CN101：面向生成式AI的数字热力学计算机

论文提出一种与底层无关的热力学计算形式化方法，将结果编码为遍历随机过程的平稳期望，并制造了原型数字热力学计算芯片CN101，采用标准CMOS和随机计算原理实现，在生成式AI工作负载上展示了性能。

此前热力学计算依赖Langevin动力学，受限于模拟硬件。该研究将形式化方法推广到任意遍历过程，并首次在数字CMOS上实现，可能降低硬件门槛，提升精度可控性。

热力学计算利用随机物理动力学作为计算原语，通过时间平均统计获得结果。该研究将设计对象简化为动态生成器L*，实现精度由运行时长控制、样本平均可分解、阶段并发执行，并借助随机计算原理在数字电路上实现。

若该芯片成熟，可能降低生成式AI推理的硬件成本，因为数字CMOS更易量产；同时提高精度控制的灵活性，但当前仅为原型，距离实际产品应用仍有距离。

• 评估CN101在生成式AI推理中的性能，若达标可探索将其集成到边缘AI设备中。
• 开发面向CN101的编译器或工具链，简化模型部署。
• 与芯片代工厂合作，探索低成本量产路径。

• CN101在真实生成式AI工作负载上的具体性能指标如何？
• 该数字热力学计算方法的能效比与传统GPU相比如何？
• CN101是否支持主流AI框架（如PyTorch）的自动代码生成？