當噪聲變成計算機：未來AI不是算出來的，而是“長出來”的

想象一下，你正在一家高級餐廳的后廚，試圖用篩子過濾出一碗絕對純凈的水。你拼命地搖晃、篩選，耗費大量精力，只為濾掉水里每一個本不該存在的雜質和氣泡。這就是傳統計算機處理“噪聲”的方式——把物理世界中無處不在的隨機熱運動，視為必須被強行壓制和消除的敵人。

但現在，一群物理學家和計算機科學家提出了一個“瘋狂”的想法：如果根本不用篩子呢？如果我們就利用水本身天然的流動、旋渦和氣泡，直接讓它們匯聚成一幅有意義的圖案呢？

這不是異想天開。2025年，一個被稱為熱力學計算機的概念，正在挑戰我們對計算的終極認知：計算的未來，或許不是用更強的力量去壓制噪聲，而是讓噪聲本身成為計算的動力。

我們都以為，一臺完美的電腦就該絕對精確

從小到大，我們對電腦的印象都是：精確、穩定、一絲不茍。0就是0，1就是1，容不得半點含糊。為了實現這種絕對精確，工程師們付出了巨大的代價。你手機或電腦里的芯片，本質上是在用一種“暴力”的方式，強行約束物理世界里那些躁動不安的電子，讓它們乖乖地排隊，在精確的時鐘節拍下，進行數十億次的翻轉。

這種方式極其耗能。訓練一個像GPT-4這樣的大型語言模型，其電力消耗足以支撐一個小型城鎮，很大一部分能量就浪費在對抗這種天然的“噪音”上。這種計算范式有一個基本前提：噪聲是錯誤，是垃圾，必須被清除。

但有一位物理學家，想用“垃圾”來發電

這個反叛的想法，源于對世界本質的另一種觀察。在物理學中，除了絕對零度，任何系統都存在熱力學噪聲——原子、電子永不停歇的隨機抖動。這就是我們打開老式電視時，屏幕上那片雪花點的來源。

現在，我們不妨換個思路。主流觀點認為，這種噪聲是物理世界與生俱來的“免費”資源。它無處不在，永不枯竭。傳統計算是在跟物理學“掰手腕”，非要把它掰正不可；而熱力學計算則像是在順水推舟，它不再試圖控制每一個電子的行為，而是設計一個特殊的物理系統，讓這些隨機運動的電子，自然而然地“流向”我們想要的結果。

說白了，這就好比AI繪圖里的擴散模型。現代AI生成一張貓的圖片，邏輯是：先拿一張清晰的貓圖，不斷往上撒“噪聲雪花”直到變成一片混沌，然后再學習如何一步步“去噪”，從混沌中把貓重新“畫”出來。本質上，這是一個“用噪聲制造結構”的過程。

而熱力學計算機則更加徹底。它連“學習去噪”這一步都省了。研究人員設計的是一個由可調電阻和電容構成的物理概率網絡。這個網絡本身，在電子的天然熱擾動下，就處于一種永不停歇的、類似“雪花屏”的混沌狀態。這種混沌不是敵人，而是畫布。

系統的工作原理，遵循一種被稱為朗之萬動力學的隨機微分方程。我們可以這樣理解：給這個混沌的物理網絡一個“提示”，比如讓它生成數字“0”。這個提示會像磁鐵一樣，在整個隨機系統中形成一個微弱的“概率偏向場”。于是，網絡里無數電子的隨機運動，不再是完全自由的，它們在每一次抖動時，都有那么一丁點的概率，更傾向于落在那個“0”的輪廓上。經過足夠長時間的演化，一個穩定的數字“0”的圖案，就神奇地從背景噪聲中“涌現”了出來。

它不是在計算圖像，而是讓圖像從噪聲里“自己長了出來”。

這條路，是一場與整個工程界的“常識”背道而馳的冒險

把噪聲從垃圾變成燃料，這聽起來太美好了，好到像是在聽一個物理學的童話。事實上，當這項研究的概念被提出時，它遭遇的阻力遠超想象。在一次學術會議上，一位芯片設計專家甚至直言：“我們花了五十年時間來消滅噪聲，你現在告訴我它是免費的午餐？”

在實驗室里，情況同樣棘手。早期，他們用精密的可編程電阻陣列來模擬這個“熱力學網絡”，但他們發現，連外部環境微弱的電磁干擾，都會讓系統的演化徹底“跑偏”。一位參與實驗的研究生曾苦笑著說：“我們就像在暴風雪的夜晚，試圖用一根火柴取暖，而且還得祈禱這團火焰能穩定地組成一個二維碼。”他們花了整整一年時間，幾乎不是在優化系統，而是在摸索如何將環境干擾與系統的“天然噪聲”隔離開來。科學有時就是這樣，每一次偉大的范式轉變，都伴隨著無數次讓人想砸了設備的挫敗。

目前，它還只是一個能“畫出數字”的嬰兒

那么，這個反叛的構想現在走到哪一步了？根據2025年發表在arXiv上的論文，這個熱力學計算機原型已經能夠完成一些非常初級的任務。比如，它可以生成簡單的數字“0”“1”“2”的模糊圖像，也能完成一些基礎的機器學習分類。

這聽起來和DALL·E或Midjourney生成的精美圖片無法相提并論。但這些模糊的數字，意義非凡。它們是一次概念驗證，證明了計算確實可以在“噪聲里自然發生”。其背后潛藏的能量效率的飛躍，才是真正讓人心跳加速的數字。目前的模擬和理論預測表明，這種計算方式，其能效可能是當前GPU的數個數量級，也就是成百上千萬倍。因為我們不再需要耗費巨量能量去強迫晶體管翻轉，而是在順勢而為地“借用”宇宙中免費的熱能。

這一突破的意義，遠遠超出了“制造更省電的AI”。它開啟了一扇通往物理驅動智能的大門。未來的計算結構，很可能不是一個單一的、整齊劃一的機器，而是一個生態系統。

我們可以預見這樣一種未來：

GPU（人工神經網絡）負責精確的邏輯和已被訓練好的模型推理。

熱力學計算機（物理概率網絡）則負責處理那些模糊、動態、需要快速適應和極低功耗的任務，比如傳感器邊緣的實時異常檢測。

甚至再加上我們之前聊過的生物計算系統（活神經元網絡），來提供其固有的超強自適應和非線性能力。

這三者融合，將構成一種前所未有的混合智能。

真正的問題，已經不是它能不能算

關于熱力學計算機，我們知道了它如何化敵為友，把噪聲從錯誤變成了燃料；知道了它如何讓結構像魔法一樣從混沌中涌現；也知道了它那聽起來好得令人難以置信的能效。但一個更深邃的哲學問題隨之浮出水面：如果計算可以不用依賴人類的邏輯編程，而是直接從物理世界的隨機演化中“生長”出來，那么，宇宙本身，是否就是一種在不停運轉的計算機？

從星系的旋轉，到大氣中云朵的形態，再到我們此刻大腦中閃過的念頭，是否都是一種廣義的、依托于物理載體的“計算”？我們這一代科學家，可能只是剛剛窺見了一個事實：我們不是在發明新的智能，我們只是在學習如何向物理世界本身“借用”它。這個答案，也許正在下一個實驗室的噪聲中，等待著浮出水面。