你现在攥着的手机，刷半小时短视频就烫得能焐手，电量掉得像漏了的水桶。但你自己的大脑，一边分辨着窗外的鸟叫是什么品种，一边记着下班要取快递，还能顺便咂摸出中午吃的黄焖鸡多放了两勺辣椒——全程加起来的功耗也就20瓦，连你桌上的台灯一半都不到。
真的。
这种离谱的功耗差，就是类脑计算最开始被拎出来的原因。
现在的AI，本质上是在拿蛮力算答案
你现在用的所有电子设备，不管是手机里的大模型，还是跑在数据中心的超算，用的都是沿用了快80年的冯诺依曼结构。说白了就是计算和存储是分家的——就像你做数学题，每算一步，就得跑到另一间屋子去拿草稿纸，算完再跑回去放，来回跑路上耗的能量，比你真正算题花的精力多十倍都不止。
之前看过Nature的公开报道，训练一次千亿参数的大模型，消耗的电量够普通三口之家用一整年。更别说你现在让手机跑个本地的小模型，立刻烫到降频，风扇转得像要飞起来——本质上都是这种“来回跑着拿数据”的结构在浪费能量。
更有意思的是，这种结构算出来的结果，其实根本没有“记忆”的概念。你给它喂一百万张猫的照片，它能认出猫，但你要是把猫的照片倒过来放，它可能就傻了——毕竟它只是在算像素和之前见过的样本有多少重合度，根本不知道“猫”到底是什么。
类脑计算根本不是“做个像大脑的AI”
很多人第一次听类脑计算，第一反应是“哦，就是做个能有自我意识的仿生人脑？”
拉倒吧。差得远。
类脑计算最开始的出发点，根本不是为了做更聪明的AI，是为了把计算和存储合到一块，省点电。
你想啊，人脑里的神经元，就是边存边算的——看到一个熟人的脸，视觉神经元接收到信号，旁边的突触直接就把之前存的记忆调出来了，根本不用跑去找别的地方拿数据。类脑芯片就是照着这个逻辑做的：每一个晶体管模拟一个神经元，旁边连着的电路模拟突触，不用来回跑，就在原地完成计算和存储。
之前浙大公开的达尔文系列类脑芯片测试数据，跑实时动态视觉识别的功耗只有几毫瓦——什么概念？就是靠你走路的时候晃的动能收集器，就能给它供上电，不用插充电器，也不用换电池。
上次去南京紫金山脚下的一个实验室参观，刚好赶上他们测装在野外的红外相机。那种相机要自动识别路过的是野猪还是护林员，以前的传统传感器，要么功耗太高，得每个月爬上去换电池，要么识别不准，拍回来一堆树叶晃的垃圾照片。换成类脑芯片之后，靠太阳能板晒俩小时，就能连续跑大半年，识别准确率还能达到要求。
我当时凑过去看，那个小芯片比我指甲盖还小，旁边的研究员挠头笑，说现在还是有bug——要是护林员穿了迷彩服，它有时候会当成野猪，得反复调参数。
别吹得太神，它现在连“认共享单车”都费劲
说出来有点好笑。我们现在能在指甲盖大小的面积上，集成上百万个模拟神经元，但是训练它认个路边的共享单车，比你家三岁小孩学得还慢。
问题出在哪？传统的AI是靠反向传播训练的——给它错的结果，它就调整参数，调几百万次总能调对。但类脑的脉冲神经网络，现在还没找到这么高效的训练方法。就像你教小孩认猫，给他看一张照片他下次就能认，但现在的类脑芯片，你得给它反复刺激几十上百次，它才能形成稳定的连接，记住“这是猫”。
更别说现在我们对大脑的理解，本来就半吊子。你想啊，我们连人脑里的突触到底是怎么存长期记忆的，都没完全搞清楚，就敢说自己做的芯片是“类脑”？说白了，现在的类脑计算，就是我们看着大脑的样子，照着葫芦画瓢，画出来的瓢到底能不能装水，还得慢慢试。
不过话说回来，我还是挺期待的。
别听那些媒体吹什么“下一代人工智能革命”，它现在最落地的场景，根本不是什么能聊天的机器人，是那些需要低功耗、长时间在野外跑的东西。比如你家的智能门锁，现在的指纹识别，半年就得换一次电池，要是换成类脑的，可能一颗纽扣电池能用十年。还有那种装在马路上的传感器，能自动识别车流量，不用接电线，靠风能就能供电，自己算什么时候要调红绿灯。
上次从实验室出来，我在紫金山脚下找了个小店喝鸭血粉丝汤，汤里的鸭肝切得厚，烫嘴的时候还在想，等哪天这个类脑芯片真的成熟了，我要给我家猫脖子上装一个——看它每天出门到底去哪浪，不用插电，能用一辈子。
想想还挺美的。
作者|科技
排版|科技
审核|柚子