Computação quântica nos EUA entrou em fase de política industrial, com o Departamento de Comércio sinalizando US$ 2 bilhões para nove empresas do setor. A leitura prática para devs e profissionais de IA no Brasil é simples: vai crescer a demanda por software quântico, simulação, controle de hardware e criptografia pós-quântica.
Segundo a GovTech, as cartas de intenção incluem IBM, com US$ 1 bi, e GlobalFoundries, com US$ 375 mi. Carta de intenção ainda passa por negociação, mas o recado já foi dado para mercado, universidades e fornecedores.
Computação quântica nos EUA: por que o investimento de US$ 2 bi importa
O governo americano está tratando quantum computing como cadeia estratégica. Isso envolve qubits, chips, criogenia, controle eletrônico, compiladores, segurança e gente treinada. A disputa saiu do paper bonito e entrou em orçamento público.
A IBM é o nome óbvio aqui. O ecossistema IBM Quantum já puxa Qiskit, hardware na nuvem, roadmap de logical qubits e pesquisa em error correction. A GlobalFoundries entra pelo lado de fabricação, onde qualquer avanço depende de processo industrial confiável.
Para quem trabalha com IA generativa e ML, o ponto é acompanhar onde o dinheiro cria infraestrutura. Primeiro vem contrato, depois fornecedor, depois vaga. Foi assim em cloud, em semicondutores e em cibersegurança.
Quais empresas de quantum computing devem puxar vagas em 2026?
Além de IBM e GlobalFoundries, eu ficaria de olho em IonQ, Quantinuum, D-Wave, Xanadu e fornecedores menores de controle, fotônica, software e segurança. Nem toda vaga vai ter “quantum scientist” no título.
Deve aparecer demanda para backend, Python, C++, DevOps, MLOps, simulação numérica, integração com APIs e observabilidade. Em hardware, o funil é mais estreito, mas controle de sistemas, firmware e instrumentação tendem a ganhar força.
D-Wave segue forte em otimização. IonQ e Quantinuum brigam em íons aprisionados. Xanadu trabalha com fotônica. Google segue como referência técnica com Sycamore e Willow, mesmo fora desse pacote específico. O mercado não depende de uma única arquitetura.
Software quântico, Qiskit e simulação: onde devs podem entrar agora
O caminho mais pragmático para dev é software. Comece com Qiskit, circuitos básicos, simuladores, ruído, transpilation e execução em backend real. Depois avance para VQE, o Variational Quantum Eigensolver, otimização combinatória e kernels quânticos.
Na era NISQ, muita coisa ainda roda em simulador. Isso não diminui o valor técnico. Simular bem custa caro, exige HPC, boas abstrações e integração com pipelines de dados. Aqui entra a conexão com IA: geração de experimentos, busca de parâmetros, séries temporais e avaliação automática de resultados.
Quem já conhece PyTorch, JAX, NumPy e cloud tem vantagem. O salto é entender o modelo de computação, as limitações dos qubits físicos e por que error correction ainda é o gargalo central para quantum advantage útil.
Criptografia pós-quântica e PQC: por que segurança vira prioridade?
O investimento em computação quântica também acelera a agenda de segurança. O risco de harvest now, decrypt later é concreto: capturar tráfego cifrado hoje para tentar quebrar depois, quando máquinas mais fortes existirem.
O algoritmo de Shor ameaça RSA e ECC em cenário com qubits lógicos suficientes. O algoritmo de Grover afeta busca e simetria, com impacto diferente. Por isso o NIST padronizou algoritmos de criptografia pós-quântica, incluindo ML-KEM para troca de chaves e ML-DSA para assinaturas.
Empresas com dados de longo prazo, bancos, governo, saúde e infraestrutura crítica precisam mapear onde usam criptografia vulnerável. PQC vai gerar projeto chato, caro e necessário: inventário, migração, testes, compatibilidade e governança.
Vagas em computação quântica no Brasil: quais habilidades estudar primeiro
No Brasil, eu começaria por três trilhas. Primeira: Python científico, álgebra linear, probabilidade e otimização. Segunda: Qiskit, conceitos de qubits, circuitos, VQE, Grover e leitura de papers. Terceira: segurança, NIST, PQC, ML-KEM, ML-DSA e arquitetura de migração.
Para devs de IA, a ponte natural é quantum machine learning com senso crítico. Muita promessa ainda não fecha conta em produção. Mesmo assim, quem entende ML clássico, infraestrutura e fundamentos quânticos consegue separar demo de oportunidade real. Para uma trilha mais estruturada, a ementa da Scoras Academy fica em /#ementa.
Minha leitura: US$ 2 bi não colocam computador quântico substituindo GPU em 2026. O dinheiro cria mercado ao redor: SDKs, simulação, segurança, chips, controle e talentos. Quem começar agora com base sólida chega antes quando as vagas deixarem de ser nicho acadêmico.