第一个用物理做计算原语的大规模生成模型Un-0来了，或将AI能耗降低1000倍？
在AI能耗问题日益成为行业瓶颈的背景下，前Databricks AI负责人Naveen Rao创立的Unconventional AI公司发布了其首个大规模生成模型Un-0。该模型的核心创新在于利用“模拟耦合振子系统”作为计算原语，通过物理系统的自然演化过程来完成图像生成任务，旨在将AI推理能耗降低至现有系统的千分之一。
Un-0的工作原理基于Kuramoto振子模型。成千上万个振子根据其固有频率和相互间的耦合关系，在时间维度上自然演化、同步或形成特定模式。模型的训练主要学习振子间的耦合矩阵和固有频率。生成图像时，系统首先随机初始化振子相位，然后通过条件振子输入类别标签（如“火山”）进行引导，接着让物理系统自由演化，最后在特定时刻读取振子相位状态，并通过一个轻量级解码器将其转换为图像像素。
在ImageNet 64×64数据集上，拥有3.22亿参数的Un-0模型取得了FID 6.74的成绩，其生成质量已接近一些早期主流图像生成模型（如BigGAN、iDDPM）发布时的水平，但与当前最先进的传统模型（如EDM）相比仍有差距。Unconventional AI强调，Un-0并非旨在立即成为性能冠军，而是一个“概念验证”，证明了利用物理动力学系统执行现代AI大规模生成任务是可行的。
该技术路线的长远目标是构建一种新型的非传统计算硬件，将计算与记忆合并于同一物理实体中，从而避免冯·诺依曼架构中数据搬运带来的巨大能耗。Un-0的出现，标志着AI计算范式向利用物理系统固有动力学特性转变迈出了重要一步，为未来实现能效数量级提升的AI硬件开辟了新路径。
marsbit06/26 10:53
