1 月 29 日消息，勞倫斯伯克利國家實驗室（LBNL）科學家團隊于 1 月 10 日發布重磅研究，提出“熱力學計算”（Thermodynamic Computing）概念，理論上可將 AI 圖像生成的能耗降低至當前水平的百億分之一。

注：傳統的電腦用晶體管的“開”和“關”（0 和 1）來計算，這需要消耗大量電力。熱力學計算則像是在利用大自然的物理規律“順水推舟”，通過物理系統自然的熱運動和能量變化來自動尋找問題的答案，就像讓水自然流向低處來指引路徑，而不是用水泵強行抽水，因此理論上能耗極低。

該研究由 LBNL 科學家 Stephen Whitelam 與 Corneel Casert 共同完成，于 1 月 10 日發表于《自然-通訊》的論文中，揭示了構建“熱力學神經網絡”的可能性。隨后，在 1 月 20 日發表于《物理評論快報》的研究中，團隊通過傳統計算機模擬驗證了這一構想。

Whitelam 指出，傳統的數字芯片需要消耗能量來制造偽隨機噪聲并進行計算，而熱力學計算機則直接利用環境中普遍存在的隨機熱波動（即“自然噪聲”）。

紐約初創公司 Normal Computing 已開發出一種包含八個諧振器的原型芯片，通過特制的耦合器連接。在計算時，系統利用諧振器引入噪聲，待網絡自然達到熱平衡狀態后，新的諧振器配置即為計算結果。這種物理機制從根本上省去了模擬噪聲所需的巨大能耗。

研究人員坦言，目前的解決方案尚處于極其初級的“雛形階段”（Rudimentary）。現有的原型機雖然驗證了原理的可行性，但要制造出在性能、穩定性和規模上能與當前成熟的數字 AI 模型（如 NVIDIA 的 GPU 集群）相媲美的硬件，仍需在材料科學和工程設計上付出巨大的努力。