2026-10-02 07:37:58
作者：
科技
去年9月23日在南京逛算力展，馆里空调开得太足，我裹着随身带的薄外套蹲在一个不大的展台角落，听一位做芯片研发的老大哥掏心窝子聊了两个多小时。
话题从矿泉水瓶上的二维码，扯到手术室里的导航设备，最后落到了他蹲了快十年的方向：类脑计算。
很多人第一次听这个词，第一反应是“哦，要造人造大脑了？”
别被名字骗了，类脑不是造个“人造大脑”
说实话，我最早也这么想。
直到那天老大哥给我画了半张草稿，才反应过来，我们都被名字带偏了。
类脑计算神经元脉冲信号示意图
我们现在用的所有通用芯片，从手机里的SoC到数据中心的GPU，走的都是冯·诺依曼架构的路子——计算和存储是分开的两个部分。你要算个东西，得先把数据从存储里搬到计算单元，算完再搬回去。
数据小的时候还好，数据一大，来回搬的过程就特别浪费电。还慢。
类脑计算改的就是这个路数。它模仿人脑里神经元干活的方式：只有收到足够强的信号，神经元才会发出脉冲传递信息，没有信号的时候就待着不动，几乎不耗电。信息传递和处理本身，就是在同一个地方完成的，不用来回挪。
你说它是“类脑”，其实只是模仿了人脑最基础的工作机制，不是说要真的长出额叶、海马体，更不是直接造个能思考的人脑出来。
好多营销号吹“类脑计算实现强人工智能”，听听就得了。对吧。
类脑计算真正要解决的，藏在数据中心的冷风机里
你有没有刷到过新闻，说现在训练一个大语言模型，要烧掉几千万度电？
那些数据中心，为了给GPU降温，冷风机24小时猛吹，进去的人两分钟就得冻得出来。我前年去过一次长三角的某个大型算力中心，出来的时候外套都湿了，是冻出来的鸡皮疙瘩带的潮气。
整个数据中心的能耗里，差不多三分之一都用来降温了。这还没算计算本身烧的电。
人脑呢？你一天二十四小时不停想事，连做梦带发呆，总共才耗不到25瓦电。比你手机亮屏半天耗的还少。
就冲这一点，类脑计算的吸引力就没人能拒绝。
传统冯诺依曼架构数据流向图
不过话说回来，很多人以为类脑就是用来替代GPU训练大模型的，这其实也是个误区。
最早能落地的类脑应用，肯定不会在超算中心，反而在我们天天带在身上的小设备里。
比如你戴的智能助听器，现在要过滤背景噪音、放大你对面人的说话声，要么得连手机云端算，延迟高，还怕没信号；要么本地用传统芯片算，开俩小时就没电了。要是换一块指甲盖大的类脑芯片，本地实时算，能用好几天不充电。
再比如植入式的脑机接口设备，用来治癫痫或者帮助瘫痪病人活动的，传统芯片功耗高，放脑子里容易发热，灼伤周围的神经组织。类脑芯片低功耗的优势，刚好卡中了这个别人碰不了的痛点。
这些需求早就有，只是之前没人找到更合适的解法。
吹得越高，摔得越疼，落地哪有那么容易
吹得越高，摔得越疼，落地哪有那么容易
现在打开创投圈的报道，到处都是“类脑计算即将颠覆芯片行业”的说法。
那天我问那个老大哥，你们现在的芯片，能大规模卖了吗？他笑了笑，喝了一口凉透的矿泉水，没直接回答。
你不知道，这里面的坑，比你能想到的多太多。
第一个坎就是成本。现在主流的类脑芯片，很多要用到新的存储器件，良率上不去，一片的成本是传统同规格芯片的好几倍，除了科研机构和特殊项目，没人买得起。
还有生态。我们现在所有的AI软件、模型，全都是给传统架构写的。你换了类脑架构，原来的模型改都改不动，谁愿意花几个亿把自己已经跑顺的模型全迁移过来？
就连科研圈，现在好多论文里演示的类脑成果，都只能跑几个预先设计好的简单任务，换个复杂点的大模型，性能掉得比过山车还快。
说白了，很多炒作出来的成果，也就只能在实验室的聚光灯下亮个相。真拿到真实场景里用，立马露馅。
我其实挺能理解这种浮躁。摩尔定律走了这么多年，现在大家都感觉到，堆晶体管的路子快走到头了，总得找下一个方向。类脑作为新架构的热门方向，被资本吹上天也正常。
但也不能因为方向对，就把还没影的事说得跟明天就能用上一样。对吧。
那天老大哥说，他们团队五年流了三次片，每次都改设计，到第三次才把功耗降到了预期的一半，中间失败的那两次，烧掉的钱够给整个团队发两年工资。这种坑，没人会写在通稿里。
我之前参加一个小范围的沙龙，有个做神经科学的老师说，我们研究人脑，不是为了复制一个人脑出来，是为了从人脑里偷点灵感，让计算变得更高效，更便宜，更能用在我们需要的地方。
说不定再过十年，你不会在新闻发布会的PPT上看到“类脑计算”这四个大字吹得震天响，但你戴的助听器、你家里的智能门锁、医院里给你做检查的小型设备里，早就悄悄用上了类脑芯片。
它不会一下子给你变出一个比人还聪明的AI。但会悄悄改变很多不起眼的小事。
这样就够了。
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：当芯片开始像人脑干活：类脑计算到底离我们有多近
文章链接：https://www.lfdjt.com/p/keji/a/5566.html