类脑计算,从一颗只在你抬手时才醒来的芯片说起

凌晨两点,那块板子是凉的

朋友在南京城南租了个工作室,客厅大,灯少。桌上摊着一块开发板,风扇不转。他说这玩意儿在跑手势识别,一直开着,功耗不到一瓦。

我伸手摸了一下芯片。

凉的。

不是温的,是凉的。那种你摸完之后会怀疑它到底有没有在工作的凉。旁边他的笔记本倒是一直在响,风扇呼呼地吹,屏幕上一堆窗口叠着,跑个模型能把桌子焐热。同一个晚上,同一件事,一边是冰的,一边是烫的。

回来的路上我一直在想人脑这笔账。一千多克,摊开来大概两张A4纸那么大,功耗二十瓦上下——差不多一盏老式白炽灯泡。就这点电,它要认出你妈的脸,听懂一句带口音的普通话,顺便还管着你的心跳和你的手别抖。而我们在机房里摆的那些黑色柜子,嗡嗡作响,吹着冷风,才勉强学会跟你聊天。

这中间差的不是算力。说实话,算力我们早就堆够了。

差的是记账方式。

“脉冲”这个词,别被它吓住

我们平时用的神经网络,无论多大,骨子里是同一个套路:时钟一响,所有人一起算一遍。输入全给,权重全乘,结果全出。哪怕这一帧画面里什么都没有,一片空白,它照样把活干完。你手机里的语音唤醒就是这么个东西,它得一直听着,一直算着,所以你的电池一直掉。

类脑计算里的“脉冲神经网络”换了个玩法。

神经元不按节拍走,它攒。信号来了,膜电位往上抬一点,抬得不够,什么都不发生。抬到某个阈值,啪,放一个脉冲出去。然后归零,重新攒。

这里最关键的一点是:没输入,就没有动作;没动作,就没有功耗。

你可以把它想成屋顶漏雨。不是水龙头一直哗哗地淌,是水珠一滴一滴攒在桶里,攒够了,桶翻了,水倒下去。安静的时候,它真的就是一块死物。

所以那块板子为什么是凉的?因为那只手没抬起来的那几秒,芯片里绝大多数晶体管处于待命状态,啥也没干。这在传统的同步电路里几乎不可想象——时钟树一开,整块芯片都在动,你拦都拦不住。

类脑计算脉冲神经网络神经元膜电位累积与阈值发放示意
类脑计算脉冲神经网络神经元膜电位累积与阈值发放示意

还有一层,藏在更深的地方。

冯·诺依曼那套架构里,计算单元和存储单元是分开的,中间隔着一条总线。每次要算一个乘加,你得先把数据从内存搬到算的地方,算完了再搬回去。搬这一趟,花的能量比算本身多得多——差好几个数量级,这不是比喻,是电路层面的常识,做芯片的人每天被它折磨。

而人脑里,突触既是存储,也是计算。权重存在那儿,信号从那儿过的时候顺手就被加权了。存和算,是一回事。

于是就有了忆阻器交叉阵列这种东西。一排横线,一排竖线,交叉点上夹一层能记住电阻值的材料。电压从横线进来,电流从竖线出去,欧姆定律替你做乘法,基尔霍夫电流定律替你做加法。整个过程里,没有“搬运”这个动作。数据就长在算的地方。

忆阻器交叉阵列存算一体芯片结构显微照片
忆阻器交叉阵列存算一体芯片结构显微照片

三个我听过太多次的误会

三个我听过太多次的误会
三个我听过太多次的误会

误会一:类脑计算是要造一个会思考的大脑。

不是。它借的是组织方式,不是意识。IBM那台TrueNorth在跑图像分类,Intel的Loihi在解优化问题,清华的天机芯在自行车上做平衡和避障。它们做的事情说起来挺朴素。离“懂”这个字,远得没边。

误会二:类脑计算要取代大模型。

我一开始也这么以为,后来发现是想多了。脉冲的稀疏性在时序信号、传感器数据、边缘设备上很舒服——那些场景的特点是数据来得稀稀拉拉、还带时间信息,用稠密网络去处理纯属浪费。但语言这东西是另一回事,Transformer那一套在自然语言上的优势,短期内看不到被替代的理由。

