Jeśli interesujesz się quantum computing, łatwo wpaść w dwie skrajności. Z jednej strony jest zachwyt: „to zmieni wszystko”. Z drugiej – sceptycyzm: „to tylko laboratoria i slajdy”. Due diligence inwestora jest zwykle próbą spokojnego przejścia środkiem: oddzielenia realnego postępu od obietnic, sprawdzenia ryzyk i zrozumienia, czy w tej technologii jest miejsce na biznes, a nie tylko na eksperyment.
W tym tekście pokażę, co inwestorzy najczęściej weryfikują, gdy analizują spółki z obszaru quantum. Bez matematyki i bez hype’u – raczej jak rozmowę o tym, co musi się zgadzać, żeby „kwant” miał sens jako inwestycja.
Dlaczego due diligence w quantum wygląda inaczej niż w typowym deep techu?
Quantum computing jest trudny do „zmapowania” na standardowe schematy inwestycyjne, bo w wielu projektach kluczowe elementy nie są w pełni pod kontrolą spółki. Czasem zależą od partnerów sprzętowych, czasem od dostępu do konkretnych urządzeń w chmurze, a czasem od tego, czy dana metoda okaże się skalowalna poza środowiskiem demonstracyjnym.
Do tego dochodzi asymetria informacji. Nawet rozsądny inwestor nie jest w stanie samodzielnie ocenić wszystkich szczegółów technicznych, więc due diligence często opiera się na „twardych śladach” (dane z testów, powtarzalne benchmarki, niezależne potwierdzenia) oraz na jakości zespołu i sposobie myślenia o ryzyku. W quantum liczy się nie tylko to, co działa dziś, ale też czy ktoś umie uczciwie powiedzieć, co jeszcze nie działa – i co zrobi, jeśli nie zadziała jutro.
Teza inwestycyjna: jaki problem naprawdę rozwiązuje „kwant”?
W due diligence bardzo szybko pada pytanie: „Jaki jest problem i dlaczego akurat quantum ma tu przewagę?”. Inwestorzy nie szukają opowieści o przyszłości, tylko logicznego łańcucha: potrzeba → ograniczenie podejścia klasycznego → realna szansa na przewagę kwantową → plan dojścia do wartości.
Czy to jest problem kwantowy, czy tylko marketingowy?
To jedno z najważniejszych miejsc, gdzie weryfikuje się dojrzałość spółki. Dobra odpowiedź zwykle nie brzmi „bo quantum jest szybsze”, tylko pokazuje konkretną klasę zadań, gdzie rośnie złożoność, gdzie przybliżenia klasyczne przestają być opłacalne albo gdzie koszt obliczeń/energii/czasu staje się barierą. I równie ważne: uczciwie zaznacza, jak daleko dziś jest do pełnej przewagi.
Jaki jest plan B, jeśli przewaga nie przyjdzie szybko?
Wiele spółek wygrywa due diligence nie tym, że „obiecują przewagę”, tylko tym, że mają sensowną strategię na okres przejściowy. Może to być model usługowy (doradztwo i prototypy), narzędzia software’owe, optymalizacja hybrydowa (klasyczne + kwantowe), albo produkt, który ma wartość niezależnie od tego, czy komputer kwantowy jutra będzie miał 1 000 czy 10 000 stabilnych kubitów.
Zespół: czy to ludzie, którzy dowożą eksperymenty, a nie tylko slajdy?
W quantum computing „zespół” oznacza coś więcej niż CV i liczba doktoratów. Inwestorzy patrzą, czy kompetencje układają się w całość: kto rozumie stronę naukową, kto potrafi przekuć ją w inżynierię, kto umie rozmawiać z klientem, a kto potrafi prowadzić produkt.
W praktyce sprawdza się między innymi, czy spółka potrafi jasno odpowiedzieć na pytania o to, co jest jej przewagą, jak podejmuje decyzje techniczne oraz czy ma realny plan budowania zespołu w rynku, gdzie talent jest rzadki. Ważne jest też, czy liderzy potrafią komunikować postęp bez przesady – bo w quantum zbyt „sprzedażowy” ton często działa jak czerwone światło.
