2026年6月26日，AI领域迎来了一家备受关注的新创公司——Unconventional AI。公司的创始人是Databricks前AI负责人Naveen Rao，一位在AI算法和硬件架构领域都有深厚积累的资深专家。Rao在Databricks领导AI战略期间，深刻认识到当前AI计算模式的根本性瓶颈——能耗问题。
Rao在采访中阐述了他的核心理念："当前AI计算的能耗模式是不可持续的。一个GPT级别的训练任务消耗的电力相当于一个小型城市一天的用电量。即使只是运行推理，每百万Token的能耗也在快速上升。如果我们希望AI真正普及到每一个角落——从智能手表到工业传感器——我们就必须从根本上降低AI计算的能耗。"
Unconventional AI的技术路线与当前主流的GPU和TPU完全不同。Rao带领的团队正在开发一种基于"模拟计算"的新型AI芯片架构。与传统的数字计算芯片（通过0和1的二进制运算进行处理）不同，模拟计算芯片直接利用物理电路中的连续信号（如电流、电压）来进行计算，在原理上具有更高的能效——理论上可以将特定AI计算的能耗降低2-4个数量级。
Unconventional AI"降低1000倍能耗"的技术路线依赖于三个层面的创新。第一层创新是"模拟存算一体"架构。传统的冯·诺依曼架构中，处理器和存储器是分离的，数据在两者之间频繁搬运消耗了大量能量。Unconventional AI的芯片采用存算一体设计，AI模型权重直接存储在模拟计算单元中，消除了数据搬运的能耗。据公司公布的模拟数据，这一设计可以在推理场景下将能耗降低约50倍。
第二层创新是"近似计算"技术。AI推理的许多计算任务并不需要极高精度的计算结果——一个浮点数乘法的结果精确到小数点后6位和精确到小数点后3位，对最终推理质量的影响微乎其微，但能耗差异可达10倍以上。Unconventional AI的芯片允许在计算精度和能耗之间进行灵活权衡，根据不同任务的需求动态调整计算精度，在保持可接受的推理质量的前提下实现最大程度的能耗降低。
第三层创新是"三维堆叠"封装。通过在垂直方向上堆叠多层计算单元，芯片可以在不增加占地面积的情况下大幅提高单位面积的算力。更重要的是，三维堆叠缩短了不同计算单元之间的距离，进一步降低了信号传输的能耗。三项创新的叠加效应，使Unconventional AI提出的"1000倍能耗降低"的目标虽然雄心勃勃，但并非没有根据。
Unconventional AI在宣布创立的同时也完成了320万美元的种子轮融资。领投方包括Mayfield和Aramco Ventures，天使投资者包括前英特尔CEO和多位AI领域的知名学者。虽然320万美元的种子轮融资规模在AI硬件领域并不算大，但投资方的背景表明了产业界对这一技术路线的关注。
Unconventional AI目前处于"早期研发"阶段——团队已经完成了芯片架构的设计验证，正在与代工厂协商流片计划。公司计划在2027年底前完成第一代工程样片的流片和测试。如果测试结果能够验证"1000倍能耗降低"的技术路线可行性，公司将启动规模更大的一轮融资以推进产品的量产和商业化。
产业界对Unconventional AI的技术路线持谨慎乐观态度。一位资深芯片行业分析师评论道："模拟计算在AI领域的应用是一个'梦想已久'的方向——理论上它的能效优势是无可争议的。但模拟电路在精度、可重复性和规模化生产方面面临的挑战也是巨大的。Unconventional AI的团队在AI和硬件两个领域都有优秀的人选，如果连他们都做不成，可能这条路还需要更长时间。"
如果Unconventional AI真的能够实现"1000倍能耗降低"的目标，其对AI产业的革命性影响将难以估量。首先，AI推理成本的急剧下降将使得AI能力可以"嵌入"到几乎任何设备中——从智能耳钉、智能眼镜到物联网传感器，从智能家居设备到可穿戴医疗设备，AI的普及将不再受限于功耗和散热。
其次，能耗的大幅降低将对AI计算的"大规模部署"产生关键推动作用。目前，大型AI应用的数据中心每年消耗的电力已经占到全球发电量的1%-2%，且呈快速增长态势。如果AI推理能耗能够降低到目前的千分之一，同样的电力可以支持1000倍的AI计算量，AI数据中心的扩展将不再受制于电力供应的限制。
最后，能耗降低还将产生重要的环境效益。AI产业日益增长的碳足迹已经成为行业关注的重要议题。联合国环境规划署的数据显示，全球AI相关计算的碳排放量在2025年已经超过了航空业的碳排放量。"绿色AI"不仅是企业的社会责任选择，也是行业可持续发展的必要条件。Unconventional AI如果能够实现其目标，将为AI产业的绿色转型提供关键的技术支撑。
来源：TechCrunch、VentureBeat、Unconventional AI官方公告、Semiconductor Engineering、IEEE Spectrum
发布时间：2026-06-26