Normal Computing开发热力学计算芯片

一块GPU为了「不出错」付出的代价，远比大多数人想象的高。 传统GPU需要消耗大量能量来保证计算的准确性，而运行在上面的AI模型，却常常需要随机性：扩散模型从噪声中生成图像，大语言模型通过概率采样生成文本。 Normal Computing创始人Faris Sbahi由此提出一个想法：能否直接利用硬件中的噪声完成部分计算，让AI少耗一些电？ Normal Computing成立于2022年，总部位于纽约，前身为Google X内部项目。

公司有两条业务线：用AI改进芯片设计与验证工具，以及利用这些工具开发新的计算硬件。 今年3月，Normal完成由三星催化基金领投的5000万美元战略融资，累计融资超过8500万美元。 投资方还包括美光风投、埃里克·施密特旗下的First Spark Ventures和嘉加资本EnvisionX Capital。 据该公司披露，全球营收排名前十的半导体公司中，已有半数以上与其建立合作。 今年8月，Normal在Hot Chips大会上公布了首颗热力学计算芯片CN101的测试结果。

Normal团队瞄准的是AI扩张中的能源瓶颈。 随着数据中心用电需求增长，单纯增加能源供应难以支撑算力的持续扩张。 公司试图从计算架构入手降低能耗，让同样的电力和成本支持更多AI计算。 近期在斯坦福商学院举行的一场炉边对话中，嘉加资本EnvisionX Capital创始及管理合伙人郑泓Holly Zheng，向Normal Computing联合创始人兼CEO Faris Sbahi抛出了一个投资人视角的问题：你们和全球主要半导体公司之间，究竟是客户与供应商的关系，还是未来可能变成竞争对手？

Faris Sbahi的回答是：「当你要在一个几十年没怎么变过的行业里做颠覆的事，就必须足够有耐心，也必须非常认真地对待合作关系。 」郑泓也回顾了投资Normal的决策过程。 双方最初讨论的是EDA：用AI做芯片验证，商业逻辑清晰，目标市场明确。 随着了解深入，她发现Normal的愿景远不止于此——这家公司还打算开发全新的计算架构。 这让她看到了公司更大的长期增长潜力，也为公司未来的估值留下了更多想象空间。 Faris的创业起点是物理学。 他在杜克大学读完本科，进入加州理工学院攻读理论物理与量子信息博士。

他在Google Brain参与TensorFlow核心框架的开发后，利用「20%时间」制度探索新的研究方向，最终加入Google X继续推进该项目。 团队最终从Google独立出来，成立了Normal。 Normal技术路线的演变分为三个阶段：最初探索利用硬件噪声完成概率计算； 之后尝试基于振荡器的模拟计算架构； 大约两年前，转向了DRAM。 选择DRAM的原因是它的制造工艺成熟，已实现大规模、低成本生产，存储密度也远高于SRAM。 Normal团队发现，可以重新利用这种存储器，在内部直接完成带噪声的计算。

这一选择也与大模型推理面临的瓶颈高度相关。 Normal团队搭建了一套参考系统，并开始接触前沿AI实验室。 公司已有一些商业进展，具体金额暂不便公开。 在开发新硬件的过程中，Normal团队发现，现有的芯片设计软件仍难以满足需求。 Normal团队因此开始自研工具，一些与Normal合作的存储器公司对这些工具产生了兴趣，随后便成为Normal EDA的付费客户。 EDA工具已开始对外销售，新计算架构仍在研发中。 Normal既向芯片公司提供设计工具，也用这些工具推进自己的硬件研发。

郑泓随后问了一个所有投资人都会关心的问题：Normal和全球主要半导体公司之间，到底是客户与供应商的关系，还是有朝一日会变成竞争对手？ Faris的回答谈到了Deep Tech创业中常被低估的一环。 在2022年前后，Normal团队开始接触三星、美光和SK海力士等一线存储器公司。 Faris曾长居韩国，推进与其中一家公司的合作。 后来，对方邀请Normal团队进驻，在办公楼20层提供了一间办公室。 那里的保密措施十分严格。 在Faris看来，建立这样的合作需要耐心，投入的时间也会逐渐成为公司的壁垒。

Faris的回答则非常有意思：「小团队正在变成优势。 」他举了两个例子：Meta首席AI官Alexandr Wang的小团队和Recursive。 AI正在放大一种幂律。