大模型参数增长带来的存储和计算挑战，确实催生了一系列类似Strassen算法的优化思路，核心目标都是降低复杂度。

📈 复杂度困境：从“参数平方”到“序列平方”

你提到的“存储需求的N²增加”，指的是模型参数量的增长与参数量平方成正比。大模型的核心运算（如全连接层、卷积层）本质上是矩阵乘法，其计算复杂度为O(N³)，存储复杂度为O(N²)。

此外，Transformer架构的自注意力机制也存在类似的平方级复杂度问题。其计算量与序列长度的平方成正比（O(N²)），序列越长，计算和显存开销增长越快。

🧮 算法层面的“Strassen”式优化

Strassen算法的核心思想是通过减少乘法次数来降低计算复杂度。它用更多的加法来替代部分乘法，将两个2x2矩阵乘法从8次乘法降为7次，将复杂度从O(N³)降为O(N^2.807)。

1. 神经网络中的直接应用

• StrassenNets：通过端到端学习，用更少的乘法来近似矩阵乘法，甚至能“重新发现”Strassen算法。
• Strassen-Tile (STL)：这是一种可学习的、基于分块的替代方案。它用更少的浮点运算（FLOPs）来近似矩阵乘法，实验表明其能减少约2.66倍的FLOPs，但同时可能增加参数量。

2. 在卷积神经网络（CNN）中的应用

卷积操作常被转化为矩阵乘法（如img2col），这为应用Strassen算法创造了条件。已有研究将Strassen算法应用于CNN的卷积层，以减少乘法运算。

3. 在Transformer中的应用：“Strassen Attention”

这是对Strassen思想的直接致敬，它旨在提升Transformer的组合推理能力。实验表明，它在数学、编码等任务上优于标准注意力机制。

🚀 其他打破“平方律”的关键技术

除了受Strassen算法启发的优化，还有一些方法也致力于打破平方级的复杂度壁垒：

• 稀疏注意力（Sparse Attention）：限制每个token只关注一小部分其他token，将复杂度从O(N²)降至O(N)或O(N log N)。
• 低秩分解与核函数近似：通过数学方法将完整的注意力矩阵压缩成低秩形式。例如，通过快速傅里叶变换（FFT）在近线性时间内完成计算。
• FlashAttention：通过IO感知的精确计算优化内存读写，将内存消耗从O(N²)降至O(N)。
• 混合专家模型（MoE）：通过稀疏激活，每次只使用模型的一小部分（“专家”），实现计算量与总参数量的解耦。

💎 总结

从纯粹的算法（如Strassen）到工程实现（如FlashAttention），再到架构设计（如MoE），各种优化策略形成了一个丰富的工具箱。它们共同的目标，都是在模型规模与计算/存储成本之间寻找更优的平衡点。