绿色人工智能：计算浪费的统一理论
一篇论文提出了“计算浪费的统一理论”，指出当前AI和物理模拟中的低效率源于对外部测量尺度的依赖，而非硬件限制。作者引入“本体计量关系演算”框架，证明不必要的计算开销与单位失真呈二次方关系（O=D²定律），并通过让系统自身作为度量标准，将优化开销降至常数，实现规模不变性、零样本相变外推和真正的绿色AI。
2026年5月30日，一篇题为《计算浪费的统一理论》的预印本论文在Zenodo平台发布，作者Massimiliano Concas提出了一个颠覆性的观点：人工智能和物理模拟中普遍存在的计算低效问题，其根源并非硬件性能不足，而是一个深层的本体论错误——我们在数学上对现实的表征方式存在缺陷。具体来说，现代计算模型习惯于将外部绝对测量尺度（如开尔文、米等）强加给自包含系统，这种外部尺度的引入导致了所谓的“维度税”，即不必要的计算开销与外部单位同系统内在动力学之间的失真程度呈二次方关系（O=D²定律）。
论文的核心贡献是提出了“本体计量关系演算”框架。该框架通过让系统自身作为度量标准，将模型构建围绕有界的、无量纲的比率，这些比率锚定于系统的理论物理极限（作者称之为“北极星”）。这一方法从根本上消除了由外部尺度引入的结构性计算浪费，将优化开销从二次复杂度压缩为常数。作者通过六个机器学习领域和经典物理模拟的实证验证展示了该框架的强大能力：优化开销的完全崩溃以及技术债务的数学消除；结构上的规模不变性，使得预测不再受单位系统任意变化的影响；以及零样本相变外推能力，允许模型干净地跨越临界边界，而这些边界正是传统AI模型灾难性失败的根源。
该工作还连接了朗道尔的信息热力学和科尔莫戈罗夫的算法复杂性，为消除结构性计算浪费提供了理论证明、架构指南和可复现代码。论文附带的Python代码库已经在GitHub上开源。作者表示，这是实现数学稳定、资本高效的算法设计以及真正绿色AI的明确路线图。研究团队来自Ciber Fabbrica，并提供了基于Zenodo的DOI和软件仓库地址，方便学术界和工业界复现和验证。