微美全息推出量子演算法，旨在縮減 90% 的 AI 訓練時間

量子演算法的工作原理

微美全息的方法側重於神經網路訓練中的兩個關鍵瓶頸：內積計算和中間值存儲。透過將向量編碼為量子態，該演算法可以同時處理多個維度，以更高的效率近似計算內積。

量子隨機存取記憶體（QRAM）的使用是另一個關鍵要素。在傳統訓練中，存儲和檢索激活值及誤差值是一個資源密集型過程。QRAM 將這些數據隱含地存儲在量子態中，允許以對數複雜度進行檢索。結合量子疊加的並行處理能力，這顯著加速了訓練流程。

行業影響與挑戰

該公司瞄準的應用領域包括：金融和醫療保健的大規模數據處理、自動駕駛的即時決策系統，以及邊緣計算和物聯網的輕量級應用。如果成功，該技術可能會降低開發複雜 AI 模型的門檻，並減少對英偉達（Nvidia）等公司昂貴且耗電的 GPU 的依賴。

然而，商業化之路充滿挑戰。新聞稿承認，量子計算硬體仍處於早期階段，創建跨不同量子平台兼容的演算法仍然是一個重大障礙。此外，純量子計算公司正在大量消耗現金，IonQ (IONQ)、Rigetti Computing (RGTI) 和 D-Wave Systems (QBTS) 等公司報告了巨額虧損，並依賴稀釋性股票發行來籌集運營資金。

雖然微美全息的突破在於軟體領域，但其可行性與硬體發展的步伐直接相關。這一公告充當了經典計算與量子計算之間的潛在橋梁，提供了優化路徑，即使在大規模量子計算機廣泛普及之前，也可能啟發新的經典啟發式演算法。

本文僅供參考，不構成投資建議。