2026年3月，一家成立僅兩年的芯片公司拿到了三星領(lǐng)投的5000萬(wàn)美元。這筆錢不是用來(lái)堆算力的——他們打算從物理定律層面，把AI芯片的能耗砍掉三個(gè)數(shù)量級(jí)。

Normal Computing的賭注很簡(jiǎn)單：當(dāng)整個(gè)行業(yè)還在用蠻力對(duì)抗熱力學(xué)時(shí)，他們選擇"投降"，讓芯片學(xué)會(huì)與隨機(jī)性共處。

CEO Faris Sbahi給團(tuán)隊(duì)定了個(gè)倒計(jì)時(shí)。他說(shuō)行業(yè)正在撞上一堵"能量墻"（energy wall），傳統(tǒng)圖形處理器（GPU）的功耗需求即將突破電網(wǎng)能承受的極限。這不是比喻。國(guó)際能源署預(yù)測(cè)，到2026年全球數(shù)據(jù)中心耗電量將翻倍，AI訓(xùn)練集群的電力密度已經(jīng)讓部分地區(qū)出現(xiàn)供電緊張。

Normal的解法分兩步走。第一步是工具：他們做了個(gè)叫Normal EDA的電子設(shè)計(jì)自動(dòng)化平臺(tái)，用"自動(dòng)形式化"（auto-formalization）技術(shù)幫工程師設(shè)計(jì)芯片——把大語(yǔ)言模型和形式邏輯結(jié)合，讓AI先理解設(shè)計(jì)意圖，再優(yōu)化實(shí)現(xiàn)路徑。公司稱這能把芯片開(kāi)發(fā)周期從年壓縮到月。

第二步才是重頭戲：造一種全新的處理器，不再?gòu)?qiáng)迫晶體管死守0和1的剛性狀態(tài)，而是用"熱力學(xué)計(jì)算"（thermodynamic computing）擁抱物理系統(tǒng)的固有隨機(jī)性。換句話說(shuō)，讓芯片像自然界一樣工作，而不是像數(shù)字時(shí)鐘。

EDA平臺(tái)：先賣鏟子，再挖金礦

芯片行業(yè)有個(gè)老規(guī)矩：設(shè)計(jì)工具比芯片本身更賺錢。Synopsys和Cadence兩家EDA巨頭市值合計(jì)超過(guò)1500億美元，利潤(rùn)率常年保持在25%以上。Normal選擇從這里切入，邏輯很產(chǎn)品經(jīng)理——先解決眼前能收錢的痛點(diǎn)，再押注遠(yuǎn)期革命。

Normal EDA的核心是"自動(dòng)形式化"。傳統(tǒng)芯片驗(yàn)證靠工程師手寫(xiě)測(cè)試用例，覆蓋所有可能的邊界情況，耗時(shí)占整個(gè)設(shè)計(jì)周期的70%。自動(dòng)形式化用AI生成數(shù)學(xué)證明，確保設(shè)計(jì)在邏輯上無(wú)漏洞，同時(shí)優(yōu)化面積、功耗和性能。

Sbahi的表述很具體："今天能把定制芯片上市時(shí)間縮短一半，長(zhǎng)期目標(biāo)是讓平臺(tái)實(shí)現(xiàn)1000倍效率提升。"這個(gè)"1000倍"不是隨口說(shuō)的——熱力學(xué)計(jì)算的理論極限確實(shí)比傳統(tǒng)數(shù)字計(jì)算高出幾個(gè)數(shù)量級(jí)，前提是能工程化。

目前Normal EDA已經(jīng)進(jìn)了全球前十半導(dǎo)體設(shè)計(jì)公司中的五家?？蛻裘麊螞](méi)公開(kāi)，但三星既是投資人又是潛在客戶，這層關(guān)系意味著平臺(tái)至少在存儲(chǔ)和代工環(huán)節(jié)得到了驗(yàn)證。

對(duì)Normal來(lái)說(shuō)，EDA收入是燃料，不是終點(diǎn)。公司真正的賭注在第二步：用熱力學(xué)原理造一種完全不同的處理器。

熱力學(xué)計(jì)算：向物理定律"投降"

現(xiàn)代芯片的能耗問(wèn)題，根源在于一個(gè)設(shè)計(jì)選擇：為了讓計(jì)算可靠，晶體管必須被強(qiáng)制維持在明確的0或1狀態(tài)。這像用空調(diào)把室溫精確控制在20.000度——可以，但極耗能。

