2026-09-30 08:07:09
作者：
科技
去年9月23号，我在南京的创新科技展上逛，转了大半天脚都酸了，大部分展台都是大模型、自动驾驶那些老一套，直到拐进角落一个不起眼的小展位，才停下了脚。
台子上放着一块指甲盖大的芯片，连着一块小屏幕，我随手写了个歪歪扭扭的7，屏幕半秒就识别出来了。工程师说，整个过程都在本地跑，不需要连网，一颗纽扣电池能撑整整十个月。
我当时挺惊讶。原来这就是大家说的类脑计算。不是我之前脑补的，装着人造大脑的巨型机器。
我们现在的电脑，卡在哪了
说出来你可能不信，我们现在用的电脑手机，核心架构还是七八十年前提出来的冯诺依曼架构，最大的问题就是冯诺依曼瓶颈：存储和计算是分开的，要算什么东西，得先把数据从内存搬到计算单元，算完再搬回去。
这个来回搬的过程，不光慢，还特别费电。你拿现在的大模型来说，训练一次要耗掉上千万度电，够一个小城市用大半年。哪怕是推理，一次问答的功耗，都抵得上人类大脑想一小时问题的能耗。
人类大脑就不一样。我们的神经元，既是存储单元又是计算单元，神经元之间通过突触连接，传信号的时候就完成了计算和存储，效率高得离谱。一百多亿个神经元，总功耗也就二十多瓦，相当于一个节能灯泡。
冯诺依曼架构与人类神经元结构对比图
说白了，类脑计算就是照着大脑的这个工作方式，重新做计算架构。说白了，就是让电脑学学大脑怎么干活，省点力，省点电。
很多人一听“类脑”就觉得要完全克隆一个人脑出来，那太玄了。现在根本做不到。我们连人脑真正的工作原理都没完全搞懂，怎么克隆？
类脑计算不是造个真人大脑
说实话，现在大部分做类脑的团队，都不是奔着造个一模一样的人脑去的。说白了就是取大脑的长处，补现有电脑的短处。
目前主流的方向分两种。一种是从硬件结构仿，就是做专门的类脑芯片，把神经元和突触做到芯片上，每个计算单元都带存储，不用来回搬数据。另一种是从算法层面仿，不用改硬件，就是改计算逻辑，学大脑处理信息的方式，提高效率。
我之前刷到过不少自媒体吹，说类脑计算马上就能让机器人像人一样思考，甚至产生意识，听得我一愣一愣的。都是扯。现在最先进的类脑芯片，能模拟的神经元数量也就相当于一个小型哺乳动物的部分大脑，离人脑八百多亿神经元的规模，差得远呢。
类脑计算低功耗神经元芯片实物图
不过话说回来，哪怕只学了一点皮毛，类脑计算的优势已经出来了。我那天在展上碰到的团队，他们做的芯片，用来做语音唤醒，功耗只有普通芯片的千分之一。国内还有团队做的类脑方案，用来做无人车的实时障碍物识别，速度比普通GPU快，功耗只有不到百分之一。
这不是什么黑科技，就是路走对了，自然就出效果。
离我们的日常还有多远
离我们的日常还有多远
我之前也以为类脑计算还得在实验室躺十几年才能落地，那次聊天之后才改了想法。其实不少小场景已经用上了。
比如那些放在野外的地质监测传感器，要常年在线，换一次电池得翻山越岭，成本特别高。换成类脑芯片，两年不用换电池，一下子省了大把人力。还有我们戴的智能手表，实时测心率心电，原来要把数据传到云端算，现在类脑芯片本地就能处理，既快，又不用怕数据泄露，还不费电。
这些场景都不需要超大算力，就需要低功耗、实时响应，刚好撞在类脑计算的舒适区里。
不过我还是得泼点冷水。现在很多资本把类脑计算吹成能解决大模型功耗问题的救命稻草，说马上就能取代GPU，这太夸张了。
类脑计算现在最大的问题，不是做不出大芯片，是没有生态。这么多年大家做AI开发，都是基于现有架构的，工具链、软件生态都成熟了，你换个新架构，所有算法都得重新写，谁愿意花那个成本？而且类脑现在的精度，做大规模通用计算还比不过传统芯片，短时间根本不可能取代GPU碰大模型训练那块。
说白了，类脑不是来抢现有芯片饭碗的，是给原来做不了的场景开了新路子。
那天走的时候，那个工程师跟我聊，说他们做了快十年，最烦的就是两种声音：一种把类脑吹成下一个万亿风口，无所不能；另一种把类脑说成骗局，就是骗经费的。其实哪有那么极端，就是现有算力走到瓶颈了，大家多找一条路试试而已。
我站在南京秋风吹过来的展馆门口，手里接了他们一张印着芯片图案的传单，觉得这话特别实在。哪有什么横空出世的颠覆，所有新技术都是这样，从一个小展台的小芯片开始，慢慢磨，慢慢用，慢慢融进我们的生活里。
你说会不会哪天真的能造出和人脑一样工作的电脑？我不知道。但能让我们手里的设备更省电，让野外的传感器不用频繁换电池，让我们的隐私数据不用都传到云端去算，这已经够有用了，对吧？
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：它真的能让电脑长出“大脑”吗？
文章链接：https://m.lfdjt.com/p/keji/a/4834.html