现代计算机是技术的胜利。单个计算机芯片包含数十亿个纳米级晶体管，这些晶体管运行非常可靠，每秒运算数百万次。

　　然而，这种高速度和可靠性是以大量的能源消耗为代价的：数据中心和家用IT设备（如计算机和智能手机）约占全球电力需求的3%，而人工智能的使用可能会推动更多的消耗。

　　但是，如果我们能够重新设计计算机的工作方式，使它们能够像今天一样快速地执行计算任务，同时消耗更少的能量，那会怎么样呢？在这里，大自然可能会为我们提供一些潜在的解决方案。

　　1961年，IBM的科学家罗尔夫·兰道尔（Rolf Landauer）提出了我们是否需要在计算任务上花费这么多精力的问题。他提出了兰道尔极限（Landauer limit），即单个计算任务——例如设置一个比特（计算机信息的最小单位）的值为0或1——必须消耗大约10?21焦耳(J)的能量。

　　这是一个非常小的数目，尽管计算机执行数十亿的任务。如果我们能在这样的水平上操作计算机，那么用于计算和通过冷却系统管理废热的电量将是无关紧要的。

　　然而，这里有一个陷阱。要在兰道尔极限附近进行位操作，需要以无限慢的速度进行。任何有限时间内的计算预计将花费与执行计算的速率成比例的额外金额。换句话说，计算越快，消耗的能量就越多。

　　最近，模拟计算过程的实验证明了这一点：当你每秒执行一次以上的操作时，能量耗散开始明显增加。以每秒10亿周期的时钟速度运行的处理器（这在今天的半导体中是典型的）每比特使用10?11J——大约是兰道尔极限的100亿倍。

　　一个解决方案可能是以一种完全不同的方式设计计算机。传统计算机运行速度非常快的原因是它们是串行的，一次一个操作。相反，如果可以使用大量的“计算机”并行工作，那么每台计算机的工作速度就会慢得多。

　　例如，可以用10亿个“乌龟”处理器取代一个每秒执行10亿个操作的“野兔”处理器，每个处理器都需要整整一秒钟的时间来完成任务，每次操作的能耗要低得多。我参与撰写的一篇2023年的论文表明，届时计算机可以在兰道尔极限附近运行，使用的能量比今天的计算机少几个数量级。

　　数十亿台独立的“计算机”并行工作，这可能吗？小规模的并行处理在今天已经被广泛使用，例如，当大约10,000个图形处理单元或gpu同时运行时，用于训练人工智能模型。

　　然而，这样做并不是为了降低速度和提高能源效率，而是出于必要。由于热管理的限制，无法进一步提高单个处理器的计算能力，因此处理器被并行使用。

　　另一种更接近兰道尔极限的计算系统被称为基于网络的生物计算。它利用了生物运动蛋白，这是一种微小的机器，有助于在细胞内完成机械任务。

　　该系统包括将计算任务编码到具有精心设计的交叉点的纳米通道迷宫中，这些通道通常由沉积在硅晶片上的聚合物图案制成。所有通过迷宫的可能路径都是由大量被称为生物丝的长线状分子平行探索的，这些分子由运动蛋白提供动力。

　　每个灯丝直径只有几纳米，长约1微米（1000纳米）。它们每一个都像一台单独的“计算机”，根据其在迷宫中的空间位置编码信息。

　　这种体系结构特别适合于解决所谓的组合问题。这些问题有许多可能的解决方案，例如调度任务，这对串行计算机的计算要求很高。实验证实，这种生物计算机每次计算所需的能量比电子处理器少1000到10000倍。

　　这是可能的，因为生物运动蛋白本身已经进化到不会使用超过所需的能量来以所需的速率完成任务。这通常是每秒几百步，比晶体管慢一百万倍。

　　目前，研究人员只制造了小型生物计算机来证明这一概念。为了在速度和计算方面与电子计算机竞争，并并行探索大量可能的解决方案，基于网络的生物计算需要扩大规模。

　　详细的分析表明，利用目前的半导体技术，这应该是可能的，并且可以从生物分子相对于电子的另一个巨大优势中获益，即它们携带个人信息的能力，例如以DNA标签的形式。

　　然而，扩展这些机器仍有许多障碍，包括学习如何精确控制每条生物丝，降低它们的错误率，以及将它们与当前技术集成。如果这些挑战能在未来几年内被克服，那么由此产生的处理器就能以大幅降低能源成本的方式解决某些类型的具有挑战性的计算问题。

　　另外，比较人类大脑的能量消耗也是一个有趣的练习。大脑通常被誉为非常节能，只使用几瓦——远低于人工智能模型——来进行呼吸或思考等操作。

　　然而，似乎并不是大脑的基本物理元素在节约能量。一个突触的触发，可以比作一个计算步骤，实际上使用的能量与晶体管每比特所需的能量相同。

　　然而，大脑的结构是高度互联的，其工作方式与电子处理器和基于网络的生物计算机根本不同。所谓的神经形态计算试图模仿大脑运作的这一方面，但使用的是与生物计算相反的新型计算机硬件。

　　将神经形态架构与兰道尔极限进行比较，看看生物计算的相同见解是否可以在未来转移到这里，这将是非常有趣的。如果是这样，它也可能是未来几年计算机能源效率巨大飞跃的关键。