เล่าให้ฟังใหม่: เมื่อชิปไม่ใช่แค่ซิลิคอน — Thermodynamic Computing กำลังเปลี่ยนเกม AI ด้วยพลังของฟิสิกส์
Normal Computing ได้ประกาศความสำเร็จในการ tape-out ชิป CN101 ซึ่งเป็นชิป thermodynamic computing ตัวแรกของโลกที่ออกแบบมาเพื่อการฝึก AI และงาน HPC โดยเฉพาะ จุดเด่นของชิปนี้คือการใช้หลักการทางฟิสิกส์ เช่น ความร้อน ความไม่แน่นอน และความสุ่ม มาเป็นกลไกในการคำนวณ แทนที่จะพยายามกำจัด “noise” แบบที่ชิปทั่วไปทำ
แนวคิดนี้คล้ายกับการคำนวณแบบควอนตัมหรือ probabilistic computing โดยชิปจะเริ่มจากสถานะกึ่งสุ่ม แล้วปล่อยให้ระบบเข้าสู่สมดุล จากนั้นอ่านค่าผลลัพธ์จากสถานะสมดุลนั้น ซึ่งเหมาะกับงานที่ไม่ต้องการผลลัพธ์แบบแน่นอน เช่น การสร้างภาพด้วย AI หรือการแก้สมการเชิงเส้น
CN101 ถูกออกแบบมาเพื่อแก้ปัญหา linear algebra และ matrix operations ได้อย่างมีประสิทธิภาพ โดยใช้พลังงานน้อยกว่าชิปทั่วไปถึง 1000 เท่าในบางงาน และเป็นส่วนหนึ่งของวิสัยทัศน์ที่ต้องการรวม CPU, GPU, ASIC แบบ thermodynamic และชิปควอนตัมไว้ในเซิร์ฟเวอร์ AI เพื่อให้แต่ละปัญหาได้เครื่องมือที่เหมาะสมที่สุด
แม้จะมีศักยภาพสูง แต่ thermodynamic computing ยังอยู่ในช่วงเริ่มต้น และมีความท้าทายด้านการใช้งานจริง เช่น การออกแบบระบบที่สามารถควบคุมความสุ่มได้อย่างแม่นยำ และการประยุกต์ใช้ในงานที่ไม่ใช่ AI
Normal Computing ประกาศ tape-out ชิป thermodynamic computing ตัวแรกชื่อ CN101
ใช้หลักการฟิสิกส์ เช่น ความร้อนและความสุ่มในการคำนวณ
CN101 ออกแบบมาเพื่องาน AI และ HPC โดยเฉพาะ
เช่น การฝึกโมเดล AI และการแก้สมการเชิงเส้น
ชิปเริ่มจากสถานะกึ่งสุ่ม แล้วเข้าสู่สมดุลเพื่อหาคำตอบ
เหมาะกับงานที่ไม่ต้องการผลลัพธ์แบบ deterministic
CN101 ใช้พลังงานน้อยกว่าชิปทั่วไปถึง 1000 เท่าในบางงาน
เพิ่มประสิทธิภาพด้านพลังงานอย่างมหาศาล
เป้าหมายคือรวม CPU, GPU, thermodynamic ASIC และชิปควอนตัมไว้ในเซิร์ฟเวอร์เดียว
เพื่อให้แต่ละปัญหาได้เครื่องมือที่เหมาะสมที่สุด
Roadmap ของ CN101 มีแผนขยายในปี 2026 และ 2028
รองรับโมเดล AI ที่ซับซ้อนมากขึ้น เช่น diffusion models
https://www.tomshardware.com/tech-industry/semiconductors/worlds-first-thermodynamic-computing-chip-reaches-tape-out-normal-computings-physics-based-asic-changes-lanes-to-train-more-ai
Normal Computing ได้ประกาศความสำเร็จในการ tape-out ชิป CN101 ซึ่งเป็นชิป thermodynamic computing ตัวแรกของโลกที่ออกแบบมาเพื่อการฝึก AI และงาน HPC โดยเฉพาะ จุดเด่นของชิปนี้คือการใช้หลักการทางฟิสิกส์ เช่น ความร้อน ความไม่แน่นอน และความสุ่ม มาเป็นกลไกในการคำนวณ แทนที่จะพยายามกำจัด “noise” แบบที่ชิปทั่วไปทำ
แนวคิดนี้คล้ายกับการคำนวณแบบควอนตัมหรือ probabilistic computing โดยชิปจะเริ่มจากสถานะกึ่งสุ่ม แล้วปล่อยให้ระบบเข้าสู่สมดุล จากนั้นอ่านค่าผลลัพธ์จากสถานะสมดุลนั้น ซึ่งเหมาะกับงานที่ไม่ต้องการผลลัพธ์แบบแน่นอน เช่น การสร้างภาพด้วย AI หรือการแก้สมการเชิงเส้น
CN101 ถูกออกแบบมาเพื่อแก้ปัญหา linear algebra และ matrix operations ได้อย่างมีประสิทธิภาพ โดยใช้พลังงานน้อยกว่าชิปทั่วไปถึง 1000 เท่าในบางงาน และเป็นส่วนหนึ่งของวิสัยทัศน์ที่ต้องการรวม CPU, GPU, ASIC แบบ thermodynamic และชิปควอนตัมไว้ในเซิร์ฟเวอร์ AI เพื่อให้แต่ละปัญหาได้เครื่องมือที่เหมาะสมที่สุด
แม้จะมีศักยภาพสูง แต่ thermodynamic computing ยังอยู่ในช่วงเริ่มต้น และมีความท้าทายด้านการใช้งานจริง เช่น การออกแบบระบบที่สามารถควบคุมความสุ่มได้อย่างแม่นยำ และการประยุกต์ใช้ในงานที่ไม่ใช่ AI
