Энергоэффективность нейросетей в 1000 раз: Unconventional AI показала генератор на осцилляторах

Энергоэффективность нейросетей давно перестала быть абстрактной темой для инженеров. Каждый запрос к генератору картинок или чат-боту тратит электричество, и чем больше пользователей, тем выше счета за серверы. Unconventional AI утверждает, что нашла способ решить проблему на уровне самого «железа», заменив традиционные чипы архитектурой на осцилляторах (электронных контурах, которые колеблются с определённой частотой и за счёт этого выполняют вычисления иначе, чем обычные процессоры).

По словам Рао в интервью TechCrunch, энергия станет главным ограничителем ИИ в ближайшие годы, и компания целится именно в это узкое место.

Что умеет Un-0 и чем отличается от привычных моделей?

• Генерация изображений на уровне современных диффузионных моделей. По данным сопроводительной научной статьи Unconventional AI, Un-0 показывает результаты, сопоставимые с такими системами, как Stable Diffusion и GPT Image 1 от OpenAI.
• Полностью другая архитектура. Модель работает не на традиционных GPU-чипах, а на программной симуляции осцилляторного процессора. Осциллятор (колебательный контур) выполняет вычисления за счёт взаимодействия волн, а не последовательных логических операций.
• Заявленный потенциал энергоэффективности нейросетей: снижение потребления в 1000 раз. Рао формулирует это прямо: «Промпты приходят, инференс уходит, но на одну тысячную мощности».
• Команда менее 50 человек. Компания невелика, но амбиция сопоставима с масштабом проблемы.

Важная оговорка: пока Un-0 работает на программной симуляции, а не на физическом чипе. Схемы реального процессора компания обещает опубликовать «скоро», точной даты нет.

«Это "hello world" нового типа компьютера. В течение следующего года вы начнёте видеть довольно интересные новости вокруг этого.» : Навин Рао, основатель Unconventional AI, в интервью TechCrunch

Как попробовать?

1. Следить за публикациями Unconventional AI. Компания выпустила научную статью с описанием архитектуры. Публичного доступа к самой модели Un-0 на момент публикации TechCrunch не заявлено.
2. Дождаться схем чипа. Unconventional AI планирует выложить спецификации осцилляторного процессора. После этого станет яснее, насколько реалистичны обещания.
3. Сравнить с текущими затратами. Если вы уже платите за генерацию изображений через API Stable Diffusion или GPT Image 1, зафиксируйте текущие расходы на инференс. Это поможет оценить разницу, когда (и если) технология дойдёт до коммерческого продукта.

Есть ли аналоги в России?

Прямого российского аналога осцилляторной архитектуры на данный момент нет. Тема энергоэффективности нейросетей в России стоит остро по другой причине: облачные вычисления дорожают, а доступ к передовым GPU ограничен санкциями.

Для генерации изображений в РФ доступны YandexART (от Яндекса) и Kandinsky (от Сбера). Обе работают на классических GPU и не заявляют прорывов в энергопотреблении. Если осцилляторные чипы действительно появятся на рынке, российским облачным провайдерам придётся решать, как интегрировать новую архитектуру или искать собственные пути снижения затрат на электричество.

Частые вопросы

Un-0 уже можно использовать для создания картинок?

Нет. На момент публикации TechCrunch компания показала результаты работы модели, но публичного API или интерфейса для пользователей не анонсировала. Un-0 пока работает на программной симуляции, а не на физическом оборудовании.

Что такое осцилляторная архитектура простыми словами?

Обычные процессоры считают, переключая транзисторы между состояниями «включён» и «выключен». Осцилляторная архитектура использует колебания электрических контуров: информация кодируется в частоте и фазе волн. По утверждению Unconventional AI, такой подход требует на порядки меньше энергии для тех же вычислений.

Когда это может повлиять на стоимость ИИ-сервисов?

Точных сроков нет. Компания обещает опубликовать схемы чипа «скоро» и построить полный стек для инференса. Рао говорит об «интересных новостях в течение следующего года». До массового влияния на цены пройдёт ещё больше времени: нужен физический чип, тестирование, производство и интеграция с облачными провайдерами.