在Guillaume Verdon与Lex Fridman的访谈中，一个极具前瞻性的议题是其创立公司 Extropic 及其核心技术方向——热力学计算 (Thermodynamic Computing)。这一探索不仅代表了对传统计算范式的挑战，更深植于Verdon对物理学基本原理，特别是热力学与信息论的深刻理解。本篇将聚焦于此，从物理逻辑视角剖析Verdon关于热力学计算的论述，并探讨其潜在的技术细节与突破方向。
Verdon坦言，Extropic的创立源于他对量子计算发展路径的某种“不满”或“焦灼”。尽管量子计算在理论上拥有巨大潜力，但其面临的“噪声”这一“最大敌人”，以及由此带来的对极端低温环境的依赖、复杂的量子纠错机制和漫长的商业化时间表，促使他和他的同事们（包括一些从IBM、AWS等量子计算领域转投而来的顶尖人才）开始思考新的可能性。
“当生成式AI正在吞噬世界，对算力的需求日益迫切时，”Verdon自问，“我们如何能从物理学、信息论、计算理论，最终从热力学的第一性原理出发，为生成式AI设计出终极的物理基底？”这便是Extropic的核心使命：构建基于物理的计算系统和AI算法，这些算法直接受到非平衡态热力学 (out-of-equilibrium thermodynamics) 的启发，甚至直接驾驭这些物理过程来进行机器学习。
对比量子计算力求抑制噪声、维持相干态，与热力学计算可能利用系统涨落、与环境耦合的理念。
虽然Verdon在访谈中因Extropic刚公开不久，未透露具体的电路设计或已实现的技术突破细节，但其阐述的核心理念为我们勾勒出热力学计算的物理蓝图：
经典计算通常在接近平衡态的、高度有序的逻辑门上操作。而宇宙中大量的复杂现象，尤其是生命本身，都发生在远离平衡态的开放系统中。这些系统通过与环境交换能量和物质，维持着动态的、高度有序的结构（如耗散结构）。Verdon的思路似乎正是要借鉴这一点：计算过程可能发生在一个持续有能量输入、远离热平衡的物理系统中。这样的系统天然具有复杂的动态行为和模式形成能力，这些特性或许可以直接用于信息处理和学习。
例如，可以想象一个物理系统，其状态的演化（类似
展示一个系统在能量输入下从简单平衡态演化到复杂动态模式，暗示其计算潜力。
“将机器学习视为一个物理过程”是Verdon反复强调的突破点。这意味着计算硬件本身的状态或其动态演化直接编码了学习模型或学习结果。数据输入可能改变系统的物理参数或边界条件，而系统根据其内在物理规律（如能量最小化、自由能最大化或某种特定的动力学吸引子）自发地“松弛”到一个新的稳定状态或动态模式，这个新状态即代表了学习的结果。
这让人联想到物理退火算法，但Verdon的构想可能更为直接和底层。传统计算中的“噪声”或“热涨落”，在量子计算中是必须克服的敌人，但在热力学计算中，这些随机性因素可能反而成为探索解空间、跳出局部最优的“资源”。正如Verdon所说，他们不再需要像量子计算那样“不断泵出系统中的熵”来维持一个“原始环境”。
模拟一个物理系统（如粒子在能量景观中运动）在“数据”影响下，如何通过自身动力学达到一个“学习后”的稳定状态。
Verdon从其在TensorFlow Quantum项目中的经验（将可微分编程引入量子计算）中提炼出一个普适性框架：通过微分来编程物质和物理。如果一个物理系统的行为可以通过一组参数来描述，并且可以定义一个衡量系统表现的损失函数（Loss Function），那么就可以通过计算损失函数相对于这些物理参数的梯度，来优化系统以完成特定任务。
这暗示Extropic的“热力学计算机”可能包含可调控的物理参数，其AI算法则通过类似梯度下降的方法，直接调整这些物理参数，从而“塑造”物理系统的行为，使其完成特定的机器学习任务。公式可以简化为：
展示一个带可调参数的物理系统，通过调整参数（模拟梯度下降）来优化某个目标函数（如最小化能量）。
Verdon展望，Extropic的目标不仅是运行类人AI（他称之为“拟人AI” Anthropomorphic AI），更关键的是开发一种“基于物理的AI” (Physics-based AI)。这种AI能够更好地表征世界的真实物理过程，因为它本身就从物理规律中汲取灵感，可以整合量子、热力学、经典等不同尺度的物理模型，从而构建更精确、多尺度的世界模型 (World Model)。
这个“物理世界建模引擎”可以作为AI理解和预测现实世界的基础，而“拟人AI”则可以作为与人类交互、进行高级推理的接口。两者的结合，在Verdon看来，是通向更通用人工智能（AGI）的路径。“你可以拥有科学，测试想法的游乐场（物理AI），以及合成科学家（拟人AI）。”
展示一个AI核心如何从不同物理模块（量子、热力学、经典）获取信息，构建一个统一的多尺度世界表征。
尽管Verdon未详述技术细节，但基于其物理背景和访谈内容，我们可以推测Extropic的技术路径可能涉及：
Verdon提及的“热力学计算机” (Thermodynamic Computer) 本身就是一个大胆的宣称。其“突破”可能在于找到了稳定、可控、且能高效映射到机器学习任务的特定非平衡物理系统及其控制方法。这可能意味着他们不再将热涨落视为纯粹的随机干扰，而是将其视为一种可资利用的、驱动系统探索和学习的“内在动力”。
Guillaume Verdon及其Extropic公司所倡导的热力学计算，是对计算本质的一次深刻反思。它试图摆脱传统计算对确定性逻辑的依赖和量子计算对极端环境的要求，转而从宇宙中无处不在的热力学过程中汲取计算的灵感和力量。如果成功，这不仅可能为AI发展提供全新的、更高效的物理基础，更可能深化我们对信息、智能与物理世界之间关系的理解。这无疑是一条充满挑战但也极具吸引力的探索之路，其核心逻辑在于：让计算回归物理，让物理驱动智能。