人工智能行业正面临一个关键问题:计算能力的指数级增长伴随着同样迅猛的能耗增加。包括GPU在内的传统架构已接近效率极限。然而,Extropic与麻省理工学院团队的最新研究提出了一条截然不同的道路——热力学计算。

这一概念的核心在于一个看似矛盾的解决方案:不再对抗物理噪声和热波动(这些在经典处理器中被视为干扰),而是将其用作主动计算资源。这种被称为热力学计算的方法,有望将某些AI任务的执行能效提升高达10,000倍。

AI的概率本质:新架构的关键

现代大型语言模型和机器学习系统本质上具有概率性:它们在不确定性中寻找最可能的答案或最优解。传统的确定性处理器为精确执行每一步操作而消耗大量资源,这对这类任务而言是冗余的。相反,热力学计算机利用物理过程的自然随机性作为算法的一部分,从而以最低能耗达成结果。

解决AI能源危机的方案

对替代架构的兴趣与当前能耗规模直接相关。大型科技公司已向数据中心投入数十亿美元,而模型训练所需的电力需求仍在增长。如果热力学方法被证实可行,不仅能降低运营成本,还能减少对昂贵集群系统的依赖。

需要强调的是,这属于基础研究,而非成熟产品。作者展示了架构和模拟结果,证明了其在特定任务类别上的优势。距离基于热力学原理的商业芯片问世仍需数年。尽管如此,这项工作是探索量子与神经形态系统替代方案的重要一步。

我的专业评论:同样受高能耗困扰的加密货币市场和区块链基础设施,应密切关注这一方向。如果热力学计算被证明有效,我们不仅可能看到挖矿和去中心化网络运营成本的降低,还会出现针对概率计算优化的全新智能合约类型。目前这仍是理论,但它指明了整个计算行业不可避免的发展方向。