讲一家大家可能没有关注的标的 QNT

مستقبلًا قد يعمل المطورون بهذه الطريقة:

NVIDIA CUDA-Q يكتب برامج هجينة
↓
الـGPU ينفّذ المحاكاة ويدعم الذكاء الاصطناعي والتحسين وفك ترميز تصحيح الأخطاء
↓
QNT Helios QPU يتولّى جزء الحوسبة الكمّية
↓
Guppy / Helios runtime مسؤولان عن تنفيذ البرامج الكمّية والتحكم

وهذا يشبه إلى حدّ ما:

بداية ملامح منظومة CUDA لعصر الحوسبة الكمّية.
يمكنك فهم أجهزة Quantinuum / QNT الكمّية على أنها ليست مجرد كمبيوتر عادي أسرع، بل معزّز موجّه لمعالجة “المشكلات شديدة التعقيد على مستوى الكم”. أكثر ما تبرز قيمته، ليس فتح صفحات الويب وتشغيل ذكاء اصطناعي عادي وكتابة كود، بل حلّ المشكلات التي يصعب على وحدات CPU/GPU العادية محاكاتها.

أكثر المجالات التي قد يساعدنا في تحقيقها:

1. محاكاة مواد جديدة وبطاريات جديدة ورقائق/مواد أشباه موصلات جديدة

هذا هو الاتجاه الذي أراه “الأقوى”.

كثير من المواد هي في جوهرها أنظمة كمّية، مثل مواد أشباه الموصلات والمواد فائقة التوصيل، وأملاح/كيمياء الإلكتروليت في البطاريات، والعوامل الحفّازة، والمواد البصرية/الضوئية. من الصعب جدًا على الحواسيب التقليدية محاكاة ذلك لأن التفاعلات بين الإلكترونات معقدة للغاية. الحوسبة الكمّية مناسبة طبيعيًا لمحاكاة الأنظمة الكمّية.

لذا قد تساعد مستقبلًا الشركات في العثور بسرعة أكبر على:

مواد جديدة، ومواد فائقة التوصيل، ومواد بطاريات أكثر كفاءة، ومواد للتواصل البصري (الضوئي)، وجزيئات أدوية، وعوامل حفّازة.

حتى Quantinuum تضع اكتشاف المواد، وأمن الشبكات، وذكاء اصطناعي كمّي من الجيل التالي ضمن أولوياتها.

2. تطوير الأدوية ومحاكاة الكيمياء

هذا أيضًا محوري. بنية جزيئات الأدوية، مستويات الطاقة الجزيئية، ارتباط البروتينات، ومسارات التفاعل—كلها في جوهرها شديدة التعقيد. إذا نضجت الحوسبة الكمّية، فقد تساعد شركات الأدوية على فرز الجزيئات بسرعة أكبر وتقليل كلفة التجارب.

ذكرت Quantinuum وNVIDIA إطار عمل لذكاء اصطناعي كمّي توليدي، يستخدم GPU + الحوسبة الكمّية لتوليد دوائر الحالة الأساسية للأنظمة الكيميائية، وتحقيق تسارع 234 ضعفًا في توليد بيانات تدريب الجزيئات المعقدة؛ كما قدموا عرضًا باستخدام جزيء مرتبط بالدواء imipramine.

لكن انتبه: هذا لا يعني أن “كل تطوير أدوية سيتسارع 234 ضعفًا” مباشرة، بل يعني تسارعًا داخل إطار/مسار محدد، ولا ينبغي تضخيم الأمر.

3. تصحيح أخطاء الكمّ لكي تصبح الحوسبة الكمّية قابلة للاستخدام فعليًا

هذه نقطة مهمة جدًا. سابقًا كان أكبر تحدٍ في الحوسبة الكمّية أنها شديدة القابلية للخطأ.

التركيز لدى Helios من Quantinuum ليس مجرد تجميع qubit، بل التوجه نحو “الكيوبِتات المنطقية” و“تصحيح الأخطاء”. تزعم Helios أنها تستطيع الوصول إلى 50 qubit منطقيًا مُكتشفًا للخطأ، وأنها تحقق أداء أفضل من نقطة التعادل (better-than-break-even)؛ كما أشارت إلى 48 qubit منطقيًا مصححًا بالكامل للأخطاء، بنسبة ترميز 2:1.

هذا يشبه الانتقال في السابق من مرحلة “تشغيل المعالج داخل المختبر” إلى مرحلة “حوسبة مستقرة”. من دون تصحيح أخطاء، يصعب تحويل الحوسبة الكمّية إلى عمل تجاري؛ ومع تصحيح الأخطاء فقط، يمكن أن تدخل مرحلة الاستخدام الفعلي.

4. الدمج مع وحدات NVIDIA GPU وتحويلها إلى “حوسبة كمّية + سوبر كمبيوتر للذكاء الاصطناعي”

وهذا هو جوهر تعاون Quantinuum وNVIDIA.

