Permintaan AI Semakin Mendekati Skala Kuantum

Komputasi kuantum masih bertahun-tahun lagi sebelum dipakai luas untuk bisnis. Namun pemerintah sudah menggelontorkan dana besar agar bidang ini berkembang. AS menyiapkan sekitar $2 miliar untuk sektor ini, dengan dana yang terkait dengan pembuatan chip dan komponen kuantum (bagian khusus yang dibutuhkan komputer kuantum).

Yang terlihat seperti dana riset bisa jadi sebenarnya rencana membangun infrastruktur komputasi yang lebih dalam untuk mendukung AI.

Strategi nasional makin cepat

Komitmen AS mencakup sekitar $1 miliar untuk fasilitas pembuatan chip kuantum IBM di New York dan tambahan $375 juta untuk GlobalFoundries guna mendukung pembuatan komponen kuantum. Prancis juga berkomitmen €1,5 miliar untuk strategi kuantum dan mikroelektronik (komponen elektronik sangat kecil seperti di chip). Angka-angka ini bukan hibah riset kecil; ini lebih mirip kebijakan strategis tingkat nasional.

Pola ini mirip siklus infrastruktur AI. Sebelum AI generatif (AI yang bisa membuat teks/gambar) jadi arus utama, rantai pasok sudah dibangun: GPU (chip untuk komputasi paralel cepat), chip canggih, kapasitas cloud (server sewaan via internet), pusat data, perangkat jaringan, dan kebutuhan listrik.

Komputasi kuantum masih tahap awal, tetapi logikanya sama. Pemerintah ingin kemampuan di dalam negeri sebelum teknologinya penting secara bisnis. Mereka membangun “rel” lebih dulu sebelum “lalu lintas” besar datang.

Ini bukan berarti semua perusahaan kuantum layak diinvestasikan sekarang. Namun ini menunjukkan sektor tersebut bergerak dari riset laboratorium menuju rencana infrastruktur jangka panjang.

Penjelasan Komputasi Kuantum

Sederhananya:

• Komputer klasik memakai bit (0 atau 1)
• Komputer kuantum memakai qubit (0, 1, atau keduanya sekaligus lewat superposisi, yaitu keadaan ganda pada saat yang sama)

Qubit juga bisa terhubung lewat keterjeratan (entanglement), yaitu kondisi ketika keadaan satu qubit memengaruhi qubit lain dengan cara yang sulit ditiru komputer biasa. Cara ini memungkinkan evaluasi banyak sekali kemungkinan solusi secara bersamaan, sehingga bisa memberi keunggulan untuk masalah yang pada komputer biasa memakan waktu bertahun-tahun.

Namun komputasi kuantum tidak membuat semua pekerjaan lebih cepat. Ini bukan versi “lebih bagus” dari komputer biasa. Keunggulannya ada pada bidang tertentu: simulasi kimia, analisis kriptografi (menguji/memecahkan sistem sandi), optimasi skala besar (mencari solusi terbaik dari banyak pilihan), dan sebagian tugas pembelajaran mesin.

Untuk sebagian besar beban kerja saat ini, terutama pelatihan AI skala besar dan inferensi (saat model AI dipakai untuk memberi hasil), GPU masih menjadi alat utama. GPU seperti chip NVIDIA H200 atau superkomputer AI SpaceX “Colossus” masih banyak dikuasai pemimpin pasar AI saat ini.

Komputasi kuantum bisa menjadi sangat kuat, tetapi keunggulannya dalam waktu dekat masih terbatas. Peluang yang lebih masuk akal bisa ada pada perusahaan yang membangun “jembatan” antara sistem komputer biasa saat ini dan kemampuan kuantum di masa depan.

Perkembangan saat ini di bidang kuantum

Perangkat kuantum saat ini sering disebut sistem NISQ (noisy intermediate-scale quantum), yaitu komputer kuantum skala menengah yang masih “berisik”. “Berisik” berarti banyak gangguan/kesalahan sehingga hasilnya belum stabil. Artinya sederhana: mesin sekarang berguna untuk eksperimen, tapi belum cukup andal untuk dipakai luas di bisnis.

