随着人工智能的蓬勃发展以及硅材料自身的限制，一些初创公司正在挑战英伟达的主导地位，表示现在正是要重新发明计算机芯片的时候了。人工智能的发展正面临着日益惊人的成本，对于大规模AI训练所需的图形处理单元（GPU）的大量需求，已将这些核心部件的价格推向了顶峰。Open AI曾透露，为了训练支撑Chat GPT运行的算法，公司投入了超过1亿美元的资金。随着各方在AI领域的竞争加剧，数据中心的能源消耗也变得令人忧虑，其消耗量正在不断攀升。火热的人工智能市场催生了一些初创公司，它们开始大胆规划，准备制造新的计算工具。尽管英伟达的GPU在AI开发硬件中占据着主导地位，但这些新兴企业正呼吁对计算机芯片的设计进行一次彻底的革新。目前，已经有一些初创公司迈出了重新定义计算的第一步，他们开发了一个基础原型。与传统的硅芯片不同，这些芯片通过处理0和1这样的二进制位来执行计算任务。其创新之处在于其随机处理单元（SPU），该单元利用电路内部的随机波动以及电气振荡器的热力学特性来进行计算。这种方法能够产生对计算至关重要的随机样本，并能够解决在科学研究、工程领域以及机器学习中普遍存在的线性代数问题。Normal Computing公司的首席执行官Faris Sbahi表示，他们研发的硬件在效率上表现出色，并且特别适合进行统计类计算任务。这样的特性未来可能有助于开发出能够应对不确定性的人工智能算法，或许能够对大型语言模型在面临不确定因素时产生的错误输出问题提供解决方案。Sbahi认为，尽管生成性AI目前取得的成就值得称赞，但这项技术仍有很大的发展空间。他指出：“我们可以看到，在软件架构和硬件方面，还有更为优秀的解决方案等待我们去发掘。” Sbahi及其合伙人曾在Alphabet公司致力于量子计算和人工智能的研究。由于在将量子计算机应用于机器学习方面进展不甚理想，他们开始探索其他的方法，以利用物理原理来加强AI所需的计算能力。
图一：GPU芯片
随着业界在维持摩尔定律——即持续缩小芯片上元件密度的长期预测——面临挑战，对计算进行全面革新的观念正逐渐获得支持。康奈尔大学的彼得·麦克马洪教授指出：“即便摩尔定律的进展没有放缓，我们仍面临着一个重大问题。这是因为像OpenAI这样的公司推出的模型体积增长速度远远超过了芯片容量的提升速度。”换句话说，为了让人工智能的潜力得到充分发挥，我们可能迫切需要探索全新的计算方法。一些其他的公司正在尝试重新定义计算机芯片的基本原理，并积极寻求投资者支持，这预示着GPU可能很快就会遇到竞争对手。英国初创企业Vaire Computing正在研发一种与传统芯片工作方式截然不同的硅芯片，它能够在不损失信息的前提下进行计算。这种计算方法被称为“可逆计算”，虽然几十年前就已经设计出来，并有望显著提升计算效率，但之前从未实现过。Vaire的联合创始人兼首席执行官Rodolfo Rosini认为，随着在硅上蚀刻越来越小的元件所面临的物理限制，GPU和其他传统芯片的时代可能即将结束。Rosini表示，在芯片制造领域，“我们只剩下一个数量级的发展空间”。“我们可以继续缩小组件的尺寸，但最大的挑战是如何快速有效地从系统中散热。”
我们往往对聊天机器人持保留意见，然而，AI所引发的广泛关注有可能催生不仅仅是人工智能软件领域的重大创新。
