当人工智能行业正为巨额电费账单而挣扎时，来自Extropic公司和麻省理工学院的一组研究人员提出了一条截然不同的道路。他们提出了热力学计算机的概念——一种计算架构，据其评估，在执行某些人工智能任务时，其能效可比传统处理器高出10,000倍。

这种看似矛盾的方法核心很简单：传统芯片中，能量被用于抑制被视为干扰的热噪声和波动，而新架构则建议直接将这些随机物理过程用于计算。这一原理被称为“热力学计算”。

为何这特别适用于人工智能

研究人员的关键发现是，许多人工智能任务——如文本生成、寻找最可能答案或优化决策——本质上都是概率性的。它们不像经典数学计算那样需要绝对的确定性。传统GPU耗费巨大资源来执行精确的逻辑运算，而系统实际上只需找到“最可能”的选项。热力学计算机基于物理噪声运行，有可能以快得多的速度并以最低能耗完成这一任务。

解决人工智能时代的主要问题

对此类架构的兴趣源于能源消耗危机。各大科技巨头正投入数十亿美元建设数据中心，而现代大型语言模型训练和推理的电力需求呈指数级增长。如果热力学计算能够证明其可行性，这不仅可能降低电费，还能大幅削减人工智能基础设施的成本，使先进模型无需建造巨型集群即可普及。

应用前景

需要明确的是：目前这仍是基础研究。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。基于这一原理的商业芯片问世可能还需数年。然而，这项工作本身鲜明地指出了行业的发展方向。随着模型规模持续增长，寻找传统计算的替代方案（与量子计算机和神经形态计算机并行）已不仅是学术兴趣，而是迫在眉睫的需求。

专家观点：将物理噪声视为资源而非干扰，这是一种优雅的范式转变。如果研究人员能够将这一概念规模化，我们或将见证一类全新计算设备的诞生，它们将与以往所见截然不同。然而，从数学模型到能与现代GPU竞争的硅芯片，这条路将漫长而曲折。