Normal Computing ประกาศ tape-out ชิป thermodynamic computing ตัวแรกชื่อ CN101
ใช้หลักการฟิสิกส์ เช่น ความร้อนและความสุ่มในการคำนวณ
CN101 ออกแบบมาเพื่องาน AI และ HPC โดยเฉพาะ
เช่น การฝึกโมเดล AI และการแก้สมการเชิงเส้น
ชิปเริ่มจากสถานะกึ่งสุ่ม แล้วเข้าสู่สมดุลเพื่อหาคำตอบ
เหมาะกับงานที่ไม่ต้องการผลลัพธ์แบบ deterministic
CN101 ใช้พลังงานน้อยกว่าชิปทั่วไปถึง 1000 เท่าในบางงาน
เพิ่มประสิทธิภาพด้านพลังงานอย่างมหาศาล
เป้าหมายคือรวม CPU, GPU, thermodynamic ASIC และชิปควอนตัมไว้ในเซิร์ฟเวอร์เดียว
เพื่อให้แต่ละปัญหาได้เครื่องมือที่เหมาะสมที่สุด
Roadmap ของ CN101 มีแผนขยายในปี 2026 และ 2028
รองรับโมเดล AI ที่ซับซ้อนมากขึ้น เช่น diffusion models
https://www.tomshardware.com/tech-industry/semiconductors/worlds-first-thermodynamic-computing-chip-reaches-tape-out-normal-computings-physics-based-asic-changes-lanes-to-train-more-ai
🧪⚙️ เล่าให้ฟังใหม่: เมื่อชิปไม่ใช่แค่ซิลิคอน — Thermodynamic Computing กำลังเปลี่ยนเกม AI ด้วยพลังของฟิสิกส์
Normal Computing ได้ประกาศความสำเร็จในการ tape-out ชิป CN101 ซึ่งเป็นชิป thermodynamic computing ตัวแรกของโลกที่ออกแบบมาเพื่อการฝึก AI และงาน HPC โดยเฉพาะ จุดเด่นของชิปนี้คือการใช้หลักการทางฟิสิกส์ เช่น ความร้อน ความไม่แน่นอน และความสุ่ม มาเป็นกลไกในการคำนวณ แทนที่จะพยายามกำจัด “noise” แบบที่ชิปทั่วไปทำ
แนวคิดนี้คล้ายกับการคำนวณแบบควอนตัมหรือ probabilistic computing โดยชิปจะเริ่มจากสถานะกึ่งสุ่ม แล้วปล่อยให้ระบบเข้าสู่สมดุล จากนั้นอ่านค่าผลลัพธ์จากสถานะสมดุลนั้น ซึ่งเหมาะกับงานที่ไม่ต้องการผลลัพธ์แบบแน่นอน เช่น การสร้างภาพด้วย AI หรือการแก้สมการเชิงเส้น
CN101 ถูกออกแบบมาเพื่อแก้ปัญหา linear algebra และ matrix operations ได้อย่างมีประสิทธิภาพ โดยใช้พลังงานน้อยกว่าชิปทั่วไปถึง 1000 เท่าในบางงาน และเป็นส่วนหนึ่งของวิสัยทัศน์ที่ต้องการรวม CPU, GPU, ASIC แบบ thermodynamic และชิปควอนตัมไว้ในเซิร์ฟเวอร์ AI เพื่อให้แต่ละปัญหาได้เครื่องมือที่เหมาะสมที่สุด
แม้จะมีศักยภาพสูง แต่ thermodynamic computing ยังอยู่ในช่วงเริ่มต้น และมีความท้าทายด้านการใช้งานจริง เช่น การออกแบบระบบที่สามารถควบคุมความสุ่มได้อย่างแม่นยำ และการประยุกต์ใช้ในงานที่ไม่ใช่ AI
✅ Normal Computing ประกาศ tape-out ชิป thermodynamic computing ตัวแรกชื่อ CN101
➡️ ใช้หลักการฟิสิกส์ เช่น ความร้อนและความสุ่มในการคำนวณ
✅ CN101 ออกแบบมาเพื่องาน AI และ HPC โดยเฉพาะ
➡️ เช่น การฝึกโมเดล AI และการแก้สมการเชิงเส้น
✅ ชิปเริ่มจากสถานะกึ่งสุ่ม แล้วเข้าสู่สมดุลเพื่อหาคำตอบ
➡️ เหมาะกับงานที่ไม่ต้องการผลลัพธ์แบบ deterministic
✅ CN101 ใช้พลังงานน้อยกว่าชิปทั่วไปถึง 1000 เท่าในบางงาน
➡️ เพิ่มประสิทธิภาพด้านพลังงานอย่างมหาศาล
✅ เป้าหมายคือรวม CPU, GPU, thermodynamic ASIC และชิปควอนตัมไว้ในเซิร์ฟเวอร์เดียว
➡️ เพื่อให้แต่ละปัญหาได้เครื่องมือที่เหมาะสมที่สุด
✅ Roadmap ของ CN101 มีแผนขยายในปี 2026 และ 2028
➡️ รองรับโมเดล AI ที่ซับซ้อนมากขึ้น เช่น diffusion models
https://www.tomshardware.com/tech-industry/semiconductors/worlds-first-thermodynamic-computing-chip-reaches-tape-out-normal-computings-physics-based-asic-changes-lanes-to-train-more-ai
0 Comments
0 Shares
21 Views
0 Reviews