Nvidia เปิดตัวโมเดลปัญญาประดิษฐ์เชิงควอนตัมแบบโอเพนซอร์ส Ising, กลุ่มอุตสาหกรรมควอนตัมคอมพิวติ้งปรับตัวเพิ่มขึ้นยกแผง, IonQ ปรับตัวขึ้นมากกว่า 20%

Ising ตั้งชื่อตามนักฟิสิกส์ Ernst Ising โดยในปี 2463 Wilhelm Lenz นักฟิสิกส์ได้นำเสนอแบบจำลองที่อธิบายถึงปฏิสัมพันธ์ของอนุภาคในโครงผลึก และในปี 2468 Ernst Ising นักศึกษาของเขาได้วิจัยกรณีหนึ่งมิติเสร็จสมบูรณ์ แบบจำลองนี้เป็นที่รู้จักในชื่อแบบจำลอง Ising ซึ่งเป็นหนึ่งในแบบจำลองคลาสสิกของฟิสิกส์สถิติ โดยมีแนวคิดหลักคือปฏิสัมพันธ์ระดับจุลภาคแบบง่ายสามารถก่อให้เกิดการเปลี่ยนสถานะระดับมหภาคและพฤติกรรมร่วมได้ ซึ่งเดิมทีถูกนำมาใช้เพื่ออธิบายปรากฏการณ์ที่แม่เหล็กสูญเสียอำนาจเมื่อได้รับความร้อนและกลับมามีอำนาจแม่เหล็กอีกครั้งเมื่อเย็นลง

หลักการของแบบจำลอง Ising ถูกนำมาประยุกต์ใช้อย่างแพร่หลายในด้าน AI ตลาดการเงิน การแพร่กระจายของความคิดเห็นสาธารณะ และคอมพิวเตอร์ควอนตัม ขณะเดียวกัน Nvidia ได้ตั้งชื่อโมเดลควอนตัม AI ของบริษัทว่า "Ising" โดยมีเป้าหมายเพื่อบูรณาการเลเยอร์ควบคุมการประมวลผลควอนตัมเข้ากับระบบนิเวศการประมวลผล GPU ของตนเองอย่างลึกซึ้ง เพื่อสร้างสถาปัตยกรรมทางเทคนิคในรูปแบบ "ระบบควบคุม AI (Ising) + แพลตฟอร์มการประมวลผล GPU (CUDA-Q)"

ควอนตัมคอมพิวติ้งเผชิญกับอุปสรรคสำคัญสองประการ ได้แก่ การปรับเทียบที่ล่าช้าและอัตราความผิดพลาดที่สูง ในปัจจุบัน โปรเซสเซอร์ควอนตัมที่ล้ำสมัยที่สุดอาจเกิดความผิดพลาดได้หนึ่งครั้งในทุกๆ 1,000 การดำเนินการ ในขณะที่คอมพิวเตอร์ควอนตัมที่ใช้งานได้จริงต้องการอัตราความผิดพลาดต่ำกว่าหนึ่งในล้านล้าน โดยโมเดล Ising ถูกออกแบบมาเพื่อจัดการกับความท้าทายทั้งสองนี้โดยเฉพาะ

Jensen Huang ผู้ก่อตั้งและซีอีโอของ NVIDIA ระบุว่า: "AI มีความสำคัญอย่างยิ่งต่อการบรรลุเป้าหมายการสร้างคอมพิวเตอร์ควอนตัมที่ใช้งานได้จริง โดย Ising จะทำให้ AI ทำหน้าที่เป็นระบบปฏิบัติการสำหรับคอมพิวเตอร์ควอนตัม ซึ่งจะเปลี่ยนคิวบิต (qubits) ที่เปราะบางให้กลายเป็นระบบควอนตัม-GPU ที่ขยายขอบเขตได้และมีความน่าเชื่อถือ"

