类脑计算：走出摩尔定律死胡同的另一条AI赛道
你有没有算过，训练一个千亿参数大模型，要花多少电？说出来吓你一跳——至少相当于一个中型城市一整年的居民用电。现在AI越跑越重，把整个半导体产业的算力库存都快掏空了。摩尔定律早就挤不出牙膏，大家都在找下一条出路。有人把目光投向了我们自己身上——那个运行了几十万年，功耗才10多瓦，就能处理所有复杂认知任务的器官：大脑。
冯诺依曼架构与人脑神经元结构对比图
人脑里没有分开的计算单元和存储单元，每个神经元本身就既能存信息，又能算信息。而且它不靠持续通电跑计算，只靠神经元的脉冲信号传递信息，只有兴奋的时候才耗电，平时几乎不消耗能量。这效率，比现在的GPU高了不止几个数量级。
说实话，光这一点，就足够让所有做AI的人流口水了。
国产天机类脑芯片实物展示图
现在类脑计算的技术边界其实很清晰：它不擅长处理现在互联网那种大规模云计算任务，也没法直接替换训练大模型的GPU集群，它的优势天生就在低功耗、端侧实时计算这些场景。
很多人说类脑计算要颠覆英伟达，至少现在来看，完全是瞎扯。它和现在的AI架构，更多是互补关系，不是取代关系。
未来三到五年，类脑计算会先在哪落地
类脑计算走到现在，已经快二十年了，为什么一直没大规模落地？
瓶颈其实很清楚。第一个，软件生态跟不上。整个世界的开发者已经习惯了基于冯诺依曼架构写代码，脉冲神经网络的开发工具、算法框架几乎没怎么成熟，没多少人会玩，也没多少应用愿意去适配。
第二个，算法本身还没突破。现在类脑计算能处理的任务，还都是比较简单的感知、控制任务，复杂的自然语言处理、图像生成这些，类脑网络还做不到现有深度学习的精度。
那是不是说类脑计算就是忽悠？当然不是。现在整个产业都在卡位，三到五年之内，一定会有一批小规模落地的场景跑出来。
第一个最可能的，就是端侧低功耗AI设备，比如可穿戴的健康监测设备，能实时处理你的脑电、心电信号，不用把数据传到云端，既保护隐私，又能做到几天甚至几周不用充电。还有工业物联网的传感器，成千上万个传感器放在野外，换电池麻烦，类脑芯片低功耗的优势直接就出来了。
第二个是脑机接口。类脑芯片天生就和生物神经的信号模式匹配，用来做侵入式或者非侵入式脑机接口，比传统芯片效率高太多了，现在已经有科研团队在做相关的试验了。
当然，风险也摆在台面上。类脑计算越接近人脑的结构，关于意识的伦理问题就越绕不开。如果哪天真的造出来一个接近人脑复杂度的类脑系统，它会不会产生自主意识？现有法律和伦理框架根本没法回答这个问题。还有，要是类脑计算真的把AI的功耗打下来，随便一个随身设备就能拥有现在超算级别的AI能力，怎么监管？会不会被用在不好的地方？这些问题现在都没答案。
未来三到五年，我的判断是：类脑计算不会出现爆发式的规模化增长，更多是技术打磨和小范围试点，资本不会疯炒，真正做事的团队会慢慢把生态搭起来。那些喊着“类脑取代大模型”的，基本都是炒概念割韭菜的。
但你也不能不当回事。毕竟现在所有做科技的都清楚，摩尔定律已经走到头了，下一个时代的计算架构，一定不是现在这条路。类脑计算就是目前看起来，最有希望的那一个方向。你现在不卡位，等风真来了，只能喝汤。对吧？
摩尔定律停摆后，重新被捡起的老思路
其实类脑计算这个概念，不算新鲜。早在上世纪八十年代就有人提了，只是那时候冯诺依曼架构还跑得动，摩尔定律每年给大家发红利，没人在乎这个偏门的方向。 直到最近这十年，芯片工艺快摸到物理极限，冯诺依曼瓶颈越来越明显——传统架构里，计算和存储是分开的，CPU每次算数据都要在内存和计算单元之间来回搬，搬数据的功耗比算数据还高好几倍。大模型这种动不动就几千亿参数的家伙，直接把这个痛点放大了一百倍。 这时候大家才回头想，为什么不学学人脑呢？冯诺依曼架构与人脑神经元结构对比图
