上个月9月23号，在南京建邺区藏在写字楼底的小咖啡馆，碰到一位做芯片的旧友。穿洗得发白的冲锋衣，面前放着冰美式，手机屏幕停在一张满是连线的电路图上。凑过去看了一眼，标题栏写着类脑计算项目进度。哦，又是这个最近被炒烂的词。我本来准备听一堆听不懂的术语，结果他第一句话就是，别听媒体瞎扯，类脑计算根本不是你们想的那样。
我们被“模仿大脑”这四个字骗了
绝大多数人听到这个词，第一反应就是——造一个人工大脑出来，1:1复刻人脑的几百亿神经元，然后就能诞生意识了对吧？说实话，我之前也是这么想的。上次看科幻电影，还把类脑计算当成觉醒的前兆。
实际呢？现在做的类脑计算，根本没想着一步造个有意识的大脑出来。那太遥远了，远到现在的科学家连人脑到底怎么工作都没搞懂，谈什么1:1复刻？
它只是把人脑处理信息的核心逻辑，拿过来用在计算架构上而已。什么逻辑？就是脉冲编码，异步触发，用进废退。你不会时时刻刻都让所有脑细胞一起工作吧？你现在看这行字，只有负责视觉和理解的部分神经元在兴奋，其他大部分都在摸鱼。对不对？
现在的计算机不是这样。不管你算什么，所有核心都在满负荷转，哪怕算个1+1，也得全流程跑一遍，功耗哗哗浪费。从底层架构开始，现在的芯片走的就是冯诺依曼的老路子，数据存在内存，计算在处理器，来回搬数据的时候，大半功耗都浪费在来回搬的路上了。
它解决的，是现有AI搞不定的痛点
这两年大火的大模型，好用是真好用，费电也是真费电。训练一次大模型的电费，够一个小型城镇用小半年，这种新闻大家都看过吧？
你不可能把这么大功耗的东西，塞到你家低功耗智能门锁里，塞到野外无人区的环境传感器里，塞到卫星的微型处理节点里吧？这些设备，要一定的算力，还不能经常换电池，总不能让科研人员一年爬一次雪山去换传感器电池吧？太折腾，也太烧钱。
这就是类脑计算上场的地方了。类脑计算的人工神经元，只有收到足够强的刺激信号才会发出脉冲，没有信号的时候就安安静静歇着，功耗一下子就压下来了。我那个朋友给我算了一笔账，同样识别一个路过的野生动物，现有物联网芯片的功耗是两百毫瓦，他们做的类脑原型，只要不到两毫瓦。差了一百倍。
哦对，还有那个大家都能听懂的“半猫问题”。你看到墙拐角露出半截猫尾巴，你能立刻反应过来那里藏了一只猫，对不对？现在的AI要认出来，得把整幅图所有像素都算一遍，还要调用一大堆参数比对，类脑呢？它的连接方式和人脑一样，靠视觉特征的脉冲逐步传播，一点点补全缺失的信息，半张图就够了，速度快得多。
不过话说回来，你别以为它就能取代现在的大模型。起码十年内不可能。你要聊天画画写代码，还是得靠现在的大模型，靠GPU堆出来的算力。类脑计算现在还跑不了这么大的模型，精度也暂时赶不上。它不是来抢谁的饭碗，是来补现有AI的短板的。
为什么说它的未来，比炒作的更实在
这两年资本炒概念，什么“下一代人工智能”“颠覆冯诺依曼架构”，吹得天花乱坠，搞得很多人以为类脑计算明天就能改变世界了，其实哪有这么快。做类脑的人，现在连统一的开发框架都没捋顺，好多团队还在摸石头过河，不同厂家的芯片根本没法通用。
但是它也不像有些唱反调的人说的，就是骗经费的噱头。不对的。你去看看那些偏远地区的环境监测节点，那些放在深海里的生态传感器，现在已经有小批量的类脑芯片用上了，能省好多运维成本，这就是实打实的落地。
我那个朋友说，他们团队去年给秦岭的野生动物监测站装了十二个类脑传感器，原来三个月就得换一次电池，现在一次能用上三年，不用科研人员风吹日晒翻山越岭换电池了。就这一点，已经足够有价值了。
很多技术一开始都这样，不是一出来就要颠覆一切，就是解决一个别人解决不好的小痛点，慢慢长大，慢慢铺开。对吧？
我之前也觉得类脑计算很远，是实验室里飘着的概念，那天喝完咖啡，跟着他去附近的孵化器看了他们的测试屏，屏幕上跳着一个个稀疏的蓝色脉冲，碰到动物移动才亮，没动静的时候几乎全黑，功耗条低得快看不见。那一瞬间就觉得，哦，原来这东西已经在实实在在干活了。不是科幻，不是概念，是真的在帮人省劲儿，解决问题。
好多人说现在AI发展都在卷堆参数，路子越走越窄，其实换个思路，向千万年演化出来的人脑学学，怎么省电，怎么高效处理信息，说不定就走出新路子了。
临走的时候那个朋友说，别写得太玄乎，就说我们就是一群想让计算省点电的人，没想着造什么天网。我记住了。今天就讲这么多。
作者|科技
排版|科技
审核|小准