你有没有过这种体验？跑AI画图的时候，主机风扇呜呜狂转，摸一下机箱，烫得能缩手。问客服为什么这么费电，客服说现在大模型参数都千亿级，就这样。
我们人类自己的大脑，千亿级连接，一天下来功耗才20多瓦，差不多就是一个小节能灯泡的用电量。你蹲那想一下午数学题，也不会费多少电，更不会脑袋发烫。
差在哪了？
原来我们用了几十年的电脑架构，天生就有瓶颈
现在所有的通用电脑、手机，用的都是冯·诺依曼架构，核心就是一句话：存储和计算分开。你要算一个东西，得先把数据从存储器里搬到计算单元，算完了再搬回去。
数据量小的时候没问题，现在大模型动不动就几千亿参数，每跑一次推理，就要来回搬无数次数据，大部分功耗都耗在搬数据的路上了，真正用在计算上的，连一半都不到。
我去年9月23日在南京国展逛半导体展，亲眼见过大厂算过一笔账，现在头部大模型企业，一年光是数据中心的电费，就得几十亿。再这么往大了做，再过十年，全世界的发电都不够给AI用的。
这时候大家就想起抄作业了。抄谁的？人类自己的大脑啊。
大脑从来不会把存储和计算分开，每个神经元本身既是存储单元，又是计算单元，只有被信号触发的时候才会放电工作，不触发的时候就歇着，几乎不费电。这就是类脑计算最初的起点。
别以为这是什么新概念，其实学术界研究几十年了，只是之前芯片工艺跟不上，做出来的东西比不过传统架构，没人当回事。这两年大模型把旧架构的瓶颈撞得头破血流，类脑计算一下子就成了香饽饽。
别被营销号带偏，类脑计算不是要造个一模一样的人工大脑
说实话，我看过太多科普，一讲类脑计算就说“我们要复制人类大脑”，听得我头大。哪那么容易？我们现在连人类大脑自己的工作机制都没搞明白，860亿神经元的连接方式，连万分之一都没研究清楚，怎么复制？
现在大家说的类脑计算，本质上就是两条路，都很务实，没那么玄乎。
一条是结构层面抄，也就是做脉冲式类脑芯片，模仿大脑神经元只在激活的时候传信号的模式，不像传统芯片不管有事没事都在通电跑，一下子就能把功耗降下来。另一条是算法层面抄，借鉴大脑神经连接的可塑性，让AI自己调整连接，学习新东西的时候更省电，效率更高。
现在很多人说，类脑计算要取代现在的大模型，要替代ChatGPT。根本不是这么回事。至少十年内看不到这种可能。现在最大的类脑芯片，神经元数量也就相当于一只小鼠的大脑皮层，连跑个7B参数的大模型都费劲，更别说千亿参数了。
它现在最现实的作用，是互补。给大模型打辅助。
比如以后你的手机端侧AI，不用什么都传到云端算，本地用类脑芯片跑，功耗只有原来的十分之一，待机半个月，随时能唤醒语音助手，拍照片的时候本地就能给你修图，还不用担心隐私泄露。再比如植入式的医疗设备，监测癫痫的脑机接口，用类脑计算，一块小电池能用好几年，不用频繁开刀换电池，这能救多少人的命？
这些都是看得见摸得着的应用，比那些“造人工大脑产生意识”的噱头实在多了。
现在的坑，比你想象的多
我之前和一个做类脑研究的博士聊天，他吐槽说，现在这个领域，热是热，但是坑也多。
第一个坑，就是我们对大脑的理解太浅了。我们只知道神经元放电，知道突触连接会变，但是具体怎么编码记忆，怎么产生思考，整个逻辑我们都没摸透。相当于你要抄一本天书，一半的字都不认，你能抄出什么好东西？
第二个坑，硬件的可塑性做不出来。大脑里的突触连接，你今天学了一首新歌，连接强度就变了，明天学会骑车，又会长出新的连接。现在的类脑芯片，做好了之后连接就是固定的，要改就得重新烧录，根本达不到大脑那种随时调整的灵活度。
不过话说回来，最近这两年的进步真的快到吓人。我前年看论文，类脑计算还只能识别个手写数字，去年已经有团队能用类脑芯片跑端侧的大语言模型了，准确率只降了不到两个点，功耗直接砍到原来的八分之一。这种进步速度，放在十年前想都不敢想。
很多人现在一提到类脑计算就恐慌，说会不会造出来有自我意识的AI，反过来控制人类。说句掏心窝子的话，现在最先进的类脑系统，复杂度还不如一只蝗虫的大脑，操这个心真的太早了。
我们现在最该关心的，是能不能快点把类脑计算的功耗降下来，解决现在AI越做越大、电费越来越贵的死结，能不能快点用在普通人能用到的地方，比如更省电的手机，更安全的医疗设备，更聪明的可穿戴设备。
昨天刷到那个做类脑研究的博士发朋友圈，他说熬了四年，终于把脉冲模型的识别准确率提了六个点，配了一张实验室深夜的照片。下面有人评论：慢慢来，每一步都是在给未来搭积木。
是啊，哪有什么天翻地覆的突然改变，都是一步一步试出来的。说不定十年后我们手里的手机，用的就是类脑芯片，那时候我们回头看，才会发现，现在这群人蹲在坑里摸石头的日子，才是改变的起点。
作者|科技
排版|科技
审核|小准