Researchers Propose Thermodynamic Computing Architecture That Could Dramatically Reduce AI Energy Use

Researchers from Extropic Corp. and MIT have proposed a Denoising Thermodynamic Computer Architecture (DTCA) — a transistor-based probabilistic computing system that could perform AI inference tasks using roughly 10,000 times less energy than GPUs. The architecture uses conventional CMOS transistors to generate programmable random numbers, chaining sparse Boltzmann machines in a denoising pipeline inspired by diffusion models. On Fashion-MNIST benchmarks, simulated results show energy parity with GPU performance at a fraction of the cost. A hybrid approach combining small neural networks with thermodynamic hardware also showed promise on CIFAR-10. Key caveats: only the random-number generator circuit has been physically built; the full architecture remains theoretical, and scaling to large AI workloads is an unsolved challenge.

Nguồn: https://thequantuminsider.com/2026/07/03/researchers-propose-thermodynamic-computing-architecture-that-could-dramatically-reduce-ai-energy-use. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.

Đề xuất cho bạn

sean goedecke17 Hot6 phút7 ngày trướcAI

AI inference is obviously profitable

Phân tích chi phí sơ lược cho thấy suy luận (inference) AI thực sự sinh lời, với chi phí ước tính khoảng 1 USD cho mỗi triệu token đầu ra, thấp hơn nhiều so với mức giá 4,5 USD trở lên của các nhà cung cấp như OpenAI, qua đó đạt biên lợi nhuận gộp 70–80%. Suy luận AI có lợi nhuận, nhưng các phòng thí nghiệm AI như OpenAI và Anthropic sử dụng khoản lợi nhuận này để bù đắp chi phí đào tạo mô hình tốn kém.

Là người phát triển muốn tối ưu chi phí cho ứng dụng AI của mình, bài viết này giúp bạn hiểu rõ về lợi nhuận thực tế của quá trình inference AI, từ đó có thể xây dựng mô hình kinh doanh hiệu quả và tránh bỏ lỡ cơ hội tiết kiệm chi phí mà không phụ thuộc vào sự hỗ trợ từ các công ty lớn.

#llm