Unconventional AI 旨在将 AI 能耗降低 1,000 倍

随着全球对人工智能的需求威胁到可用能源供应，一家初创公司正试图重写硬件架构的规则。在 Databricks 前 AI 负责人 Naveen Rao 的带领下，Unconventional AI 正押注于一种激进的新型计算方法，以解决行业迫在眉睫的能源危机。

超越传统的硅架构

Unconventional AI 使命的核心在于背离目前驱动大语言模型 (LLMs) 和扩散模型的传统芯片。虽然行业很大程度上专注于优化现有的 GPU 和 TPU 架构，但 Rao 和他的团队正在利用基于振荡器的计算机架构从零开始构建。

这种方法与标准数字计算中使用的晶体管有着本质的区别。通过利用振荡器，该公司旨在以空前的效率进行推理处理。Rao 认为，这种转变最终可以将 AI 推理所需的功耗降低多达 1,000 倍，将 AI 从能源密集型的负担转变为可持续的公用事业。

Un0：基于振荡器计算的“Hello World”

为了证明这种激进硬件概念的可行性，该公司最近推出了其首个模型 Un0。尽管 Un0 目前运行在公司预期的振荡器芯片的软件模拟上，但其结果非常显著。该模型是一个图像生成系统，能够复制 Stable Diffusion 或 OpenAI 的 GPT Image 1 等最先进扩散模型的性能。

Rao 将此次发布描述为一种新型计算机的“Hello World”，并强调其目标是证明完全不同的硬件逻辑仍然可以产生高质量、高保真的输出。随附的研究论文详细介绍了这种模拟架构如何成功处理复杂的生成任务，为物理硬件的开发提供了路线图。

解决 AI 扩展中的能源瓶颈

这一进展的时机至关重要。随着 AI 模型的参数量和复杂度不断扩大，增长的主要约束正从数据可用性转向能源可用性。Rao 认为，能源将在未来几年成为 AI 的“根本限制”，为能够部署的智能程度设定一个硬性上限。

Unconventional AI 计划通过构建完整的推理栈来解决这一问题。其路线图包括：

• 开发物理振荡器芯片并发布其原理图。
• 构建由这些专利芯片组成的完整系统。
• 提供计算能力即服务 (compute capacity as a service)，用户通过网络电缆发送提示词，并以当前功耗成本的 1/1000 接收推理结果。

虽然该公司目前规模精简，员工不足 50 人，但其使命解决了整个 AI 行业面临的最重大的宏观经济障碍：不可持续的电力成本。

核心要点

• 激进的硬件转变： Unconventional AI 正从传统的硅架构转向基于振荡器的架构，以优化 AI 推理。
• 经过验证的性能： 该公司的 Un0 模型证明了这种新架构可以媲美 Stable Diffusion 等行业领先者的图像生成能力。
• 解决能源危机： 最终目标是将 AI 功耗降低 1,000 倍，解决威胁到 AI 扩展规模的迫在眉睫的能源瓶颈。