El experimento publicado por D-Wave en Science demostró que un procesador cuántico especializado podía reproducir en minutos determinadas simulaciones de materiales magnéticos que resultaban extremadamente costosas para algunos métodos clásicos. El avance es relevante, pero no permite concluir que la computación cuántica haya invalidado las inversiones en centros de datos para inteligencia artificial, ni que pueda sustituir a las GPU utilizadas para entrenar y ejecutar modelos.

Las claves del experimento de D-Wave en 30 segundos

• D-Wave publicó en Science una demostración de ventaja cuántica en una simulación física concreta.
• La comparación de casi un millón de años corresponde a un método clásico y a unas condiciones determinadas.
• El sistema cuántico no entrenó una IA ni sustituyó el trabajo habitual de un centro de datos.
• Investigadores han desarrollado después simulaciones clásicas más competitivas para partes del problema.
• La computación cuántica apunta a complementar la infraestructura clásica, no a eliminarla.

La afirmación de que un ordenador cuántico resolvió con 12 kW lo que Frontier necesitaría casi un millón de años para calcular procede de las estimaciones presentadas por D-Wave. La empresa comparó su procesador de recocido cuántico con simulaciones clásicas de la dinámica de sistemas de espines, un tipo de problema de física cuántica en el que el coste computacional puede crecer rápidamente con el tamaño.

No se trataba de entrenar un gran modelo de lenguaje, procesar vídeos, servir una aplicación generativa o ejecutar las operaciones matriciales que dominan las cargas de IA. Era una simulación muy específica, diseñada además para ajustarse a la arquitectura física del procesador de D-Wave.

Ese matiz cambia por completo la interpretación.

Qué demostró realmente D-Wave

El trabajo, publicado en marzo de 2025 y posteriormente incluido en el volumen 388 de Science, utilizó procesadores cuánticos de recocido para estudiar la evolución fuera del equilibrio de ciertos sistemas magnéticos desordenados.

Los investigadores analizaron cómo se comportaban miles de espines conectados mediante una topología compatible con el hardware de D-Wave. Según el artículo, el procesador generó muestras que coincidían estrechamente con las soluciones de la ecuación de Schrödinger en los tamaños donde todavía era posible comprobar los resultados con métodos clásicos.

El equipo concluyó que ningún método conocido en ese momento podía reproducir con una precisión equivalente las mayores simulaciones dentro de un plazo razonable. Para la comparación más exigente, D-Wave estimó que una implementación basada en GPU necesitaría cerca de un millón de años y más energía que el consumo eléctrico anual mundial.

Es una demostración importante de capacidad cuántica, pero la cifra no mide cuánto tardaría cualquier algoritmo clásico imaginable. Compara el dispositivo con métodos concretos, bajo una precisión determinada y con el conocimiento disponible cuando se realizó el estudio.

Esta distinción importa porque los algoritmos clásicos también avanzan. Poco después aparecieron trabajos que utilizaron redes tensoriales, métodos variacionales y aproximaciones físicas para ampliar los tamaños que podían simularse con ordenadores convencionales. Algunos lograron resultados competitivos en partes del régimen estudiado por D-Wave, aunque no reprodujeron necesariamente todas las condiciones y precisiones del experimento original.

La frontera entre lo cuántico y lo clásico no queda fijada para siempre con una publicación. Cada demostración anima a mejorar los algoritmos convencionales, que a su vez obligan a diseñar pruebas cuánticas más exigentes.

Los 12 kW tampoco cuentan toda la energía consumida

El consumo atribuido al sistema de D-Wave suele presentarse como si toda la simulación funcionara con una potencia similar a la de unas pocas viviendas. Es una comparación llamativa, pero necesita contexto.

Los ordenadores cuánticos de recocido trabajan a temperaturas extremadamente bajas y requieren refrigeración criogénica, electrónica de control, servidores convencionales y sistemas auxiliares. La cifra comunicada por D-Wave se refiere al consumo operativo de su plataforma, que la compañía sitúa alrededor de los 12,5 kW y afirma que permanece relativamente estable aunque aumente el número de qubits.

La comparación con Frontier utiliza, en cambio, una extrapolación del tiempo y la energía que necesitaría una simulación clásica concreta. No significa que Frontier haya intentado ejecutar el problema durante un millón de años ni que el procesador cuántico sea millones de veces más eficiente para cualquier tarea.

Frontier consume aproximadamente 20 o 30 MW durante cargas intensivas, según la medición y la configuración. Incluso en reposo mantiene una demanda de varios megavatios. Es una máquina de propósito científico general que ejecuta simulaciones climáticas, investigación de materiales, biología, energía, física y aprendizaje automático, no un dispositivo creado para un único modelo de espines.

Comparar ambos sistemas sin explicar sus funciones equivale a enfrentar una calculadora especializada con una plataforma capaz de ejecutar miles de aplicaciones diferentes.

La computación cuántica no puede entrenar hoy los grandes modelos de IA

Los centros de datos para IA se construyen principalmente para efectuar enormes cantidades de multiplicaciones de matrices, mover datos entre memoria y aceleradores y atender millones de consultas. Las GPU, las unidades de procesamiento tensorial y otros aceleradores están diseñados específicamente para ese trabajo.

El recocido cuántico de D-Wave resuelve otra clase de problemas. Representa variables mediante qubits y busca estados de baja energía en modelos matemáticos que pueden expresar algunas tareas de optimización, muestreo y simulación física.

Hay áreas donde esta aproximación puede resultar útil:

• planificación de rutas y horarios;
• asignación de recursos;
• optimización industrial;
• investigación de materiales;
• selección de carteras;
• algunos pasos de descubrimiento molecular.