الحاسوب الكمّي يتعامل مع الحالات الكمّية؛ الـGPU يتولى الحوسبة اللحظية، وفك ترميز تصحيح الأخطاء، ونماذج الذكاء الاصطناعي، والتحسين الكلاسيكي. هدف NVIDIA NVQLink هو ربط سوبر كمبيوتر الـGPU بمعالج الكمّ، بحيث تعمل الـCPU وGPU وQPU ضمن نظام مختلط واحد.

كما تقول Quantinuum أيضًا إن Helios سيُدمج مع NVIDIA Grace Blackwell / NVQLink / CUDA-Q / Guppy، باستخدام GPU لتنفيذ فك ترميز تصحيح أخطاء الكمّ بشكل لحظي.

لذلك ليست الفكرة “الحوسبة الكمّية ستطيح بـ NVIDIA”، بل أقرب إلى: الحوسبة الكمّية تحتاج GPU من NVIDIA كي تصبح قابلة للاستخدام. ولهذا السبب يعد تعاون NVIDIA أمرًا حاسمًا.

5. التمويل، والتحسين التوافقي (Combinatorial Optimization)، ونماذج المخاطر

على المدى الطويل، قد تساعد الحوسبة الكمّية المؤسسات المالية في:

تحسين التوليفات، ومحاكاة المخاطر، وتسعير المشتقات المعقدة، والبحث عن المسارات، واختبار الضغوط في السيناريوهات القصوى.

لكن هذا الاتجاه ليس—حتى الآن—بوضوح كبير مثل المواد/الكيمياء. الكثير من مشاكل التمويل يمكن حلها بشكل ممتاز باستخدام GPU وذكاء اصطناعي وخوارزميات تحسين تقليدية. ولإثبات تفوقها بشكل واضح، تحتاج الحوسبة الكمّية إلى نطاق أكبر وتصميم أكثر استقرارًا من الـqubits المنطقية.

وبالنسبة لمنتجك التجاري في التداول، لن أقول إنه يستطيع الآن مساعدتك مباشرة في “التنبؤ باتجاه صعود/هبوط BTC/ETH”. الأكثر واقعية هو استخدامه مستقبلًا لـ:

ضبط المعلمات، ونماذج المخاطر، وتوزيع المراكز التوافقية (Combinatorial Positions)، ومحاكاة المسارات المعقدة، واختبار ضغط السوق في السيناريوهات القاسية/القصوى.

لكن على المدى القصير، من المرجح أن يظل منتجك—مع Python + تنظيف البيانات + الآلات الحالة (state machine) + أنظمة تعلم آلي/قواعد تقليدية—يوفر قيمة أفضل مقابل الكلفة.

6. الأمن السيبراني والتشفير

أكثر ما سيكون مثيرًا للصدمة على المدى الطويل هو: إذا ظهرت حوسبة كمّية قوية للغاية وقادرة على تحمل الأخطاء، فمن الناحية النظرية يمكنها استهداف العديد من منظومات التشفير بالمفاتيح العامة المستخدمة اليوم، مثل RSA وECC.

لكن Helios اليوم لا يستطيع القيام بهذا فورًا. فهو يحتاج إلى كمية كبيرة جدًا من qubits المنطقية، وإلى درجة عالية جدًا من الاستقرار. يهدف مخطط Quantinuum إلى تحقيق حوسبة كمّية عامة وقابلة للتصحيح بالكامل بحلول 2030؛ كما أنهم يقولون إن المستقبل سيميل إلى استخدام مئات الـqubits المنطقية للمشكلات العلمية والتجارية.

لذا القيمة التجارية لهذا المسار هي أن: الحكومات والبنوك وشركات السحابة والشركات العسكرية وشركات الأمن كلها ستولي اهتمامًا بـ“التشفير لما بعد الكم”.

خلاصة بجملة واحدة

أرجح أن تساعد أجهزة QNT / Quantinuum الكمّية البشرية أولًا في تحقيق: مواد جديدة، وأدوية جديدة، ومحاكاة كيميائية، وتصحيح أخطاء كمّية، وحوسبة كمّية + سوبر كمبيوتر للـGPU، وتحسينات معقدة، وترقية أمن الشبكات مستقبلًا.

لكن على المدى القصير فهي ليست “كمبيوترًا شاملاً بديلًا عن GPU”، بل أقرب إلى “محرك خاص” داخل سوبر كمبيوترات المستقبل. طريق الربح الحقيقي، على الأرجح، ليس بيع كمبيوترات للأفراد، بل بيع حلول للشركات الدوائية والكيماوية ومواد الهندسة والتمويل والحكومات ومراكز الحوسبة السحابية والسوبر للذكاء الاصطناعي. ولكي يحدث انفجار تجاري، فالعامل الحاسم هو: هل يمكن توسيع الـqubits المنطقية باستمرار؟ وهل يمكن استمرار خفض معدل الأخطاء؟ وهل سيتمكن العملاء من إنتاج نتائج لا يستطيع السوبر كمبيوتر التقليدي تحقيقها.