¿Cómo se está financiando el desarrollo de la computación cuántica?

A escala global, la inversión en tecnologías cuánticas se estima que alcanzó aproximadamente 33.000 millones de dólares en 2025, de los cuales un 38% se destinó específicamente a computación cuántica, consolidándose como el segmento más dinámico del ecosistema.

El papel del sector público, dada su importancia estratégica, es especialmente relevante: los compromisos acumulados de financiación pública superaban los 55.000 millones de dólares en abril de 2025, con China, la UE y Japón como principales impulsores, respectivamente. Estas inversiones reflejan las elevadas necesidades de capital, los largos horizontes de desarrollo y la incertidumbre tecnológica asociada a estas tecnologías que requiere el desarrollo de ecosistemas cuánticos, por lo que el sector público está jugando un papel relevante en apoyar inversiones de mayor riesgo en etapas iniciales.

Por su parte, la inversión privada —principalmente a través de fondos de capital riesgo, hedge funds, angel investors, aceleradoras y grandes corporaciones— ha sido clave en el desarrollo del ecosistema. Tras superar los 2.000 millones de dólares en 2021 y 2022, la inversión en startups cuánticas se moderó en 2023 y se recuperó en 2024, en un contexto de mayor competencia por el capital con otras tecnologías emergentes como la inteligencia artificial.

Desde una perspectiva geográfica, Estados Unidos lidera el ecosistema global en términos de inversión total, innovación y número de empresas, apoyado en un modelo impulsado por el mercado, que promueve la colaboración entre empresas y universidades. En contraste, la UE cuenta con una sólida base científica, pero sus empresas tienden a depender en mayor medida de la financiación pública debido a menores niveles de inversión privada.

En conjunto, el patrón de financiación refleja un sector en rápida expansión, pero aún en fase incipiente, con elevada volatilidad en valoraciones y una notable dependencia del apoyo público, en un contexto marcado por la incertidumbre sobre su calendario de adopción y el potencial de reducción de costes. En este contexto, comienzan a surgir vehículos de inversión especializados, incluidos algunos fondos cotizados (ETF, por sus siglas en inglés) domiciliados en la UE —lanzados por gestoras como iShares, VanEck o WisdomTree—, así como iniciativas de capital riesgo como el fondo impulsado por la firma danesa 55 North.

En línea con esta evolución, la financiación a través de capital riesgo ha alcanzado en 2025 niveles elevados a escala global. En Europa, destaca un aumento de esta financiación, si bien continúa concentrándose en un número reducido de empresas: ocho startups² han obtenido inversiones superiores a los 100 millones de euros, otras 52 han captado conjuntamente en torno a 1.000 millones de euros y una de ellas ha superado una valoración de 1.000 millones de dólares. Las importantes necesidades de financiación del sector ponen de relieve la necesidad de avanzar en la integración de los mercados de capitales europeos, así como impulsar iniciativas como la Unión de Ahorros e Inversiones.

² Cuatro con sede en el Reino Unido, dos en Francia, una en Finlandia y una en España.

¿Cuáles son las aplicaciones de la computación cuántica en finanzas?

La computación cuántica tiene el potencial de transformar el sector financiero al ofrecer capacidades de procesamiento y análisis que superan con creces a las de la informática clásica para ciertos problemas complejos. En concreto, los algoritmos cuánticos permiten realizar cálculos con una eficiencia y rapidez superior a los métodos clásicos —lo que se conoce por el nombre de quantum speedup—.

Las aplicaciones potenciales de la computación cuántica, que se han explorado en el sector financiero, incluyen:

1. Optimización. Los algoritmos cuánticos pueden mejorar la resolución de problemas de optimización compleja, como los relacionados con la optimización de carteras, la mitigación del riesgo y las coberturas. También pueden resultar útiles en la réplica o seguimiento de índices³ y la liquidación de operaciones⁴. Asimismo, pueden aplicarse a la modelización económica y financiera, incluyendo la predicción del contagio financiero en redes de instituciones interconectadas durante periodos de estrés y la identificación de oportunidades de arbitraje cambiario. Finalmente, cabe destacar la posibilidad de adoptar enfoques híbridos en los cuales se emplea la computación cuántica para identificar combinaciones de activos, mientras que los métodos clásicos realizan la asignación precisa en la cartera.
2. Modelización estocástica. El modelado estocástico utiliza procesos aleatorios y simulaciones de Monte Carlo⁵ para modelar variables financieras como precios de acciones, tasas de interés y volatilidad. El uso de la computación cuántica permite acelerar estos métodos de simulación en la valoración de instrumentos financieros —incluidas opciones europeas y exóticas u obligaciones respaldadas por deuda (CDO, por sus siglas en inglés)—. Estas herramientas también pueden mejorar el cálculo de métricas de riesgo, como el valor en riesgo (VaR, por sus siglas en inglés) y el análisis del riesgo de crédito. A pesar de la ventaja teórica que representa la modelización cuántica, existen aún numerosos desafíos como la codificación de distribuciones de probabilidad clásicas en estados cuánticos o las limitaciones del hardware —como el bajo número de cúbits y la falta de tolerancia a fallos—.
3. Machine learning (ML). El uso de algoritmos cuánticos ML (QML) puede contribuir a la detección de patrones complejos en grandes volúmenes de datos, con aplicaciones en la evaluación del riesgo crediticio, la detección de fraude y otras tareas de clasificación y predicción —como bajadas en la calificación crediticia—. Los QML se dividen en dos categorías principales: (1) Métodos que aceleran técnicas clásicas ML, cuya tarea consiste en buscar patrones en datos convencionales codificándolos en estados cuánticos y procesándolos con subrutinas de álgebra lineal cuántica básica (QBLAS) y (2) algoritmos cuánticos nativos ML que operan directamente sobre datos cuánticos generados dentro de un sistema cuántico. Aunque su aplicabilidad y relevancia práctica debe revisarse, se considera que los enfoques nativos resultan más prometedores, aunque no está claro que puedan ofrecer una ventaja significativa en el ámbito financiero.
4. Tecnologías de registros descentralizados (DLT). En primer lugar, la computación cuántica puede llegar a tener un impacto relevante para las plataformas basadas en la DLT, como el blockchain, puesto que pueden poner en riesgo la criptografía de clave pública que en ellas se utiliza, como se explicará con más detalle en el siguiente apartado. Por ello, una de las alternativas que se está explorando es la incorporación de técnicas criptográficas avanzadas, basadas en la computación cuántica, con el fin de mejorar su nivel de seguridad. Otra posible aplicación consiste en utilizar los ordenadores cuánticos para acelerar la minería de bitcoins, y otros criptoactivos (CA), a la hora de realizar los cálculos relacionados con el denominado proof-of-work (PoW) e, incluso, permitir mecanismos PoW cuánticos, lo que reduciría mucho el consumo eléctrico.
   Adicionalmente, la tecnología cuántica podría mejorar la capacidad de escalar y la velocidad de los mecanismos de consenso descentralizado, facilitando, además, la interoperabilidad entre diferentes cadenas de bloques. A su vez, podrían aplicarse en la tokenización de activos y en procesos compartidos de identificación de clientes (know-your-customer) entre distintas instituciones financieras.

