文章核心观点 - 微美全息云公司提出了一种全新的精益经典-量子混合神经网络框架，旨在以尽可能小的量子电路结构实现最大化的学习效率，这标志着量子神经网络从理论可行性迈向实际部署的关键一步[1] - 该技术通过结合经典稳定性优化策略与量子特征放大，在有限量子资源下实现了出色的学习性能，不仅在图分类任务上取得突破性进展，也为未来量子智能系统的设计提供了新范式[11] 技术架构与核心设计 - 框架核心思想是围绕量子特征放大，结合经典稳定性优化策略，建立两种计算范式间高效的信息交互机制[2] - 网络架构分为两部分：负责初步特征提取和数据预编码的**经典前端**，以及利用变分量子电路完成非线性映射和分类决策的**量子后端**[2] - 经典部分使用轻量级卷积层和全连接层作为数据预处理通道，其输出结果被嵌入量子态空间，并通过参数化量子门操作进行特征变换，这相当于将高维经典特征映射到多维量子希尔伯特空间[3] - 量子部分设计了一个仅包含**四层变分量子电路**的结构，由参数化旋转门、受控门和纠缠操作组成[4] - 实验表明，四层电路可实现与甚至优于深度变分量子电路的性能，从而显著降低量子硬件的资源消耗和误差累积风险[4] 工作流程与关键技术 - **数据预处理与经典编码**：原始图像首先经过轻量级卷积层提取局部特征，随后进行归一化和压缩操作以形成中维向量表示，这些向量随后被映射为由量子振幅或相位编码的输入态[5] - **量子态制备与纠缠结构构建**：编码完成后，系统进入量子部分，公司采用受控旋转门和CNOT门构建纠缠结构以增强不同量子比特间的关联[6] - 研究表明，适当的纠缠层数是模型性能的关键决定因素之一，在精益经典-量子混合神经网络中，四层变分结构设计恰好平衡了性能与可实现性[6] - **参数化量子演化与可测量读出**：量子电路的每一层都包含可调参数θ，系统通过对量子态的多次演化和测量来收集测量结果的统计分布，从而构建可用于梯度反向传播的损失函数[7] - 公司采用了一种基于参数移位规则改进的梯度估计方法，显著减少了每次参数更新所需的量子测量次数，提高了整体训练速度和稳定性[7] - **经典反馈与混合优化**：优化过程中，经典部分的反向传播算法与量子部分的参数更新协同运行，经典优化器负责调整量子电路参数θ以使测量结果最小化分类误差[8] - **分类决策与特征可视化**：最终的量子测量结果被解码回经典域，用于输出图像所属类别，表征分析发现，该模型能在训练过程中形成明显的特征簇分布，这些簇对应量子空间中不同的量子态分布区域，表现出很强的类间可分离性[9] 未来发展规划 - 该框架的成功为构建通用量子智能框架奠定了坚实基础[10] - 未来研究方向包括：将模型扩展到多模态学习场景，以实现图像、语音和文本的联合量子特征学习；探索与量子支持向量机和量子卷积网络的协同集成，以构建端到端的量子深度学习系统；推动在量子硬件上的原型部署，以验证模型在真实噪声环境下的性能稳定性；以及结合量子并行优化与联邦学习框架，以构建安全、高效、分布式的量子智能系统[10] - 公司将继续致力于量子算法的工程化和产业化推广，推动量子人工智能从实验室走向现实应用场景[11] 公司业务背景 - 微美全息云是一家全球领先的全息增强现实技术提供商，专注于全息云服务[1][12] - 公司业务主要集中于专业领域，包括车载AR全息HUD、3D全息脉冲激光雷达、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航、元宇宙全息AR/VR设备以及元宇宙全息云软件[12] - 其技术覆盖车载全息AR技术、3D全息脉冲激光雷达技术、全息视觉半导体技术、全息软件开发、全息AR虚拟广告技术、全息AR虚拟娱乐技术、全息AR SDK支付、交互式全息虚拟通信、元宇宙全息AR技术以及元宇宙虚拟云服务等多个方面[12] - 公司是一家综合性的全息云技术解决方案提供商[12]

