人工智能行业正站在重新思考计算范式的门槛上。来自Extropic公司和麻省理工学院的一组研究人员提出了热力学计算机的概念——这种架构有望将执行人工智能任务时的能耗比传统方法降低10000倍。

从对抗噪声到利用噪声

支撑大型语言模型的现代图形处理器（GPU）耗费巨大资源来抑制物理噪声和热涨落。这些现象传统上被视为需要最小化的干扰。然而，作者提出了一种截然不同的方法：不是对抗随机热过程，而是将其作为计算机制中不可分割的一部分加以利用。

许多人工智能任务，如寻找最可能的答案或最优解，本质上都是概率性的。热力学计算使系统能够直接操作随机物理过程，这有可能使其执行效率比在确定性处理器上高出数个数量级。

人工智能基础设施的能源危机

对替代架构的兴趣源于当今最严峻的问题：数据中心能耗的指数级增长。大型科技公司正投入数十亿美元建设新的计算能力，而用于训练和运行模型的电力需求仍在雪崩式增长。

如果热力学计算机的概念在实践中得到验证，这不仅会降低能源消耗，还会大幅削减人工智能基础设施的运营成本。对昂贵集群的需求可能会显著减少，从而为人工智能技术的更广泛应用开辟道路。

从理论到实践

需要强调的是，目前这还是一项基础研究，而非成熟的商业产品。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。距离基于热力学计算原理的首批芯片问世，可能还需要数年时间。

尽管如此，这项工作反映了一个重要趋势：行业正在越来越积极地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，热力学方法可能成为能够彻底改变行业格局的关键方向之一。

专家观点： 热力学计算不仅仅是一个新的科学假设，而是对我们扩展人工智能时面临的物理限制的合理回应。如果研究人员能够成功制造出工作原型，这可能像从CPU到GPU的转变一样具有突破性。然而，从模拟到工业样品的道路充满荆棘，我们应保持健康的怀疑态度，同时密切关注事态发展。