Aunque estas aplicaciones ofrecen ventajas significativas en eficiencia computacional y procesamiento, la integración con sistemas clásicos y el desarrollo de algoritmos específicos se encuentran todavía en una fase experimental temprana.

³ En particular, en la selección de activos para replicar un índice del mercado más amplio.

⁴ Por ejemplo, a la hora de que una cámara de liquidación determine el número máximo de operaciones que pueden liquidarse entre múltiples participantes sin exceder sus límites de crédito, resolviendo las complejas interdependencias entre las partes involucradas.

⁵ Consiste en una técnica de simulación numérica utilizada para estimar el valor esperado de una cantidad que depende de una o más variables aleatorias consistente en generar un gran número de trayectorias de muestreo basadas en factores estocásticos (aleatorios) subyacentes. Se utiliza, sobre todo, para la valoración de activos y riesgos, pero puede llegar a requerir un gran esfuerzo computacional (por ejemplo, si la dimensión del problema aumenta), por lo que el uso de algoritmos quantum facilitaría los cálculos.

¿Qué riesgos presenta la computación cuántica?

A pesar de las numerosas oportunidades que ofrece la computación cuántica en el ámbito financiero, su desarrollo plantea riesgos relevantes que podrían afectar a su funcionamiento y seguridad.

En particular, el principal foco de preocupación reside en su potencial para comprometer los actuales mecanismos criptográficos, al resolver con mucha más rapidez ciertos problemas matemáticos en los que está basada su seguridad y que los ordenadores clásicos no son capaces de resolver. El sistema financiero —incluida la banca, los servicios de pago, los mercados de valores y la gestión de activos— depende ampliamente de la criptografía de clave pública para realizar funciones clave, como las firmas digitales o garantizar la seguridad de las operaciones, la integridad de los datos y la confidencialidad de las comunicaciones. En particular, en el ámbito de la DLT, el desarrollo de ordenadores cuánticos, suficientemente avanzados, podría permitir la ruptura de algunos de estos sistemas criptográficos y facilitar el acceso a la clave privada a partir de la clave pública con el fin de, posteriormente, utilizarla sin el consentimiento del titular. Además, la amenaza presenta una dimensión temporal relevante, ya que la información cifrada en la actualidad podría ser almacenada y descifrada en el futuro, una vez que la tecnología cuántica alcance la madurez suficiente.

Otro riesgo que debe considerarse es el de concentración en el sector, puesto que el mercado de computación cuántica podría concentrarse en una base reducida de proveedores. Esta centralización generaría dependencias operativas y de suministro críticas para instituciones financieras, industrias y administraciones públicas.

Dada la naturaleza sistémica e intersectorial de este desafío, se están intensificando las iniciativas dirigidas a facilitar la transición hacia métodos de cifrado resistentes, tanto a ataques clásicos como a aquellos que procedan de la computación cuántica (post-quantum cryptography).

Su adopción progresiva se perfila, además, como un elemento clave para preservar la estabilidad y la resiliencia del sistema financiero en el largo plazo. Concretamente, la CE ha establecido una hoja de ruta específica para la transición hacia la criptografía post-cuántica. Los hitos principales de este plan son iniciar la planificación de la transición y puesta en marcha de proyectos piloto en 2026, finalizar la transición para los casos de uso considerados de alto riesgo en 2030 y la de los casos de uso de riesgo medio en 2035.

Por su parte, el Reglamento de Resiliencia Operativa Digital (DORA)⁶ integra la preparación ante la computación cuántica, dentro del marco normativo de la UE, mediante la imposición de obligaciones a las entidades financieras de implementar medidas de gestión de riesgos relacionadas con la ciberseguridad que cubran las vulnerabilidades criptográficas derivadas de los avances tecnológicos, mencionando explícitamente la computación cuántica.

⁶ Reglamento (UE) 2022/2554 del Parlamento Europeo y del Consejo, de 14 de diciembre de 2022, sobre la resiliencia operativa digital del sector financiero y por el que se modifican los Reglamentos (CE) n.o 1060/2009, (UE) n.o 648/2012, (UE) n.o 600/2014, (UE) n.o 909/2014 y (UE) 2016/1011.