La carrera global por la inteligencia artificial cuántica: avances reales en Google, Microsoft y startups emergentes
Google y Microsoft exploran distintas combinaciones de IA y computación cuántica. Sus resultados requieren distinguir simulaciones cuánticas específicas, pruebas de concepto y descubrimientos obtenidos con IA y cálculo clásico.
Introducción
El mundo se encuentra en la antesala de una revolución tecnológica: la convergencia entre la inteligencia artificial (IA) y la computación cuántica. Esta nueva frontera, que hoy podríamos llamar “inteligencia artificial cuántica”, está siendo impulsada por gigantes de la tecnología como Google Quantum AI y Microsoft, así como por startups que buscan entrar en esta carrera global. El objetivo es sencillo en apariencia: aprovechar los fenómenos cuánticos —superposición, entrelazamiento, interferencia— para resolver problemas de IA, aprendizaje automático y optimización que los sistemas clásicos no pueden gestionar eficientemente.
El estado del arte: hardware, algoritmos y IA
¿Qué aporta la computación cuántica a la IA?
La computación cuántica utiliza superposición e interferencia para resolver determinados problemas con algoritmos específicos. Eso no permite leer todas las soluciones a la vez ni acelera cualquier red neuronal. Google Research presenta optimización, muestreo y aprendizaje automático como áreas de investigación con potencial, cuya ventaja debe evaluarse frente a métodos clásicos comparables. (Google Research)
Avances de Google: chip Willow y el algoritmo «Quantum Echoes»
En octubre de 2025, Google comunicó que Quantum Echoes, ejecutado en Willow, realizó una prueba específica de correladores cuánticos unas 13 000 veces más rápido que la estimación del método clásico comparado. El trabajo de geometría molecular fue una prueba de concepto separada. La cifra no demuestra que el modelado molecular general ni el entrenamiento de IA se aceleren 13 000 veces. (Google Quantum AI)
Microsoft Azure Quantum: IA, materialidad y aplicación
Por su parte, Microsoft está dando pasos en una dirección complementaria: su plataforma Azure Quantum ya ofrece integración entre IA, computación cuántica y supercomputación (HPC). Según su documentación, Azure Quantum permite ejecutar algoritmos cuánticos, usar simuladores y estimar los recursos que necesitarían programas en futuras máquinas cuánticas escaladas. (learn.microsoft.com) Un ejemplo real: Microsoft colaboró para realizar un cribado de más de 32 millones de candidatos materiales mediante IA, con el fin de encontrar un electrolito innovador para baterías, como parte de su iniciativa “Azure Quantum Elements”. (azure.microsoft.com)
Por qué esta carrera importa
Optimización y aprendizaje automático
Se investigan algoritmos cuánticos para optimización, clasificación y generación de muestras. Su utilidad práctica depende del problema, de cómo se cargan y leen los datos, del ruido y del costo total. Una mejora en un ensayo no establece una ventaja general sobre los métodos clásicos de IA.
Materiales, descubrimiento científico y IA cuántica aplicada
Los ejemplos citados ilustran vías diferentes. Google estudió correlaciones cuánticas y una prueba de geometría molecular. Microsoft y PNNL combinaron IA, cálculos clásicos y síntesis de laboratorio para buscar un electrolito. Las fuentes no muestran que Quantum Echoes haya alimentado ya un sistema general de IA para descubrir materiales útiles.
Startups, ecosistema y competencia global
La carrera no es solo de Google o Microsoft. Existe un creciente ecosistema de startups que están explorando combinaciones de IA y computación cuántica. Estas empresas aportan agilidad, enfoques novedosos y experimentación rápida, y muchas veces colaboran con los gigantes o reciben financiación conjunta. Esta dinámica convierte la IA cuántica en una arena competitiva, con efectos sobre la innovación global, la soberanía tecnológica y el liderazgo en investigación.
Resultados observados y aplicaciones en investigación
Conviene distinguir qué se midió en cada trabajo:
- Correlaciones cuánticas en una prueba especializada de Google.
- Una demostración separada de estimación de geometría molecular.
- Cribado computacional y validación experimental de un candidato a electrolito mediante IA y cálculo clásico.
- Investigación pendiente sobre ventajas prácticas en otras tareas de aprendizaje y optimización.
El cribado de más de 32 millones de candidatos de Microsoft utilizó IA y computación clásica de alto rendimiento. PNNL sintetizó y probó un candidato. Aunque la plataforma se llama Azure Quantum Elements, este resultado no demostró una aceleración obtenida con un procesador cuántico. (Microsoft)
Desafíos y obstáculos por resolver
- Corrección de errores y escalabilidad: Los qubits siguen siendo extremadamente sensibles al ruido.
- Integración IA–cuántica: Requiere nuevos lenguajes, frameworks y arquitecturas híbridas.
- Hardware cuántico comercial: Aún estamos en fase de prototipos.
- Talento especializado: Se necesitan perfiles híbridos de IA, física cuántica e ingeniería.
Mirando hacia el futuro
Los próximos avances dependerán de hardware, corrección de errores, algoritmos y comparaciones reproducibles. Las fuentes citadas muestran progresos concretos y objetivos de investigación; no permiten fijar una década para su adopción general ni asegurar ventajas en todos esos sectores.
Fuentes y referencias
Google Quantum AI, Quantum computation of molecular geometry via many-body nuclear spin echoes
- Google Research — Quantum Computing: https://research.google/research-areas/quantum-computing/
- Google Blog — Quantum Echoes: https://blog.google/technology/research/quantum-echoes-willow-verifiable-quantum-advantage/
- Microsoft Learn — Azure Quantum overview: https://learn.microsoft.com/en-us/azure/quantum/overview-azure-quantum
- Microsoft Azure Blog — Scientific discovery with AI: https://azure.microsoft.com/en-us/blog/quantum/2024/01/09/unlocking-a-new-era-for-scientific-discovery-with-ai-how-microsofts-ai-screened-over-32-million-candidates-to-find-a-better-battery/
