近日，美国芯片设计企业Normal Computing宣布全球首款热力学计算芯片“CN101”成功完成流片，这款专为AI与高性能计算数据中心打造的芯片，基于Carnot架构，利用物理系统的内在动力学加速计算任务，能效比传统芯片提升1000倍，在AI图像生成等领域优势显著，Normal Computing还规划了后续芯片的推出计划。
全球首款热力学计算芯片“CN101”完成流片
8月18日消息，美国芯片设计企业Normal Computing近日宣布，全球首款热力学计算芯片“CN101”成功完成流片。这是一款基于Normal Computing的Carnot架构，专为AI与高性能计算（HPC）数据中心设计的ASIC。
“CN101”的创新计算原理与优势
传统的CPU和GPU需消耗大量能量执行确定性逻辑计算，而“CN101”这类热力学芯片更接近量子计算与概率计算领域。它基于物理ASIC，利用波动、噪声和随机性等自然动态的随机性来加速AI推理。《IEEE Spectrum》解释，热力学芯片元件先处于半随机状态，程序输入后，各组件达到平衡，系统读取该平衡状态作为计算结果。这种计算方式适用于涉及非确定性结果的应用，如AI图像生成等任务及其他训练工作，能发挥极大优势，在固定数据中心能源预算内实现更多人工智能，将总计算输出最大化，并结合推理的低延迟、高吞吐量性能，其能效可提升1000倍。此外，CN101专门针对对人工智能和科学计算至关重要的计算任务，在线性代数和矩阵运算，以及使用晶格随机游走（LRW）进行随机采样这两个领域表现出显著的加速。
Normal Computing对“CN101”的高度评价
Normal Computing称，CN101是朝着实现大规模热力学计算商业化愿景迈出的基础一步，可显著提高每瓦、每机架和每美元的AI性能，从而在现有能源预算内最大限度地提高AI输出。Normal Computing首席执行官Faris Sbahi表示：“近几个月来，我们看到人工智能能力正在接近当今的能源预算和架构的趋于平坦的曲线，尽管我们计划在未来5年内将训练运行再扩大10，000倍。热力学计算有可能通过利用人工智能算法的物理实现（包括后自回归架构）来定义未来几十年的缩放定律。实现第一个芯片成功是这种新兴范式的历史性时刻————由一个极小的工程团队执行。 ”Normal Computing硅工程主管Zach Belateche也表示：“CN101代表了我们热力学架构的首次硅演示，它利用随机性、亚稳态和噪声来执行采样任务。通过表征CN101，我们将能够为理解这些随机过程在真实硅上的行为奠定基础，并为扩大我们的架构以支持最先进的扩散模型制定一条清晰的道路。”
“CN101”后续研发计划
随着CN101的流片，Normal Computing将直接过渡到表征和基准测试，研究结果将指导即将推出的CN201和CN301芯片的开发，扩展Normal的热力学计算愿景，以扩展AI工作负载。根据计划，Normal Computing将会在2026年推出CN201，主要面向高分辨率扩散模型和扩展的AI工作负载；2027年底或2028年初将推出CN301，将会进一步扩展到高级视频扩散模型。正如Zach Belateche所说：“我们将使用随机硬件扩展扩散模型的愿景始于今年在CN101上展示关键应用，然后明年在CN201上实现中型GenAI任务的最先进性能，最后在两年后使用CN301实现大规模GenAI的多个数量级性能提升。”
Normal Computing公司背景
根据官网资料显示，Normal Computing由来自Google Brain、Google X和Palantir的资深人士于2022年创立，业务遍及纽约、旧金山、伦敦和哥本哈根。该公司致力于解决传统计算基础设施的基本限制，为物理世界构建新的基础软件和硬件————通过AI软件与半导体行业合作，以零缺陷加速复杂的硬件工程，降低成本，并开发热力学计算硬件，为下一代节能、可扩展的AI基础设施提供动力。
以上文章由 AI 总结生成