Normal Computing：把GPU噪声变算力，AI能省多少电？

（本文作者为 尚莞迪Lydia，钛媒体经授权发布）

大多数人没意识到，一块GPU为了「不出错」，要付出多高的代价。

传统GPU得烧掉大量能量，才能保证计算准确；可跑在上面的AI模型偏偏经常需要随机性——扩散模型靠噪声生成图像，大语言模型靠概率采样输出文本。Normal Computing创始人Faris Sbahi于是想到：能不能直接把硬件里的噪声拿来干一部分计算，让AI省点电？

Normal Computing于2022年成立，总部在纽约，前身是Google X的内部项目。公司目前有两条业务线，一条是用AI改进芯片设计与验证工具，另一条是拿这些工具去开发新的计算硬件。

今年3月，Normal完成了5000万美元战略融资，由三星催化基金（Samsung Catalyst Fund）领投，累计融资已超过8500万美元。参投方还有美光风投、埃里克·施密特旗下的First Spark Ventures以及嘉加资本EnvisionX Capital。公司披露，全球营收排名前十的半导体公司中，半数以上已经与其建立合作。今年8月，Normal在Hot Chips大会上公布了首颗热力学计算芯片CN101的测试结果。

Normal团队盯上的是AI扩张过程中的能源瓶颈。数据中心用电需求一路增长，光靠增加能源供应撑不住算力的持续扩张。公司选择从计算架构下手压低能耗，让同样的电力和成本能支撑更多AI计算。

不久前在斯坦福商学院的一场炉边对话里，嘉加资本EnvisionX Capital创始及管理合伙人郑泓Holly Zheng，向Normal Computing联合创始人兼CEO Faris Sbahi提了一个投资人视角的问题：你们跟全球主要半导体公司之间，到底是客户与供应商，还是将来会变成竞争对手？

Faris Sbahi的回答是：

「当你要在一个几十年没怎么变过的行业里做颠覆的事，就必须足够有耐心，也必须非常认真地对待合作关系。」

郑泓也回顾了投资Normal的决策过程。双方最早谈的是EDA（电子设计自动化）：用AI做芯片验证，商业逻辑清晰，目标市场也明确。聊得越深，她越发现Normal的愿景不止于此——这家公司还打算开发全新的计算架构。在她看来，这意味着更大的长期增长潜力，公司未来的估值也留出了更多想象空间。

以下为这场对话的核心内容。

[标题] 01 从物理学到Google X

Faris的创业起点是物理学。

他对计算、物理与信息论的交叉地带一直有兴趣。高中时，他还在AP化学课上做过一个介绍早期

读到博士期间，他开始怀疑：量子计算究竟能不能像早年设想的那样，对AI和其他前沿技术产生深远影响？带着这个疑问，他离开了博士项目，加入Google Brain的一支前沿深度学习团队，在祖宾·加拉马尼（Zoubin Ghahramani）带领下参与TensorFlow核心框架的开发。

「我当时就是想弄清楚，真正的技术前沿究竟长什么样，什么样的技术才能带来变革性的影响。」

他本来打算回去把博士读完，这个计划却一直没能落地。在Google，他借着「20%时间」制度开始摸索新方向。这项制度允许员工拿出五分之一的工作时间做别的项目。Faris笑称，内部其实管它叫「120%时间」：原本的活一点没少，还在此基础上多了一份。

他就用这段额外的时间，为Google Brain当时的计算任务寻找新的专用芯片架构，重点是模拟计算。后来他得到一次机会，向Google联合创始人

再往后，团队最终从Google独立了出来。Faris说，从某种程度上讲，团队是「被迫」独立的。当时他们所在的更大团队正从Google分拆出去成立SandboxAQ，他们于是向管理层提出，希望另起一家独立公司，名字就叫Normal。

这项从Google内部起步的研究，最终延伸成了Faris的创业项目。

[标题] 02 从振荡器到DRAM，寻找可规模化的计算架构

Faris把Normal技术路线的演变分成三个阶段。

最初只是一个基本判断：AI工作负载带有非确定性，扩散模型这类算法本身就能用随机微分方程描述。可运行这些算法的传统硬件，仍然要消耗大量能量来维持计算的确定性。团队由此开始探索，能不能直接利用硬件中的噪声完成概率计算。

后来在Google期间，团队试过基于振荡器的模拟计算架构，相关论文也发表在《Nature》等期刊上。模型越来越大、上下文窗口越来越长，规模化就成了绕不开的问题。团队慢慢意识到，早期采用的模拟RLC电路难以满足这一要求。

差不多两年前，团队把方向换成了DRAM（动态随机存取存储器）。原因很直接：DRAM的制造工艺已经成熟，大规模、低成本生产早有基础，存储密度又比SRAM（静态随机存取存储器）高出不少。Normal团队发现，这种存储器可以重新利用起来，在内部直接完成带噪声的计算。