公司新产品发布 - 公司MicroCloud Hologram Inc (NASDAQ: HOLO) 于2026年1月2日发布了一款名为Q-DPC Accelerator的创新工具 [1] - 该工具基于量子增强密度峰值聚类算法，旨在提升策略评估效率 [1] - Q-DPC Accelerator通过量子计算技术精确识别策略集中的聚类结构，显著降低了策略评估的复杂性 [1] Q-DPC Accelerator核心功能 - 该工具具备三大核心功能：策略集预处理、量子聚类分组和智能策略匹配 [2] - 策略集预处理阶段通过量子数据清洗、量子特征提取和量子数据转换等步骤，使策略数据更适应密度峰值聚类分析 [2] - 量子聚类分组阶段利用量子增强密度峰值聚类算法对策略集进行分组，通过评估策略间的密度和距离关系，精确识别聚类结构，将策略划分为不同集群 [2] - 智能策略匹配阶段利用量子聚类结果实现快速匹配，当发起访问请求时，工具将请求信息与预生成的策略集群进行比较分析，通过在每个集群内精确搜索最匹配的策略，快速确定满足请求的策略集 [3] 产品优势与应用价值 - Q-DPC Accelerator通过三大核心功能的协同运作，为企业提供高效、精确的策略评估解决方案 [4] - 该工具实现了在大规模复杂策略集场景下的快速匹配，有效降低了评估过程的时间成本和计算复杂度，显著提升了系统运行效率 [4] - 作为量子技术与密度峰值聚类算法深度融合的创新成果，Q-DPC Accelerator在各行业领域具有广泛的应用价值，可帮助企业构建稳健的安全防护体系 [4] - 随着量子计算技术的持续发展和工具的不断完善，Q-DPC Accelerator将进一步提升策略评估的性能与准确性 [4] 公司业务与财务概况 - MicroCloud Hologram Inc 致力于全息技术的研发与应用，其全息技术服务包括基于全息技术的激光雷达解决方案、全息激光雷达点云算法架构设计、技术全息成像解决方案、全息激光雷达传感器芯片设计以及全息车辆智能视觉技术，为提供全息高级驾驶辅助系统的客户提供服务 [6] - 公司向全球客户提供全息技术服务，并拥有专有的全息数字孪生技术资源库 [6] - 公司专注于量子计算和量子全息等前沿领域的发展，现金储备超过30亿元人民币 [7] - 公司计划从现金储备中投入超过4亿美元，用于区块链开发、量子计算技术开发、量子全息技术开发以及人工智能AR等前沿技术领域的衍生与技术开发 [7] - 公司的目标是成为全球领先的量子全息和量子计算技术公司 [7]

公司股价与交易表现 - 2025年12月16日，盟云全息盘中上涨3.01%，报收于3.029美元/股 [1] - 当日成交额为16.11万美元 [1] - 公司总市值为4411.71万美元 [1] 公司财务业绩 - 截至2025年06月30日，公司收入总额为1.6亿人民币，同比增长24.04% [1] - 同期归母净利润为2.38亿人民币，同比增长297.04% [1] 公司背景与业务 - 公司前身为Golden Path Acquisition Corporation，于2018年5月9日在开曼群岛注册成立 [1] - 公司专注于全息技术的研发和应用，致力于为全球客户提供领先的全息技术服务 [1] - 公司业务包括为客户提供全息数字孪生技术服务，并建立了全息数字孪生技术资源库 [1]

公司技术突破 - 公司提出了一种新型混合量子-经典学习技术 该技术通过对量子卷积神经网络进行深入研究 创新性地回收利用被丢弃的量子比特状态信息 并与经典全连接层进行联合训练 从而在多类别图像分类任务中实现了显著的性能提升[2] - 该技术成果不仅优化了在含噪声中等规模量子设备条件下的量子网络效率 还展示了量子信息再利用的可能性 为混合量子-经典模型开辟了全新的发展路径[3] 行业背景与挑战 - 图像分类是人工智能的核心应用之一 深度卷积神经网络已成为主流 但随着模型深度增加 其训练时间与计算能耗呈指数级增长 对硬件算力的依赖日益增强 即使有GPU集群或TPU阵列支持 模型优化仍受瓶颈制约[4] - 数据安全、隐私保护和计算能效等问题 正迫使学术界和产业界重新思考智能计算的底层架构[4] - 