Ising ประกอบด้วยสองส่วนประกอบสำคัญ

Ising Calibrationคือโมเดลภาษาและการมองเห็น (vision-language model) ขนาด 3.5 หมื่นล้านพารามิเตอร์ ซึ่งใช้สำหรับการปรับเทียบโปรเซสเซอร์ควอนตัมแบบอัตโนมัติ โดยสามารถตีความผลการวัดของโปรเซสเซอร์ควอนตัมได้อย่างรวดเร็ว และขับเคลื่อน AI agent ให้ทำการปรับเทียบเชิงรุกอย่างต่อเนื่อง ข้อมูลจาก NVIDIA ระบุว่าโมเดลนี้สามารถลดระยะเวลาการปรับเทียบจากหลายวันเหลือเพียงไม่กี่ชั่วโมง โดยข้อมูลที่ใช้ฝึกฝนครอบคลุมแนวทางทางเทคนิคที่หลากหลาย รวมถึงคิวบิตแบบตัวนำยิ่งยวด (superconducting qubits), กับดักไอออน (ion traps), อะตอมที่เป็นกลาง (neutral atoms), จุดควอนตัม (quantum dots) และอิเล็กตรอนบนฮีเลียม

ในการทดสอบมาตรฐาน QcalEval ซึ่งพัฒนาร่วมกันโดย NVIDIA, Fermilab, มหาวิทยาลัยฮาร์วาร์ด และสถาบันอื่นๆ พบว่า Ising Calibration มีประสิทธิภาพเหนือกว่าโมเดลแบบปิด (closed-source) อย่าง Gemini 3.1 Pro, GPT 5.4 และ Claude Opus 4.6 ในมิติการประเมินทั้ง 6 ด้าน ซึ่งรวมถึงการตีความผลการทดลอง, การจำแนกผลลัพธ์, การประเมินนัยสำคัญของผลลัพธ์, การประเมินคุณภาพความเหมาะสมและคุณลักษณะสำคัญ ตลอดจนการสร้างคำแนะนำด้านความเป็นไปได้

Ising Decodingคือโมเดลถอดรหัสเพื่อแก้ไขข้อผิดพลาดที่ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน 3 มิติ (3D CNN) ซึ่งออกแบบมาโดยเฉพาะสำหรับการถอดรหัสแบบเรียลไทม์ในการแก้ไขข้อผิดพลาดทางควอนตัม ผู้ใช้เพียงแค่กำหนดรูปแบบสัญญาณรบกวน (noise model), ทิศทางของรหัสพื้นผิวที่หมุน (rotated surface code) และความลึกของโมเดล จากนั้นเฟรมเวิร์กจะสามารถสร้างข้อมูลสังเคราะห์เพื่อฝึกฝน 3D CNN ที่ได้รับการปรับแต่งให้เหมาะสมโดยอัตโนมัติ โมเดลนี้มีสองเวอร์ชัน ได้แก่ เวอร์ชันเน้นความเร็วที่มี 912,000 พารามิเตอร์ ซึ่งเร็วขึ้น 2.5 เท่าและมีความแม่นยำสูงกว่าโซลูชันโอเพนซอร์ส pyMatching ถึง 1.11 เท่า และเวอร์ชันเน้นความแม่นยำที่มี 1.79 ล้านพารามิเตอร์ ซึ่งเร็วขึ้น 2.25 เท่าและมีความแม่นยำสูงกว่าเดิม 1.53 เท่า

เมื่อเริ่มเปิดตัว แบบจำลอง Ising ได้รับการนำไปใช้โดยสถาบันวิจัยระดับโลกและวิสาหกิจด้านควอนตัมชั้นนำหลายแห่ง โดย Ising Calibration ได้ถูกนำไปใช้งานที่ Fermilab, Lawrence Berkeley National Laboratory, National Physical Laboratory ในสหราชอาณาจักร, Harvard University, IONQ และ Infleqtion ขณะที่ Ising Decoding ได้ผ่านการทดสอบที่ Sandia National Laboratories, Cornell University, University of Chicago และ IQM Quantum Computers นอกจากนี้ NVIDIA ยังได้เปิดซอร์สโค้ดของแบบจำลองทั้งหมดควบคู่ไปกับการเผยแพร่แนวทางการปฏิบัติงานและไมโครเซอร์วิส NIM เพื่อสนับสนุนการติดตั้งใช้งานภายในองค์กร (local deployment) เพื่อรักษาความปลอดภัยของข้อมูลที่เป็นกรรมสิทธิ์

