共计 1314 个字符，预计需要花费 4 分钟才能阅读完成。
BitEnergy AI 是一家专注于 AI 推理技术的公司，其工程师开发了一种创新的人工智能处理方法，用整数加法取代了传统的浮点乘法（FPM）。这种新方法称为 线性复杂度乘法（L-Mul），能够在保持高精度和准确性的同时，显著降低 AI 系统的功耗。
L-Mul 的优势
- 高精度和准确性：尽管使用了更简单的算法，L-Mul 仍然能够接近 FPM 的结果，保持了高精度和准确性。
- 显著降低功耗：据 TechXplore 报道，L-Mul 可以将 AI 系统的功耗降低高达 95%，这对于 AI 的未来发展具有重要意义。
工作原理
L-Mul 算法的工作原理是将浮点数的乘法运算转化为整数加法运算。在计算机中，浮点数的乘法比整数加法要复杂得多，也更消耗资源。L-Mul 算法通过一种巧妙的方式，减少了这种复杂性。它不是直接计算两个数的乘积，而是将这个乘法运算分解成一系列的加法运算，这样就降低了计算的复杂度和所需的能量。
当前挑战
尽管 L -Mul 展示了巨大的潜力，但市场上流行的硬件，如英伟达即将推出的 Blackwell GPU，并没有设计来处理这种算法。这意味着即使 BitEnergy AI 的算法被证实与 FPM 性能相同，我们也需要能够处理它的系统。这可能会让一些 AI 公司犹豫，尤其是那些已经在 AI 硬件上投资了数百万甚至数十亿美元的公司。
巨大的市场潜力
尽管存在这些挑战，巨大的 95% 的功耗降低可能会吸引最大的科技公司。特别是如果 AI 芯片制造商能够构建利用该算法的专用集成电路（ASIC），这将极大地推动 L -Mul 的广泛应用。
电力消耗的问题
电力消耗是 AI 发展的主要限制之一。仅去年售出的所有数据中心 GPU 消耗的电力就超过了一百万户家庭一年的用电量。即使是谷歌也因为 AI 的电力需求而将其气候目标放在次要位置，其温室气体排放量从 2019 年增加了 48%，而不是像预期的那样逐年下降。谷歌的前首席执行官甚至建议通过放弃气候目标并使用更先进的 AI 来解决全球变暖问题，从而打开电力生产的闸门。
能源效率的重要性
如果 AI 处理可以更节能，那么我们似乎可以在不牺牲地球的情况下获得先进的 AI 技术。此外，这种 95% 的能源使用减少还将减轻大型数据中心对国家电网的负担，减少为快速为我们的未来供电而建造更多能源厂的需求。
具体应用场景：
这个算法的应用场景非常广泛，包括但不限于：
- 云计算服务： 在云服务中，有大量的服务器需要处理大量的语言模型请求，使用 L -Mul 算法可以显著降低这些服务器的能源消耗。
- 移动设备： 在智能手机或其他移动设备上，使用 L -Mul 算法可以延长电池寿命，因为处理同样的任务需要的能源更少。
- 边缘计算： 在物联网设备中，这些设备通常能源有限，使用 L -Mul 算法可以提高它们的工作效率和运行时间。
- 大型 AI 模型训练和推理： 在训练和使用大型 AI 模型时，L-Mul 算法可以减少计算成本，同时保持模型的性能。
虽然我们大多数人对新一代 AI 芯片带来的额外电力感到惊叹，但真正的进步只有在这些处理器更强大和更高效时才会到来。因此，如果 L -Mul 如宣传的那样工作，那么人类就可以拥有 AI 蛋糕并享用它。这不仅是技术上的突破，也是环境保护的重要进展。
相关文章
相关文章
