近日，Normal Computing，一家專注于熱力學計算的美國芯片設計企業，宣布其全球首款熱力學計算芯片“CN101”已成功完成流片。這款ASIC芯片專為AI與高性能計算（HPC）數據中心設計，基于Normal Computing獨有的Carnot架構。
CN101芯片打破了傳統CPU和GPU的能耗限制，通過利用物理系統的內在動力學，在AI和科學計算任務上實現了能耗效率的顯著提升，據稱可達1000倍。Normal Computing指出，傳統的計算芯片依賴大量能量來執行確定性邏輯計算，而CN101則更接近量子計算與概率計算領域，它利用波動、噪聲和隨機性等自然動態來加速AI推理。
據《IEEE Spectrum》解釋，熱力學芯片的工作原理是讓芯片元件先處于半隨機狀態，然后將程序輸入其中。當各組件達到平衡狀態后，系統讀取該狀態作為計算結果。這種計算方式適用于涉及非確定性結果的應用，如AI圖像生成等，而不適合執行網頁瀏覽器等傳統應用。
CN101芯片特別針對人工智能和科學計算中的關鍵任務進行了優化，尤其在線性代數和矩陣運算，以及使用晶格隨機游走（LRW）進行隨機采樣方面表現出顯著加速效果。這些特性使得CN101在解決大規模線性系統和加速科學模擬及貝葉斯推理方法所必需的概率計算方面具有獨特優勢。
Normal Computing的首席執行官Faris Sbahi表示，隨著人工智能能力的不斷提升，能源預算和架構的限制日益凸顯。CN101的成功流片是熱力學計算領域的一個歷史性時刻，它為實現大規模熱力學計算商業化愿景奠定了堅實基礎。Sbahi還提到，熱力學計算有望通過利用AI算法的物理實現來定義未來幾十年的縮放定律。
Normal Computing的硅工程主管Zach Belateche強調，CN101代表了他們熱力學架構的首次硅演示，它利用隨機性、亞穩態和噪聲來執行采樣任務。通過表征CN101，他們將能夠為理解這些隨機過程在真實硅上的行為奠定基礎，并為擴大架構以支持最先進的擴散模型制定明確路徑。
隨著CN101的成功流片，Normal Computing將直接進入表征和基準測試階段。研究結果將指導即將推出的CN201和CN301芯片的開發。CN201計劃于2026年推出，主要面向高分辨率擴散模型和擴展的AI工作負載；而CN301則計劃在2027年底或2028年初推出，將進一步擴展到高級視頻擴散模型。
Normal Computing由來自Google Brain、Google X和Palantir的資深人士于2022年創立，業務遍布紐約、舊金山、倫敦和哥本哈根。該公司致力于構建新的基礎軟件和硬件，通過AI軟件與半導體行業的合作，以零缺陷加速復雜的硬件工程，降低成本，并開發熱力學計算硬件，為下一代節能、可擴展的AI基礎設施提供動力。
