全球首款熱力學計算芯片，正式流片_風聞

本文由半導體產業縱橫（ID：ICVIEWS）編譯自tomshardware

CN101 放棄確定性邏輯，以更低的能源預算訓練更多人工智能。

近日，Normal Computing 宣佈成功流片全球首款熱力學計算芯片 CN101。該 ASIC 專為 AI/HPC 數據中心設計，與傳統的硅計算方法大相徑庭，它藉助熱力學（以及其他物理原理），達成了傳統芯片難以企及的計算效率。這一成果在半導體和計算領域激起了千層浪，有望為未來的人工智能和高性能計算帶來革命性的變化。

熱力學芯片代表着與傳統計算截然不同的範式，在實踐中，其更趨近於量子計算和概率計算領域。一直以來，噪聲都是標準電子產品避之不及的大敵，因為它會干擾信號傳輸，導致計算出現錯誤。但在熱力學和概率芯片的世界裏，噪聲卻被“變廢為寶”，成為解決問題的得力助手。正如 Normal Computing 的硅工程主管 Zachary Belateche 在接受 IEEE Spectrum 採訪時所闡述的：“我們聚焦於能夠利用噪聲、隨機性和不確定性的算法。事實證明，這類算法的應用範圍極為廣泛，從科學計算、人工智能到線性代數，幾乎無所不包。”

具體而言，熱力學芯片的組件起始於半隨機狀態。當程序輸入到組件中後，隨着時間推移，這些部件之間會逐漸達到平衡狀態，而最終讀出的平衡結果，便是問題的解決方案。不過，這種獨特的計算方式並非適用於所有場景，它僅對涉及非確定性結果的應用程序有效。比如，我們日常使用的網絡瀏覽器，就無法藉助熱力學芯片來運行，因為其工作機制依賴於確定性的計算結果。但在各類人工智能任務中，熱力學芯片卻能大顯身手，像人工智能圖像生成，需要通過隨機生成初始圖像元素，再逐步優化以生成逼真圖像；還有其他訓練任務，常常要處理大量不確定性數據來調整模型參數，這些工作都高度依賴熱力學芯片這種基於不確定性的硬件。

此次最新流片的CN101 芯片，在功能上有着明確的針對性，它專門用於高效求解線性代數和矩陣運算，同時利用 Normal 專用的採樣系統處理其他概率計算。這些任務與現代數據中心的人工智能訓練需求完美契合。在實際運行中，相較於傳統芯片，CN101 在這些工作負載下的能耗效率可提升高達 1000 倍。這意味着，在處理相同規模的人工智能訓練任務時，CN101 芯片能夠以極低的能耗運行，大大降低了數據中心的運營成本，同時減少了能源消耗對環境的影響。

Normal 對熱力學計算及其基於物理的 ASIC（如 CN101）有着更為宏大的目標規劃。他們期望人工智能訓練服務器能夠集成所有必要部件，構建一個 “超級計算工具箱”，其中既包含傳統的 CPU、GPU，也有熱力學 ASIC，甚至還涵蓋概率和量子芯片。如此一來，面對不同類型的計算問題，服務器都能精準匹配最適宜的計算芯片，找到最接近理想狀態的解決方案。

從產品佈局來看，Normal 的 CN 產品線路線圖已經規劃到了未來數年，其中包括 2026 年和 2028 年的新品發佈計劃。後續產品將聚焦於擴展到更深層次、更常用的照片和視頻傳播模型。以 2026 年計劃推出的產品為例，有望在處理高分辨率圖像、複雜視頻特效生成等方面，進一步發揮熱力學計算的優勢，為相關領域的人工智能應用提供更強大的算力支持。

當前，硅計算正不斷朝着其物理極限的最小尺寸逼近。隨着全球AI 數據中心需求如火箭般迅猛增長，傳統硅芯片在算力提升和能耗控制上愈發捉襟見肘。在這樣的大背景下，一系列替代計算技術如雨後春筍般紛紛湧現，試圖填補算力缺口，滿足市場對高效計算的渴望。

在眾多新興技術中，硅光子學憑藉其在數據傳輸速度和能耗方面的優勢，成為當下該領域最炙手可熱的技術發展方向之一。通過利用光子代替電子進行數據傳輸，硅光子學有望大幅提升芯片間的數據通信速率，降低傳輸過程中的能耗。而量子計算，則因其基於量子力學原理的獨特計算方式，在處理某些特定複雜問題時展現出遠超傳統計算的潛力，被視為未來計算領域的一顆璀璨明星。不過，量子計算目前仍面臨諸多技術難題，如量子比特的穩定性、量子糾錯等，距離大規模商業化應用似乎仍像空中樓閣般遙不可及。

在這場計算技術的革新競賽中，Normal 的熱力學芯片憑藉其獨特的計算理念和卓越的性能表現，或許很快就會在新芯片技術突破的浪潮中佔據重要一席。隨着對 CN101 芯片的深入研究和優化，以及後續產品的陸續推出，熱力學計算有望重塑人工智能和高性能計算的格局，為行業發展開闢出一條全新的道路。

*聲明：本文系原作者創作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯繫後台。