Hjem · Nyheter · Kvante-AI 2026 — feiltoleranse går fra teori til ingeniørkunst
Nyhet

Kvante-AI 2026 feiltoleranse går fra teori til ingeniørkunst

Kvantefeilretting forlater laboratoriet i 2026. Logiske qubits teller nå i hundretall, men praktisk kvante-AI for vanlige bedrifter ligger fortsatt år frem.

Kvante-AI 2026 — feiltoleranse går fra teori til ingeniørkunst

I 2026 gikk kvantefeilretting fra laboratorieforsøk til en observerbar ingeniørkurve. Flere maskinvareleverandører viser logiske qubits i nittiårs- til hundretallsklassen, og dekodingen skjer nå under mikrosekundet. Fault-tolerant kvanteberegning er ikke lenger en teoretisk prognose, men en målbar utvikling — selv om praktisk kvante-AI for vanlige bedrifter fortsatt ligger flere år frem.

Hva en logisk qubit egentlig er

For å forstå nyheten må man skille mellom to ting. En *fysisk qubit* er den faktiske maskinvare-enheten — et superledende kretselement, et nøytralt atom eller en ione — som lagrer kvanteinformasjon. Problemet er at fysiske qubits er ekstremt skjøre: de mister informasjonen sin på mikrosekunder på grunn av støy fra omgivelsene.

En *logisk qubit* er løsningen. Den bygges ved å spre informasjonen utover mange fysiske qubits og kontinuerlig rette feil underveis, slik at den samlede enheten holder på informasjonen langt lenger enn de enkelte delene. Dette kalles feilretting, og det er selve flaskehalsen mot nyttige kvantemaskiner. Når bransjen i 2026 snakker om «logiske qubits i hundretall», betyr det at de klarer å bygge stabile enheter ut av tusenvis av ustabile.

Det som faktisk skjedde i 2026

Skiftet i 2026 var at feilretting ble en ren ingeniøroppgave i stedet for et forskningsspørsmål. IBM rapporterte en tidobling i hastigheten på selve feilrettings-dekodingen — altså beregningen som finner ut hvor feilen er og korrigerer den i sanntid — og nådde dette omtrent et år før egen plan.

Dekoding under mikrosekundet er kritisk, fordi en kvantemaskin må rette feil raskere enn nye feil oppstår. Klarer man ikke det, drukner maskinen i sin egen støy. Google Quantum AI, IBM og Microsoft demonstrerte alle sanntids feilretting i løpet av året, og flere aktører beveger seg mot såkalte qLDPC-koder, en mer effektiv familie av feilrettingskoder som krever færre fysiske qubits per logiske qubit.

Parallelt vokste nøytralatom-plattformer frem som en seriøs konkurrent til superledende qubits, med arkitekturer som er enklere å skalere opp i antall.

Hvorfor «kvante-AI» og ikke bare kvante

Koblingen til AI er todelt, og her er det viktig å være edruelig. Den ene retningen handler om at kvantemaskiner i teorien kan akselerere visse beregninger som ligger under maskinlæring — for eksempel optimalisering og simulering av molekyler og materialer. Den andre retningen er at klassisk AI brukes til å styre selve kvantemaskinen, blant annet til å dekode feil raskere.

Det som *ikke* er sant i 2026, er at kvantemaskiner trener eller kjører dagens språkmodeller. Den koblingen er fortsatt spekulativ. Den realistiske gevinsten på kort sikt ligger i smale, godt avgrensede problemer innen kjemi, materialteknologi og logistikk — ikke i generell AI.

Hva det betyr for norske virksomheter

For de aller fleste norske bedrifter er kvante-AI i 2026 noe å forstå, ikke noe å kjøpe. Teknologien er fortsatt på forsknings- og pilotstadiet, og tilgang skjer i praksis via skytjenester fra de store leverandørene, ikke gjennom egen maskinvare.

To miljøer bør likevel følge nøye med. Det første er sektorer der kvantesimulering kan gi reell verdi over tid: prosessindustri, materialutvikling, batteriteknologi, farmasi og energi. Det andre er sikkerhetsmiljøer, fordi modne kvantemaskiner på sikt kan true dagens kryptering. Overgangen til kvantesikker kryptografi er allerede en pågående prosess, og den bør planlegges nå selv om trusselen ligger år frem.

Slik forholder du deg til det

«Feilretting flyttet seg i 2026 fra et åpent forskningsspørsmål til en målbar ingeniørtrajektorie, med logiske qubits i hundretallsklassen og dekoding under mikrosekundet.» — Bransjeoppsummering av kvantefeilretting, 2026

Slik vurderer vi

Vi baserer innholdet på offisielle priser, leverandørenes egne sider og uavhengige kilder, oppdatert løpende. Vi tjener provisjon på enkelte lenker, men det påvirker ikke vurderingen.

Ansvarlig redaktør
Ingar

Ingar er ansvarlig redaktør i altai og jobber til daglig med AI-rådgivning og digitale tjenester for norske virksomheter. altai er hans uavhengige oversikt over AI-verktøy for et norsk publikum.

← Alle nyheter