綠色人工智慧：計算浪費的統一理論
一篇論文提出了“計算浪費的統一理論”，指出當前AI和物理模擬中的低效率源於對外部測量尺度的依賴，而非硬體限制。作者引入“本體計量關係演算”框架，證明不必要的計算開銷與單位失真呈二次方關係（O=D²定律），並透過讓系統自身作為度量標準，將最佳化開銷降至常數，實現規模不變性、零樣本相變外推和真正的綠色AI。
2026年5月30日，一篇題為《計算浪費的統一理論》的預印本論文在Zenodo平臺釋出，作者Massimiliano Concas提出了一個顛覆性的觀點：人工智慧和物理模擬中普遍存在的計算低效問題，其根源並非硬體效能不足，而是一個深層的本體論錯誤——我們在數學上對現實的表徵方式存在缺陷。具體來說，現代計算模型習慣於將外部絕對測量尺度（如開爾文、米等）強加給自包含系統，這種外部尺度的引入導致了所謂的“維度稅”，即不必要的計算開銷與外部單位同系統內在動力學之間的失真程度呈二次方關係（O=D²定律）。
論文的核心貢獻是提出了“本體計量關係演算”框架。該框架透過讓系統自身作為度量標準，將模型構建圍繞有界的、無量綱的比率，這些比率錨定於系統的理論物理極限（作者稱之為“北極星”）。這一方法從根本上消除了由外部尺度引入的結構性計算浪費，將最佳化開銷從二次複雜度壓縮為常數。作者透過六個機器學習領域和經典物理模擬的實證驗證展示了該框架的強大能力：最佳化開銷的完全崩潰以及技術債務的數學消除；結構上的規模不變性，使得預測不再受單位系統任意變化的影響；以及零樣本相變外推能力，允許模型乾淨地跨越臨界邊界，而這些邊界正是傳統AI模型災難性失敗的根源。
該工作還連線了朗道爾的資訊熱力學和科爾莫戈羅夫的演算法複雜性，為消除結構性計算浪費提供了理論證明、架構指南和可復現程式碼。論文附帶的Python程式碼庫已經在GitHub上開源。作者表示，這是實現數學穩定、資本高效的演算法設計以及真正綠色AI的明確路線圖。研究團隊來自Ciber Fabbrica，並提供了基於Zenodo的DOI和軟體倉庫地址，方便學術界和工業界復現和驗證。