“Quantum–supercomputing–AI”: la nuova rotta cinese per il calcolo intelligente

La Cina non sta descrivendo il futuro del calcolo come una gara per costruire il computer quantistico più potente. Il messaggio emerso dalla quinta Conferenza CCF sul calcolo quantistico e dal quinto Forum sulla scienza quantistica della Greater Bay Area, svoltisi a Shenzhen dal 3 al 5 agosto 2026, è più ampio: quantum computing, supercalcolo e intelligenza artificiale dovrebbero diventare componenti di un’unica infrastruttura per il calcolo intelligente.

L’evento ha attirato oltre 2.400 partecipanti e più di 200 accademici ed esperti. Il tema ufficiale, “integrare quantità e intelligenza, fondere quantum, supercalcolo e AI nel calcolo”, ha accompagnato quasi 30 appuntamenti dedicati a ricerca di base, tecnologie chiave, applicazioni industriali, standard e collaborazione tra istituzioni, imprese e investitori.23

Che cosa significa il paradigma “quantum–supercomputing–AI”

L’espressione cinese può essere letta come una proposta di divisione dei compiti tra tre tecnologie:

• l’AI aiuta a progettare, calibrare e controllare l’hardware quantistico, oltre a ottimizzare gli algoritmi;
• i supercomputer gestiscono simulazioni su larga scala e applicazioni di AI for Science, cioè l’uso dell’intelligenza artificiale nella ricerca scientifica;
• i futuri computer quantistici fault-tolerant, capaci di correggere gli errori in modo affidabile, potrebbero costituire un nuovo livello di calcolo per problemi specifici oggi fuori dalla portata dei sistemi classici.

La differenza rispetto a una strategia concentrata soltanto sui chip quantistici è sostanziale. Un sistema quantistico, infatti, dipende da computer classici per la gestione dei dati, il controllo dell’esperimento e l’elaborazione dei risultati. Allo stesso tempo, l’AI richiede infrastrutture ad alte prestazioni per addestramento, simulazione e analisi. L’idea proposta a Shenzhen è quindi quella di far cooperare risorse diverse, invece di svilupparle in compartimenti stagni.

L’AI come strumento per superare il collo di bottiglia degli errori quantistici

Uno dei principali ostacoli al calcolo quantistico pratico è l’elevato tasso di errore dei qubit fisici. L’accademico dell’Accademia cinese delle scienze Xiang Tao ha messo a confronto l’attuale tasso di errore, indicato intorno all’1%, con i livelli molto più bassi richiesti da applicazioni come la violazione di sistemi crittografici, evidenziando l’enorme divario ancora da colmare.1

Secondo l’impostazione discussa durante il congresso, l’intelligenza artificiale può intervenire lungo tutta la catena tecnologica:

1. Progettazione e calibrazione dei chip: analizzando i dati sperimentali, l’AI può individuare anomalie e suggerire parametri più efficaci;
2. Correzione e decodifica degli errori: può accelerare il riconoscimento degli errori e la scelta delle correzioni appropriate;
3. Compilazione dei circuiti quantistici: può ottimizzare il modo in cui un algoritmo viene tradotto per l’hardware disponibile;
4. Misurazione e controllo: può migliorare la gestione in tempo reale dei delicati stati quantistici;
5. Algoritmi variazionali: può velocizzare la ricerca dei parametri e contribuire a ridurre i problemi di barren gradient, cioè gradienti troppo piccoli per guidare efficacemente l’ottimizzazione.1

In questa prospettiva, l’AI non è soltanto un’interfaccia per usare un computer quantistico. Diventa parte integrante del suo funzionamento: uno strumento per diagnosticare i problemi, regolare l’esperimento e accelerare l’evoluzione di hardware e software.

Dal progetto quantistico all’infrastruttura nazionale

L’accademico Xue Qikun ha sottolineato che la fusione tra AI, supercalcolo e quantum computing sta modificando la ricerca sui materiali quantistici e l’evoluzione degli algoritmi quantistici.1 Il ragionamento sposta così l’attenzione dalla singola macchina all’intero ecosistema necessario per produrre risultati scientifici.

L’accademico dell’Accademia cinese di ingegneria Gao Wen ha proposto una base infrastrutturale guidata dal Pengcheng Laboratory, con obiettivi indicati come calcolo dell’ordine dei 10 gigascale, rete dell’ordine dei 10 petascale e integrazione con 10 gigawatt di energia pulita.1 Nel contesto del congresso, queste cifre rappresentano una pianificazione congiunta di calcolo, connettività ed energia, destinata a fornire risorse integrate ai laboratori nazionali.

