近日，美国芯片设计公司Normal Computing在8月18日宣布，其全球首款热力学计算芯片“CN101”成功完成流片（Tape-out）。这一突破性进展标志着该公司在AI和高性能计算（HPC）领域的一项重要里程碑。CN101基于Normal Computing的Carnot架构，旨在通过利用热力学原理带来的内在动力学，显著提升在AI和科学计算任务中的能耗效率，目标是实现高达1000倍的能效提升。
在传统计算中，CPU和GPU等硬件需要消耗大量的能量来执行确定性逻辑计算，这导致了能效的瓶颈。而“CN101”热力学芯片则借助物理系统中的随机性和自然动态来加速AI推理，展现出更接近量子计算和概率计算的特点。通过智能算法与物理层面的结合，CN101能够在固定的电力预算下实现更高的计算输出，从而在低延迟和高吞吐量的条件下，解决复杂的AI任务。
据《IEEE Spectrum》分析，热力学芯片在计算时会处于一种半随机状态，待程序输入后，各个组件之间会达到一种平衡状态（equili
ium），系统会将这一平衡状态读取为计算结果。这种方法虽然无法处理诸如网页浏览之类的传统应用，但在AI图像生成和训练等任务中，CN101可以发挥巨大的潜力和优势。
在具体应用领域上，CN101尤其在两个方向展现出显著的加速效果。一方面，它在高效求解大规模线性系统过程中，能够有效地支持工程、科学计算和优化任务；另一方面，凭借Normal Computing独有的晶格随机游走（LRW）技术，CN101在数据采样方面也具备显着的优势。这意味着，CN101不仅能提升科学模拟的效率，还能加速贝叶斯推理等概率计算方法。
Normal Computing的CEO Faris Sbahi表示，近期人工智能的发展正在接近现有能源预算的极限，尽管公司计划在未来五年内实现训练性能的进一步扩大。热力学计算作为一种新兴技术，有潜力重新定义未来数十年的计算规模和架构。此次芯片的成功流片，将为商业化热力学计算的愿景打下坚实的基础，同时也意味着AI在每瓦特、每机架和每美元方面的性能提升。
Normal Computing的硅工程主管Zach Belateche提到，CN101的成功展示了他们热力学架构的首次硅验证，为进一步理解随机过程在真实硅材料中的表现提供了基础。这一实验结果将为即将推出的CN201和CN301芯片的开发方向提供重要的指导。
根据公司的计划，CN201预计会在2026年面世，重心在高分辨率扩散模型及扩展AI工作负载，而CN301则预计在2027年底至2028年初推出，旨在进一步提升视频处理能力和支持更复杂的AI工作。Normal Computing希望通过不断推动硬件的进步来实现更高级别的AI性能，尤其是在生成AI领域。
Normal Computing自成立以来，便致力于回应传统计算设施面临的基本局限，团队成员来自Google Brain、Google X和Palantir等业界领先公司。企业不仅专注于构建新一代的硬件和基础软件，还渴望通过与AI软件及半导体行业的协作，在加速复杂硬件工程的同时，降低成本，推动热力学计算硬件的发展，以此为下一代的节能、可扩展AI基础设施提供动力。
“CN101”芯片的流片成功，不仅是Normal Computing在热力学计算领域的重要一步，更是推动人工智能能效革命的关键突破。未来，随着这一技术的不断成熟，AI应用将迎来前所未有的能效提升，助力各行各业的快速发展和转型。