量子计算利用量子叠加和纠缠效应 在指数级空间中并行处理信息 为复杂模式识别任务带来理论上的加速优势 量子机器学习被认为是人工智能发展的下一阶段[5] - 当前量子计算机仍处于含噪声中等规模量子阶段 量子比特数量有限且易受噪声干扰 如何在此硬件约束下实现稳定且可扩展的量子学习算法是亟待解决的核心问题[5] 传统技术局限与公司创新 - 传统量子卷积神经网络中的池化操作通常意味着被“丢弃”的量子比特将不再参与后续计算 这些被丢弃的量子比特与保留的量子比特间常存在纠缠关系 其内部仍包含潜在的关联信息 以往研究大多忽略了这部分“丢弃”的量子信息[6][8] - 公司设计的混合量子-经典学习架构 其核心创新在于同时利用保留量子比特和被丢弃量子比特的信息 从而在特征层面实现量子信息的最大化利用[7] - 在该架构中 所有被丢弃的量子比特在测量后 其测量结果被保留并输入一个独立的经典全连接分支 同时 保留量子比特的测量结果输入另一个全连接分支 两个分支分别进行非线性变换和特征压缩 随后在融合层进行向量级拼接与权重整合 最终由融合后的综合特征通过联合分类层完成最终预测[9] 技术意义与影响 - 该结构可被视为一个量子-经典双通道特征融合网络 它不仅弥补了量子卷积神经网络在池化阶段的量子信息损失 还能通过联合优化策略 实现量子参数与经典参数的协同演化 从而达到全局性能的自适应提升[10] - 此项技术重新定义了混合量子-经典学习模型中的信息利用方式 研究表明 在当前量子硬件条件下 量子与经典的协同融合反而是实现实用性能突破的关键 通过充分利用被丢弃量子比特的信息 打破了量子池化即意味着信息损失的固有假设 使量子计算在信息利用率和能效之间取得平衡[12] - 公司的这项多类别图像分类混合量子-经典学习技术代表了量子智能的一个新方向 它不依赖于理想化的量子硬件 而是在现实的含噪声中等规模量子约束下探索可行的最优路径 该成果展示了量子机器学习在图像理解、模式识别和跨领域特征融合方面的强大潜力 也为量子信息科学与人工智能的深度融合提供了实用的工程样本[13] 未来展望 - 在量子计算逐步走向实用化的未来 混合量子-经典模型将成为连接理论与产业的关键桥梁 通过对量子电路设计、信息回收策略及跨领域训练方法的持续优化 该技术将为智能视觉、医疗诊断和自动驾驶等领域带来颠覆性的创新力量[14] 公司业务概览 - 公司专注于全息云服务 主要业务领域涵盖车载AR全息HUD、3D全息脉冲激光雷达、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航、元宇宙全息AR/VR设备及元宇宙全息云软件等专业领域 是一家综合性的全息云技术解决方案提供商[15]

公司技术产品发布 - 公司MicroCloud Hologram Inc (NASDAQ: HOLO) 开发了一款量子驱动的3D智能模型，该系统深度融合了量子计算与人工智能技术，用于3D建模和图像处理 [1] - 该模型利用量子深度学习技术精确分析海量数据，高效提取核心特征，并能在无需过多人工干预的情况下自动生成满足用户需求的高精度3D模型和图像 [1] 模型架构与核心优势 - 模型采用量子优化的分布式架构，由多个功能子系统协同组装而成，该设计能灵活实现子系统的扩展与升级，并利用量子计算的并行处理能力提升整体系统的稳定性和可扩展性 [2] - 相比传统3D自动生成系统，该模型具备三大核心优势：利用量子智能算法与分布式计算技术高效处理海量数据；通过量子深度学习算法精确提取特征以生成高质量3D模型和图像，实现参数化自动生成，减少人工干预和时间成本；依靠量子优化分布式架构实现快速、灵活、稳定的系统扩展，并配有多层量子安全技术保障用户数据安全与隐私 [7] 核心子系统功能 - 量子增强数据采集子系统负责从各类数据源收集、整理和存储原始数据，并通过量子数据预处理技术完成数据清洗，支持3D建模数据和图像数据等多种类型和格式，利用量子计算将数据转换为统一格式进行存储管理 [3] - 量子加速模型训练子系统作为模型核心，采用量子深度学习算法对收集的数据进行深度分析，精确提取数据特征并自适应优化模型参数，以完成模型验证和性能评估 [4] - 量子智能自动生成子系统集成了复杂的量子计算机视觉算法、3D建模技术和量子数据流处理技术，利用训练成熟的模型根据用户需求和输入参数快速生成符合标准的3D模型和图像 [4] - 量子安全数据管理子系统负责协调管理收集的数据、模型参数、生成结果等信息，涵盖量子加密存储、备份、恢复、版本控制和访问控制等功能 [5] - 量子赋能数据可视化子系统通过图形界面直观呈现生成的3D模型和图像，并利用量子计算提升可视化渲染效率 [5] - 量子强化系统安全子系统采用量子加密通信、量子访问控制和安全日志量子脱敏记录等技术手段，为数据安全、隐私保护和系统稳定运行提供全方位保障 [5] 子系统协同与部署 - 子系统间通过量子加密接口实现通信，高效共享数据和资源 [6] - 每个子系统部署在独立的容器中，可实现独立部署和升级，并依赖量子分布式架构来增强系统的并发处理能力和整体性能，同时减少单个子系统故障对整体模型的影响范围 [6] 公司业务与战略规划 - 公司致力于全息技术的研发与应用，其全息技术服务包括基于全息技术的激光雷达解决方案、全息激光雷达点云算法架构设计、技术全息成像解决方案、全息激光雷达传感器芯片设计以及全息车辆智能视觉技术，为提供全息高级驾驶辅助系统的客户服务 [8] - 公司还提供全息数字孪生技术服务，并拥有专有的全息数字孪生技术资源库，该资源库结合了全息数字孪生软件、数字内容、空间数据驱动的数据科学、全息数字云算法和全息3D捕获技术 [8] - 公司重点关注量子计算和量子全息等领域的开发，拥有超过30亿元人民币的现金储备，并计划从现金储备中投入超过4亿美元用于区块链开发、量子计算技术开发、量子全息技术开发以及人工智能AR等前沿技术领域的衍生和技术开发 [8] - 公司的目标是成为全球领先的量子全息和量子计算技术公司 [8]

财务业绩展望 - 公司预计2025年全年将实现显著盈利，净收入将超过3.5亿元人民币，而2024年同期为净亏损约6300万元人民币，实现大幅的同比扭亏为盈 [1] - 强劲的2025年全年业绩预计将对公司2025年全年的现金状况产生积极贡献 [2] 现金状况与战略投资 - 截至当前日期，公司持有的现金、现金等价物及短期投资总额超过30亿元人民币 [3] - 公司计划从其现金储备中动用超过4亿美元，用于积极投资量子计算、区块链和量子全息技术领域 [3] - 公司期望通过投资在量子计算和量子全息技术领域建立领先地位 [3] 业务与技术介绍 - 公司致力于全息技术的研发与应用，其全息技术服务包括基于全息技术的全息激光雷达解决方案、全息激光雷达点云算法架构设计、技术全息成像解决方案、全息激光雷达传感器芯片设计以及全息车辆智能视觉技术，为提供全息高级驾驶辅助系统的客户服务 [4] - 公司向全球客户提供全息技术服务，并同时提供全息数字孪生技术服务，拥有专有的全息数字孪生技术资源库 [4] - 公司的目标是成为全球领先的量子全息和量子计算技术公司 [4]

公司技术突破 - 公司宣布开发出用于多任务设计的单量子比特量子神经网络技术，该技术展示了高维量子系统在高效学习方面的可行性，为量子计算与人工智能的深度融合提供了现实路径 [1] - 该单量子比特量子神经网络技术的核心是利用单个高维量子比特的状态空间直接处理多类分类任务，利用量子系统的高维特性在紧凑的电路规模内高效编码和区分类别信息 [5] - 公司采用斜对称矩阵的凯莱变换来构建高维酉算子，该方法具有良好的数学稳定性并确保量子电路实现的效率，通过量子态的演化直接建立与类别标签的映射关系，大幅减少电路深度和训练开销 [6] - 该技术引入了混合训练方法，结合扩展激活函数与支持向量机优化框架，扩展激活函数源于截断多元泰勒级数展开，可在量子态空间有效引入非线性表示能力，而SVM优化则确保参数优化的稳定性和全局最优解的获取 [7] 技术实现逻辑 - 技术逻辑第一层为量子态编码：在多类分类问题中，构建一个d维量子比特系统来承载数据，输入样本被映射到量子态的幅度或相位信息，从而简化传统特征提取步骤 [8] - 技术逻辑第二层为酉演化设计：通过斜对称矩阵的凯莱变换生成d维酉算子，确保量子态演化的物理合理性和可实施性，该方案可通过单步演化实现复杂决策边界，显著减少电路深度 [9] - 技术逻辑第三层为混合训练优化：采用量子-经典混合训练方法，扩展激活函数使量子神经网络在保持浅层结构的同时具备非线性分类能力，SVM优化机制为参数搜索提供高效路径，实现快速收敛至全局最优解 [10][11] 行业背景与挑战 - 当前训练大型神经网络通常需要数十亿参数和大量数据中心资源，功耗和硬件成本的急剧上升已成为人工智能发展的现实瓶颈 [2] - 传统神经网络在多类分类问题中虽实现高精度，但随着类别数量增加，模型结构相应扩大，导致推理延迟增加和计算效率下降 [2] - 量子计算的兴起为解决该困境提供新可能，量子比特和量子多级系统可利用叠加和纠缠实现高维数据空间的自然表示，从而打破经典计算的资源限制 [3] - 量子神经网络已成为前沿研究方向，相比传统深度学习，QNN可通过浅层量子电路实现复杂映射，大幅提高模型紧凑性和计算效率 [3] 技术影响与定位 - 公司提出的单量子比特量子神经网络技术不仅满足高维数据分类的实际需求，更突破了量子硬件约束下的实现瓶颈，成为推动行业进步的重要一步 [4] - 该技术具有极强的颠覆性意义，为未来量子计算与人工智能的深度融合提供了现实路径 [1]

公司技术研发动态 - 微美全息云公司宣布正积极探索量子膨胀卷积神经网络技术[1] - 该技术旨在突破传统卷积神经网络在处理复杂数据和高维问题时的局限性[1] - 预期该技术将为图像识别、数据分析和智能预测等多个领域带来技术飞跃[1] 传统卷积神经网络局限性 - 传统卷积神经网络由卷积层、池化层和全连接层组成，可自动从大量数据中提取特征[2] - 随着数据量的爆炸式增长和问题复杂度的增加，传统CNN在计算效率和特征提取能力上逐渐面临瓶颈[2] 量子膨胀卷积神经网络技术优势 - QDCNN巧妙地将量子计算优势集成到传统CNN架构中，使用量子门操作对卷积核和输入数据进行量化计算[3] - 利用量子纠缠特性增强网络中不同节点间的信息传递和协同处理能力[3] - 通过膨胀卷积技术扩大卷积核的感受野，在不增加参数量的情况下获取更广泛的上下文信息[4] - 量子算法能更精确计算膨胀卷积中的权重系数，实现对复杂特征的更准确建模[4] - 利用量子计算的并行性，可在短时间内完成海量数据集的卷积运算[4] - 能够发掘数据中隐藏的量子级特征信息，并同时从多个角度分析数据[5] - 所构建的模型具有更强的泛化能力，能更好地适应和预测未见过的数据，减少过拟合现象[5] 未来技术发展路径 - 公司将优化量子计算与经典计算间的数据传输和任务调度机制[6] - 通过优化算法结构、采用分层设计和模块化编程来降低算法复杂度[6] - 研究分布式量子计算技术，使量子计算任务能分布在多个量子处理器上并行处理[6] 潜在应用领域 - 在医疗领域可用于药物开发中的分子结构分析和疾病预测，加速新药发现进程[7][8] - 在智能交通领域可实现更精准的交通流量预测和智能驾驶决策[8] - 在环境保护领域可分析大量环境数据以预测气候变化趋势[8] 公司业务概况 - 微美全息云公司专注于全息云服务，主要业务涵盖车载AR全息HUD、3D全息脉冲激光雷达、头戴式光场全息设备等领域[9] - 公司技术覆盖车载全息AR技术、3D全息脉冲激光雷达技术、全息视觉半导体技术、全息软件开发等多个方面[9] - 公司是一家综合性的全息云技术解决方案提供商[9]