Perangkat yang bisa ditingkatkan skalanya ini masih dibatasi oleh tingkat kesalahan (error rate), kebutuhan pendinginan ekstrem, dan jumlah qubit. Komputasi kuantum yang benar-benar berguna bukan hanya soal membuat perangkatnya, tetapi menjaga qubit tetap stabil dengan tingkat kesalahan rendah, tetap dingin, dan cukup banyak jumlahnya.

Sisi positifnya, kemajuan kini terjadi pada tingkat arsitektur perangkat keras (cara chip dan sistemnya dirancang), bukan hanya teori.

Chip Willow dari Google menunjukkan kemajuan pada koreksi kesalahan kuantum (cara mengurangi kesalahan perhitungan) dan performa pembanding (benchmark, yaitu uji standar). Pengumuman Majorana 1 dari Microsoft mengarah pada kemungkinan arsitektur qubit topologis (jenis qubit yang diharapkan lebih stabil karena sifat fisika tertentu). Jika terbukti pada skala besar, pendekatan ini bisa lebih stabil. IBM juga menerbitkan peta jalan yang menargetkan “keunggulan kuantum” jangka dekat (quantum advantage: saat komputer kuantum lebih unggul untuk tugas tertentu) pada akhir 2026, dan kemampuan toleran kesalahan (fault-tolerant: tetap benar meski ada kesalahan) pada 2029.

Ini tidak berarti komputasi kuantum siap dipakai bisnis dalam waktu dekat. Namun ini menunjukkan sektor bergerak dari pencapaian lab yang terpisah menuju jalur rekayasa yang lebih jelas. Tantangannya adalah memperbesar skala kemajuan ini, menggabungkannya menjadi sistem yang mudah dipakai, tanpa menganggap semua target waktu pasti tepat.

Kisah perangkat kerasnya membaik. Jadwal kesiapan untuk bisnis masih belum pasti.

Titik temu kuantum dan AI

Persiapannya sangat serius. Lembaga keuangan, instansi pemerintah, penyedia layanan kesehatan, perusahaan utilitas, dan kontraktor pertahanan mengelola data yang harus aman selama bertahun-tahun. Adopsi AI menambah urgensi, seperti terlihat pada hasil Okta. Saat perusahaan membuat, menyimpan, dan memindahkan lebih banyak data sensitif, kebutuhan infrastruktur keamanan yang lebih kuat makin mudah dibenarkan.

Jalur paling mungkin untuk komputasi kuantum adalah integrasi, bukan perubahan mendadak.

Sistem hibrida kuantum-klasik memungkinkan perusahaan menguji kemampuan kuantum sambil tetap mengandalkan infrastruktur komputasi yang ada. Sistem RacQ dari Equal1 dan Dell adalah salah satu contoh. Sistem ini dirancang sebagai perangkat kuantum-klasik dalam rak server (rack-mounted: dipasang di lemari server), sehingga lebih dekat dengan setup pusat data standar.
Pembeli perusahaan tidak mengadopsi teknologi hanya karena canggih. Mereka mengadopsinya jika cocok dengan alur kerja, didukung vendor, dan ada alasan jelas untuk dipakai.

Sistem hibrida juga mendorong kebutuhan perangkat pendukung: elektronik kontrol (alat pengatur qubit), sistem kriogenik (pendinginan sangat dingin), komponen analog (komponen sinyal kontinu), alat pemrosesan sinyal, dan komputasi klasik berperforma tinggi.

Persilangan inovasi kuantum dan AI bisa diringkas menjadi area berikut:

1. AI meningkatkan sistem kuantum – pembelajaran mesin untuk membantu koreksi kesalahan, kalibrasi (penyetelan agar akurat), riset material, dan desain sistem (terjadi di laboratorium)
   
2. Keamanan siber pasca-kuantum – perusahaan meningkatkan enkripsi (cara mengunci data) sebelum komputer kuantum yang kuat bisa mengancam sistem saat ini. (sedang berjalan lewat belanja pemerintah)
   
3. Sistem hibrida kuantum-klasik – koprosesor kuantum (chip pendamping) untuk tugas khusus bernilai tinggi. (infrastruktur mulai muncul, namun masih ditantang rekayasa saat ini)
   
4. Beban kerja AI yang ditingkatkan kuantum – potensi bantuan untuk optimasi atau proses pembelajaran mesin.

Di sinilah kisah investasinya lebih realistis. Perusahaan yang memasok lapisan pendukung bisa menghasilkan pendapatan sebelum perangkat keras kuantum murni mencapai skala bisnis.

