1月10日，劳伦斯伯克利国家实验室（LBNL）的科学家团队在《自然-通讯》上发表了一项突破性研究，提出了“热力学计算”这一新概念。这项研究理论上可以将AI图像生成的能耗降低至当前水平的百亿分之一。与传统的基于晶体管“开”和“关”的计算不同，热力学计算利用物理系统自然的热运动和能量变化来寻找问题的答案，能耗极低。

研究由LBNL科学家Stephen Whitelam与Corneel Casert共同完成，他们揭示了构建“热力学神经网络”的可能性。1月20日，《物理评论快报》上发表的研究进一步通过传统计算机模拟验证了这一构想。Whitelam指出，热力学计算机直接利用环境中普遍存在的随机热波动，省去了模拟噪声所需的巨大能耗。纽约初创公司Normal Computing已开发出包含八个谐振器的原型芯片，通过特制耦合器连接，利用谐振器引入噪声，待网络自然达到热平衡状态后，新的谐振器配置即为计算结果。

尽管原型机验证了原理的可行性，但研究人员坦言，目前的解决方案尚处于极其初级的“雏形阶段”。要制造出在性能、稳定性和规模上能与当前成熟的数字AI模型相媲美的硬件，仍需在材料科学和工程设计上付出巨大的努力。