Technologia bez magii: jak inwestorzy weryfikują postęp
Gdy pada hasło „komputer kwantowy”, wiele osób od razu myśli o pojedynczym parametrze, który wszystko wyjaśni. W rzeczywistości inwestorzy (i ich eksperci) rzadko dają się zamknąć w jeden numer, bo metryki są zależne od kontekstu: typu sprzętu, rodzaju obliczeń i tego, czy mówimy o demonstracji, czy o pracy w warunkach zbliżonych do produkcyjnych.
Jakie metryki mają sens (i jakie nie)
W due diligence można spotkać rozmowy o liczbie kubitów, jakości bramek, stabilności, „objętości kwantowej”, CLOPS czy innych wskaźnikach publikowanych przez dostawców. Inwestorzy zwykle patrzą na nie jak na drogowskazy, a nie wyrocznię. Sama liczba kubitów nie mówi wiele, jeśli błędy są zbyt duże, a świetny wynik w jednej metryce nie musi przekładać się na przydatność w zadaniach, które spółka obiecuje rozwiązywać.
Dużo bardziej przekonujące są porównania „jabłek do jabłek”: ten sam problem, ten sam sposób mierzenia jakości wyniku, jasno opisane ograniczenia oraz powtarzalność testu. Gdy spółka potrafi pokazać, jak jej podejście zachowuje się w różnych warunkach i gdzie się łamie, wygląda dojrzalej niż ta, która pokazuje tylko najlepszy możliwy wykres.
Reprodukowalność i twarde dowody
Inwestorzy lubią rzeczy, które da się zweryfikować. W praktyce oznacza to materiały, które nie są tylko prezentacją, ale mają „warstwę dowodową”: wyniki eksperymentów z opisem konfiguracji, skrypty testowe, wersjonowane repozytoria, raporty z pilotażu, a czasem niezależne potwierdzenia (np. wspólne publikacje, benchmarki wykonane z partnerem, testy na kilku platformach).
Jeśli spółka operuje w obszarze algorytmów lub narzędzi, znaczenie ma też to, czy wyniki nie są „jednorazowe”. W quantum łatwo pokazać demo, trudniej pokazać proces: jak często test jest powtarzany, jak wygląda kontrola jakości, co jest mierzone i jak zespół reaguje, gdy wyniki się rozjeżdżają.
Dane i IP: co jest naprawdę wasze?
Due diligence często schodzi na ziemię w momencie rozmowy o własności intelektualnej. W quantum to bywa delikatne, bo ekosystem jest mocno akademicki, a granica między „wiedzą ogólną”, „rozwiązaniem znanym w literaturze” i „unikalnym know-how” nie zawsze jest oczywista.
Inwestorzy sprawdzają więc, czy spółka ma jasność, co jest jej wkładem, jak to chroni (patent, tajemnica przedsiębiorstwa, przewaga wykonawcza), oraz czy korzystając z narzędzi open source i bibliotek, robi to w sposób bezpieczny biznesowo. Pojawia się też temat zależności od dostawców: jeśli kluczowa część rozwiązania jest ściśle związana z jedną platformą, ryzyko koncentracji rośnie.
Go-to-market: jak sprzedaje się coś, co jest jeszcze „w drodze”?
Najtrudniejsze pytanie nie brzmi „czy to działa?”, tylko „kto za to zapłaci i kiedy?”. W quantum często sprzedaje się wartość etapami: najpierw edukację i warsztaty, potem prototypy, potem projekty hybrydowe, a dopiero później coś, co przypomina produkt powtarzalny.
W due diligence inwestorzy patrzą, czy spółka rozumie tę drogę i nie udaje, że od razu będzie „SaaS-em jak każdy”. Dobre sygnały to realistyczne segmenty klientów (np. branże, gdzie koszt obliczeń lub optymalizacji jest realnym problemem), sensowny sposób mierzenia efektu pilotażu oraz uczciwie policzona ścieżka od eksperymentu do wdrożenia. Ważne jest też to, czy spółka umie powiedzieć, co dokładnie jest deliverable: raport, narzędzie, integracja, licencja, a może powtarzalny workflow, który klient potrafi uruchomić bez stałej obecności zespołu.