公司短期量子计算发展路径 - 公司提出通过协同利用量子处理器、错误控制和算法优化三方面实现短期计算优势[1] - 通过电路编织技术组合多个量子处理器，分解复杂量子电路为子电路并行处理，以克服单个量子处理器在量子比特数和计算能力上的限制[2] - 应用错误抑制技术通过优化量子门操作和提高量子比特相干性来减少错误发生，并通过错误缓解技术使用统计方法进行经典后处理来纠正已发生错误[2] - 聚焦具有渐近加速的启发式量子算法版本，可在当前量子硬件约束下高效解决实际问题，虽不保证最优解但能在合理时间内找到接近最优解[2] 量子中心超级计算架构 - 公司提出构建“量子中心超级计算”架构，核心在于实现量子处理器与经典处理器的无缝集成[3] - 该架构根据计算任务特点将量子可计算部分分配给量子处理器，经典可计算部分分配给经典处理器，形成协同工作模式，而非传统架构中以经典处理器为主导[3] 量子计算软件与用户体验愿景 - 随着量子计算硬件升级，系统复杂性增加，未来量子计算软件需具备更高自动化和智能化，通过优化算法设计、开发高效编译工具和构建用户友好界面来隐藏底层技术细节[4] - 公司提出的“无摩擦”用户体验可大幅降低量子计算应用门槛，推动技术在更多领域普及，实现“无处不在”的应用场景，如金融机构用于风险分析、医疗机构用于加速药物开发等[4] 公司业务与投资规划 - 公司致力于向全球客户提供领先的全息技术服务，包括高精度全息激光雷达解决方案、独家全息激光雷达点云算法架构设计、全息成像解决方案、全息激光雷达传感器芯片设计和全息车辆智能视觉技术[6] - 公司提供全息数字孪生技术服务并构建了专有全息数字孪生技术资源库，利用全息数字孪生软件、数字内容、空间数据驱动数据科学、全息数字云算法和全息3D捕获技术以3D全息形式捕获形状和物体[6] - 公司专注于量子计算和量子全息术的开发，并计划在包括比特币相关区块链开发、量子计算技术开发、量子全息术开发以及人工智能和增强现实衍生品与技术开发在内的前沿技术领域投资超过4亿美元[6]

核心技术突破 - 提出一种基于通用“量子变量”形式的量子计算方法，打破了传统量子计算对特定维度量子变量的依赖，展现出强大的灵活性 [1] - 该方法中，“辅助”单元通过特定相互作用，在不直接干扰寄存器核心量子态的情况下，实现对寄存器上门操作的控制 [1] - 该方法具有普适性，不仅适用于传统的量子比特，也适用于维度d>2的高维量子比特或量子连续变量设置，从而极大地扩展了其应用范围 [1] 具体实现模型 - 实现通用量子计算仅依赖于三个核心要素：重复应用单一固定的二体辅助-寄存器相互作用门、制备在单一状态的辅助单元，以及对辅助单元的局域测量 [2] - 通过重复使用单一的二体辅助-寄存器相互作用门，可以构建通用量子计算所需的各种基本量子门操作，避免了使用多个复杂门结构带来的系统复杂性 [2] - 辅助单元制备在单一状态确保了参与计算的每个辅助单元具有一致的初始状态，减少了因辅助单元初始状态差异引起的计算误差 [2] 混合量子-经典处理优势 - 该量子计算模型具备与基于测量的量子计算同等的混合量子-经典处理优势 [3] - 混合处理的核心在于结合量子计算的并行性和高信息密度优势，以及经典计算的灵活性和易控性 [3] - 在计算过程中，量子部分处理经典计算难以解决的复杂量子态操作，而经典部分承担控制、反馈和数据处理等任务 [3] 应用前景与价值 - 该模型为量子计算领域的发展提供了新思路，其通用“量子变量”形式打破了量子比特的局限，使得高维量子变量和量子连续变量得以充分应用 [4] - 自适应测量与经典前馈的结合确保了计算的决定性，独特的辅助介导机制和简洁的模型实现要素降低了量子计算系统的复杂性 [4] - 在需要高维量子信息处理和复杂量子模拟的领域，该模型有望展现出显著优势，为解决实际场景中的复杂计算问题做出贡献 [4] 公司业务与战略投资 - 公司致力于向全球客户提供领先的全息技术服务，包括高精度全息激光雷达解决方案、独家全息LiDAR点云算法架构设计、全息成像解决方案、全息LiDAR传感器芯片设计以及全息车辆智能视觉技术 [6] - 公司提供全息数字孪生技术服务，并建立了专有的全息数字孪生技术资源库，利用其全息数字孪生软件、数字内容、空间数据驱动数据科学、全息数字云算法和全息3D捕获技术，以3D全息形式捕捉形状和物体 [6][7] - 公司专注于量子计算和量子全息术的开发，并计划在包括比特币相关区块链开发、量子计算技术开发、量子全息术开发以及人工智能和增强现实衍生技术开发在内的前沿技术领域投资超过4亿美元 [7]