È questo il passaggio più strategico del concetto di “quantum–supercomputing–AI”. Se la capacità di calcolo è considerata una risorsa di base per ricerca, industria e sicurezza, la competizione non riguarda più soltanto un processore. Riguarda la capacità di garantire nel tempo potenza di calcolo, dati, energia, competenze e casi d’uso.

I supercomputer sono già la base concreta dell’AI for Science

L’accademico dell’Accademia cinese di ingegneria Zheng Weimin ha descritto i supercomputer più avanzati come “enormi computer per l’intelligenza artificiale”, soprattutto quando vengono impiegati nella ricerca scientifica. In questa architettura, il calcolo quantistico potrebbe diventare il livello successivo.1

La sequenza temporale è relativamente pragmatica: il potenziale del quantum computing è enorme, ma supercalcolo e AI for Science sono già disponibili per attività come la scoperta di materiali e la previsione della struttura delle proteine.1 I ricercatori possono quindi utilizzare subito infrastrutture classiche mature e, in futuro, assegnare ai sistemi quantistici i problemi per cui offriranno un vantaggio concreto.

Questo approccio evita di dover aspettare l’arrivo di un computer quantistico universale e pienamente fault-tolerant prima di sviluppare applicazioni. Nel frattempo, l’AI e il supercalcolo possono sostenere la preparazione dei dati, la calibrazione degli esperimenti e la progettazione degli algoritmi.

La scoperta dei materiali come prova del modello integrato

Un esempio presentato al congresso riguarda la ricerca di nuovi superconduttori ad alta temperatura. La procedura ha combinato il principio della metallizzazione dei legami sigma, tratto dalla teoria quantistica dei molti corpi, con uno screening basato sull’AI. Partendo da un database di oltre due milioni di materiali, il metodo ha individuato 31 candidati, 18 dei quali non erano stati previsti in precedenza.1

Il valore del caso non sta nell’idea che l’AI possa sostituire la fisica. Al contrario, mostra una collaborazione tra discipline:

• la teoria fisica definisce il criterio di ricerca;
• l’AI esplora un numero enorme di candidati;
• il supercalcolo gestisce l’elaborazione dei dati e le verifiche necessarie.

L’accademico Gong Xinguo ha inoltre sostenuto che l’AI potrebbe permettere di definire i problemi in linguaggio naturale e di richiamare specifiche “competenze” per il calcolo, la progettazione e la sintesi dei materiali.1 Se il modello maturerà, l’accesso alla ricerca sui materiali potrebbe dipendere meno dalla capacità di scrivere manualmente complesse pipeline computazionali e più dalla formulazione delle domande, dalla combinazione degli strumenti e dalla verifica dei risultati.

Il confronto con gli Stati Uniti

Gao Wen ha collegato questa visione alle iniziative statunitensi nel settore. I materiali pubblici del Dipartimento dell’Energia degli Stati Uniti descrivono la Quantum Genesis Initiative come uno sforzo per sviluppare computer quantistici fault-tolerant scientificamente rilevanti e coordinare il contributo del governo federale, dei laboratori nazionali e dell’industria.

Il messaggio emerso da Shenzhen è che la Cina dovrebbe rispondere con un impegno altrettanto sistemico, senza limitarsi a competere su un singolo indicatore hardware. I programmi dei diversi Paesi, tuttavia, hanno obiettivi, strutture organizzative e ambiti di investimento differenti: il confronto più prudente riguarda quindi la direzione strategica e il modo di organizzare le infrastrutture, non una presunta leadership totale già acquisita da una delle parti.

È già un piano nazionale cinese?

No, almeno non sulla base delle informazioni disponibili. “Quantum–supercomputing–AI” è stato il tema del congresso e rappresenta le valutazioni strategiche e le proposte formulate dagli accademici e dagli esperti presenti; non è stato presentato come un piano nazionale formalmente approvato.123

L’evento ha però delineato una linea di politica tecnologica riconoscibile:

• usare l’AI per migliorare hardware, software e algoritmi quantistici;
• affidare ai supercomputer le applicazioni di AI for Science nel breve periodo;
• considerare il quantum computing come un futuro livello per problemi complessi e mirati;
• pianificare insieme calcolo, reti, energia pulita e risorse dei laboratori nazionali;
• collegare università, istituti di ricerca, imprese, utenti e capitali per portare i risultati dal laboratorio alla produzione su scala.237

La notizia più importante di Shenzhen, dunque, non è che il calcolo quantistico sia già entrato nella sua fase di piena utilità commerciale. È che la narrazione della competizione cinese sta cambiando: dalla domanda “chi possiede il dispositivo quantistico più potente?” alla domanda “chi riesce a organizzare meglio quantum computing, AI, supercalcolo e infrastrutture scientifiche in un unico sistema?”.