共计 1148 个字符，预计需要花费 3 分钟才能阅读完成。
嘉加资本对话 Normal Computing 创始人: 在硅谷, 创始人只需做对三件事
在 AI 算力需求持续攀升的背景下,如何降低计算能耗正成为行业无法回避的问题。嘉加资本郑泓与 Normal Computing 创始人 Faris 展开对话, 讨论了一条不太常规的技术路径: 利用 DRAM 中的噪声来降低 AI 计算能耗。同时, 双方还谈到 EDA 工具如何成为商业化入口, 以及早期创始人应该把精力放在哪里。
📌 背景:AI 算力增长带来的能耗压力
随着大模型规模扩大,算力需求快速上升, 能耗和供应链约束也愈发明显。传统思路多集中在更先进制程、更高能效芯片或系统级优化上, 而 Normal Computing 尝试从物理层面寻找新变量——把 DRAM 中原本被视为干扰的噪声, 转化为可利用的计算资源。
这条路径能否规模化,仍需工程验证。但它至少代表了一种思路: 在算力竞赛之外, 能效本身正在成为 AI 基础设施创新的重要方向。
🔍 核心信息: 从 DRAM 噪声到 EDA 入口
按照 Faris 在对话中的解释,DRAM 中的噪声并非只能被抑制, 也可以被看作一种可被利用的物理现象。若能在设计层面加以控制, 相关方案有望降低 AI 计算过程中的能耗。
更值得关注的是商业化策略。Normal Computing 没有一开始就强推硬件替换, 而是选择 EDA 工具作为切入点。对芯片设计者而言, 工具链的接受门槛相对更低, 也更容易在早期阶段验证技术价值。
- 技术切入点:利用 DRAM 噪声, 探索低功耗 AI 计算路径。
- 商业化入口:以 EDA 工具连接设计与应用, 降低客户尝试成本。
- 现实约束:新硬件方案仍面临供应链壁垒和生态适配问题。
💡 小团队的机会与创始人“三件事”
在芯片与 AI 基础设施领域,小团队通常不占资源优势, 但 Faris 认为, 小团队在人才密度和协作效率上有自己的优势。决策链短、跨学科沟通直接, 反而适合在前沿技术上快速试错。
融资决定公司能否持续运转,销售验证市场是否真正需要产品, 工程则决定产品能否落地。其余事务应尽量授权, 避免创始人被日常运营分散注意力。这套方法论并不复杂, 但对早期团队而言, 边界清晰往往比面面俱到更重要。
📊 影响与看点
- 能效创新:如果 DRAM 噪声计算路径成立, 可能为低功耗 AI 基础设施提供新的技术选项。
- 工具先行:以 EDA 工具带动底层硬件方案, 可能比直接挑战成熟供应链更务实。
- 组织聚焦:创始人围绕融资、销售、工程构建核心能力, 有助于小团队在资源有限时保持节奏。
🚀 总结
这场对话的核心,不只是“用噪声降能耗”这一技术设想 , 更是关于创业公司如何选择切入点的讨论。技术路线需要时间验证, 商业化入口需要与生态兼容, 而创始人的注意力则是最稀缺的资源。对 AI 基础设施创业者来说, 能效与落地路径, 可能比单纯追逐算力数字更值得长期关注。