物理學(xué)家John von Neumann早在1949年就指出，信息處理本質(zhì)上是不可逆的熱力學(xué)過(guò)程，每擦除一個(gè)比特至少消耗kT ln 2的能量。七十多年來(lái)，工程師用各種技巧逼近這個(gè)極限，但數(shù)字計(jì)算的框架本身決定了能耗下限。

Normal的做法是跳出這個(gè)框架。熱力學(xué)計(jì)算允許系統(tǒng)處于概率性的中間狀態(tài)，利用自然漲落完成計(jì)算，而不是對(duì)抗它們。這類似于模擬計(jì)算，但用現(xiàn)代半導(dǎo)體工藝實(shí)現(xiàn)，且保持可編程性。

具體技術(shù)細(xì)節(jié)公司沒(méi)有公開(kāi)。從公開(kāi)信息推斷，他們可能在使用概率比特（p-bit）或相關(guān)器件，讓芯片在噪聲中完成優(yōu)化問(wèn)題的求解。這類方案對(duì)AI推理中的某些 workload 特別友好——比如采樣、優(yōu)化和概率推斷，恰恰是生成式AI的核心操作。

Sbahi的背景提供了線索。他在斯坦福讀博期間研究過(guò)量子計(jì)算和經(jīng)典計(jì)算的邊界，導(dǎo)師是量子信息領(lǐng)域的核心人物。熱力學(xué)計(jì)算可以看作一種"退而求其次"的策略：不追求量子計(jì)算的指數(shù)級(jí)加速，但避開(kāi)其極端的低溫需求，在常溫下實(shí)現(xiàn)可觀的能效提升。

這個(gè)選擇的風(fēng)險(xiǎn)和回報(bào)都很明確。如果成功，Normal可能定義下一代AI硬件的架構(gòu)；如果失敗，熱力學(xué)計(jì)算的適用范圍可能被證明過(guò)于狹窄，無(wú)法替代通用GPU。

5000萬(wàn)美元能燒多久

本輪融資后，Normal累計(jì)融資額超過(guò)8500萬(wàn)美元。領(lǐng)投方三星Catalyst是三星電子的戰(zhàn)略投資部門，出手通常伴隨供應(yīng)鏈合作。跟投方包括對(duì)沖基金B(yǎng)revan Howard的風(fēng)投分支、加拿大清潔技術(shù)基金ArcTern，以及前谷歌CEO Eric Schmidt的First Spark Ventures。

投資人結(jié)構(gòu)透露了信號(hào)：既有半導(dǎo)體產(chǎn)業(yè)資本（三星、美光），又有對(duì)沖基金的宏觀判斷（Brevan Howard），還有Schmidt這種對(duì)AI算力瓶頸有切身感受的前運(yùn)營(yíng)商。這不是典型的硅谷AI投資組合，更像是一場(chǎng)針對(duì)"能源墻"的對(duì)沖押注。

錢怎么花？Sbahi的計(jì)劃分階段：EDA平臺(tái)繼續(xù)商業(yè)化，養(yǎng)活團(tuán)隊(duì)；同時(shí)用2-3年流片驗(yàn)證熱力學(xué)計(jì)算芯片。5000萬(wàn)美元在芯片行業(yè)不算多——一次先進(jìn)制程流片就要數(shù)千萬(wàn)美元——但Normal的架構(gòu)可能不需要最前沿的制程，熱力學(xué)計(jì)算的容錯(cuò)性反而對(duì)工藝缺陷更友好。

競(jìng)爭(zhēng)對(duì)手也在行動(dòng)。IBM Research有類似的熱力學(xué)計(jì)算項(xiàng)目，微軟和谷歌則在探索光計(jì)算和模擬計(jì)算。Normal的差異化在于垂直整合：從設(shè)計(jì)工具到芯片架構(gòu)，再到最終應(yīng)用，試圖控制全棧。

這種"全都要"的策略在創(chuàng)業(yè)公司中很少見(jiàn)，通常意味著團(tuán)隊(duì)對(duì)自己技術(shù)的通用性有極強(qiáng)信心，或者——更常見(jiàn)的——還沒(méi)被現(xiàn)實(shí)教育過(guò)。

AI能耗：被低估的系統(tǒng)性風(fēng)險(xiǎn)

討論AI瓶頸時(shí)，行業(yè)習(xí)慣談算力、談數(shù)據(jù)、談算法。能耗很少成為主角，直到它成為主角。

2024年，OpenAI訓(xùn)練GPT-5的傳聞功耗已達(dá)數(shù)百兆瓦，相當(dāng)于一個(gè)小城市的用電量。推理側(cè)的擴(kuò)張更快：ChatGPT日活用戶過(guò)億，每次查詢的能耗雖然遠(yuǎn)低于訓(xùn)練，但乘以頻率后總量驚人。谷歌2023年環(huán)境報(bào)告顯示，其數(shù)據(jù)中心耗電量五年增長(zhǎng)50%，AI負(fù)載是主因。

