AI 能效是傳統晶片 1,000 倍！全球首款「熱力學運算晶片」完成投片

Normal Computing 宣布，全球首款熱力學運算晶片「CN101」成功完成投片（Tape-out）。這款專為 AI 與高效能運算（HPC）資料中心設計的 ASIC，與傳統矽基運算方式不同，是運用熱力學（以及其他物理原理）來達到傳統晶片無法匹敵的運算效率。

Normal Computing 指出，CN101 晶片，專注於高效解決線性代數與矩陣運算，並搭載 Normal 特有的取樣系統來處理其他機率型計算。該架構專為加速運算任務而設計，透過利用物理系統的內在動態，能在運算工作負載中達 1,000 倍的能耗效率。

熱力學晶片與傳統運算方式截然不同，是更接近量子運算與機率運算的領域。雜訊在傳統電子學中是大敵，但在熱力學與機率晶片中，反而能利用來解決問題。

Normal Computing 矽工程主管 Zachary Belateche 近期接受《IEEE Spectrum》訪問時表示，「我們專注於能利用雜訊、隨機性與非確定性的演算法。這類演算法的應用空間非常廣泛，涵蓋從科學運算、AI 到線性代數等領域」。

外媒《IEEE Spectrum》解釋，熱力學晶片元件會先處於半隨機狀態，接著將程式輸入其中，當各元件之間達到平衡（equilibrium）後，系統會讀取該平衡狀態作為運算結果。這種運算方式僅適用涉及非確定性結果的應用，因此不會用來開啟網頁瀏覽器，但對於 AI 圖像生成等任務及其他訓練工作，卻能發揮極大優勢。

也因此，相較於 CPU 與 GPU 需耗費大量能源來維持確定性邏輯，Normal 的晶片則利用隨機性加速 AI 推理。相較傳統方法，這在運算效率上極具潛力。

Normal Computing 的長期願景是建構整合 CPU、GPU、熱力學 ASIC、概率晶片、甚至是量子晶片的異構運算伺服器，幫助 AI 訓練伺服器中整合最適合不同問題的各類元件。

Normal Computing 的 CN 系列產品藍圖包括 2026 與 2028 年的後續版本，將擴展至更深度且更常用的照片與影片擴散模型應用。

（首圖來源：Normal Computing）