红杉资本推出的Frontier Talks系列中，最近这期Naveen Rao的演讲，真让人耳目一新！
Naveen 曾创立最早一批 AI 芯片公司，带领过Mosaic ML、Databricks AI，现在再次创业，做的公司叫 Unconventional AI。
但他的专业是神经科学PhD，这次的分享主题，也是这个维度的视角。
演讲开场，Naveen便抛出了一个令全场噤声的判断，“我们正处于 AI 实验的死胡同里，因为我们试图用一种已经过时了 80 年的物理手段去模拟智能。”
他提出的影响 AI未来的核心矛盾，不是模型架构，而是底层热力学效率与全球资源极限之间的不可调和。
Naveen 分析称，全球 80 亿人口，每个人脑的功耗仅为20 瓦，这意味着全人类大脑协同工作的总功率约为 160 吉瓦。
与之相比，当前的 AI 产业在训练和推理端已经消耗了数吉瓦的电力，且随着参数规模的指数级增长，这一数字将在未来三到五年内，触及全球电网的承载极限。
“人类大脑的能效比比目前的 GPU 高出整整 100 万倍，”Naveen 援引数据指出，“如果我们在这种能效比下谈论 ASI（人工超级智能），那本质上是在谈论一个需要吞掉恒星能量的怪兽，这在物理上是不可持续的。”（难怪马斯克死活要搞他的太空算力！）
他认为，当前行业引以为傲的 Scaling Law，实际上是在用极端低效的能源，置换并不等价的智能输出。
这种效率鸿沟的根源，被他归结为“计算范式的原罪”。
自 1945 年冯·诺依曼架构确立以来，计算就被定义为，数字在内存和逻辑单元之间的不断搬运。
Naveen 在演讲中详细拆解了 GPU 的功耗组成，指出 90% 以上的能量并非消耗在“计算”本身，而是消耗在“搬运数据”的路途上。
为了维持数字逻辑的绝对精确性，付出了过高的热力学代价。
他直接挑战行业共识称，“智能的本质并不依赖于 0 和 1 的绝对精确，甚至不需要数字逻辑。我们在追求这种确定性的过程中，浪费了通往超级智能所需的大部分能量。”
为了论证他的新范式，Naveen 重点介绍了 Unconventional AI 正在研发的非线性动力学系统。
这是一种完全抛弃冯·诺依曼架构的硬件尝试。在现场演示中，他展示了一个基于物理演化的 Demo——系统没有任何显式的矩阵乘法指令，仅仅是通过可训练的硬件耦合器调节参数。
他投入一段随机噪声，然后观察系统在物理时间域里的自然演化。仅仅几毫秒后，系统便自动收敛成了清晰的猫与马的图像。
“计算就藏在这些动态交互里，它不再是一个步骤，而是一个过程。”他解释道，这种系统利用物理系统自身的“能量最低点”来解决优化问题，这与大脑神经元的震荡与同步逻辑如出一辙。
演讲中最具争议的部分，莫过于他对“松鼠智能”的量化分析。
他指出，一只松鼠在复杂林间跳跃、判断距离并完成抓取动作时，其能耗不到 10 毫瓦，而这种实时处理空间信息、物理反馈和策略规划的能力，目前的自动驾驶芯片即便消耗数百瓦也无法完美复刻。
“我们离物理极限差了好几个数量级，这意味着我们甚至还没摸到智能的门槛。”
Naveen 直言，如果不能从底层硬件层面解决能效问题，AI 行业将很快进入一个由电力短缺主导的停滞期。
他还进一步抨击了传统大厂在创新上的迟钝。作为曾在 Intel、Databricks 担任高管的行业老兵，他认为传统半导体巨头有着过于沉重的历史包袱，无法抛弃现有的制程和指令集架构。
“要真正造出像大脑一样动态、高效且拥抱随机性的系统，必须从第一性原理出发，去造物理层面的新基石。”他坚信，未来真正的护城河不再是谁拥有最多的 H100 算力集群，而是谁能率先将智能的能效做到“瓦级”。
演讲中，Naveen 对在场的开发者和投资人提出了一个极其尖锐的忠告：不要再沉迷于刷榜那些细微的 Benchmark，而要抬头看看实验室窗外的电表。
他认为，当前由英伟达主导的算力霸权只是 AI 发展史上一个短暂的、极其低效的过渡期。
“以后谁能把大脑级别的能效做出来，谁就能重新洗牌整个行业。”他说。
最后，Naveen 用物理学家理查德费曼的一句名言结尾，“凡我不能创造的，我便无法理解。”
他想表达的大概是，不要满足于“训练出能干活的AI”，我们的目标应该是，理解智能的本质，并亲手创造出像生物大脑一样高效的智能系统，才是 AI 的出路。
热门跟贴