Normal Computing宣布其全球首款熱力學(xué)計(jì)算芯片CN101成功流片。這款A(yù)SIC專為AI/HPC數(shù)據(jù)中心設(shè)計(jì)，與傳統(tǒng)的硅片計(jì)算方法相比，它利用熱力學(xué)（以及其他物理原理）實(shí)現(xiàn)了傳統(tǒng)芯片無法比擬的計(jì)算效率。

熱力學(xué)芯片與傳統(tǒng)計(jì)算截然不同——在實(shí)踐中更接近量子計(jì)算和概率計(jì)算的領(lǐng)域。噪聲是標(biāo)準(zhǔn)電子器件的天敵，而熱力學(xué)和概率芯片則積極利用噪聲來解決問題。

“我們專注于能夠利用噪聲、隨機(jī)性和不確定性的算法，”Normal Computing的硅片工程主管Zachary Belateche在最近接受IEEE Spectrum采訪時(shí)表示。“這個(gè)算法領(lǐng)域非常廣闊，涵蓋從科學(xué)計(jì)算到人工智能再到線性代數(shù)的方方面面?！?/p>

據(jù)IEEE Spectrum解釋，熱力學(xué)芯片的組件初始狀態(tài)為半隨機(jī)狀態(tài)。將程序輸入這些組件后，一旦各部分之間達(dá)到平衡，該平衡狀態(tài)即被讀出作為解決方案。這種計(jì)算方式僅適用于涉及非確定性結(jié)果的應(yīng)用；熱力學(xué)芯片不會(huì)用于訪問網(wǎng)頁瀏覽器，但在AI圖像生成和其他訓(xùn)練任務(wù)中表現(xiàn)出色。

Normal最新流片的芯片CN101旨在高效地解決線性代數(shù)和矩陣運(yùn)算，并利用Normal專用的采樣系統(tǒng)來解決其他概率計(jì)算。這些任務(wù)專門針對(duì)現(xiàn)代數(shù)據(jù)中心的AI訓(xùn)練需求，在這些工作負(fù)載下可實(shí)現(xiàn)高達(dá)1000倍的能耗效率。

Normal對(duì)熱力學(xué)計(jì)算及其基于物理的 ASIC（例如CN101）的目標(biāo)是，讓AI訓(xùn)練服務(wù)器包含所有必要的部件，從而為每個(gè)問題提供最高效的解決方案：CPU、GPU、熱力學(xué)ASIC，甚至概率和量子芯片，以便每個(gè)問題都能找到最接近的解決方案。Normal的CN產(chǎn)品線路線圖包括2026年和2028年的發(fā)布，以擴(kuò)展到更深層次、更常用的照片和視頻傳播模型。

隨著硅計(jì)算不斷向其不可避免的最小尺寸邁進(jìn)，以及全球AI數(shù)據(jù)中心需求的不斷增長，一系列替代計(jì)算技術(shù)正在興起以滿足需求。硅光子學(xué)目前是該領(lǐng)域最熱門的技術(shù)發(fā)展之一，而像量子這樣的非確定性芯片似乎仍遙不可及。不知不覺中，Normal的熱力學(xué)芯片可能成為新芯片技術(shù)突破浪潮的重要組成部分。

據(jù)悉，Normal Computing是一家優(yōu)化生成式AI模型技術(shù)研發(fā)應(yīng)用服務(wù)商。Normal Computing的概率AI開創(chuàng)了一種新的范式，提供了具有可靠性、適應(yīng)性和可審計(jì)性的AI模型，以Probabilistic AI（概率AI）技術(shù)作為基本支持，旨在構(gòu)建全?；A(chǔ)架構(gòu)，搭建領(lǐng)先的機(jī)器學(xué)習(xí)框架，解決企業(yè)和政府應(yīng)用程序中的關(guān)鍵性問題。（校對(duì)/趙月）