AI最烧钱的不只是显卡，还有电费。训练一次大模型，数据中心消耗的电够一个小城市用一天。推理规模上去之后，这笔运营成本更是惊人。
Naveen Rao见过这笔账。他曾任Databricks的AI负责人，现在出来创业，公司名叫Unconventional AI。他们的目标听起来像吹牛：把AI推理的功耗降低1000倍。
用的不是更先进的芯片制程，而是一套完全不同的计算机架构——基于振荡器的计算方式。
一声”hello world”
本周，Unconventional发布了第一个AI模型Un-0，一个图像生成工具。输出质量跟Stable Diffusion、OpenAI的GPT Image 1相当，但底层计算方式完全不一样。公司在论文里说，他们用软件模拟了振荡器芯片架构，在上面跑通了完整的图像生成模型，性能不输当前最先进的扩散模型。
Rao跟TechCrunch说：”这是新型计算机的一声’hello world’。接下来一年，你会看到一些相当有意思的消息。”
振荡器架构简单说就是用电子振荡器的物理特性做计算，而非传统晶体管的开关逻辑。这个想法在神经形态计算领域已经存在多年，但做出跟主流AI模型兼容的实用系统，Unconventional可能是第一家。
AI scaling难，因为能源就摆在那里。这会是未来几年的根本限制，你绕不过去，归根结底是个能源受限的问题。
50人的团队，1000倍的野心
当然，Un-0目前还跑在软件模拟器上。真实芯片的设计图很快就会公开。公司的计划是：先开源芯片设计，然后自己搭完整的推理栈——芯片、系统、算力供应一条龙。
Rao说：”我们会用我们的芯片搭建一套新系统，在上面跑AI模型。提示词从网线进来，推理结果从那边出去——但耗电量只有现在的千分之一。”
这家公司目前不到50个人。从论文和软件模拟器到真实可用的芯片系统，中间隔着的东西太多了。但Rao不是随便说说的人——Databricks的AI业务是他亲手带起来的。
如果Unconventional真的能做到他们声称的事情，整个AI数据中心的经济账就要重算了。全球在AI基础设施上的投入以千亿美金计，电费是其中越来越大的一笔。把这笔成本砍掉99.9%，意味着什么不言而喻。
接下来一年，真实硬件会出来。到时候就知道，这个1000倍是营销话术还是真的。