这事儿有点意思。美国一家叫Normal Computing的公司，刚搞出全球首款热力学计算芯片CN101，成功流片了。一听这名字，热力学计算，好像跟咱们熟悉的CPU、GPU完全不是一个路子。但你别以为这是什么实验室里的纸上谈兵，人家已经实实在在把芯片做出来了，而且目标直指AI和高性能计算的能耗痛点。

  我看了下资料，传统芯片跑AI，尤其是大模型推理和训练，耗电太狠了。GPU集群一开，电费就压得人喘不过气。Normal的思路很野——它不跟物理规律对着干，反而利用噪声、随机性和亚稳态来做计算。说白了，它不是靠强行推逻辑门，而是让系统自己“演化”到一个平衡状态，这个状态本身就是计算结果。IEEE Spectrum都说了，这玩意儿特别适合搞随机采样、矩阵求解这类任务，比如现在火得不行的扩散模型。

  你想想，AI生成图像、视频，本质上就是概率游戏，非得用确定性硬件去硬算，效率当然低。而CN101直接用物理过程模拟随机过程，能效提升号称高达1000倍。这数字听着悬，但如果是真，那可真是颠覆性的。要知道，现在整个AI行业都被能耗卡着脖子，英伟达的Hopper、Blackwell再强，数据中心的电力和散热也快撑不住了。

  他们CEO讲了一句很关键的话：AI能力快触到能源天花板了，就算未来五年算力需求涨一万倍，电从哪来？所以必须换赛道。他们这支从Google Brain、Palantir出来的团队，走的是一条“物理原生”的路——让硬件的物理行为直接对应算法需求。这思路，有内味儿了。

  更值得注意的是他们的路线图：2026年推CN201，打中等规模生成式AI；2027到2028年上CN301，直接冲大规模视频生成。如果真能按计划走通，那不只是替代GPU的问题，而是重新定义AI计算的底层范式。而且他们强调，这是极小团队干出来的事，说明技术突破有时候真不靠人海战术。

  当然，现在下定论还早。CN101刚流片，接下来要过表征和基准测试这关。真实性能如何，能不能规模化，产业链是否支持，都是未知数。但有一点可以肯定：当大家都在卷制程、卷架构时，有人已经开始从物理底层重新设计计算本身。这步子迈得够大，成不成另说，但方向是对的。能耗瓶颈摆在这儿，不换思路，光靠堆芯片，路只会越走越窄。