AI芯片初创公司Tensordyne近日宣布，其基于对数数字系统（LNS）架构的AI芯片已成功流片。这一进展标志着一种非传统计算范式在AI加速器领域的落地尝试，引发了业界对能效突破可能性的关注。

根据公司向EE Times披露的信息，该芯片的核心卖点在于极致的功耗控制。Tensordyne声称，在处理每个token时，其芯片的功耗相比当前主流的GPU方案可降低一个数量级。在AI大模型推理成本日益成为产业焦点的当下，这一声明直指行业痛点。当前，大规模语言模型的运行严重依赖数千甚至数万颗GPU，其电力消耗和散热需求已成为数据中心扩张的主要瓶颈。

对数数字系统（LNS）并非全新概念，其通过将数字表示为对数形式，能将复杂的乘法运算转化为简单的加法，从而在理论上大幅降低计算复杂度和能耗。然而，LNS在实现上面临精度控制和硬件复杂度等挑战，此前鲜有面向AI训练与推理的大规模商用芯片出现。Tensordyne的流片意味着该公司已跨越从理论设计到物理实现的关键门槛。

从产业视角看，此消息若后续得到实际测试数据的验证，可能对AI基础设施层产生多重影响。一方面，它为追求高能效推理的数据中心提供了GPU之外的新选择，可能缓解当前由英伟达等厂商主导的算力市场供应压力。另一方面，投资者需关注该技术从流片到量产、再到获得客户采用的漫长道路。芯片行业历史上，从流片成功到大规模部署，往往需要数年时间，且需克服软件生态、良率、客户验证等诸多障碍。

目前，Tensordyne尚未公布该芯片的具体性能指标、制程工艺或目标客户。EE Times的报道也未提供第三方测试数据。因此，市场对“一个数量级”的功耗优势仍持审慎观望态度。后续值得关注的是，该公司是否会公布基准测试结果，以及能否吸引到大型云服务商或AI公司的合作兴趣。