那天在南京的高校实验室，窗外的梧桐飘了片叶子进来。
刚好落在装类脑芯片的防静电盒上。
旁边带我的博导伸手把叶子捡出去，指尖点了点盒子里指甲盖大的硅片：”别光看纹路，这玩意儿现在在很多实验室的地位，比你桌上那台跑大模型的工作站还金贵。”
别再把它当成”更聪明的AI芯片”了
很多人第一次听类脑计算，第一反应是”哦，就是专门跑大模型的新GPU对吧？”
错得离谱。
现在我们用的所有算力芯片，不管是手机里的CPU，还是服务器上的GPU，本质上都逃不开冯诺依曼架构的老路子——计算单元和存储单元是分开的，每次要算东西，就得先把数据从存储区拉到计算区，算完再把结果拉回存储区存好。就像你每次做数学题，都要把课本从书包里掏出来放到桌上，算完再把课本塞回去，来回跑的路上，一半的精力都浪费了。
现在的算力系统有多费电？跑一次千亿参数大模型的完整推理，耗电够普通三口之家用上小半年。这些电里，真正花在”算”上的其实连30%都不到，剩下的全是数据来回传输的损耗。
类脑计算从根上就不走这条路。它最核心的设计，就是把计算单元和存储单元彻底融在同一个微小单元里，根本没有”来回拉数据”这个过程。
我当时听到这个设计的时候，第一反应是：那这不就是个省电版的AI芯片？
带我的博导翻了个白眼。
省电只是最不值钱的附赠功能。你想啊，人脑满打满算才20瓦的功率，就是个小夜灯的耗电量，能同时处理视觉画面、听觉声音、零散的记忆碎片，还能边琢磨晚上吃什么边应付突然弹出来的工作消息。现在的算力芯片要达到同等的感知处理能力，得拉一整个机柜的服务器，功率得几千瓦。这差的根本不是技术迭代的速度问题，是底层逻辑从一开始就走了两条完全不一样的路。
鸡皮疙瘩当时就起来了。
真的。你天天用手机打游戏，知道高负载下半小时能掉20%的电，结果人脑用20瓦就能扛一整天的高强度思考，这事儿细想起来，比所有科幻片的设定都离谱。
它根本不是要把整个人脑搬去芯片上
刷到类脑相关新闻的时候，总有人在评论区喊”强人工智能要来了！””马上就要造有意识的机器人了！”
真的想多了。
现在全球所有实验室在做的类脑计算，离那个科幻场景远得很。说白了，就是盯着人脑这个经过几百万年自然迭代出来的”最优算力系统”，抄几个最划算、最容易实现的设计技巧而已。
比如人脑里的神经元，不是每分每秒都在满功率放电的。只有接收到的外部信号攒到了某个阈值，它才会”啪”地跳一下，把信号传出去，不然就安安静静待着，一点电都不耗。这跟现在的芯片完全不一样——现在的芯片只要通着电，每个时钟周期都在按固定频率转，哪怕没有数据要处理，也在空转耗电。
再比如人脑里的神经连接强度是动态变的。你经常走的那条回家的路，神经通路就会越用越粗，信号传得越来越快；你很久不用的高中数学公式，对应的神经连接就会慢慢变细，最后你连公式是什么都想不起来。根本不需要把所有连接的权重都存在固定的存储位置里，省下来的空间，全是实打实的效率。
上次我跟着团队测一个巴掌大的类脑感知模块，功能就是识别路边的共享单车。
整个模块的功率才10毫瓦。啥概念？就是跟你运动手表上的计步器功耗差不多。之前用传统视觉方案做同样的识别任务，得装个小小的AI处理芯片，功率得几百毫瓦，差了两个数量级。
而且这玩意儿根本不用等摄像头把整个画面都传到处理器里。它在感光的位置就把没用的信息全滤掉了——比如风吹得树叶晃、路灯的灯光闪，这些没用的变化根本不会触发模块，只有真的有移动的单车轮廓出现在视野里，它才会发一个简短的信号出去。
说实话，我当时拿着那个模块，第一反应是，以后路边的摄像头再也不用扯那么粗的电线了？装个巴掌大的太阳能板，说不定就能跑一整年。
别神化它，现在还在”学爬”的阶段
每次我跟朋友聊类脑计算，总有人问”那这东西是不是马上就要取代GPU了？以后大模型是不是都能装在我手机里了？”
真的，别神化它。
现在的类脑芯片，最大的坎儿根本不是硬件做不出来，是我们根本还没摸透怎么给它”教东西”。
传统的AI模型走到今天，已经攒了一整套非常成熟的训练流程：从标注数据，到调整参数，到迭代优化，全世界的工程师闭着眼睛都能做。但类脑计算用的脉冲神经网络，很多训练方法都还停留在实验室阶段。你想给它教个识别猫的任务，可能得花好几个月反复调参数，换传统GPU的话，几个小时就训完了。
上次帮博导给一个小的类脑模块调气味识别的参数，整整熬了三个通宵，结果一测试，识别准确率还不如十年前的传统机器学习模型。当时真想把那模块扔去实验室楼下的垃圾桶。
真的。
不过话说回来，哪有什么技术是刚出来就完美的？你现在用的手机芯片，刚诞生的时候不也是连个贪吃蛇都跑不利索？上次我看到实验室的几个本科生，用类脑芯片做了个小小的气味识别装置，能闻出来楼下奶茶店的三分糖和五分糖的区别，整个装置的功率才5毫瓦，连个纽扣电池都能跑半年。
离替代大模型远不远？远。
离我们的生活近不近？近啊。
之前有个做智慧农业的创业者来实验室交流，说想把类脑模块装在大棚里，用来监测农作物的病虫害。之前用传统的摄像头方案，得扯电线、装网关，一个大棚的硬件成本得几千块。如果换类脑的感知模块，整个设备的成本可能压到几百块，装个太阳能板就能用三五年，根本不用人天天去维护。
我当时就想起博导常说的一句话：我们搞类脑计算，从来不是为了造一个跟人一模一样的机器。
毕竟我们连自己脑壳里的意识是怎么冒出来的都还没彻底搞明白，就想靠抄几个神经连接的机制造个有意识的系统，哪有那么容易。
现在做的所有事，说白了就是盯着那个20瓦的人脑参考样本，捡点最实用的技巧过来，先把现在算力系统费电、笨重、传输损耗大的问题解决了。
那天从实验室出来，梧桐叶落在我肩膀上，路边的小店飘来糖炒栗子的香味。我突然就觉得，那些听起来特别遥远的”下一代算力”，其实离我们的日常根本没那么远。
作者|科技
排版|科技
审核|柚子