Extropic 正在构建什么
一家名为 Extropic 的初创公司声称正在构建一种新型模拟硬件，利用物理随机性和热力学效应——通过超导 Josephson 结芯片以及基于晶体管的变体——以比传统数字 GPU 更高效地加速面向 AI 的概率模型。评论者意见分裂很大：有人认为这很像能量模型和模拟计算研究的合理延伸，也有很多人把这种术语密集、缺乏具体基准测试、以及创始人的社交媒体形象视为危险信号，觉得这更像炒作甚至“骗人的东西”。总体来看，大家都认为为 AI 设计专用、容错噪声硬件这个方向本身很有吸引力，但怀疑 Extropic 的具体实现或时间表是否真能带来商业上的实际意义。
Extropic 声称要构建什么
- 许多人将“热力学 AI”的说法理解为：
- 一个利用物理噪声/涨落进行概率计算的硬件平台。
- 直接以随机模拟电路实现的能量模型或概率图模型。
- 先是在低温下的超导 Josephson 结芯片，之后再推出基于晶体管、可在室温运行的产品线。
评论者如何理解这个技术思路
- 一些人认为这是一种针对 AI 定制的模拟计算，可能在模拟域中完成矩阵乘法/采样。
- 另一些人将其描述为把概率模型“烘焙”进硬件里，以加速采样和推理。
- 少数人误以为这主要只是更好的随机数生成器；也有人纠正说这过于狭窄。
- 讨论中还分享了与“热力学计算”和概率硬件相关的链接，说明这类想法并非完全没有前例。
怀疑与炒作担忧
- 许多人认为其充满流行术语、表述晦涩，或者带有“新纪元”式风格，指出博客文章很难读懂。
- 有人怀疑，相比矩阵乘法和内存带宽，RNG 或采样并不是主流 AI 的真正瓶颈。
- 不少人把这种说法与长期存在的量子计算炒作类比，担心又是一个“快来了”的故事。
- 还有人担忧超导硬件的实用性，以及系统层面的能效问题（冷却成本）。
关于实际影响的疑问
- 目前不清楚这种概率硬件能否在质量或成本上与现有的 LLM 和扩散模型相匹敌或超越。
- 有人希望看到他们的模型在传统硬件上的模拟，以及具体基准测试（例如与 GPU 相比的加速比或成本）。
- 也有人指出潜在的细分领域：MCMC、概率金融、PGM、类脑/热力学学习。
沟通、品牌与社交媒体形象
- 一些人认为其营销风格（术语密集、“full-stack”、Spotify 小组件、充满梗的创始人形象）削弱了可信度。
- 也有人反驳说，创始人技术能力很强，模拟机器学习是一个合理的押注，而雄心勃勃的硬件项目值得耐心等待。
- 总体语气：感兴趣但高度怀疑，大多数评论者在相信这些说法之前，都希望看到清晰演示和更简单的解释。