这个选择和眼下大模型推理遇到的瓶颈关系很近。推理时，数据得在存储器和计算单元之间来回搬，延迟和能耗都上去了，算力很难真正跑满。把一部分计算挪进存储器里，数据搬运的开销就有望降下来。况且DRAM现有的制造能力摆在那里，这条路要上规模，底子是有的。

去年，Normal搭起了一套参考系统，也开始和前沿AI实验室接触。说到这儿，Faris提到几家头部实验室都成了合作伙伴，也是「潜在的重要客户」。他还说公司已经有了一些商业进展，只是具体金额暂时不方便讲。

03 硬件尚在研发，设计工具先有了客户

做新硬件的过程里，Normal团队发现，市面上的芯片设计软件还是不够用。

半导体设计软件这个市场，几十年来基本由新思科技（Synopsys）、楷登电子（Cadence）和西门子把持。Faris估算，这块市场一年营收接近200亿美元。可在他看来，工程师手头用的工具从二十世纪九十年代到现在，几乎没有根本性的变化。

「现在还有人真正自己写代码吗？反正我已经不怎么写了。」Faris笑着说。

他想做的，是把AI辅助软件开发的那一套搬进芯片设计里。开发非常规计算架构，既要有新的综合与仿真工具，也得让AI更多地参与进来。

于是Normal开始自己造工具。一些和Normal合作的存储器公司对这些工具来了兴趣，后来就成了Normal EDA的付费客户。一套本来只服务内部研发的工具，就这样长成了一项能带来收入的独立业务。

嘉加资本创始及管理合伙人郑泓最初接触Normal时，最看重的也正是这个方向。深入聊过之后她发现，Normal团队还打算拿这些工具去开发新的计算硬件。按公司今年3月发布的介绍，Normal EDA近期要把定制芯片从设计到上市的周期砍掉一半，长期则希望靠这套平台做出新硬件，把计算效率提升上千倍。

现在，EDA工具已经开始对外卖了，新计算架构还在研发当中。Normal一边给芯片公司提供设计工具，一边用这些工具推自己的硬件研发。

04 半导体创业的壁垒，也在供应链里

郑泓接着问了一个投资人都会关心的问题：Normal和全球主要半导体公司之间，究竟是客户与供应商的关系，还是哪天会变成竞争对手？

Faris的回答，落在了Deep Tech创业里常被低估的一环上。

「当你要在一个几十年没怎么变过的行业里做颠覆性的事，就必须抱有足够的耐心，也必须非常认真地经营合作关系。」

2022年前后，Normal团队开始接触三星、美光和SK海力士这些一线存储器公司。在Faris看来，这些公司多年来靠制造工艺的持续改进攒下优势，对新技术反而用得十分谨慎。

Normal提的方案是，和它们共同开发一条新产品线，让现有存储器技术用进新的计算场景。双方从概念验证起步，一步步签下联合开发协议，其中部分协议已经写进了商业条款。EDA工具让合作能更早开始——硬件还没成熟，Normal就能先把软件技术交给合作方。

为了推进和其中一家公司的合作，Faris曾在韩国长住。后来对方邀请Normal团队进驻，在办公楼20层腾出了一间办公室。据他回忆，对方说，二十多年来公司从没这样接纳过一家外部公司。

那儿的保密措施相当严。电脑和手机必须放进储物柜，人走的时候，随身带的纸张也要被检查一遍，防的就是DRAM核心资料被带出去。在Faris看来，攒出这样的合作得靠耐心，而投进去的时间会慢慢变成公司的壁垒。后来的人想拿到同样的机会，还是得从概念验证做起，一点一点取得对方信任，这条路没有捷径。

「对硬件来说，供应链非常复杂，你必须以正确的方式融入其中。」

对投资人来说，判断一家深科技公司的壁垒，论文、专利和性能指标要看，和制造商的合作走到了哪一步同样要看。能不能进对方的研发流程、能不能一起开发产品，既取决于技术，也取决于长期合作里攒下的信任。

05 小团队与被放大的幂律

郑泓问，离开Google之后，还能不能经常接触到最顶尖的人才？Faris的回答很有意思：「小团队正在变成优势。」

Google是一家超过十万人的公司，在这样的规模上还能守住人才标准，几乎算个奇迹。但要把一种全新的技术或产品推向市场，往往一支更小、人才密度更高的团队就够了。过去几年，不少出色的AI产品正是出自这样的小团队。

他随后举了两个例子。几周前，他与Meta首席AI官Alexandr Wang有过一次交流，对方不愿说出Muse核心团队的具体人数，只表示少得让人吃惊。另一个例子是Recursive，这家公司仅有三十多人，却在不到四个月里做出了首个模型。

