人工智能行业的能源危机正日益凸显。每一款新语言模型的训练都需要消耗千兆瓦时级别的电力，而数据中心的运营成本则高达数十亿美元。在此背景下，来自Extropic公司和麻省理工学院的一组研究人员提出了一种截然不同的方案——热力学计算机。据他们估算，这种计算机能够将某些AI任务的能效提升一万倍。

物理噪声：从干扰到资源

传统处理器，包括现代GPU，需要耗费巨大资源来抑制热噪声和波动。每个晶体管、每比特数据都要抵御随机物理过程的干扰，这要求过高的电压和冷却系统。而这一概念的提出者主张颠覆这一范式：与其对抗混沌，不如利用它。

热力学计算（Thermodynamic Computing）基于一个事实：许多AI任务本质上具有概率性。寻找最可能的答案、优化路线、模式识别——这些都不需要绝对的确定性。一个与物理世界“同呼吸共命运”、将随机热过程作为计算机制一部分的系统，能够以无可比拟的低能耗完成这些任务。

实践：从理论到芯片

目前，这仍处于基础研究和模拟阶段。作者们提出了一种架构，理论上在特定任务类别上展现出优势。然而，与量子计算机的情况类似，从概念到商用芯片的道路可能需要数年时间。尽管如此，这项研究向市场发出了一个重要信号：行业不仅追求速度，也在寻求能效上的替代方案。

大型科技公司的电力需求已经与一些国家的总消耗量相当。如果热力学方法被证明可行，它不仅能够降低运营成本，还能减少对昂贵GPU集群的依赖。在量子计算和神经形态架构发展的背景下，热力学计算看起来是另一个充满前景的方向。

专家观点： 将物理噪声作为“免费”计算资源的想法十分巧妙，但其实现面临工程上的限制。目前这更像是一个概念而非成熟方案，但焦点从“对抗自然”转向“与自然合作”这一事实本身，就表明了行业的成熟。如果Extropic和麻省理工学院能够推出可工作的原型，这将改变整个AI基础设施领域的游戏规则。