2026-10-09 03:05:11
作者：
科技
你有没有过这种体验？三年前的旧手机，刷一个小时抖音就能掉百分之三十的电，新出的同尺寸电池的手机，刷一下午还能剩一半。
除了电池材料的进步，藏在这个变化背后的，还有一个你没听过的词——类脑计算。
很多人一听到“类脑”两个字，就觉得这是远在实验室里，几十年后才能用上的黑科技，哪知道它早偷偷钻进你口袋里了。
别被名字唬住，它就是抄了人类大脑的作业
我们现在用的所有芯片，几乎都是基于冯诺依曼架构做的。这个架构有个天生的毛病：计算和存储是分开的。就像你开一家火锅店，食材全冻在一公里外的冷库里，厨师在门店灶台上等着，每要一份肉都得派人跑一公里去取，来回折腾，费时间还费油。
跑小数据还好，跑AI这种动辄几千万上亿参数的东西，折腾的能耗直接翻着倍往上涨。
类脑计算不这么干。它模仿人类大脑里神经元的连接方式，把计算和存储做在一起，每个小单元自己就能干活，不用次次都跑老远拿数据。
省电，太省了。
冯诺依曼架构与类脑芯片结构对比图
举个例子，同样跑一遍语音识别，传统芯片要耗几百毫瓦，类脑芯片可能只要几毫瓦，差了两个数量级。现在很多旗舰手机里的AI降噪、AI拍照芯片，早就用上类脑计算的思路了，不然你以为待机续航翻番是光靠电池？
你听过的大部分误区，全是错的
第一个误区：类脑计算就是要造一个人造大脑。
说实话，现在人类对自己大脑的运行机制，连十分之一都没搞清楚，哪来的本事造个一模一样的？现在所有做类脑计算的团队，本质上都是抄了大脑“存储计算一体化”这个作业，其他的和真的人脑差远了。别被营销号吹的“人造大脑即将取代人类”吓到，那都是博眼球的。
第二个误区：类脑计算会取代传统芯片。
根本不会。你现在写文档、剪视频，还是传统的通用芯片好用，速度快还便宜。类脑计算天生就是干特定活的——就是那种需要大量并行处理、对低功耗要求高的AI任务，其他活它干不过传统芯片。
第三个误区：类脑计算是近几年才出来的新概念。
不对，这个方向的研究从上世纪八十年代就开始了，只是那时候AI还不火，大家也不需要那么多低功耗AI，就一直不温不火。这几年大模型出来了，训练一次烧几百万度电，连硅谷的科技公司都心疼电费，才又把这个老方向翻出来，砸钱搞研发。
人类大脑神经元突触连接示意图
不过话说回来，现在市面上吹的很多“类脑芯片”，其实都是沾了个概念，真正完全符合类脑计算架构的产品，其实还不多，大部分都是半改良，别听商家瞎吹。
最值得期待的应用，其实不在云端
最值得期待的应用，其实不在云端
现在很多科技新闻一提到类脑计算，就说要做超级AI，要抢高端芯片市场，我反而觉得，类脑计算最大的机会，在你身边的边缘设备上。
什么叫边缘设备？就是你的无线耳机、智能手表、家里的监控摄像头、车载传感器，这些东西没有大电源，靠电池干活，还得天天跑AI。比如你的智能耳机要实时做降噪，要识别你说的话唤醒语音助手，传统芯片跑起来，俩小时就没电，用类脑芯片，能用整整一天。
还有一个方向我特别感兴趣，就是植入式医疗设备。现在很多神经假体，比如帮助盲人恢复部分视力的视网膜芯片，帮助瘫痪病人控制肢体的植入设备，要放进人体内，不能发热，不能频繁换电池，对功耗要求苛刻到极点，类脑计算天生就适合干这个。现在已经有团队在做相关的临床试验了，想想真的挺动人的，原来一个看起来遥远的黑科技，最后能帮人重新看见光。
当然问题也不少。现在类脑芯片的编程工具链太不成熟了，开发者要写个程序，得完全换一套思路，不像传统芯片那样有成熟的框架能用，门槛太高。还有就是大规模的类脑芯片成本还降不下来，没法大规模量产。
09年秋天我在南京上学的时候，就听过南大老师讲早期类脑研究的小故事，那时候整个实验室凑出来的原型机，还不如现在一块手表的算力，没想到前两年再去南京的科技论坛，已经能见到巴掌大的类脑开发板，跑实时人脸检测，整个板子跑起来功率才不到3毫瓦，当时看完真的愣了好久。
那时候我才意识到，这个东西不是实验室里的花架子，它是真的能改变我们日常用的东西的。
以后说不定所有的随身AI，都能放在本地跑，不用把你的语音、照片传到云端去处理，既省了流量，省了电，还保护了隐私。这不就是我们想要的AI吗？
对吧。
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：你手机里的省电秘密，其实藏在类脑计算里
文章链接：https://www.lfdjt.com/p/keji/a/8010.html