارچوب، سرمایهگذاری عمومی بیشتر با منطق حفظ حاکمیت فناورانه توجیه میشود تا سودآوری تجاری کوتاهمدت. در چنین فضایی، حتی شرکتهایی که کاربرد فوری برای کوانتوم ندارند، ناچارند به آن توجه نشان دهند. افزایش اشاره به کوانتوم در گفتوگوهای مدیران و سرمایهگذاران بازتاب فشاری رقابتی است که در آن سکوت میتواند نشانه عقبماندگی بهشمار آید. ازاینرو، حضور کوانتوم در اسناد استراتژیک اغلب بیانگر آمادگی ذهنی و سازمانی است، نه وجود برنامه اجرایی مشخص. در سرمایهگذاری خطرپذیر نیز منطقی مشابه دیده میشود؛ با وجود پذیرش احتمال بالای شکست بسیاری از استارتآپها، اندازه بالقوه بازار و پیامدهای تحولآفرین موفقیت، سرمایهگذاری را توجیه میکند، هرچند چرخه بازگشت سرمایه در کوانتوم بسیار طولانیتر از هوش مصنوعی برآورد میشود. همزمان، نقش پررنگ روایتهای رسانهای باعث شده مرز میان تحلیل عقلانی و ترس از عقبماندن کمرنگ شود و خطر شکلگیری حباب انتظارات افزایش یابد. بااینحال، پشتوانه علمی و نهادی قوی از دانشگاههای پیشرو تا آزمایشگاههای ملی و شرکتهای بزرگ فناوری سبب شده است که کوانتوم، برخلاف بسیاری از موجهای فناورانه، حتی از سوی منتقدان نیز نادیده گرفته نشود. در مجموع، شواهد نشان میدهد سرمایهگذاری در محاسبات کوانتومی بازتاب رقابتی بر سر فناوریهای تعیینکننده آینده است.
ریسکهای تصمیمگیری زودهنگام
افزایش سریع اشاره به محاسبات کوانتومی در اسناد شرکتی، آنگونه که دادههای امآیتی نشان میدهد، لزوماً به معنای آمادگی این فناوری برای ورود گسترده به عملیات کسبوکار نیست. تجربه تاریخی تحولات فناورانه نشان میدهد که فاصله میان افزایش توجه و خلق ارزش اقتصادی پایدار میتواند طولانی، پرهزینه و همراه با خطاهای تصمیمگیری باشد. ازاینرو، در کنار شناسایی فرصتها، بررسی ریسکها و محدودیتهای موج کنونی کوانتوم اهمیت اساسی دارد. نخستین ریسک، «اغراق فناورانه» است. محاسبات کوانتومی اغلب با وعده حل مسائلی معرفی میشود که رایانههای کلاسیک از عهده برطرفکردن آنها برنمیآیند. این ادعا در سطح نظری معتبر است، اما تبدیل آن به کاربرد تجاری مستلزم تحقق پیششرطهایی است که هنوز بهطور کامل فراهم نشدهاند؛ از جمله سختافزار پایدار و قابلاعتماد، نرخ خطای پایین و نرمافزارهایی که بتوانند مسائل واقعی کسبوکار را به زبان کوانتومی ترجمه کنند. نادیدهگرفتن این شکاف میان نظریه و عمل، میتواند انتظاراتی غیرواقعبینانه ایجاد کند که با وضعیت فعلی فناوری و افقهای زمانی آن همخوانی ندارد. ریسک دوم، «تصمیمگیری زیر فشار رقابتی و ترس از عقبماندن» است. دادهها نشان میدهد که بخشی از افزایش اشاره به کوانتوم در صحبتهای مدیران و سرمایهگذاران، واکنش به فضای رقابتی و روایتهای غالب درباره «فناوریهای آینده» است. در چنین وضعیتی، این خطر وجود دارد که شرکتها فقط برای همراستا نشاندادن خود با موج فناوری، منابعی را به پروژههایی اختصاص دهند که نه مسئله مشخصی را حل میکند، نه مسیر روشنی به سوی بازده اقتصادی دارد. تجربه موجهای فناورانه گذشته نشان میدهد که این نوع سرمایهگذاری نمادین میتواند هزینه-فرصت بالایی به همراه داشته باشد. سومین ریسک، «ابهام در بازگشت سرمایه و زمانبندی آن» است. برخلاف هوش مصنوعی که در بسیاری از کاربردها توانست در بازههای کوتاهمدت بهرهوری ایجاد کند، محاسبات کوانتومی عموماً با افقهای زمانی میانمدت تا بلندمدت مطرح میشود. این نداشتن قطعیت، برنامهریزی مالی، ارزیابی عملکرد و تصمیمگیری مدیریتی را دشوار میکند و خطر رهاشدن زودهنگام پروژهها یا تداوم بیشازحد آنها بدون معیارهای روشن را افزایش میدهد. در برابر این ریسکها، شواهد نشان میدهد که بسیاری از شرکتها رویکردی محتاطانه در پیش گرفتهاند؛ رویکردی که میتوان آن را «آمادگی استراتژیک بدون تعهد عملیاتی کامل» توصیف کرد. افزایش اشاره به کوانتوم در اسناد رسمی و گفتوگوهای مدیریتی، اغلب به معنای رصد فناوری، مشارکتهای آزمایشی محدود یا سرمایهگذاری در توسعه نیروی انسانی است، نه تغییر فوری الگوی کسبوکار. این رویکرد به شرکتها اجازه میدهد بدون گرفتارشدن در حباب انتظارات، موقعیت خود را برای آینده حفظ کنند. بررسیهای امآیتی دقیقاً همین وضعیت میانی را بازتاب میدهد، رشد سریع توجه در سطح گفتمان، در کنار سهم هنوز محدود اسناد عملیاتی. این ترکیب نشان میدهد که محاسبات کوانتومی در مرحلهای قرار دارد که بیش از آنکه یک ابزار عملیاتی باشد، موضوعی برای تصمیمگیری راهبردی است. در نهایت، شواهد نشان میدهد کوانتوم نه یک مد زودگذر است و نه فناوری آماده بهرهبرداری گسترده در کوتاهمدت؛ چالش اصلی برای مدیران و سیاستگذاران، تشخیص جایگاه فعلی این فناوری و اتخاذ تصمیمی متناسب با همین مرحله از مسیر تحول آن است.
