2026-10-07 05:21:11
作者：
科技
去年9月23号在南京，跟着老朋友进了一所高校的实验室。推开门，玻璃柜子里摆着一排指甲盖大小的芯片，标签上写着“类脑计算原型芯片”。那是我第一次真的见到类脑计算的实物，不是公众号推文里玄乎的概念，也不是科幻电影里发光的大脑模型。
我们误会了“类脑”两个字
说实话，刚看到这个词的时候，我也和大多数人一样，以为就是要一比一在硅片上复制出一颗人类大脑，说不定再过几十年就能造出有自我意识的AI，搞不好还要统治人类。
完全错。
我那天刚开口问，实验室的老师就笑了，说现在网上好多科普都把方向带偏了。类脑计算从来不是说要拼出一颗和你我一模一样的电子脑，它只是借鉴人脑处理信息的方式，解决现有计算机解决不好的问题。
真的，现在最先进的类脑芯片，能模拟的神经元数量还比不上一只蜜蜂。谈什么觉醒，谈什么取代人类，扯淡呢。
类脑计算原型芯片实物展示图
很多自媒体就爱拿“人造大脑”当噱头博眼球，把好好一个基础技术方向，吹得神神鬼鬼，好像明天就要变天一样。其实说白了，就是换了一种做芯片的思路而已。没那么玄乎。
它戳中了现有计算机的老毛病
我们现在用的所有电子设备，从口袋里的手机到数据中心的超算，走的都是冯·诺依曼架构。这个架构用了几十年，早就暴露出一个绕不开的天生缺陷：内存墙。
什么意思？原来的架构里，计算单元是计算单元，存储单元是存储单元，你要算一个数据，就得先把数据从存储里搬到计算单元，算完了再搬回存储存起来。数据小的时候还好，现在大模型动则几千亿参数，每秒不知道要来回搬多少次数据，一大半的电都耗在搬数据的路上了，一半都不止。
训练一个顶尖大模型，烧掉几百万度电，一半都浪费在这个架构天生的毛病上。可惜不可惜？
人脑就不一样。人脑里的每个神经元，本身就同时做两件事：存信息，算信息。神经元兴奋了，就给下个神经元传信号，传信号的过程，就是计算的过程，信号留下的痕迹，就是存储的信息。说白了就是计算存储一体化，根本不需要来回搬数据，自然就省了好多电。
冯诺依曼与类脑计算架构对比图
我那天问老师，现在做出来的样片能效比能到多少？老师翻出测试记录给我看，同样跑一张实时图像识别任务，比我们现在手机里常用的主流芯片，省电快一百倍。
一百倍。
我当时真的倒吸一口凉气。这个数字意味着什么？现在的智能手表一天一充，换成类脑芯片，一块电池用一年都够。放在野外监测气候变化的传感器，埋下去就不用再换电池，一蹲就是好几年。这是原来的架构想都不敢想的事。
类脑计算离我们的生活还有多远
类脑计算离我们的生活还有多远
肯定有人问，既然这么好，为什么我现在买的新手机还不用上类脑芯片？
其实技术成熟本来就是一步一步来的。类脑芯片的编程逻辑，和原来的芯片完全不一样。原来写程序是你一步一步给指令，说清楚第一步做什么第二步做什么，类脑芯片更像人脑，要“训练”，不是硬写代码。现在的生态还没建起来，能做的任务也大多是特定方向的，通用计算还打不过传统芯片，自然不可能一下子就全部替换。
不过话说回来，它其实已经悄悄摸到我们生活边缘了。现在不少低功耗物联网设备已经用上了简化版的类脑方案，工厂里的传感器，智能家居的入口节点，很多都在试水。还有做自动驾驶的团队，用类脑芯片做实时环境感知，反应速度比传统方案快，耗电还少。甚至做药物研发的团队，都在用类脑芯片模拟蛋白质折叠，速度提了不少，成本还降了。
还有一个很多人搞错的点：类脑计算不是要抢现在大模型的生意，更不是要取代现有的AI。现在好多团队都在试，把类脑芯片用作大模型推理的加速芯片，原来一块高端显卡跑一天的任务，现在一块小小的类脑芯片几个小时就能跑完，耗电只有原来的零头。它是补了现有技术的空白，不是要掀桌子重来。
我其实挺烦科技圈动不动就造风口炒概念，一堆热钱冲进去骗一波融资就跑，留下一地鸡毛。但类脑计算不一样，这么多年学界都是沉下心啃硬骨头，没怎么出来炒作，连发布会都开得安安静静的。反而这种不凑热闹的技术，最后能改变点什么。
那天走的时候，阳光斜斜照进实验室，落在玻璃柜里那块小小的芯片上，泛着淡蓝色的光。我站在那里看了半天，突然想到，我们人类自己，不就是亿万年演化出来的这么一颗脑，跟着自然演化偷两招，换个思路做计算，应该不会错。
下次你吐槽智能手表续航不够的时候，说不定再过个五六年，你手里那块表的心脏，就是这样一块小小的类脑芯片了。
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：逛完南京实验室才懂：类脑计算不是造电子大脑这么简单
文章链接：https://m.lfdjt.com/p/keji/a/7315.html