Pasar bergerak terlalu cepat

Kuantum punya bahan untuk narasi pasar yang kuat: keamanan nasional, permintaan AI, chip canggih, dan perubahan komputasi jangka panjang. Ini juga membuatnya mudah dinilai terlalu mahal.

Beberapa perusahaan kuantum murni (pure-play: fokus utamanya hanya kuantum) sudah menarik valuasi (penilaian harga perusahaan) berdasarkan pasar masa depan yang belum terbentuk. Rencana Terra Quantum untuk melantai di Nasdaq lewat SPAC (SPAC: kendaraan perusahaan “cangkang” untuk membawa perusahaan lain masuk bursa) dengan valuasi sekitar $3,5 miliar adalah contoh. Fokusnya pada algoritma, alat keamanan, dan sistem hibrida lebih praktis, tetapi valuasinya tetap bergantung pada seberapa cepat permintaan bisnis berkembang.

Jadwal perangkat keras masih menjadi risiko.

• Peta jalan IBM memberi target yang bisa dipantau, tetapi jadwal bisa mundur.
• Pendekatan qubit topologis Microsoft bisa penting, tetapi masih perlu pembuktian lebih luas pada skala besar.
• Kemajuan koreksi kesalahan Google penting, tetapi kegunaan untuk bisnis adalah ujian berbeda.

Biaya juga penting. Perangkat keras kuantum bergantung pada komponen khusus, pendinginan ekstrem, manufaktur presisi (pembuatan sangat akurat), dan sistem kontrol yang rumit. Saat sistem membesar, biaya mungkin tidak turun secepat harapan investor.
Ini bisa menekan perusahaan yang fokus perangkat keras sebelum pendapatannya cukup untuk menutup belanja.

Apa yang bergerak di VT Markets

VT Markets menawarkan akses awal untuk mengikuti pergerakan pasar yang dekat dengan inovasi kuantum. Peluang jangka dekat ada pada lapisan yang bisa mendapat manfaat sebelum komputer kuantum toleran kesalahan tersedia.

Seperti pembangunan rantai pasok AI, pendekatan yang lebih rapi adalah melihat kuantum sebagai “tumpukan” (stack: lapisan teknologi dari bawah ke atas), bukan satu transaksi. Eksposur jangka dekat yang lebih kuat bisa datang dari perusahaan yang membangun ekosistem sebelum komputer kuantum toleran kesalahan mencapai skala bisnis.

IBM punya eksposur paling langsung di pasar saham lewat peta jalan kuantum dan perannya dalam manufaktur. Relevansi Nvidia berbeda: berada di jembatan antara prosesor kuantum dan komputasi klasik, tempat simulasi (meniru perilaku sistem), koreksi kesalahan, dan integrasi sistem akan tetap penting bertahun-tahun.

Nama-nama keamanan siber bisa memberi eksposur jangka dekat yang lebih jelas. Palo Alto Networks, Fortinet, dan CrowdStrike bukan pemain kuantum murni, tetapi dekat dengan anggaran keamanan perusahaan yang bisa meningkat karena migrasi pasca-kuantum (peralihan ke enkripsi yang tahan serangan komputer kuantum).

Perangkat keras kuantum pure-play menawarkan potensi keuntungan lebih besar, tetapi juga risiko eksekusi lebih tinggi. Membeli lapisan ini berarti bertaruh pada kemajuan fisika, rekayasa, dan manufaktur, bukan hanya permintaan pasar.

Komputasi kuantum bukan “AI berikutnya” dalam arti yang sederhana dan langsung. Kemungkinan besar, ia menjadi bagian dari infrastruktur di bawah AI, keamanan siber, dan komputasi canggih.

Peluangnya bukan menganggap komputer kuantum akan menggantikan GPU atau mengubah AI dalam semalam. Peluang ada pada lapisan yang sedang terbentuk: manufaktur chip, sistem hibrida, perangkat kontrol, dan keamanan siber pasca-kuantum.