<p>热力学计算机：新方法可将人工智能能耗降低10000倍</p>

人工智能行业的能源危机不仅需要优化，更需要从根本上重新审视计算原理。来自Extropic和麻省理工学院（MIT）的一组研究人员提出了热力学计算机的概念——这种架构能将AI任务执行的能效比传统处理器提升高达10000倍。

从对抗噪声到与自然协作

现代GPU和CPU耗费巨大资源来抑制物理噪声和热涨落，力求实现确定性计算。而该研究的作者提出了一种截然不同的方法：不再对抗随机热过程，而是将其作为活跃的计算资源加以利用。这一原理被称为热力学计算（Thermodynamic Computing）。

核心思想在于，许多AI任务——从语言模型中最可能答案的搜索到决策优化——本质上都是概率性的。依赖自然随机物理过程的系统，在执行这些任务时，其效率可比经典确定性芯片高出数个数量级。

解决现代AI的核心问题

对替代架构的兴趣源于数据中心能耗的急剧增长。各大科技巨头投入数十亿美元建设基础设施，而模型训练和推理的电力需求仍在指数级上升。如果热力学方法被证明可行，它不仅会降低运营成本，还能减少对昂贵计算集群的依赖。

前景：从理论到硅基实现

需要强调的是，目前这仍属于基础研究和模拟阶段，并非现成的商业产品。真正基于热力学原理的芯片问世可能还需数年时间。然而，这项研究明确标志着行业优先级的转变：与量子计算机和神经形态计算机并行，寻找大幅降低能耗的方法正成为主流方向。

分析师观点：热力学计算是一个优雅的例证，展示了行业开始超越冯·诺依曼架构进行思考。如果这一概念能成功扩展到工业级样品，我们或将见证一场意义堪比从电子管计算机到晶体管转变的范式变革。然而，关键挑战不仅在于制造这类芯片，还在于开发能够有效利用“通过混沌进行计算”的全新软件栈。