天机芯那篇Nature封面文章的路线我记得很清楚,异构融合——把类脑的核和传统深度学习的核放在同一块芯片上,谁擅长什么谁上。这个思路很务实,也有点像老工程师的做法:不推翻,先拼起来用。

误会三:类脑就是模拟计算。

不全是。数字实现、模拟实现、数模混合,三条路都有人在走。模拟那条路更接近生物的样子,但噪声、漂移、良率这些老毛病一个都不少。

做硬件的朋友是怎么跟我形容的

他在电话里沉默了两秒,然后说:

“你知道吗,我最烦的不是电路。电路能做出来。”

“那是什么?”

“是没人知道该怎么给它写程序。”

他说你让一个写了十年PyTorch的人转过来搞脉冲时序编码,他会当场崩溃。张量、批归一化、反向传播,这些肌肉记忆在这儿几乎全废。你得去琢磨一个神经元到底在第几个毫秒发放、发放的频率代表什么、时间差本身怎么编码信息。工具链也不成熟,编译器、框架、调试手段,都还在很早期的样子。

“而且,”他补了一句,“客户不关心这个。客户只问你能不能跑,能不能省电,多少钱一颗。”

对吧。这才是真门槛。

这条线走得不算久,弯道倒是不少

1943年,麦卡洛克和皮茨给了个神经元的数学模型,那是纸上的东西。

八十年代,加州理工的卡弗·米德提出“神经形态工程”,他的想法很妙——让晶体管工作在亚阈值区,那个区域的电流特性和生物离子通道很像。用硅模仿生物物理,从那时候就开始了。

2008年,惠普实验室把忆阻器和第四种基本电路元件挂上钩,后面十几年的存算一体都绕不开这件事。

2014年,TrueNorth出来,百万级神经元,功耗在毫瓦量级,当时很多人第一次意识到“这个方向好像真的能省电”。

2018年,Loihi。

2019年,天机芯上了Nature封面,异构融合那条路被摆到台面上。

再往后这几年,事件相机、神经形态传感器、SNN和Transformer的混搭方案,零零散散地往外冒。没有哪个是惊天动地的突破,但拼起来看,轮廓在变清楚。

冷一冷:它可能赢在你根本不看的地方

冷一冷:它可能赢在你根本不看的地方
冷一冷:它可能赢在你根本不看的地方

我不想把它吹成什么颠覆。短期内,数据中心里那张算力的椅子,它抢不走,也没必要抢。

它真正可能赢的地方,是那些电池只有钮扣大小、装进去就再也不打算取出来的设备。助听器。植入式医疗器件。一直在天上飞的微型无人机。装在管道里、三年没人去看一眼的工业传感器。

这些场景的共同点是:要一直醒着,但绝大多数时间里什么都不用干。

传统芯片在这里的处境很尴尬——醒了就得耗电,耗电就得换电池,可换电池这件事本身就不成立。类脑那套事件驱动的机制,恰好就是为这种“大部分时间在发呆”的活儿设计的。

还有一个不那么显眼的方向:可穿戴和健康监测。心跳、脑电、肌电,这些信号天生稀疏、天生长在时间轴上。你拿稠密网络去算它,就像用消防水管浇一盆花。

当然,坑也不少。工艺良率、器件一致性、编程范式、开发者的学习成本,每一样都能卡住一个产品好几年。我知道有几家做这块的团队,做着做着就转去干别的了,不丢人。

那天从工作室出来已经三点多。街边的早餐摊开始支棚子了,热气腾腾的。我回头看了一眼那扇窗,灯还亮着,板子还在跑。

风扇依旧没转。

我说不清为什么,站在那儿看了好一会儿。

作者|科技

排版|科技

审核|小北

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:类脑计算,从一颗只在你抬手时才醒来的芯片说起
文章链接:https://www.lfdjt.com/p/keji/a/24311.html