公众号记得加星标⭐️，第一时间看推送不会错过。 不断增长的人工智能（AI）需求暴露出一个严峻的"计算危机"，其特点是能源消耗不可持续、训练成本过高以及传统互补式金属氧化物 半导体（CMOS）微缩技术接近极限。「基于物理的专用集成电路（ASIC）」提供了一种变革性的范式，它直接利用固有的物理动力学 进行计算，而不是耗费资源来强制实现理想化的数字抽象。 通过放宽传统ASIC所需的约束，例如强制无状态性、单向性、确定性和同步性，这些设备旨在作为物理过程的精确实现而运行，从而在 能源效率和计算吞吐量方面获得显著提升。这种方法能够实现新颖的协同设计策略，使算法需求与物理系统固有的计算原语相吻合。 基于物理的ASIC可以加速关键的AI应用，例如扩散模型、采样、优化和神经网络推理，以及材料和分子科学模拟等传统计算负载。最 终，这一愿景指向了一个异构、高度专业化的计算平台未来，它能够克服当前的扩展瓶颈，并开启计算能力和效率的新前沿。 一、引言：计算危机 在过去十年中，人工智能（AI）应用的快速扩展显著增加了对计算基础设施的需求，暴露了基础硬件范式中的关键限制。支撑AI模型的 基础设施从未考虑到今天的规模、复杂性或能源需求。因 ...