你刷的每一条短视频，都在等着类脑计算救场

为什么你的手机越用越烫，根子在架构上

现在绝大多数计算机，跑的都是冯诺依曼架构，核心就是一句话：存储和计算分开干活。你要算一个东西，得先把数据从存储器里调去计算单元，算完了再送回去。

就好比你在家包饺子，每包一个饺子，都要从阳台储藏室拿一块面粉，用完再放回去，一趟又一趟跑，腿都能断，还费时间。

现在AI跑大模型，一次要调动上亿次数据，来回跑的过程中，百分之八九十的能耗都耗在数据传输上了，根本不是用在计算本身。不发烫才怪。

说实话，现在这个瓶颈已经卡得很死了。摩尔定律快走到头，就算你把晶体管做得再小，也赶不上AI参数膨胀的速度，更解决不了能耗的问题。总得换个思路。

这个思路，就是类脑计算。

类脑计算到底是个啥，说人话就是模仿大脑干活

别听那些自媒体吹什么“人造大脑”“意识上传”，扯远了。现在我们说的类脑计算，核心就是学咱们人类大脑的干活方式，解决现在AI的能耗问题。

咱们人脑是什么样？八百亿个神经元，互相之间靠突触连接，只有刺激到了一定阈值，神经元才会发出一次脉冲信号，传递信息，没事就躺着不干，根本不费电。识别一张猫的图片，不到一百毫秒就搞定，整个过程耗能才几瓦，比你手机开个手电筒都省。

类脑计算就是把这套逻辑搬到芯片上。把计算和存储都做在“神经元”单元里，不用来回跑数据，只有触发了脉冲才会工作，不像现在的GPU，不管有事没事都在满负荷跑，自然省电太多。

很多人有误区，觉得类脑计算就是要取代现在的AI，不对。它其实是给AI换了个更高效的底层硬件，原来你跑一个大模型要一千度电，换类脑可能只要一度，就这么简单。

去年9月我在南京的一个高校实验室看过一个demo，一块名片大小的类脑芯片，跑实时动态目标识别，整个芯片的功耗才不到2毫瓦——啥概念？一颗普通的纽扣电池，就能让它连续跑一个月。放在野外的监控摄像头里，一年不用换电池都能干活。

惊到我了。原来还能这么玩。

离我们日常用，还有多远？

其实现在已经有小范围的应用了。比如一些低功耗的物联网传感器，智能耳机的语音唤醒，已经用上了简单的类脑方案。只是你没感觉到而已。

不过话说回来，要让类脑计算跑现在我们用的这种大模型，还有很长的路要走。现在整个AI的开发生态，都是基于原来的冯诺依曼架构建的，算法、训练、部署，一套流程走了几十年，要全部迁移到新架构上，哪是一朝一夕的事。

现在最大的痛点，就是怎么把已经训练好的大模型，高效地转换成类脑架构能跑的脉冲模型，精度掉得少，能耗还能下来，这个问题好多团队还在啃。

但是你不得不承认，这方向走对了。现在OpenAI开一次ChatGPT会话，平均耗的电够一个普通用户刷三小时短视频，全世界几亿人天天用，再过五年，数据中心的总耗电量能占到全球发电量的多少？这个账谁都算得过来。总不能为了跑AI，把全世界都变成火力发电厂吧？

再过三五年，我们最先能感受到的变化，应该就是手机里的端侧AI了。现在的手机AI大模型，为了省电，大多还是把数据传到云端算，未来用类脑芯片，直接在你手机本地就能跑，不用传数据，既不会发烫掉电，还不会把你的聊天记录、隐私偏好传到别人的服务器里，这不就是我们想要的吗？

说实话，我不期待什么类脑计算带来奇点，那太远了。我就期待哪天我拿着手机开一下午AI画图，后背还是凉的，电量还能剩一半，就够了。

这条路不好走，但是总得有人走对吧？毕竟原来的路，已经快走到头了。