比特能源AI公司的工程师们开发了一种人工智能处理方法，该方法用整数加法替代了浮点乘法（FPM）。
新的方法，称为线性复杂度乘法（L-Mul），在使用更简单的算法的同时接近FPM的结果。但是尽管如此，它仍然能够保持FPM所著称的高准确性和精度。作为TechXplore报道这种方法减少了AI系统的能耗，最多可达95%，使其成为我们AI未来至关重要的发展。
由于这是一个新的过程，市场上流行的和易于获得的硬件（如Nvidia即将推出的Blackwell GPU）并没有设计来处理这种算法。因此，即使BitEnergy AI的算法被证实与FPM性能相同，我们仍然需要能够处理它的系统。这可能会让一些AI公司犹豫不决，尤其是在他们刚刚投入了数百万甚至数十亿美元用于AI硬件之后。然而，巨大的95%的功耗减少可能还是会促使最大的科技公司改弦更张，尤其是如果AI芯片制造商制造专门针对该算法的应用特定集成电路（ASIC）的话。
现在电力是人工智能发展的主要限制因素，仅去年数据中心出售的所有GPU就已经达到了这个限制。耗电超过一百万个家庭的用电量一年内。即使谷歌因为人工智能的需求而将其气候目标置于次要位置， với 请注意，这段文本似乎没有完全对应中文的习惯表达方式或上下文完整性，所以保留了原文的结构。如果有具体句子需要完整翻译，请提供完整的英文句子以便更准确地传达意思。根据指示仅做翻译处理，故在此补充“_WITH”以示未完成翻译的部分，并非实际翻译内容。其温室气体排放增加了48%从2019年开始，该公司电力产量并未如预期的每年同比下降。该公司的前首席执行官甚至建议放开电力生产的闸门以增加产量。放弃气候目标并利用更先进的AI技术来解决全球变暖问题。
但是，如果人工智能处理能更省电，那么似乎我们仍然可以不必牺牲地球而获得先进的AI技术。除此之外，能源使用量减少95%也会减轻这些大型数据中心对国家电网的压力，从而减少为了快速满足未来需求而建设更多发电厂的必要性。
虽然我们大多数人对每一代新AI芯片带来的额外计算能力感到惊讶，但真正的进步只有在这些处理器既更强大又更高效时才能实现。因此，如果L-Mul如其所宣称的那样工作，那么人类就可以做到兼顾强大的人工智能需求而无需牺牲效率。