<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>GPU替代 on AI内参</title>
    <link>https://www.neican.ai/tags/gpu%E6%9B%BF%E4%BB%A3/</link>
    <description>Recent content in GPU替代 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Mon, 08 Sep 2025 09:40:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/gpu%E6%9B%BF%E4%BB%A3/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>超越数字樊篱：物理神经网络能否重塑AI计算的基石？</title>
      <link>https://www.neican.ai/insights/article-20250908094004605-0/</link>
      <pubDate>Mon, 08 Sep 2025 09:40:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250908094004605-0/</guid>
      <description>随着AI模型规模激增，传统GPU的能耗和延迟瓶颈日益显著。洛桑联邦理工学院在《Nature》发布的综述揭示，“物理神经网络”（PNNs）利用光、电等物理系统进行模拟计算，有望实现千百倍的能效提升，成为大规模AI训练与推理的新范式。尽管面临噪声和软硬件协同等挑战，PNNs的出现预示着AI计算将摆脱数字桎梏，迈向一个与物理世界深度融合的多元化未来。</description>
    </item>
  </channel>
</rss>
