專門從事人工智能推理技術(shù)的公司BitEnergy AI的工程師開發(fā)出了一種用整數(shù)加法取代浮點乘法（FPM）的人工智能處理方案。

這種新方案稱為線性復雜度乘法（L-Mul），在使用更簡單算法的情況下，其結(jié)果接近FPM。但盡管如此，其仍然能夠保持FPM所著稱的高精度和精確度。據(jù)TechXplore報道，這種方案可將AI系統(tǒng)的功耗降低高達95%，這對AI未來至關(guān)重要。

由于這是一個新過程，市場上流行且隨時可用的硬件（如英偉達即將推出的Blackwell GPU）并非為處理該算法而設(shè)計。因此，即使BitEnergy AI的算法被證實可達到與FPM相同的水平，我們?nèi)匀恍枰軌蛱幚硭南到y(tǒng)。這可能會讓一些AI公司猶豫不決，尤其是在他們剛剛在AI硬件上投資了數(shù)百萬甚至數(shù)十億美元之后。盡管如此，95%的大幅功耗降低可能會讓最大的科技公司放棄AI投資，尤其是如果AI芯片制造商能制造出可利用該算法的專用集成電路（ASIC）。

電力現(xiàn)在是人工智能發(fā)展的主要制約因素，僅去年一年售出的所有數(shù)據(jù)中心GPU的耗電量就超過100萬戶家庭一年的耗電量。就連谷歌也因為人工智能的電力需求而將其氣候目標放在了次要位置，其溫室氣體排放量比2019年增加了48%，而不是像預期的那樣逐年下降。該公司前首席執(zhí)行官甚至建議放棄氣候目標，使用更先進的人工智能來解決全球變暖問題，從而打開電力生產(chǎn)的閘門。

但如果人工智能處理能夠更加節(jié)能，那么我們似乎仍然可以在不犧牲地球環(huán)境的情況下獲得先進的人工智能技術(shù)。除此之外，能耗使用量下降95%還將減輕這些大型數(shù)據(jù)中心給國家電網(wǎng)帶來的負擔，從而減少建造更多電廠來快速為未來提供電力的需求。

雖然我們大多數(shù)人都對新AI芯片每一代帶來的額外功能感到驚訝，但只有當這些處理器更強大、更高效時，真正的進步才會到來。因此，如果L-Mul能像宣傳的那樣發(fā)揮作用，那么人類就可以魚與熊掌兼得。