Ryzyka i zależności: co może zablokować rozwój?
W quantum ryzyka są wielowarstwowe i inwestorzy zwykle chcą je zobaczyć nazwane wprost. Techniczne ryzyka są oczywiste (skalowanie, błędy, stabilność wyników), ale równie ważne bywają zależności operacyjne: dostęp do sprzętu, koszty eksperymentów, ograniczenia łańcucha dostaw w hardware, a także to, czy spółka nie opiera całego planu na jednym partnerze lub jednym typie urządzeń.
Czasem pojawiają się też ryzyka geopolityczne i formalne, które wpływają na współpracę międzynarodową, transfer technologii czy dostęp do komponentów. W due diligence zwykle nie chodzi o interpretowanie przepisów, tylko o dojrzałość zarządczą: czy spółka monitoruje te obszary i czy ma alternatywy, jeśli warunki gry się zmienią.
„Moat” w quantum: przewaga w świecie, który szybko się uczy
Wiele zespołów odkrywa, że w quantum przewaga konkurencyjna rzadko wynika z jednego „sekretnego algorytmu”. Inwestorzy często szukają przewagi złożonej: połączenia kompetencji domenowej (np. w chemii obliczeniowej, logistyce, finansach), narzędzi, danych, doświadczenia w eksperymentach i relacji partnerskich.
Przewagą może być także sposób budowania workflow: jak spółka wybiera problemy, jak je upraszcza, jak ocenia jakość wyniku i jak włącza elementy klasyczne. Czasem to właśnie „system pracy” jest trudniejszy do skopiowania niż pojedyncza metoda. Jeśli zespół potrafi to jasno opisać, due diligence staje się prostsze, bo przestaje opierać się na wierze.
Jak przygotować się do due diligence, żeby rozmowa była uczciwa i konkretna
Najlepsze przygotowanie nie polega na dopieszczaniu pitch decka, tylko na uporządkowaniu faktów. Inwestorzy doceniają, gdy spółka ma spójny zestaw materiałów: co mierzy, jak mierzy, co wyszło, co nie wyszło i co z tego wynika. Jeśli jest pilot, przydaje się precyzyjny opis zakresu, sposobu oceny oraz wniosków, nawet jeśli wynik jest „mieszany”.
Dobrą praktyką jest też pokazanie mapy zależności: od jakich platform spółka zależy, co może zastąpić, a co jest krytyczne. W quantum to często robi większe wrażenie niż obietnica „rewolucji”, bo pokazuje, że zespół myśli jak inżynierowie i jak przedsiębiorcy jednocześnie.
Jeśli miałbym wskazać jedną rzecz, która przewija się przez większość udanych procesów due diligence, byłaby to spójność: obietnica w prezentacji powinna pasować do danych z testów, a dane z testów do tego, co sprzedaje się klientowi. W quantum niespójność widać szybciej niż w wielu innych branżach.
Najczęstsze pytania o due diligence w quantum (FAQ)
Czy spółka musi mieć własny hardware, żeby być „poważna”?
Nie musi, bo wiele sensownych firm buduje wartość na warstwie software, narzędzi i zastosowań, korzystając ze sprzętu dostępnego w chmurze lub u partnerów.
Jak inwestor odróżnia realny postęp od ładnej narracji?
Najczęściej patrzy na powtarzalne testy, porównania na tych samych problemach, jasne ograniczenia oraz na to, czy zespół potrafi mówić o ryzykach bez uników.
Kiedy quantum zacznie przynosić realny zwrot?
To zależy od zastosowania i modelu biznesowego, dlatego w due diligence ważniejsza od dat jest sensowna strategia etapowania wartości: co sprzedaje się dziś, a co dopiero wtedy, gdy sprzęt dojrzeje.
