Unconventional AI 发布首款物理计算原语生成模型 Un-0，宣称能效可降千倍
Unconventional AI 用物理振子系统替代 GPU 计算，发布首个生成模型 Un-0，有望大幅降低 AI 能耗。
前 Databricks AI 负责人 Naveen Rao 创办的 Unconventional AI 发布首个利用物理系统（模拟耦合振子）计算的大规模生成模型 Un-0。在 ImageNet 64×64 上，Un-0 的 FID 为 6.74，接近传统方法水平。公司称未来可能将 AI 推理能耗降至现有系统的千分之一。
正文摘录
.jpg) 在过去的十多年里，以 GPU 为核心的数字计算统治了 AI 领域，更大的集群、更高的带宽、更强的 GPU、更密集的数据中心，似乎是通向下一代 AI 的主流路径。 可随着模型参数量迈向万亿级，行业开始频繁提及「能耗」一词，甚至一个更为底层的问题也随之而来：如果 AI 继续按现有方式扩张，电从哪里来？ 无疑， AI 「电费账单」与能源消耗，已逐步从运营成本演变为制约整个行业发展的「结构性瓶颈」。 面对这一迫在眉睫的能源危机， 前 Databricks AI 负责人、硅谷传奇创业者 Naveen Rao 带着他的全新硬科技初创公司 Unconventional AI 走到了聚光灯下。 今日，Unconventional AI 官宣发布它的 第一个模型 Un-0，一个由「模拟耦合振子系统」驱动的图像生成模型，可以看作是一种新兴物理计算底座的样例。在 ImageNet 64×64 上，Un-0 达到 FID 6.74，质量已经接近一些主流传统图像生成方法刚发布时的水平。 Naveen Rao 称其是 「第一个以物理作为计算原语构建的大规模生成模型」 。 「这标志着基于物理的模型迎来了一个『Hello World』时刻。我们利用物理系统天然随时间变化的行为，让它替我们完成计算。最终结果是一种全新的计算机构建方式，并且有望在能效上实现大幅提升。