人工智能行业正面临一个严峻挑战:计算能力的指数级增长需要消耗巨大的能源。针对这一问题,来自Extropic公司和麻省理工学院的研究团队提出了热力学计算机的概念——一种可能彻底改变人工智能计算方式的架构。

从抑制噪声到利用噪声

现代处理器,包括用于训练大型语言模型的GPU,都基于严格的确定性计算原理运行。热波动和物理噪声被视为需要耗费大量资源来抑制的不良干扰。然而,研究作者提出了一种截然不同的方法:不再抑制随机过程,而是将其整合到计算逻辑中。

这种被称为热力学计算的方法基于一个事实:许多人工智能任务(例如寻找最可能的答案或最优解)本质上都是概率性的。能够利用自然随机物理过程的系统,其执行效率可能比经典架构高出数个数量级。据开发人员称,这种方法可使某些人工智能任务的能效提升高达10000倍。

解决行业核心问题

这项研究的重要性不言而喻。大型科技公司正投入数十亿美元建设数据中心,而用于训练和推理现代模型的电力需求正呈爆炸式增长。如果热力学架构能够证明其可行性,不仅能降低运营成本,还能减少对昂贵计算集群的依赖。

从理论到实践的路径

需要明确的是,目前这仍属于基础研究和模拟结果。基于热力学计算的商用芯片可能需要数年甚至数十年才能问世。尽管如此,这项工作反映了一个关键趋势:随着模型规模持续扩大,行业正在寻找传统架构的替代方案。与量子计算和神经形态计算并行,热力学方法可能成为后硅时代的重要支柱之一。

分析师观点:能效突破不仅仅是节约成本的问题。它关乎当前人工智能发展范式的存续。如果我们找不到大幅降低能耗的方法,就将面临物理和经济上的双重壁垒。热力学计算前景可期,但我建议保持审慎乐观——从实验室模拟到能够与GPU竞争的实用芯片,还有很长的路要走。