人脑里没有分开的计算单元和存储单元，每个神经元本身就既能存信息，又能算信息。而且它不靠持续通电跑计算，只靠神经元的脉冲信号传递信息，只有兴奋的时候才耗电，平时几乎不消耗能量。这效率，比现在的GPU高了不止几个数量级。
说实话，光这一点，就足够让所有做AI的人流口水了。
别搞混了，类脑计算不是大模型的加速器
现在很多行业报告都爱把类脑计算说成是大模型的低功耗加速方案，其实这是偷换概念。 类脑计算的核心，是从芯片架构到计算逻辑的全盘替换。现在我们用的AI，不管是什么大模型小模型，都是基于浮点运算的深度学习，在冯诺依曼架构上跑。而真正的类脑计算，走的是脉冲神经网络路线，完全模仿人脑的信号传递规则。 不过话说回来，现在确实有很多所谓的“类脑芯片”，其实只是做了部分类脑改造，用来给现有AI做加速，算不得纯正的类脑计算。这个领域现在鱼龙混杂，资本炒概念的不少。 国内已经流片的天机芯，就是比较典型的纯正类脑芯片，它已经能实现对自行车的无人控制，整个过程功耗才毫瓦级。换做普通GPU，功耗至少翻几千倍。国产天机类脑芯片实物展示图
现在类脑计算的技术边界其实很清晰：它不擅长处理现在互联网那种大规模云计算任务，也没法直接替换训练大模型的GPU集群，它的优势天生就在低功耗、端侧实时计算这些场景。
很多人说类脑计算要颠覆英伟达，至少现在来看，完全是瞎扯。它和现在的AI架构，更多是互补关系，不是取代关系。
未来三到五年，类脑计算会先在哪落地
未来三到五年，类脑计算会先在哪落地
类脑计算走到现在，已经快二十年了，为什么一直没大规模落地？
瓶颈其实很清楚。第一个，软件生态跟不上。整个世界的开发者已经习惯了基于冯诺依曼架构写代码，脉冲神经网络的开发工具、算法框架几乎没怎么成熟，没多少人会玩，也没多少应用愿意去适配。
第二个，算法本身还没突破。现在类脑计算能处理的任务，还都是比较简单的感知、控制任务，复杂的自然语言处理、图像生成这些，类脑网络还做不到现有深度学习的精度。
那是不是说类脑计算就是忽悠？当然不是。现在整个产业都在卡位，三到五年之内，一定会有一批小规模落地的场景跑出来。
第一个最可能的，就是端侧低功耗AI设备，比如可穿戴的健康监测设备，能实时处理你的脑电、心电信号，不用把数据传到云端，既保护隐私，又能做到几天甚至几周不用充电。还有工业物联网的传感器，成千上万个传感器放在野外，换电池麻烦，类脑芯片低功耗的优势直接就出来了。
第二个是脑机接口。类脑芯片天生就和生物神经的信号模式匹配，用来做侵入式或者非侵入式脑机接口，比传统芯片效率高太多了，现在已经有科研团队在做相关的试验了。
当然，风险也摆在台面上。类脑计算越接近人脑的结构，关于意识的伦理问题就越绕不开。如果哪天真的造出来一个接近人脑复杂度的类脑系统，它会不会产生自主意识？现有法律和伦理框架根本没法回答这个问题。还有，要是类脑计算真的把AI的功耗打下来，随便一个随身设备就能拥有现在超算级别的AI能力，怎么监管？会不会被用在不好的地方？这些问题现在都没答案。
未来三到五年，我的判断是：类脑计算不会出现爆发式的规模化增长，更多是技术打磨和小范围试点，资本不会疯炒，真正做事的团队会慢慢把生态搭起来。那些喊着“类脑取代大模型”的，基本都是炒概念割韭菜的。
但你也不能不当回事。毕竟现在所有做科技的都清楚，摩尔定律已经走到头了，下一个时代的计算架构，一定不是现在这条路。类脑计算就是目前看起来，最有希望的那一个方向。你现在不卡位，等风真来了，只能喝汤。对吧？ 
