近日，Normal Computing，一家专注于热力学计算的美国芯片设计企业，宣布其全球首款热力学计算芯片“CN101”已成功完成流片。这款ASIC芯片专为AI与高性能计算（HPC）数据中心设计，基于Normal Computing独有的Carnot架构。
CN101芯片打破了传统CPU和GPU的能耗限制，通过利用物理系统的内在动力学，在AI和科学计算任务上实现了能耗效率的显著提升，据称可达1000倍。Normal Computing指出，传统的计算芯片依赖大量能量来执行确定性逻辑计算，而CN101则更接近量子计算与概率计算领域，它利用波动、噪声和随机性等自然动态来加速AI推理。
据《IEEE Spectrum》解释，热力学芯片的工作原理是让芯片元件先处于半随机状态，然后将程序输入其中。当各组件达到平衡状态后，系统读取该状态作为计算结果。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，而不适合执行网页浏览器等传统应用。
CN101芯片特别针对人工智能和科学计算中的关键任务进行了优化，尤其在线性代数和矩阵运算，以及使用晶格随机游走（LRW）进行随机采样方面表现出显著加速效果。这些特性使得CN101在解决大规模线性系统和加速科学模拟及贝叶斯推理方法所必需的概率计算方面具有独特优势。
Normal Computing的首席执行官Faris Sbahi表示，随着人工智能能力的不断提升，能源预算和架构的限制日益凸显。CN101的成功流片是热力学计算领域的一个历史性时刻，它为实现大规模热力学计算商业化愿景奠定了坚实基础。Sbahi还提到，热力学计算有望通过利用AI算法的物理实现来定义未来几十年的缩放定律。
Normal Computing的硅工程主管Zach Belateche强调，CN101代表了他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，他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，并为扩大架构以支持最先进的扩散模型制定明确路径。
随着CN101的成功流片，Normal Computing将直接进入表征和基准测试阶段。研究结果将指导即将推出的CN201和CN301芯片的开发。CN201计划于2026年推出，主要面向高分辨率扩散模型和扩展的AI工作负载；而CN301则计划在2027年底或2028年初推出，将进一步扩展到高级视频扩散模型。
Normal Computing由来自Google Brain、Google X和Palantir的资深人士于2022年创立，业务遍布纽约、旧金山、伦敦和哥本哈根。该公司致力于构建新的基础软件和硬件，通过AI软件与半导体行业的合作，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。
