乘法比加法快12倍。
说实话，我第一次看到这句话的时候，以为是写错了。
在座各位但凡学过一点计算机组成原理，都知道加法是CPU里最基础的操作，一个周期搞定。乘法呢？通常要慢一些，流水线深一些，硬件复杂一些。
但这个叫nCPU的项目，它把整个CPU的ALU换成了神经网络。
然后——
乘法21微秒，加法248微秒。
倒过来了。
一个GPU程序，假装自己是CPU
先说清楚这玩意儿到底是干嘛的。
nCPU，全称Neural CPU。它不是一个用Python写的模拟器，不是那种"在GPU上跑x86指令"的仿真层。
它是一个彻头彻尾的GPU程序。
所有CPU的状态——31个64位寄存器、内存、标志位、程序计数器——全部以PyTorch张量的形式永久驻留在GPU上。指令的取指、译码、执行、写回，整个流水线全在GPU上跑。
它甚至支持完整的ARM64指令集。MOV、ADD、SUB、MUL、DIV、JMP、HALT，要什么有什么。
但每一项运算都不走传统电路。
ADD是一个训练好的神经网络。
MUL是另一个训练好的神经网络。
所有ALU操作，都是推理。
这就好比你家有一台超级跑车，平时是用来接送孩子买菜的。
现在有人把发动机拆了，换成了一批训练有素的马。
马说：交给我。
那个反直觉的性能表，我看了三遍
项目里有一张性能数据表，信息密度极高，看完让人有点恍惚。
首先是时间复杂度分层：
- O(1)单次查找：约21微秒
- O(log n)并行前缀进位：约248微秒
- O(n)顺序传递：500-900微秒不等
然后是几个具体的对比：
乘法用字节对查找表（LUT），21微秒。
加法用进位前瞻算法（CLA），248微秒。
慢了12倍。
在传统CPU里完全反过来。乘法电路比加法复杂得多，延迟通常是加法的2-3倍。
但nCPU里的乘法不需要"进位"这个概念。它直接查表，一次搞定。输入两个数，输出一个数，没有中间状态，没有串行依赖。
加法不行。加法必须处理进位传播，从低位到高位，一个一个算。哪怕用了Kogge-Stone并行前缀算法，把时间从826微秒压缩到248微秒，它还是比乘法慢。
这个反转让我想起了评论区里的一句话：
"有趣的是，乘法比加法快。传统CPU里MUL比ADD慢。在神经CPU里，倒过来了。"
确实倒过来了。
而且向量化的收益巨大。移位操作从2833微秒降到434微秒，6.5倍提升。
原因很简单：64次顺序Pass变成3次批量Pass，GPU的并行优势在这里发挥得淋漓尽致。
评论区吵起来了
这项目在GitHub上引发了一些有意思的争论。
第一条热门评论说：
"每个ALU操作都是训练好的神经网络。哦……哦。有意思。但不是我期望的那种'有意思'。"
话里有话。
有人认真思考了一个问题：
"我们是不是在用错误的方式使用GPU？"
评论区里有个比喻特别精辟：
"每个建议完全放弃CPU、转向GPU的人，根本不知道自己在说什么。他们就像建议用兰博基尼犁地、用拖拉机参加纳斯卡赛车。"
话糙理不糙。
GPU擅长的是大规模并行吞吐，延迟对它来说不是第一位的。CPU擅长的是低延迟串行执行，每个周期都要有用。
用GPU做所有事情，就像让一个合唱团唱独唱。
不是不能唱。
是没必要。
另一个评论问到了点子上：
"这比真正的CPU慢多少？"
答案是：慢很多。
2.5帧每秒的Doom光线投射，神经网络模式。对比传统CPU模式，输出完全一样，但速度天差地别。
所以这项目目前来说，更像是一个概念验证。
一个证明：CPU的所有功能，理论上都可以用神经网络实现。
但不是最优解。
但等等——谁说我们需要最优解？
我突然想到一个问题。
GPU这个名字，本身就是一个历史遗留问题。
现在数据中心的GPU，有几个在处理图形？
它们在跑大模型、跑科学计算、跑数据挖掘。
叫"GPU"只是因为历史原因。架构早就不是为图形设计的了。
那未来呢？
如果神经网络的灵活性足够高，如果专用电路的优势被逐渐抹平，我们会不会看到一种新的计算范式？
不是"CPU加GPU"，而是"全在GPU上"。
nCPU的作者在论文里提了一个更远的愿景：
也许未来的处理器，本质就是一堆神经网络。
传统电路做固定功能，神经网络做可配置功能。
当神经网络的训练和推理足够快，硬件本身的固定功能反而成了限制。
这个想法六年前就有人提过。
现在有人把它实现了。
一些细节
项目是开源的，MIT协议。
支持固定点运算（scale 1024），所有计算保持在32位整数范围，和nCPU的纯整数ISA匹配。
有两种运行模式：神经网络模式和传统模式。执行完全相同的算法，产生完全相同的输出，唯一的区别是算术路径是否经过神经网络。
有测试套件：pytest tests/ -v
覆盖神经桥接、数学运算、架构前向传播、除法。
最后
我认真想了一下这个项目的意义。
它不会取代CPU。
它甚至不会威胁任何现有的硬件设计。
但它打开了一扇门。
一扇让我们重新思考"计算到底是什么"的门。
加法一定比乘法慢吗？
CPU一定需要固定功能的ALU吗？
GPU除了跑神经网络，还能跑什么？
这些问题没有标准答案。
但有人正在用代码探索答案。
这就够了。
【MiniMax-M2.1锐评】：一篇"反常识"的技术报道，用"乘法比加法快12倍"的冲突感开场，串起整个项目的技术细节和行业争论，最后落脚到"重新定义计算"的哲学思考。有冲突，有细节，有温度。
参考链接：
https://github.com/robertcprice/nCPU