AI 这几年最熟的叙事，是模型更大、GPU 更多、分数更高。Unconventional AI 这次换了个方向：他们用一套模拟的耦合振荡器系统做图像生成，ImageNet 64×64 上做到 FID 6.74，还把权重、训练和消融代码都放了出来。
我更在意的不是这个分数，而是它把一条常被写成愿景的路线，第一次比较认真地放到了同一张赛道图里。
| 项目 | 结果 / 说明 |
|---|---|
| 核心机制 | 随机相位起步，类别振荡器做条件，系统演化后取快照，再由小型 decoder 渲染像素 |
| 最佳成绩 | ImageNet 64×64 FID 6.74；CIFAR-10 最佳 FID 8.76 |
| 最大模型 | 16,384 个振荡器，322.44M 参数 |
| 训练代价 | ImageNet 最大模型用 8×B200，训练 640 B200 小时 |
| 开放内容 | 权重、训练、评估、消融代码 |
| 现实边界 | 目前是模拟的动力系统，不是已经上芯片的物理计算机 |
它怎么把图像“算”出来
流程其实很直白：先给所有振荡器一个随机相位；再用一组更小的类别振荡器把类别信息灌进去；让整个系统在耦合关系下自行演化；到指定时刻截取相位快照；最后交给一个传统 decoder 还原成图像。
换句话说，Un-0 确实把中间那段主干算子换掉了，但它并没有把传统神经网络整个踢出门。decoder 还在，DINOv2 特征抽取还在，AdamW 还在，训练也还是跑在 B200 上。它更像是把“做计算”的那一层，从常规层堆叠，改成了一个可训练的动力系统。
这事的分水岭，不在分数本身
论文里也没有把自己吹成当前最强图像生成模型。它的表述很克制：质量已经能和部分早期生成模型并排，甚至在小模型参数效率上做出了一点新东西，但和 EDM、GDD 这些后期强基线比，仍然落后。
还有一个细节我觉得挺重要。作者把自己实测的结果和只能当参考的发表结果分开了：实心点是可复现的，空心点是口径不完全一致的历史数字。这个处理比很多论文诚实得多，因为 FID 本来就很怕“看起来在同一张图上，其实不是同一把尺子”。
“其兴也勃焉，其亡也忽焉。” 这句话放在物理计算这条线上很合适。热闹不难，难的是把热闹变成稳定的硬件、可编译的系统、可结算的能效。Un-0 现在证明的，是这条路不是纯概念；还没证明的，是它真的能把目标里那句约 1000x 的能效提升，变成可落地的账。
所以这次最值得记住的，不是它有没有压过扩散模型，而是它把问题改写了一次：以后要问的，可能不只是模型多强，还得问它到底在哪一层把能量省下来。图像能生成，账还没算完。