我们能否构建出能以今天 GPU 能耗的 1/10,000 生成高质量图像的 AI 芯片？ 研究论文：《一种高效的用于扩散类模型的概率硬件架构》 这项工作揭示了一种完整的 CMOS（全晶体管）架构，能够原生运行扩散风格的生成模型——不是通过耗电的神经网络，而是通过基于能量的概率采样。通过串联紧凑的去噪模型（DTMs）并利用标准 65 纳米芯片中的物理随机性，该系统生成的图像与 GPU 相当，但每个 Fashion-MNIST 样本仅消耗 1.6 纳焦——能耗降低了四个数量级。通过一种新颖的自适应惩罚来稳定训练，该方法可扩展到毫米级硅片，而无需特殊硬件。 结果：在能耗降低约 10,000 倍的情况下，质量与 GAN/VAE/扩散相匹配或超越；70×70 网格，8 层堆叠，已发布开源工具。 在这里获取完整分析： // alpha identified // $yne