微美全息推出量子算法，旨在缩减 90% 的 AI 训练时间

量子算法的工作原理

微美全息的方法侧重于神经网络训练中的两个关键瓶颈：内积计算和中间值存储。通过将向量编码为量子态，该算法可以同时处理多个维度，以更高的效率近似计算内积。

量子随机存取存储器（QRAM）的使用是另一个关键要素。在传统训练中，存储和检索激活值及误差值是一个资源密集型过程。QRAM 将这些数据隐含地存储在量子态中，允许以对数复杂度进行检索。结合量子叠加的并行处理能力，这显著加速了训练流程。

行业影响与挑战

该公司瞄准的应用领域包括：金融和医疗保健的大规模数据处理、自动驾驶的实时决策系统，以及边缘计算和物联网的轻量级应用。如果成功，该技术可能会降低开发复杂 AI 模型的门槛，并减少对英伟达（Nvidia）等公司昂贵且耗电的 GPU 的依赖。

然而，商业化之路充满挑战。新闻稿承认，量子计算硬件仍处于早期阶段，创建跨不同量子平台兼容的算法仍然是一个重大障碍。此外，纯量子计算公司正在大量消耗现金，IonQ (IONQ)、Rigetti Computing (RGTI) 和 D-Wave Systems (QBTS) 等公司报告了巨额亏损，并依赖稀释性股票发行来筹集运营资金。

虽然微美全息的突破在于软件领域，但其可行性与硬件发展的步伐直接相关。这一公告充当了经典计算与量子计算之间的潜在桥梁，提供了优化路径，即使在大规模量子计算机广泛普及之前，也可能启发新的经典启发式算法。

本文仅供参考，不构成投资建议。