2026-09-29 08:28:01
作者：
科技
0923南京软博会，我挤过人山人海的大模型展台，躲过塞过来的一堆元宇宙宣传单，在展馆角落撞见了这块指甲盖大的小东西。银灰色的封装，印着极小的logo，牌子上歪歪扭扭写了几个字：类脑计算核心芯片。
我凑过去。以为又是蹭概念的圈钱项目。
结果戴黑框眼镜的工程师递来一杯冷矿泉水，跟我聊了半小时，把我之前对类脑计算的偏见全敲碎了。
我们说的“类脑”，根本不是抄整个人脑
很多人对类脑计算的第一印象，就是“用硅片拼一个完整人脑出来”，听着玄乎，跟科幻片里的天网似的。我之前也这么想。
那天聊完才知道，完全不是这么回事。现在做的类脑计算，核心是学人脑的脉冲工作机制，不是把人脑的八百亿神经元全复制一遍。
你想想，你看书的时候，只有负责视觉、思考的那部分神经元在干活，剩下大部分都在“待机省电”，只有收到足够强的信号才会跳一下，放个电。
现在我们用的传统AI芯片不一样。不管活大活小，所有核心都得一起转，满负荷跑，电哗哗地造。
类脑计算脉冲神经元信号对比示意图
那个工程师给我算，同样做一遍机器人障碍识别，传统芯片要耗几百毫瓦电，类脑芯片只要几毫瓦。差了快一百倍。啥概念？就是你的家用扫地机器人，装了类脑芯片，充一次电能用一个月，不用天天插充电桩。
说实话，我当时第一反应就是，这玩意儿赶紧给我的扫地机器人装上啊！太香了。
别拿类脑计算跟大模型比输赢
现在逛科技圈，谁都要拿新东西跟GPT比一比，比赢了就是下一代技术，比输了就是骗钱。这套逻辑放在类脑计算上，完全不对。
路线从根上就不一样。
现在的大模型，走的是“数据堆出来的智能”，喂几万亿token，就能生成像模像样的内容，但是代价就是，必须放在云端大机房里，功耗高得吓人，不可能塞到你的蓝牙耳机、手表里面本地跑。
类脑计算刚好反过来，它天生就是走低功耗小样本学习的路子，不用喂几百万张图认猫，看个三五张就能学会，还能放在指甲盖大的芯片里跑。
这不是谁取代谁的问题，本来就干不同的活。比如，你戴的降噪耳机，要实时识别语音，要是把识别放云端，延迟高还费流量，用类脑芯片放在耳机本地，一秒出结果，耗电还可以忽略不计。
可穿戴设备嵌入式类脑计算芯片实拍
去年看机器人展，有个四足机器人用了类脑芯片做本地导航，遇到突发障碍，反应速度比用传统芯片快了三倍，因为不用把信号传到云端再等结果，本地就算完了。你说，要是自动驾驶，这种本地的快速反应，是不是能多留一点刹车的空间？挺有用的对吧。
类脑计算现在卡在哪了？不是芯片是生态
类脑计算现在卡在哪了？不是芯片是生态
很多人聊起类脑的瓶颈，都说是制程不够，做不出更大规模的神经元。其实不对。
那个工程师跟我说，现在神经元规模已经够做很多日常应用了，最大的问题是没人会写程序。
你想，这么多年，AI开发者都是用现成的框架，对着传统芯片写程序，流程都熟得不能再熟。类脑芯片的编程逻辑完全变了，你得按照脉冲信号的方式来调度神经元，原来的代码一套进去，根本跑不起来。
就像你买了一台全新架构的越野卡车，结果你们家小区车库限高，加油站的油枪插不进去，你说闹心不闹心？
现在不少团队，吭哧吭哧花了几千万流片做出来芯片，做完发现，能跑的应用掰着手指头能数完，大部分开发者碰都不碰，因为改代码的成本太高了。
不过话说回来，这其实也是新技术必经的路。当年英伟达做CUDA的时候，也没人愿意用，慢慢攒了十年，才攒出来现在的生态。类脑现在也就相当于十几年前的CUDA，路才刚开始走。
那天聊完，我跟工程师在展馆门口站着吹了五分钟风，南京入秋的风刮得脸上舒服，他说其实他们团队出来参展，没想着拉多少投资，就是想让更多人知道，类脑计算不是蹭AI热点的概念，是真能解决实际问题的东西。
我当时就觉得，挺好的。现在科技圈太急了，天天喊着要做通用人工智能，要颠覆世界，反而这种闷头解决具体问题的方向，没多少人关注。
类脑计算不是什么天翻地覆的黑科技，就是给AI找了另一条路，一条更省电、更适合放在我们口袋里、身体上的路。慢慢来，总会跑起来的。
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：为什么它不是你想的“电子人脑”
文章链接：https://m.lfdjt.com/p/keji/a/4473.html