「AI正在放大一种幂律分布。如果你原本的生产力是普通人的十倍，现在可能会变成一百倍，甚至一千倍。」

他还转述了几天前在另一场活动中听到的谷歌前CEO埃里克·施密特的判断：企业到头来或许只剩销售和工程两种职能，今天大家熟悉的其他职能，可能都没有存在的必要了。

郑泓也讲了自己的一段经历。2019年12月，她第一次以蓝色光标国际CEO的身份站上里斯本的讲台，面对近两千名观众，她当时很自豪地提到，自己在全球管理着一支三千人的团队。

「现在回头再看，真是倍感惭愧。管理三千个人，从经营利润的角度看，并没什么值得骄傲的。」

这句话也把嘉加资本看项目时的一条隐含标准说得很清楚：到了AI时代，组织大小不再是实力的证明，人才密度才算数。

06 招聘优先级：使命认同、认知能力，最后才是经验

Normal的业务横跨物理、计算与半导体工程，需要把不同专业背景的人聚到一起。郑泓由此问Faris，他在招聘上犯过哪些错？

Faris觉得，团队招聘中最常犯的毛病就是太看重经验。比如招RTL（寄存器传输级代码）工程师，一看候选人有三十年经验，就以为捡到了难得的人选。可在他眼里，工作年限在招聘判断中的分量，远没有大家想的那么重。

他最先看的是使命认同与文化契合。做一件全新的事，总会碰上毫无进展的阶段。团队不知道该怎么办，去问CEO，CEO同样没有答案。要是对这件事没有足够深的认同，很难撑下去。

排在其后的是Google提倡的「通用认知能力」，也就是解决困难问题的本事。具体岗位经验的重要性，都该放在这两项后面。

Normal在团队搭建上也吃过亏。创业早期，董事会希望这几位从Google出来的年轻创始人引进资深高管，比如找一位经验丰富的产品负责人。

「有些事情是外包不出去的。作为创始人，你不能把『我们的产品应该是什么』交给别人回答，也不能把核心工程问题外包出去。」

Faris说，他们当时以为请到一位做成过类似事情的高管，就能把眼前的问题解决掉。后来才明白，就算对方过去成功过，也没法替创始人做这些判断。

现在Normal的管理团队里，既有干了四十年的人，也有只干了五年的人。Faris想把这套搭配完整保留下来。

「作为创始人，你绝不应该向团队传递这样的信号：若没有四十年经验，就不可能在这里成长为领导者。」

07 CEO的时间分配：工作日一半留给工程师，周末全部留给个人思考

聊到时间怎么分配，Faris开玩笑说，融资本来该有淡旺季，如今却好像全年都是融资季。除了融资，他的工作主要就是施密特说的那两项：销售和工程。

对Normal而言，销售更多是跟合作伙伴打交道。Faris常在韩国和湾区之间来回跑。日常运营可以交给同事，但如果要跟重要合作方一起规划一款两三年后才发布的产品，他认为创始人必须亲自上场。

人在公司时，他会把大约一半的时间花在工程师身上，看看他们的工作卡在了哪里。

「工程师是很难搞的一群人。我自己也是工程师，所以可以这么说。他们不会主动告诉你是什么阻碍了进展，往往把事情藏在心里。」

他会尽量不让自己在周六工作，周日通常也不排电话和会议，留出时间思考和规划。他说，创业初期看多了那些创业传奇，很容易觉得自己也得每天干十六个小时、一周七天连轴转。

「但如果一直这样，身体迟早会撑不住，判断力也会受到影响。」

08 就像蒸汽机刚被发明的年代

到场的还有一批即将从斯坦福商学院毕业的学生。郑泓替他们向Faris抛出一个问题：假如你现在毕业，还会先选Google吗？

Faris的回答是，放在几年前他可能还会这么选，如今他更愿意亲手做点东西。

他打比方说，蒸汽机刚问世那会儿，你正好毕业，理所应当去琢磨蒸汽机，或者干点和它沾边的事。

在Faris看来，当下正是技术演进最让人兴奋的阶段之一。毕业生有两条路：自己试着做产品，或者进一家早期公司，先看它要对付什么问题、值不值得押注、能不能给世界带来足够大的改变。

聊到最后，郑泓用几个快问快答收尾。

第一个问题，AI行业里哪个概念被高估得最厉害？Faris想了想说：「也许是RSI。」郑泓本人就是RSI的投资人，笑着接了一句：「我会转告Richard。」

那最被低估的呢？他给的答案还是「也许还是世界模型」。

被问到创始人最重要的特质，郑泓摆出技术能力、领导力、坚毅三个选项。Faris没怎么犹豫：「解决问题的能力。」

最后一个问题，湾区还是纽约？「肯定是这里。湾区」

本文根据2026年10月23日嘉加资本EnvisionX Capital与Normal Computing炉边对话整理，原对话为英文，由创见团队翻译编辑。主持人为嘉加资本创始及管理合伙人、蓝标国际董事长郑泓；嘉宾为Normal Computing联合创始人兼CEO Faris Sbahi。