Das Versprechen
nCPU ist eine 64-Bit-ARM64-Implementierung, bei der jede ALU-Operation ein trainiertes neuronales Netz ist, das vollständig auf der GPU läuft. Physische Transistoren werden durch Tensoroperationen ersetzt. So erreicht das Projekt in einer rein virtualisierten Umgebung 100 % Genauigkeit bei der digitalen Logik (GitHub). Auf Hacker News hat das Projekt Aufmerksamkeit gewonnen, weil es Legacy-Software wie DOOM (1993) ausführt, ohne die Host-CPU für Rechenoperationen zu nutzen.
Unter der Haube
Die Architektur stützt sich auf einen Kogge-Stone-Parallel-Prefix-Algorithmus mit einem trainierten Carry-Combine-Netz, um bitgenaue Präzision sicherzustellen (GitHub). Daraus ergibt sich eine merkwürdige Umkehrung der klassischen Rechenleistung: Die Multiplikation ist 12-mal schneller als die Addition. Der Grund: Die Byte-Paar-Implementierung der neuronalen Look-Up-Table (LUT) hat keine sequenzielle Abhängigkeit, anders als die klassische Ripple-Carry-Logik (GitHub).
Registersätze, Adressen und Datenpfade werden vollständig über GPU-Speichertexturen emuliert (Ecosistema Startup). Damit läuft zwar eine vollständige, von x86 nach ARM rekompilierte DOOM-Engine mit 60 FPS. Der reine Durchsatz liegt aber nur bei rund 5.000 Befehlen pro Sekunde (Ecosistema Startup/HN-Thread). Das System ist damit um Größenordnungen langsamer als selbst die stromsparenden RISC-V-Chips, die 2026 verbreitet sind.
Bei Latenz und Ressourcenzuteilung bestehen erhebliche technische Hürden. Jeder Zyklus dauert derzeit zwischen 136 und 262 Mikrosekunden, viel zu langsam für allgemeine Rechenaufgaben (GitHub). Die Abbildung des Arbeitsspeichers auf GPU-Texturen erzeugt außerdem einen massiven VRAM-Overhead. Das begrenzt den adressierbaren Speicher für komplexe Anwendungen deutlich (Entwicklerdokumentation).
Wir wissen noch nicht, wie es nCPU um die thermische Effizienz steht und ob sich das Projekt auf moderne SIMD- und Vektorbefehle wie SVE oder Neon skalieren lässt. Zudem besteht das Risiko einer Präzisionsdrift, wenn das System auf FP16- oder BF16-Tensor-Cores statt mit vollem FP32 läuft (Ecosistema Startup). Bei 5.000 IPS ist Ihre GPU im Grunde ein sehr teurer, sehr heißer Großrechner aus den 1970er-Jahren.
Unsere Einschätzung
nCPU ist ein brillantes Forschungsprojekt, aber kein Werkzeug für den Produktiveinsatz. Es zeigt, dass neuronale Netze deterministische digitale Logik zuverlässig nachbilden können. Für 2026 ist das ein bedeutender akademischer Meilenstein. Wegen der Kompromisse bei Latenz und Stromverbrauch taugt es jedoch nur für die Verifikation von Logik in Nischen oder als akademische Kuriosität. Probieren Sie das GitHub-Repository aus, um die Kogge-Stone-Implementierung zu verstehen. Schreiben Sie danach wieder Code für echtes Silizium.