Un-0 話 AI 推理慳電 1,000 倍：先當技術 demo 睇

呢件事值唔值得睇

Unconventional AI 今次拎出 Un-0，表面係一個圖像生成模型，背後其實係想證明另一套 AI 電腦架構行得通。TechCrunch 訪問 Naveen Rao 時，佢講到目標可以令 AI 推理用電低 1,000 倍；呢句好吸眼球，但暫時唔應當成已交功課。講準啲，Un-0 係公司第一次攞公開模型同 code 出嚟，證明用物理動態做運算，起碼有機會跑到現代生成模型呢類任務。

點解而家先值得講？因為 AI 成本嘅壓力已經唔止喺訓練模型嗰日出現。生成圖片、長文摘要、客服 agent、公司內部 RAG 查詢，全部都係每次有人撳掣就燒一次推理算力。呢筆數最後會返到 API 價錢、SaaS 訂閱費、雲端帳單同部署選擇上面，所以慳電唔只係環保口號，亦係產品定價問題。

圖片：Unconventional AI

Un-0 其實做咗咩

官方 blog 寫得幾清楚：Un-0 係一個由 coupled oscillators 推動嘅圖像生成模型，而家用軟件模擬嗰套振盪器系統。簡單講，一堆振盪器由隨機相位起步，按訓練好嘅 coupling strength 互相拉扯，時間去到某一刻就讀出狀態，再交畀一個細 decoder 變成像素。你未可以當佢係文字 prompt 生高清海報；呢次重點放喺 class-conditional ImageNet 64×64 呢類研究 benchmark。

官方畀出嘅數字係，最大 ImageNet 64×64 版本有 16,384 個 oscillator、約 3.22 億個可訓練參數，FID@50k 去到 6.74；FID 愈低，代表生成出嚟嘅圖同參考資料集愈接近。呢啲係 Unconventional AI 自己披露同開源 repo 入面嘅數，唔係第三方實測。最要緊係，訓練同 PyTorch 參考 implementation 仍然喺 NVIDIA A100、H200、B200 呢類 GPU 上驗證，真正振盪器 chip 仲未有公開用電跑分。

點解 Rao 呢個背景有份量

Naveen Rao 唔係純講故事嘅創辦人。Unconventional AI 官網寫，佢之前創辦 Nervana Systems 同 MosaicML，分別賣畀 Intel 同 Databricks；Databricks 亦喺 2023 年 7 月宣布完成收購 MosaicML，當時賣點正正係幫企業用自己資料訓練同部署生成式 AI。換句話講，佢熟嘅唔只係模型論文，仲有企業客真係點畀錢買算力。

呢個背景令 Unconventional AI 有新聞價值，因為 Databricks 同 MosaicML 玩嘅正係企業 AI 基建：自家資料、model serving、成本控制、部署彈性。Unconventional AI 喺 2025 年 12 月公開時話已籌到 4.75 億美元 seed round，估值 45 億美元，Lightspeed、a16z、Sequoia、Lux 等都有份。咁大注碼押喺一間未出商用 chip 嘅公司，代表市場真係驚 AI 用電同推理成本會卡住增長。

1,000 倍要點拆

1,000 倍呢句最易俾人誤讀。Unconventional AI 自己嘅技術文講，佢哋量度嘅指標避開 TOPS/Watt 呢類晶片 marketing 數，改睇同等質素下每個 token、每張圖用幾多 Joules。佢哋亦話，大模型推理用電大頭好多時落喺記憶體讀寫同搬資料，特別係 HBM 呢類 off-chip memory；乘法本身反而唔係最貴嗰格。

呢個思路合理，因為而家 AI server 嘅痛點真係唔只 GPU 夠唔夠快，仲有電力、散熱、機房位置同供應。IEA 2025 年報告估計，全球 data centre 用電到 2030 年會去到約 945 TWh，差唔多係 2024 年兩倍；AI 帶動嘅 accelerated servers 用電年增長估計有 30%。如果推理效率真係跳升，成本曲線會變；問題係 Un-0 而家只證明呢種模型可以學到圖像分佈，未證明實體 chip 同商用服務已經慳到 1,000 倍。

同開發者同公司有咩關係

對一般用家，AI 用電似好遠；對寫 app、做內容、跑客服 bot、用 AI 做設計初稿嘅團隊，就好貼身。你用 API 生成一批產品圖、喺後台跑文件摘要、畀員工開 AI search，每一吓都係推理。雲端供應商要買 GPU、畀電費、搞散熱同留 capacity，呢啲成本唔會消失，只會包喺月費、API 每千 token、每張圖或者 enterprise 合約入面。

如果香港中小企同內容團隊有用呢類服務，就算唔會自己起 AI server，亦可能好快感受到價錢點變：平價 plan 每日生圖上限、客服 agent 每月用量、RAG 文件量、甚至啲 SaaS 功能要唔要另收 AI add-on。Un-0 呢類架構如果有朝一日真係做到同質素但用少好多電，影響唔會只留喺機房，會一路傳到 plan 分級同收費方式。

下一步睇邊幾樣

接住最要睇三件事。第一，Unconventional AI 幾時拎出實體 chip，仲要喺同質素、同延遲、同吞吐量之下量度每次推理用電；淨係 demo 圖像樣本靚唔靚唔夠。第二，Un-0 可唔可以由 64×64 class-conditioned 圖像，擴展到文字 prompt、高清圖、文字模型或者多模態任務。第三，佢哋想賣 compute capacity，咁就要有穩定 toolchain、開發者介面同雲端營運能力，唔係淨係有一篇好睇論文。

所以而家最合理嘅睇法係：Un-0 算係一個有膽量、資料亦交得算公開嘅技術示範；平價 AI 算力仲未開賣。開發者、公司 IT 同內容團隊今日唔使諗即刻改用 Un-0，未來兩年反而要睇推理成本會唔會逼到 AI 供應商轉架構、改收費、或者限制高成本功能。

參考來源

• TechCrunch — Databricks’ former AI chief thinks he can cut AI’s power bill by 1,000x — original report
• Introducing Un-0: Generating Images with Coupled Oscillators — 官方技術文，列出 Un-0 架構、FID、訓練硬件、開源 code 同限制。
• unconv-ai/Un-0 — 官方 GitHub repo，確認模型權重、訓練 recipe、FID 數字同 PyTorch 參考 implementation。
• How to improve AI energy efficiency by 1000x — Unconventional AI 自己解釋 1,000 倍效率目標點計，特別係 joules per token/image 同記憶體搬資料成本。
• Naveen Rao - Unconventional AI — 官方作者頁，確認 Rao 創辦 Nervana Systems 同 MosaicML、兩間都已賣出。
• Introducing Unconventional AI — 公司公開文章，確認 4.75 億美元 seed round、45 億美元估值同投資者名單。
• Databricks Completes Acquisition of MosaicML — Databricks 官方新聞稿，確認 MosaicML 收購完成同企業 AI 產品背景。
• Energy demand from AI — IEA 2026 年 AI 能源報告，提供全球 data centre 用電同 accelerated server 增長背景。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。