Современный генеративный ИИ потребляет колоссальное количество энергии. Один запрос к популярным моделям вроде Gemini, ChatGPT или Grok требует в 7–10 раз больше электроэнергии, чем обычный поисковый запрос. По данным Google, в 2024 году её дата-центры израсходовали 30,8 ТВт·ч. Международное энергетическое агентство прогнозирует, что к 2030 году совокупное энергопотребление всех ЦОД в мире вырастет до 945 ТВт·ч, увеличив их долю в мировой выработке электричества с 1,5% до 3%. Эксперты Gartner подсчитали, что если в 2025 году на ИИ-задачи приходился 21% энергии ЦОДов, то к 2030 году этот показатель достигнет 44%. Человечество стоит перед выбором: искать новые способы питания этой инфраструктуры или оптимизировать сами вычисления.
Во-первых, термодинамические вычислители — это просто красиво (источник: Extropic).
В 2019 году Консорциум вычислительного сообщества (CCC) при Национальном научном фонде США предложил индустрии обратить внимание на термодинамические вычисления (thermodynamic computing). Суть идеи в том, что законы термодинамики универсальны. Полупроводниковые чипы, фотонные процессоры и даже квантовые компьютеры подчиняются этим правилам. В традиционных системах тепловые шумы считаются вредными — они размывают сигналы, вызывают нагрев и ошибки. Термодинамические вычисления предлагают превратить этот недостаток в преимущество.
Вы просто не умеете теплоту готовить
Концепция термодинамических вычислений опирается на принцип использования стохастики (случайности). Генеративные нейросети уже сейчас активно используют вероятностные процессы. Вместо того чтобы имитировать случайные числа программно, затрачивая огромные ресурсы на охлаждение процессоров, термодинамические вычислители (ТДВ) предлагают брать «шум» непосредственно из физического движения элементарных частиц.
Концептуальная схема термодинамической вычислительной системы. Сверху — классический компьютер: физический агрегат, производящий в виртуальном пространстве идеальные (с поправкой на неизбежность порождаемых несовершенством своей аппаратной части ошибок, конечно) математические операции. Он полностью зависит от людей: только благодаря им — создающим его логические контуры, подготавливающим и вводящим данные — он контактирует с реальным миром. Снизу — термодинамический вычислитель с не зависящим напрямую от человека (дизайнера микросхемы, программиста и т. п.) доступом к окружающей среде. Он в процессе вычислений подвержен сложной, многоуровневой, рекуррентной и адаптивной эволюции, которую люди могут лишь направлять — задавая определённые ограничения на его связи с окружающей средой. Вдобавок ТДВ реализует и обратную связь со своим окружением, воздействуя на энергетические потенциалы, которые могут использоваться в качестве входных данных (источник: CCC).
Исследователи из CCC указывают: такой подход может повысить энергоэффективность в 100 раз для типичных задач и до 10 000 раз в отдельных сценариях. Традиционная архитектура фон Неймана абстрагирует вычисления от физики, что приводит к «грубой грануляризации» задач. ТДВ же стремятся работать в гармонии с физическими свойствами среды.
Наглядное изображение эффективности четырёх различных подходов к совершенствованию вычислений. Каждый подход затрагивает больше уровней вычислительной системы, чем предыдущий, и вносит в неё больше возмущений (disruption), влекущих за собой серьёзную перестройку аппаратно-программной архитектуры. Термодинамические вычисления, которые производятся вразрез с принципами фон Неймана, относятся к категории 4, так что для их внедрения придётся глубоко перелопатить все уровни существующей вычислительной архитектуры (источник: IEEE Rebooting Computing).
Энтропия в помощь
Согласно принципу Ландауэра, потеря одного бита информации в системе выделяет тепло. Современные БЯМ, выполняющие триллионы операций матричного умножения, нагревают пространство колоссально. В термодинамических вычислителях входные сигналы (внешние потенциалы) управляют эволюцией системы, заставляя её совершать быстрые переходы между состояниями «0» и «1». На длительном интервале времени адаптивные процессы приводят систему в организованное состояние, что напоминает работу квантовых компьютеров.
Последовательное изменение энтропии небольшого модельного логического контура в ходе вычислений. Схема начинает работу в состоянии, унаследованном от предыдущего запуска (серые кружки), при этом все значения вентилей исходно взаимосвязанны (и потому суммарная энтропия системы невелика), поскольку предыдущий запуск уже привёл к получению логически детерминированного результата. Затем данные на входах обновляются (розовые кружки), их значения теперь не связаны логически с теми, что сохранены в остальных ячейках схемы, — энтропия контура повышается. По мере того, как вентили последовательно срабатывают, происходит откат уровня энтропии до минимального через формирование логических корреляций между ячейками по мере выполнения вычислений — что естественным образом ведёт к выделению тепла (источник: arxiv.org/abs/2504.04031v3).
ТДВ — это гибридные устройства. Классические процессоры в них отвечают за интерфейс и управление, а термодинамические контуры — за решение вероятностных задач. Метод работы напоминает градиентный спуск, но реализованный через физическую эволюцию системы.
В координатах «характерное время выполнения операции — характерный размер вычислительного элемента» термодинамические вычислители занимают промежуточное место между классикой на основе принципов фон Неймана и квантовыми системами (источник: CCC).
Стартап Extropic уже создал термодинамическую КМОП-микросхему, использующую «питы» (вероятностные биты) и блоки выборки TSU. Основатели компании Гийом Вердон и Тревор Маккорт доказали, что даже при комнатной температуре статистический анализ «зашумленных» данных позволяет получать достоверные результаты. Библиотека Thermal с открытым кодом позволяет эмулировать работу ТДВ на GPU, подготавливая разработчиков к переходу на новые чипы, такие как Z1 TSU с 4 миллионами питов.
Термодинамический вычислитель Z1 TSU с 4 миллионами питов (источник: Extropic).
Другой игрок, компания Normal Computing, разработала процессор CN101 на базе колебательных контуров. Их устройство эффективно справляется с инвертированием матриц, используя физическое стремление системы к равновесию. Исследователи из Беркли, в свою очередь, работают над нелинейными «термодинамическими нейронами», которые позволяют программировать физическую эволюцию системы для выполнения нейросетевых вычислений.
Стохастическое 8-ячеечное вычислительное устройство разработки Normal Computing. Слева — фото монтажной платы с элементарными ячейками, соединёнными между собой по топологии «все со всеми»; каждая содержит колебательный контур и источник гауссова токового шума, как показано на принципиальной схеме в правом верхнем углу. Схема внизу изображает две ёмкостно связанные элементарные ячейки (источник: www.nature.com/articles/s41467–025–59011-x).
Технология термодинамических вычислений находится в зачаточном состоянии. Однако рост энергопотребления ИИ делает инвестиции в эту сферу экономически обоснованными. Возможно, в будущем вместо строительства новых электростанций для дата-центров индустрия сделает ставку на вычислители, которые используют тепловую энергию среды себе на пользу.
