2026-09-28 09:16:59 分类：正文
去年9月23号在南京国展中心逛科技展，人挤得连空调风都吹不透，我绕开喊着“大模型一键生成”的展台，挤到最偏僻的东北角，撞见一块半人高的芯片展示板，上面印着密密麻麻像神经元突触一样的银灰色纹路。
讲解员凑过来开口第一句就把我留住了：“这不是给大模型加速的普通AI芯片，这是做类脑计算的。”
我站那听了十分钟，大半术语都没记住，就记住一句话：现在我们用的AI，是堆算力“算出来的智能”，这个东西，是照着人脑长出来的智能。真的挺震撼。
我们现在的AI，到底卡在哪了？
现在的大模型多厉害啊，写文案画图改代码，样样都行。可你让它估一下，刚倒在保温杯里的开水，多久能降到能入口的温度？它大概率会给你套一堆热传递公式，算出来一个差十万八千里的数。换个正常人，摸一下杯子外壁，大概就知道还要等几分钟，根本不用算公式。
为啥？因为人不靠死记硬背公式，靠的是千万次经验攒出来的感知，是神经元网络自然出来的结果。
说实话，现在大模型越做越大，能源消耗已经离谱到没法看了。训练一次超大规模大模型，耗的电够一个小县城用小半年，日常跑推理的电费，很多小公司都掏不起。这个一路堆参数堆算力的路子，真的能一直走下去吗？
我们现在用的所有芯片，不管多先进，根子上还是冯诺依曼架构，存储和计算是分开的。你要算个东西，就得把数据从存数据的地方搬到计算单元，搬来搬去，时间和电都耗在这路上了。
人脑就不这样。人脑的每个神经元，自己既存记忆，又做计算，压根不用来回搬数据。这就是类脑计算最开始的思路：照着人脑的工作方式，做一套全新的计算架构。
传统大模型与类脑芯片功耗对比柱状图
很多人对类脑计算的第一理解，就是错的
刷到过不少科普，一讲类脑计算就说“我们要复刻整个人脑，八百亿个神经元全部做出来”，然后算出要多少多少材料多少电，说一百年也做不出来。
这完全是误区。
现在做类脑计算，根本不是要一比一克隆人脑，只是复刻人脑“存储计算一体”“脉冲激活”的工作逻辑，规模大小按需来就行。你做一块给智能手表用的类脑芯片，几千几万个神经元就够了，干嘛要做八百亿？
而且它天然就适合处理那种模糊的、缺一块的信息。就比方说你走在街上，远远看见一个人半个身子被电线杆挡住了，你一眼就能认出来那是个人。换传统AI，如果训练数据里这种半遮的人不多，它大概率认错。类脑计算不会，它是靠整个神经元网络的激活模式来识别的，缺一块，整体模式还在，就能认对。
我之前看过一个公开测试，同样做动态障碍物识别，类脑芯片的功耗只有传统AI芯片的不到百分之一。就这么点电，就能干活，你说香不香？
类脑计算人工突触芯片显微实拍图
不过话说回来，现在很多营销号吹类脑计算能马上超越大模型，那纯纯是炒概念。现在最大的类脑芯片，突触数量也就亿级，和人脑的百万亿级比，差了好多个数量级，你让它写一篇十万字的小说，它现在根本做不到。
类脑计算的价值，根本不是抢大模型的饭碗
类脑计算的价值，根本不是抢大模型的饭碗
很多人一说起新技术，就爱问“它能不能干掉旧技术？”其实很多时候，新技术是给你开了一条全新的路，不是来抢路的。
类脑计算现在已经在很多场景落地了，不是遥不可及的概念。就比如低功耗的边缘设备：智能手表要实时监测心率异常，无人机要在树林里实时避障，工业传感器要识别异常振动，这些场景都不需要大模型那样的大算力，就需要又快又省电，能实时处理，这不就是类脑计算最擅长的吗？
之前我看到过一个国内团队做的类脑无人机，在杂乱的果林里飞，绕开树枝采摘果实，反应速度比传统芯片快了十倍，还不用把数据传到云端，完全在本地处理，隐私性还好。这不就是实实在在的进步吗？
我们这么多年做人工智能，其实一直陷入一个怪圈：觉得智能就是会做逻辑题，会写文章，会考试，所以堆算力堆参数，往越来越大的方向走。可生物演化了这么久，最核心的智能其实是“适应环境”，是用最少的能量，处理最复杂的不确定的信息，这恰恰是我们现在的AI做不好的地方。
类脑计算就是从这个最基础的地方开始，重新出发。它不一定能造出比大模型更强的通用AI，可它给我们指了另一个方向：原来智能不一定是堆出来的，还可以是长出来的。
那天从展出来，我在新街口附近找了个小店吃鸭血粉丝汤，吹着空调，脑子里还想着那块展示板上的突触纹路，像一片缩小的森林，每一条纹路都留着变化的空间，等着新的信号进来，长出新的连接。
谁知道那片森林里，以后会长出什么不一样的东西呢。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：类脑计算：为什么说它可能不是AI的下一站，而是另一条路？
文章链接：https://m.lfdjt.com/p/keji/a/4143.html