类脑计算：别被概念吹晕，产业化才刚刚抬脚

去年ChatGPT爆火之后，大模型把GPU的价格炒上了天，也把一众科技公司的功耗账单堆成了山——大家回头找下一代计算架构，类脑计算一下子就成了香饽饽。创投圈追着投，学界往顶会发论文，开口就是“类脑是通用人工智能的唯一路径”，听着很吓人，也很诱人。

别被仿生概念忽悠，先搞懂核心逻辑

现在我们用的所有芯片，从手机到GPU，都绕不开冯诺依曼架构。这个架构的问题说穿了就是——存储和计算是分开的。每次算东西，都要把数据从内存搬到计算单元，算完再搬回去。跑小模型无所谓，跑千亿参数大模型，这个搬数据的过程不仅慢，还要耗掉八成以上的功耗。这就是卡了业界几十年的冯诺依曼瓶颈。

冯诺依曼架构与类脑存算一体架构对比图

类脑计算怎么解决这个问题？核心是模仿人脑的神经元连接方式，做存算一体。人脑里的每个突触，本身就是既存储信息又做计算的，不需要来回搬。而且只有收到刺激的时候才会激活，不用一直通电，功耗自然就降下来了。对吧？一块类脑芯片跑AI任务，功耗可能只有同性能GPU的百分之一不到。

不过话说回来，很多人对类脑计算有个误解：觉得我们要完整复制整个人脑，才能叫类脑。其实不是。现在业界说的类脑计算分两条线：一条是硬件类脑，就是做原生支持神经元计算的芯片；另一条是算法类脑，用类脑的逻辑改现有AI算法，在传统芯片上跑，一样能提效。

技术边界很清楚：现在还做不到模拟整个人脑，我们只是借鉴人脑的运行逻辑，解决现有架构的痛点而已。没那么玄乎。

产业化现状：落地已经有了，但是和大模型没关系

别以为类脑还是实验室里的PPT产物。十多年前IBM出真北芯片的时候，我还以为要十年才能落地，没想到现在已经有不少产品跑在实际场景里了。国内清华的天机芯，已经用在盲人导航眼镜上了，实时识别障碍物，整个眼镜的电池能用一整天，换传统芯片根本做不到。还有国外的一些创业公司，把类脑芯片放在工业无线传感器上，靠电池就能跑五年不用换，省下了大量布线和换电池的成本。

类脑计算天机芯样品实物图

你会不会问，那类脑芯片什么时候能替代GPU跑大模型？说实话，还早得很。

现在最大的问题，不是做不出来大芯片，是生态跟不上。整个AI产业已经被CUDA这套工具链养了十几年，开发者熟悉的框架、流程，全是给传统计算架构做的。类脑计算的开发工具链现在还非常原始，调一个模型要花几倍的时间，就算芯片性能好，也没人愿意转。

还有一个瓶颈：现在类脑芯片的神经元集成度还是不够。人脑有860亿个神经元，现在最领先的类脑芯片，一块也就几亿个，差了两个数量级。要攒出能跑千亿参数模型的类脑系统，成本比买一堆GPU还高，根本不划算。

所以你看，现在能落地的，全是低功耗边缘场景，对算力要求不高，对功耗要求极高的那种。这就是现在产业的真实情况，没有那么科幻，也不是没用。

未来三到五年：机会在边缘，风险在概念

未来三到五年：机会在边缘，风险在概念

我接触过不少做类脑的创业者，开口就是“我们要做类脑通用AI”，我一般都会泼冷水。

未来三到五年，类脑计算的机会根本不在通用大模型，在边缘侧的碎片化场景。比如可穿戴设备里的AI语音，智能家居的边缘感知，自动驾驶汽车的冗余实时计算模块，工业物联网的传感器节点……这些场景缺的不是算力，是低功耗，类脑刚好能打。只要能把功耗降一个数量级，成本压下来，就是百亿级的市场。至于说替代GPU跑大模型，那是十年以后的事情，不用急。

现在这个领域，概念泡沫已经起来了。好多机构拿“类脑=下一代AI”讲故事，融大把钱，其实就是做个小芯片改改，根本没有落地能力。圈钱的多，做事的少，这是当前最大的产业风险。

还有伦理层面的问题，虽然现在还早，但学界已经在讨论：如果类脑计算真的能模拟出接近人脑的神经网络，会不会产生自主意识？会不会出现不受人类控制的行为？现在全球都还没有对应的治理框架，这个问题要提前想，不能等做出来了再补漏洞。

不过话说回来，我还是看好类脑计算的长期价值。现在AI越做越大，功耗问题已经实实在在卡脖子了，国内一个头部大模型数据中心一年耗掉的电，比得上一个小地级市的全年用电量，总不能一直这么下去吧？类脑计算换道超车的机会是真的，只是需要时间，需要慢慢磨生态，磨工具链，磨用户习惯。

别吹得太神，也别贬得一文不值。现在能做的，就是先把边缘场景跑通，一点点往高算力场景推，对吧？