Sin embargo, trasladar un problema real al formato que acepta el procesador puede ser difícil. La conectividad entre qubits es limitada, el hardware tiene ruido y las soluciones suelen necesitar preparación y validación clásica. Una revisión publicada en 2025 recordaba que la ventaja en optimización exacta seguía sin estar demostrada de forma general, a pesar de los progresos de los sistemas de recocido.

Tampoco existe una vía práctica para sustituir con ellos los millones de GPU que ejecutan actualmente modelos de lenguaje. Un procesador D-Wave no carga los pesos de un modelo como GPT, Gemini o Claude, ni genera sus respuestas utilizando el mismo tipo de operaciones.

La posibilidad más razonable es una arquitectura híbrida. Un sistema clásico podría encargarse del modelo de IA y enviar determinados subproblemas de optimización o simulación a un procesador cuántico cuando exista una ventaja demostrable.

El consumo de los centros de datos sí es un problema real

Que la computación cuántica no vaya a reemplazar los centros de datos no reduce la dimensión de su demanda eléctrica.

El Electric Power Research Institute calcula que estas instalaciones podrían consumir entre el 9 % y el 17 % de la electricidad de Estados Unidos en 2030, frente a alrededor del 4 % o 5 % actual. El rango es amplio porque depende de cuántos proyectos anunciados lleguen a construirse, de la eficiencia del hardware y de la evolución del mercado de IA.

La respuesta no puede limitarse a instalar más generación. También incluye mejorar los chips, reducir la precisión numérica cuando sea posible, optimizar el software, reutilizar modelos, aumentar la utilización de los servidores y elegir la arquitectura adecuada para cada carga.

La computación cuántica podría participar en esa búsqueda de eficiencia. Por ejemplo, un algoritmo cuántico especializado podría ayudar a resolver una fase de optimización que hoy consume demasiado tiempo. Pero eso no elimina los sistemas convencionales que preparan los datos, ejecutan la aplicación, almacenan los resultados y atienden a los usuarios.

Además, el propio desarrollo cuántico necesita centros de datos clásicos. Los equipos requieren sistemas de control, compiladores, almacenamiento, redes y supercomputación para calibrar el hardware y comprobar sus resultados.

Los proyectos híbridos avanzan, pero siguen siendo experimentales

El Centro de Supercomputación de Jülich trabaja en la integración de un sistema de recocido de D-Wave con JUPITER, el primer superordenador europeo de clase exaescala. El objetivo no es sustituir el supercomputador, sino permitir que los investigadores distribuyan distintas partes de un problema entre recursos clásicos y cuánticos.

Este tipo de instalación ilustra mejor el futuro probable que la idea de una competición directa. El procesador cuántico funcionará como un acelerador especializado dentro de una infraestructura mucho mayor, de forma parecida a cómo una GPU complementa a la CPU.

También se están probando técnicas cuánticas en descubrimiento de fármacos, planificación industrial y análisis de redes eléctricas. Son ensayos prometedores, pero los resultados suelen proceder de pruebas de concepto, conjuntos de datos limitados o comparaciones con algoritmos clásicos concretos.

Una mejora en la calidad de las moléculas generadas o en la solución de una tarea de optimización no demuestra todavía una reducción general del consumo de la IA. Para llegar a producción deben evaluarse el tiempo total, la preparación de datos, el coste del acceso cuántico, la calidad de la solución y el rendimiento de las alternativas convencionales.

El error está en convertir un avance concreto en una sustitución total

El artículo de D-Wave no ha destruido la tesis de inversión en centros de datos. Ha demostrado que un sistema cuántico especializado puede superar a determinados métodos clásicos en un problema de simulación física cuidadosamente seleccionado.

Eso ya es un resultado relevante. No necesita presentarse como la desaparición inmediata de las GPU, la inteligencia artificial o la supercomputación para resultar valioso.

La industria de los centros de datos sí debe cuestionar el uso indiscriminado de computación. No todas las cargas necesitan el modelo más grande, la máxima precisión o miles de aceleradores. Algunas pueden resolverse con mejores algoritmos, hardware especializado o sistemas híbridos.

Pero “mejores matemáticas” no significa automáticamente “computación cuántica”. También puede significar compresión, modelos pequeños, algoritmos clásicos más eficientes, procesadores específicos o una mejor programación de los recursos disponibles.

La computación cuántica podría reducir de forma drástica el coste de ciertos cálculos. Por ahora no existe evidencia de que pueda reemplazar la infraestructura general que sostiene la IA. La conclusión razonable no es dejar de construir centros de datos, sino evitar que cada problema se resuelva acumulando más potencia sin estudiar antes si existe una alternativa más eficiente.

Preguntas frecuentes

¿D-Wave resolvió una tarea que Frontier tardaría un millón de años en completar?

D-Wave estimó ese plazo para una simulación clásica concreta y con unos requisitos de precisión determinados. No es una comparación válida para cualquier programa ni para las cargas habituales de inteligencia artificial.

¿El ordenador cuántico funcionó con solo 12 kW?

D-Wave sitúa cerca de esa cifra el consumo de su sistema completo. La comparación energética con Frontier procede de una extrapolación y no significa que la máquina cuántica sea igual de eficiente en todas las tareas.

¿Puede D-Wave sustituir a las GPU de los centros de datos?

No. Su procesador de recocido está diseñado para ciertas simulaciones, muestreos y problemas de optimización. No puede reemplazar actualmente el entrenamiento y la inferencia general de modelos de IA.

¿La computación cuántica puede ayudar a reducir el consumo energético?

Puede hacerlo en tareas específicas donde demuestre una ventaja sobre los métodos clásicos. El escenario más probable es que actúe como acelerador dentro de plataformas híbridas, no como sustituto completo de la informática convencional.