更深層的問(wèn)題是電網(wǎng)。美國(guó)數(shù)據(jù)中心集中在弗吉尼亞、得州等少數(shù)區(qū)域，當(dāng)?shù)仉娋W(wǎng)擴(kuò)容速度跟不上需求。微軟和亞馬遜已經(jīng)開(kāi)始為數(shù)據(jù)中心配套自備電廠，用天然氣或核能。這不是環(huán)保敘事，是純粹的工程約束。

Sbahi說(shuō)的"能量墻"就是這個(gè)意思。當(dāng)單機(jī)柜功率密度超過(guò)電網(wǎng)能穩(wěn)定供應(yīng)的極限，數(shù)據(jù)中心建設(shè)周期將從月拖到年，AI模型的迭代速度將被迫下降。這對(duì)依賴規(guī)模效應(yīng)的大模型公司是生存威脅。

Normal的賭注是：在墻撞上來(lái)之前，有人愿意為一種未經(jīng)證明的架構(gòu)支付溢價(jià)。EDA平臺(tái)是敲門磚，證明團(tuán)隊(duì)能交付；熱力學(xué)計(jì)算是終局，如果成功，可能重塑整個(gè)行業(yè)的成本結(jié)構(gòu)。

歷史上有過(guò)類似的窗口期。1980年代，RISC架構(gòu)挑戰(zhàn)CISC時(shí)，能效是核心賣點(diǎn)；2000年代，GPU挑戰(zhàn)CPU時(shí)，并行吞吐是核心賣點(diǎn)。每次架構(gòu)遷移都伴隨新巨頭的誕生。Normal想要的位置，是下一個(gè)遷移周期的定義者。

技術(shù)路線的不確定性

熱力學(xué)計(jì)算不是新概念。1980年代，Carver Mead就提出用模擬電路模仿神經(jīng)系統(tǒng)的概率特性；2010年代，D-Wave的量子退火機(jī)嘗試過(guò)類似思路。這些探索的共同點(diǎn)：在特定問(wèn)題上有效，但通用性受限。

Normal需要回答的關(guān)鍵問(wèn)題：熱力學(xué)計(jì)算的適用范圍有多大？是能覆蓋AI推理的主流 workload，還是只能加速特定類型的優(yōu)化問(wèn)題？如果是后者，它的市場(chǎng)天花板就是專用加速器，而非通用平臺(tái)的替代者。

另一個(gè)問(wèn)題是軟件生態(tài)。GPU的統(tǒng)治地位不僅來(lái)自硬件，更來(lái)自CUDA二十年的積累。Normal如果無(wú)法提供同等易用的編程模型，即使硬件能效再高，也難以進(jìn)入主流數(shù)據(jù)中心。

Sbahi的回應(yīng)是分階段滲透：先用EDA平臺(tái)建立行業(yè)關(guān)系，再針對(duì)特定應(yīng)用（可能是生成式AI的采樣環(huán)節(jié)）提供專用方案，最后逐步擴(kuò)展。這個(gè)路徑合理，但時(shí)間窗口有限——英偉達(dá)每年投入數(shù)十億美元鞏固生態(tài)，初創(chuàng)公司的追趕速度必須快于巨頭的防御速度。

投資人顯然押注的是Sbahi本人。他的履歷橫跨量子計(jì)算、形式化方法和芯片設(shè)計(jì)，團(tuán)隊(duì)核心成員來(lái)自Google X、IBM Research和頂級(jí)EDA公司。這種組合在學(xué)術(shù)界常見(jiàn)，在創(chuàng)業(yè)公司中稀缺。

但技術(shù)背景不等于產(chǎn)品能力。Normal EDA已經(jīng)證明他們能交付工具，熱力學(xué)計(jì)算芯片才是真正的考驗(yàn)。流片成功只是第一步，量產(chǎn)、良率、成本控制、客戶驗(yàn)證，每一步都是創(chuàng)業(yè)公司的高死亡率區(qū)間。

三星的參與降低了部分風(fēng)險(xiǎn)。作為代工廠和存儲(chǔ)巨頭，三星能提供工藝支持，也可能成為首批大客戶。但這種戰(zhàn)略投資的雙刃劍效應(yīng)也很明顯：如果Normal的技術(shù)路線與三星的整體戰(zhàn)略沖突，資源支持可能變成方向束縛。