总部位于纽约的AI芯片初创公司Normal Computing近期披露，其首颗热力学计算芯片CN101的测试结果已于今年8月在Hot Chips大会上公布。该公司成立于2022年，前身为Google X内部项目，目前累计融资超过8500万美元，其中今年3月完成的5000万美元战略融资由三星催化基金领投，美光风投、埃里克·施密特旗下的First Spark Ventures及嘉加资本EnvisionX Capital参与投资。
Normal Computing的技术路线源于一个基本判断：AI工作负载本身具有非确定性，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，而传统GPU却需要消耗大量能量来维持计算的确定性。公司创始人Faris Sbahi由此提出，能否直接利用硬件中的噪声完成部分概率计算，从而降低AI计算的能耗。这一思路经历了从振荡器模拟计算到DRAM的技术演进，团队最终选择DRAM作为载体，原因是其制造工艺成熟、已实现大规模低成本生产，存储密度高于SRAM，且将部分计算放入存储器内部有望减少数据在存储与计算单元之间反复搬运产生的延迟和能耗。
目前Normal Computing有两条业务线。其一是EDA工具，用AI改进芯片设计与验证流程。团队在开发非常规计算架构的过程中发现，现有芯片设计软件难以满足需求，遂开始自研工具，随后部分合作的存储器公司对这些工具产生兴趣并成为付费客户，一套最初服务内部研发的工具由此发展为独立收入来源。据公司今年3月发布的介绍，Normal EDA的近期目标是将定制芯片从设计到上市的周期缩短一半，长期则希望借助该平台将计算效率提升上千倍。其二是基于这些工具开发新的计算硬件，CN101即该方向的阶段性成果。据公司披露，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。
从行业背景看，Normal瞄准的是AI扩张中的能源瓶颈。随着数据中心用电需求持续增长，单纯增加能源供应难以支撑算力的长期扩张，从计算架构入手降低单位算力能耗成为一条被关注的路径。与此同时，半导体设计软件市场长期由新思科技、楷登电子和西门子主导，据Faris Sbahi估计年营收接近200亿美元，但工程师使用的工具自上世纪九十年代以来鲜有根本性变化，AI辅助设计的介入空间较大。
需要指出的是，Normal的新计算架构仍处于研发阶段，EDA工具已开始对外销售并产生收入，但具体金额尚未公开。热力学计算能否在规模化商用中兑现能耗优势，仍取决于后续流片验证与生态适配的进展。对这家从Google体系走出的公司而言，如何在长达数十年的半导体供应链中同时扮演工具供应商与潜在硬件竞争者的双重角色，将是其商业化路径上的关键考验。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
