对AI领域下一个重大突破的探索,催生了许多雄心勃勃的项目。其中一家公司正以此为契机,从零开始重构计算架构。
Unconventional AI由Naveen Rao领导——他曾担任Databricks的AI负责人。这家公司承诺大幅提升推理处理的能效,其核心秘密武器是一种全新的基于振荡器的计算架构。
本周四,该公司发布了首个AI模型——Un0,这是一款图像生成工具,首次向外界展示了公司技术复现传统AI系统能力的可能性。与此同时,公司研究团队发布了一篇配套论文,详细介绍了他们如何借助新架构的软件仿真,构建出一个完整可用的图像生成模型——其性能与当前最先进的扩散模型不相上下。
Rao在接受TechCrunch采访时表示:"这是一种新型计算机的'Hello World'。在接下来的一年里,你们将会看到一些相当有趣的进展。"
Un0模型的输出效果与Stable Diffusion或OpenAI的GPT Image 1等图像生成模型相近。真正令人印象深刻的,是它实现这一性能的方式。该模型基于振荡器架构构建,与驱动传统计算和大语言模型的芯片截然不同。振荡器计算的优势较为复杂,但Rao相信,这一架构最终将把能耗降低多达1000倍。
目前,支撑这一目标的基础设施仍在建设之中。Un0的当前版本运行于Unconventional AI振荡器芯片的软件仿真之上,但公司计划近期发布实体芯片的设计方案,并进一步从头搭建完整的推理技术栈,最终像其他计算服务商一样对外提供算力。
Rao表示:"我们将用自研芯片构建一套全新的系统,在其上运行AI模型。外部输入提示词,输出推理结果,整个过程的能耗仅为现有方案的千分之一。"
这是一个极为大胆的目标,尤其是对于一家员工不足50人的公司而言。但考虑到AI基础设施建设的规模,以及满足日益增长的推理需求所带来的成本压力,这或许是少数几个能够真正应对问题规模的方向之一。在Rao看来,可用电力将成为未来几年AI发展的硬性瓶颈,而Unconventional AI是为数不多正在正面迎击这一挑战的团队。
Rao说道:"AI扩展的瓶颈在于能源。这将是未来几年的根本性限制,是真正无法逾越的边界。归根结底,这是一个受能源制约的问题。"
Q&A
Q1:Unconventional AI发布的Un0模型是什么?能做什么?
A:Un0是Unconventional AI发布的首个AI模型,是一款图像生成工具。它基于振荡器计算架构的软件仿真构建,性能与Stable Diffusion、OpenAI GPT Image 1等主流图像生成模型相当,主要用于验证公司新型计算架构能够复现传统AI系统的能力。
Q2:振荡器架构为什么能把AI能耗降低1000倍?
A:振荡器架构与传统计算芯片的工作原理截然不同,从底层计算逻辑上彻底改变了信息处理方式。Unconventional AI认为,这种架构在执行AI推理任务时,天然具备远低于传统芯片的能耗特性。不过目前该架构仍处于软件仿真阶段,实体芯片尚未正式发布,1000倍的能耗降幅是基于理论和仿真预测的目标值。
Q3:Unconventional AI接下来有什么计划?
A:公司计划近期发布振荡器芯片的实体设计方案,并在此基础上从头构建完整的AI推理技术栈,最终像云计算服务商一样对外提供算力服务。Rao表示,未来一年内将有更多重要进展披露。目前公司员工不足50人,仍处于早期发展阶段。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。