หุ้น IONQ ทะยานขึ้น 20.16% ในวันนี้ โดย IONQ รายงานรายได้สำหรับปี 2025 อยู่ที่ 130 ล้านดอลลาร์ พุ่งขึ้น 202% เมื่อเทียบเป็นรายปี ขณะที่การคาดการณ์รายได้ปี 2026 ที่ระดับ 225 ล้านดอลลาร์ถึง 245 ล้านดอลลาร์นั้น บ่งชี้ถึงการเติบโตประมาณ 81% เมื่อเทียบเป็นรายปี นอกจากนี้ ณ สิ้นปี 2025 บริษัทมียอดเงินสดคงเหลือประมาณ 3.3 พันล้านดอลลาร์ ทั้งนี้ หุ้น IONQ ปรับตัวลดลงประมาณ 20% นับตั้งแต่ต้นปีจนถึงปัจจุบัน และการดีดตัวขึ้นในครั้งนี้ได้ช่วยชดเชยผลขาดทุนก่อนหน้านี้ได้บางส่วน

บริษัทวิจัย Resonance คาดการณ์ว่าตลาดควอนตัมคอมพิวติ้งทั่วโลกจะมีมูลค่าทะลุ 1.1 หมื่นล้านดอลลาร์ภายในปี 2030 ทั้งนี้การรุกเข้าสู่ตลาดของ Nvidia ถูกมองว่าเป็นสัญญาณของการเร่งตัวในการเปลี่ยนผ่านของอุตสาหกรรมจากการพิสูจน์แนวคิด (proof-of-concept) ไปสู่การนำมาใช้งานจริงในเชิงวิศวกรรม

ในด้านการจัดอันดับความน่าลงทุน ในช่วง 3 เดือนที่ผ่านมา IONQ ได้รับคำแนะนำ "ซื้อ" 9 ราย และ "ถือ" 3 ราย ส่งผลให้ความเห็นพ้องของตลาด (consensus rating) อยู่ที่ "ซื้ออย่างแข็งแกร่ง" (Strong Buy) โดยมีราคาเป้าหมายเฉลี่ยที่ 65.91 ดอลลาร์ ซึ่งสะท้อนถึงโอกาสปรับตัวขึ้น (upside) ประมาณ 84% จากระดับปัจจุบัน

เมื่อพิจารณาจากมุมมองด้านความเสี่ยง ในปี 2025 IONQ มีผลขาดทุนสุทธิตามหลักการบัญชีทั่วไป (GAAP) อยู่ที่ 510.4 ล้านดอลลาร์ และมีผลขาดทุน EBITDA ปรับปรุงที่ 186.8 ล้านดอลลาร์ นอกจากนี้ คาดว่าผลขาดทุน EBITDA จะขยายตัวขึ้นเป็นระหว่าง 310 ล้านถึง 330 ล้านดอลลาร์ในปี 2026 ทั้งนี้ บริษัทควอนตัมคอมพิวติ้งโดยรวมยังคงอยู่ในช่วงเริ่มต้นของการดำเนินธุรกิจเชิงพาณิชย์และยังไม่สามารถสร้างกำไรที่ชัดเจนได้ ดังนั้นจึงไม่ควรละเลยความเสี่ยงจากความผันผวนของราคาหุ้นในระยะสั้น

โดยสรุป การปรับตัวขึ้นของกลุ่มอุตสาหกรรมนี้เป็นการตอบสนองโดยตรงต่อขีดความสามารถทางเทคนิคของ Nvidia ส่วนแนวโน้มหลังจากนี้จะขึ้นอยู่กับการพิสูจน์ความสามารถในการขยายระบบของโมเดล Ising ในสถานการณ์การใช้งานจริง และการที่ผู้นำอุตสาหกรรมอย่าง IONQ จะสามารถเติบโตได้ตามความคาดหวังที่สูงอย่างต่อเนื่องหรือไม่ ปัจจุบันกลุ่มอุตสาหกรรมนี้ยังคงอยู่ในช่วงที่แรงขับเคลื่อนตามกระแสและการพิสูจน์ปัจจัยพื้นฐานดำเนินไปควบคู่กัน

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด