Seit einem Jahrzehnt bestimmt die Ausführung tiefer neuronaler Netze auf GPUs, wie künstliche Intelligenz aufgebaut wird. Ein Startup namens Unconventional AI vertritt die Ansicht, dass der nächste Effizienzsprung einen grundlegend anderen Computertyp erfordert, bei dem die Gesetze der Physik die Berechnung direkt übernehmen.
Am 25. Juni 2026 veröffentlichte das Unternehmen Un-0, einen Bildgenerator, der von einem simulierten System gekoppelter Oszillatoren angetrieben wird. Unconventional AI beschreibt das Projekt als Demonstration eines aufkommenden „Physical-Computing-Substrats“ und veröffentlicht die Modellgewichte, den Trainingscode und die Ablationsanalyse offen. Weitere Informationen zu dieser Geschichte finden Sie in unserer neueste KI-Entwicklungen.
Die Veröffentlichung erregte schnell Aufmerksamkeit in der Entwickler-Community, erreichte die Titelseite von Hacker News und löste eine Diskussion darüber aus, ob Alternativen zum GPU-und-Transformer-Status-Quo realistisch mithalten können.
Entspricht der herkömmlichen Bilderzeugung in ihrer Markteinführungsqualität
Un-0 erreicht FID 6,74 auf klassenbedingtem ImageNet bei einer Auflösung von 64 x 64. FID oder Fréchet-Inception-Distanz ist ein Standardmaß für die Qualität der Bilderzeugung, wobei ein niedrigerer Wert besser ist. Laut Unconventional AI entspricht die Bewertung der Qualität führender konventioneller Bilderzeugungsmethoden zum Zeitpunkt ihrer Erstveröffentlichung.
Das Unternehmen ist sich darüber im Klaren, dass es immer noch einen Rückstand auf die heutige Grenze gibt. Un-0 schließt die Leistungslücke als Funktion der Parameteranzahl im Vergleich zu Diffusionsmodellen auf dem neuesten Stand der Technik noch nicht. Doch das Team bezeichnet das Ergebnis als Beweis für das Konzept, dass moderne KI-Workloads auf die Dynamik eines physischen Systems abgebildet werden können.
„Unseres Wissens ist Un-0 der bisher leistungsfähigste Bildgenerator, der eine Simulation eines physikalisch-dynamischen Systems nutzt“, schrieb das Unternehmen in seiner Ankündigung.
Wie eine Population von Oszillatoren ein Bild zeichnet
Die Rechenmaschine von Un-0 besteht aus einer großen Population von Oszillatoren, die jeweils miteinander gekoppelt sind, wobei die Kopplungsstärken zwischen jedem Oszillatorpaar die primären lernbaren Parameter des Modells sind. Das System wird mithilfe sogenannter Kuramoto-Oszillatoren modelliert, bei denen jeder Oszillator mit seiner eigenen Eigenfrequenz rotiert und gleichzeitig durch die Anziehungskraft jedes anderen Oszillators angetrieben wird.
Das Unternehmen bietet eine intuitive Analogie. Stellen Sie sich zwei Metronome vor, die nebeneinander auf einem gemeinsamen Tisch ticken. Je nachdem, wie stark sie sich gegenseitig beeinflussen, geraten sie in einen Gleichschritt oder geraten in Opposition. Skalieren Sie das von zwei Oszillatoren auf Tausende, und die Bevölkerung organisiert sich selbst in Muster.
Das Generieren eines Bildes mit Un-0 erfolgt in fünf Schritten. Das System geht von der Zufälligkeit aus und stellt die Phase jedes Oszillators auf einen zufälligen Winkel ein, der als Keimäquivalent zum Rauschen eines Diffusionsmodells oder von GAN-Abtastungen fungiert. Eine zweite, kleinere Gruppe von Oszillatoren kodiert die gewünschte Bildklasse, etwa ein Gänseblümchen oder einen Vulkan, und wird in die Hauptpopulation eingekoppelt. Das System wird dann freigegeben, sodass die Oszillatoren aneinander ziehen, bis sie sich auf einen Zustand einstellen, der durch ihre erlernte Kopplung vorgegeben wird. Bilder werden zu einem festen Zeitpunkt ausgelesen und durch einen Decoder geleitet.
Die 1.000-fache Energieeffizienz-These
Die tiefere Motivation ist Energie. Das erklärte Ziel der unkonventionellen KI besteht darin, moderne KI mit etwa 1.000-mal weniger Energie zu betreiben, als die heutigen Maschinen benötigen.
Das Argument ist, dass ein Oszillator ein primitiver physikalischer Schaltkreis ist. Ein gekoppeltes Oszillatorsystem kann direkt in CMOS oder anderen physikalischen Substraten implementiert werden, sodass die Physik des Geräts selbst die Berechnung durchführt, anstatt sie auf einem herkömmlichen Prozessor zu simulieren. Wenn die Gesetze der Physik KI-Workloads ausführen können, argumentiert das Unternehmen, kann das Ausführungssubstrat radikal anders aussehen als die heutigen GPU-Cluster.
Das Unternehmen weist auf eine lange Tradition physikbasierter Computerideen hin, darunter neuromorphes Computing, Hopfield-Netzwerke, Reservoir-Computing, Hamilton- und Flüssigkeitsnetzwerke, Neural Wave Machines, thermodynamisches Computing und frühere Arbeiten zu Kuramoto-Oszillatoren. Es wird auch eine biologische Parallele gezogen: Rhythmische Aktivität und Synchronisation sind im Gehirn allgegenwärtig und es wird seit langem angenommen, dass sie Rechenarbeit leisten, beispielsweise die Verknüpfung verteilter Merkmale in kohärente Wahrnehmungen.
Frühe Tage, offener Code und eine Einladung
Unkonventionelle KI macht deutlich, dass dies eher ein Anfang als ein fertiges Produkt ist. Das von Un-0 erforschte physikalische Grundelement ist nicht neu, aber das Unternehmen hat es auf einen größeren generativen Benchmark skaliert, eine ablatierte Analyse der Dynamik durchgeführt und einen interpretativen Blick auf das Verhalten des Modells geboten.
Durch die Veröffentlichung der Gewichte und des Codes hofft das Team, es anderen einfacher zu machen, mit Modellen zu experimentieren, die auf physikalischer Dynamik basieren. Das Unternehmen glaubt, dass Forscher schnell über Un-0 hinauskommen können, und dass das Feld noch am Anfang seiner Bemühungen steht, moderne KI wieder auf die physikalische Dynamik zu übertragen und die angestrebten etwa 1.000-fachen Energieeffizienzgewinne zu erreichen.
Derzeit handelt es sich bei Un-0 eher um ein Forschungsartefakt als um einen Ersatz für Produktionsbildmodelle. Aber es kommt zu einem Zeitpunkt, an dem der Energie- und Kostenaufwand für den Betrieb großer KI-Systeme für Unternehmen und Forscher gleichermaßen zu einem zentralen Anliegen geworden ist, und es stellt einen der kreativeren Versuche dar, die Frage zu stellen, ob das GPU-zentrierte Paradigma der einzige Weg nach vorne ist.
Quelle: „Introducing Un-0: Generating Images with Coupled Oscillators“, Unconventional AI, 25. Juni 2026.---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
