你对着手机喊完“帮我生成一张带着猫的中秋海报”，屏幕转着圈等半分钟不说，后盖摸起来已经能煎鸡蛋了。这种体验我猜大部分人都有过。
现在的AI越来越好用，但代价就是越来越费电，哪怕你只是用个本地的AI降噪，跑十分钟手机掉电十个点都不奇怪。为什么会这样？
其实根子不在AI模型太大，在我们用的芯片架构，从第一台电脑到现在，没变过。
我们现在用的电脑，天生就不是给AI长的
我们用了几十年的冯诺依曼架构，核心就是存算分离：处理器管计算，内存管存储，俩是分开的。你要算任何东西，都得把数据从内存搬到处理器，算完再把结果搬回内存。
打个比方，你要写一万字的文章，书房在客厅，稿纸全锁在卧室柜子里。你写一个字走回卧室拿一张稿纸，写完再把纸放回去，再走回来写下一个。一天下来，字没写几个，路走了几万步，累个半死。
大部分电，就是这么浪费的。大部分热量，就是这么来的。
人脑就不是这么干的。我们大脑里的每个神经元，自己就带记忆，连接神经元的突触，本身就存着信息，处理信息的时候，存储和计算是一起完成的。你出门一眼认出楼下的共享单车，整个过程大脑消耗的能量，还不如你开一分钟手机手电筒多。
几十年前就有人发现这个问题了，只是那时候没有这么大规模的AI需求，大家都没当回事。现在AI大模型炸了，所有人都被功耗卡脖子了，才回头想起，原来早有人提出要模仿人脑做计算，就是类脑计算。
类脑计算，真的要造一个“人造大脑”吗？
说实话，我最早看到这个词的时候，也以为是要造一个和我们人脑一模一样的东西，出来个能思考会流泪的机器人，全是科幻片的桥段。
其实根本不是这么回事。现在业界做的类脑计算，核心就一件事：模仿人脑“存算一体”的工作方式，解决传统冯诺依曼架构的功耗问题，而已。
举个常见的成熟路线，就是用脉冲神经网络做的类脑芯片，它的每个小单元就像一个神经元，只有当积累的信号超过某个阈值，才会发出一个脉冲信号，不像传统芯片，不管有事没事，每个时钟周期都得满功率跑一遍。这么一来，大部分时候大部分单元都在休眠，功耗直接降了几个数量级。
我之前见过一块做语音唤醒的类脑芯片，本地就能识别不同人的声音指令，全年开着，一颗纽扣电池就能用三年。换传统芯片做，不到一个月就得换电池，这就是实打实的差距。
不过话说回来，现在也确实有不少研究者在往更接近人脑的方向走，研究怎么模拟人脑的学习方式。比如我们人脑学新东西，不用像AI那样几百万张图训练，看一两遍就会了，这种少样本学习的能力，如果能通过类脑计算做出来，那才是真的颠覆。
别吹得太神，类脑计算现在还卡在半路上
现在网上只要一提类脑，要么吹成下一个改变世界的技术，马上取代现有的芯片，要么就骂全是圈钱的骗局，什么用都没有。这两种说法都太极端了。
客观说，类脑计算现在还是个半成品。它的优势只在特定场景，你要让它跑Windows，打游戏，写文档，它比传统架构慢几十倍，根本没法用。它最适合的，就是端侧低功耗AI场景，比如随身的可穿戴设备，野外的环境传感器，不需要连云端，本地就要处理AI任务，还要好几年不换电池，这种地方，类脑就是降维打击。
那现在卡在哪呢？第一个是规模，现在能做出来的类脑芯片，神经元的数量还赶不上一只小型啮齿动物的，要跑现在流行的大模型，还做不到。第二个就是软件，原来我们开发AI，有一大堆成熟的开源工具，写代码几天就能训个模型，类脑现在连个通用的编程框架都没统一，开发者想要做个新任务，得从零开始调神经元连接，门槛太高了。
我上次0923在南京参加一个小型科技沙龙，碰到一个做类脑的博士后，他说他调一个简单的图像识别模型，花了快三个月，换传统框架，三天就做完了，你说这怎么普及。
其实也不用急。现在我们用的成熟芯片架构，发展了几十年才到今天的水平，类脑计算从概念到现在，也才半个世纪不到。刚造出第一台电子管计算机的时候，谁能想到今天人人兜里都揣着比当年超级计算机还强的手机？
类脑现在确实不完美，但它找对了方向。你想要未来AI真的走到生活的每个角落，而不是只能躲在云端的数据中心里，靠大电网供电，那类脑计算，早晚会走到舞台中间。
反正我挺期待的。说不定再过十年，我们的手表里就塞着一块类脑芯片，24小时帮我们监测健康预警，一块电池用一年，那种日子，想想就挺舒服。
作者|科技
排版|科技
审核|白杨