2026-10-10 01:47:53
作者：
科技
周末窝在沙发刷短视频，刷到眼睛酸还停不住。你有没有想过，现在给你推内容的AI，其实累得满头大汗——为了算出来你喜欢什么，服务器机房一天烧掉的电，够你家吹一个月空调。
很多人说AI的瓶颈是算法，是数据，但少有人提，现在的芯片架构，快顶不住了。
新的出路在哪？很多科学家把宝压在了类脑计算上。
传统芯片算题，类脑芯片“活着”
我们现在用的所有芯片，几乎都是走的冯·诺依曼架构，说白了就是存储和计算分开。数据存在内存里，要算的时候搬到计算单元，算完再搬回去。就像你去图书馆借书查资料，每次只能拿一本，查完放回去再拿另一本，跑的次数多了，路就堵了，还费脚力——这就是大家常说的冯诺依曼瓶颈。
AI大模型跑一次推理，要来回搬上亿次数据，功耗能不高吗？
类脑计算不这么干。它模仿人脑的神经元连接方式，把存储和计算都做在突触上。每个突触自己存信息，自己就能做简单计算，不需要来回跑。
就像你脑子里记着你喜欢猫还是狗，不用特意去某个角落把这个记忆翻出来再拿去给大脑分析，看到猫的那一刻，整个神经元网络直接就给出反应了。
类脑计算神经元突触连接示意图
你别说，这么改完架构，功耗直接砍到原来的几十分之一甚至上百分之一。人脑一共860亿个神经元，总功耗才20瓦左右，一杯奶茶的能量就能撑一天，这就是结构的魔力。
说实话，第一次看到这个数据的时候，我直接愣了。现在随便一个大模型，训练一次就要烧掉上千万度电，要是能学到人脑十分之一的效率，那能省多少钱。
别被“类脑”两个字骗了
现在网上吹类脑计算，吹得玄乎，又是人造大脑，又是意识觉醒，听得人头皮发麻。
其实根本不是那么回事。现在的类脑计算，根本没打算造一个和人一样的大脑出来，说白了就是偷师人脑的低功耗架构，解决现在AI的痛点而已。
很多人有误区，觉得类脑计算会取代现在的芯片。哪有这么夸张。它就是个补位的。你要跑火箭发射计算，要做超算模拟核试验，传统冯·诺依曼架构还是香，速度快精度高。但你要是做终端上的实时识别，比如智能耳机的语音唤醒，智能摄像头的人形检测，车载AI的实时路况判断，那类脑计算的优势就出来了。
不需要高精度，只要快，只要省电，一直开着也不心疼。
边缘设备类脑计算芯片实物图
不过话说回来，现在市面上蹭概念的太多了。改个架构就叫类脑芯片，其实还是换汤不换药。真正能落地的，大多还是在一些低功耗的小众场景，普通消费者很少能接触到。去年0923我在南京逛产业博览会，刚好碰到一个高校的团队展出自研的类脑芯片，拿在手里比银行卡还小，他们说装在智能家居的摄像头里，一直开着人脸识别，一个月只用一度电。当时围了好多人看，我挤进去摸了摸开发板，凉冰冰的，和普通芯片没区别，但一想到里面是几百万个连接在一起的“神经元”，还挺神奇的。
类脑计算离我们的日常还有多远
类脑计算离我们的日常还有多远
大模型火了之后，类脑计算突然又热了一波。为什么？因为现在大家都想把大模型塞进终端里——塞进手机，塞进汽车，塞进手表，不想什么都传到云端算。
传云端不仅慢，还费流量，还容易泄露隐私。放在本地算，又怕功耗太高，电池扛不住。
这刚好戳中了类脑计算的长处。
未来你开车出门，车载AI用类脑芯片，一直开机实时监测你的驾驶状态，还有路边突然跑出来的行人，反应速度比现在快好几倍，还不怎么耗电瓶的电。你戴的智能眼镜，实时给你翻译路上的外文招牌，一天下来不用充电，这都是类脑计算能带来的改变。
当然，问题也不少。现在类脑芯片的成本还很高，突触单元的稳定性也不够，想要大规模量产民用，还要解决一堆材料和工艺的问题。
很多人说五年就能普及，我看悬。技术落地哪有那么快，从实验室到你手里的手机，怎么也得十几年的爬坡。
但方向没错啊。我们搞AI，本来就是模仿人脑做事，现在连架构都向人脑靠拢，不是理所应当的吗？
之前逛展的时候和那个团队的老师聊天，他说现在做类脑，就像当年刚发明晶体管的时候，谁也没想到后来能造出上亿晶体管的CPU。现在我们才做到几百万个神经元，离人脑的量级差远了，但只要路子对，慢慢来总有戏。
上次我手机刷短视频刷到发烫，扔一边的时候就在想，说不定再过十几年，我们手里的手机就是类脑芯片做的，刷一下午短视频都不热，推的内容还刚好戳在喜好上，连电都不用天天充。
想想还挺让人期待的，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：刷短视频停不下来？藏在你手机里的类脑计算
文章链接：https://m.lfdjt.com/p/keji/a/8358.html