我們能否建造出能以今天 GPU 能源的 10,000 倍更少的能量生成高品質圖像的 AI 晶片？ 研究論文：《一種高效的概率硬體架構用於擴散類模型》 這項工作揭示了一種完整的 CMOS（全晶體管）架構，能原生運行擴散風格的生成模型——不是使用耗能的神經網絡，而是使用基於能量的概率取樣。通過鏈接緊湊的去噪模型（DTMs）並利用標準 65 nm 晶片中的物理隨機性，該系統生成的圖像與 GPU 相當，但每個 Fashion-MNIST 樣本僅消耗 1.6 奈焦耳——將能量削減了四個數量級。通過一種新穎的自適應懲罰來穩定訓練，該方法可擴展到毫米級的矽片，而無需特殊硬體。 結果：在約 10,000 倍更低的能量下，質量匹配或超越 GAN/VAE/擴散；70×70 網格，8 層堆疊，開源工具已發布。 在這裡獲取完整分析： // alpha identified // $yne