2026-10-11 00:50:00
作者：
科技
上周去南京珠江路老巷子里的咖啡馆找朋友，对方是做芯片设计的，牛仔裤沾着点不知道哪来的硅尘，头发稀得能看见发旋。一坐下就聊到最近炒得很热的类脑计算，我刚说一句“是不是就是把芯片做成大脑的样子抄人脑结构”，他一口冰美式直接喷在餐巾纸上。
大多数人对类脑计算的第一印象，错了
说实话我之前也这么想，看了几篇通稿，就觉得现在科学家要攒出一个人造大脑出来，把860亿神经元全连起来，就能马上变超人。结果朋友说，哪有这么浪漫。
我们用了几十年的冯诺依曼架构，核心痛点就是存储墙——计算和存储是分开的，你要算什么，得把数据从存储里搬到计算单元，算完再搬回去。来回跑这一趟，不仅慢，还费电。当年AlphaGo赢李世石那盘棋，整盘下来耗了快一千度电，换成人脑，哪怕你算一天奥数题，也就耗掉一个香蕉的热量，差了快六个数量级。
类脑计算的核心，从来不是一比一复刻人脑，而是模仿人脑“存算一体”的工作方式。人脑的神经元本身，就同时带存储和计算的功能，想到哪就算到哪，不需要来回倒数据。这才是类脑计算最初的起点，不是造个假脑子，是解决我们现在架构绕不开的耗电老问题。
朋友随手在餐巾纸上画了个很糙的示意图：左边是传统架构，像个老超市，存货的仓库和收银台完全分开，每次结账都要从仓库调货，人多了直接堵在门口动不了。右边类脑架构，每个货架自带收银台，拿完就能结，根本不用扎堆排队。这么一说，我瞬间就懂了。
冯诺依曼架构与类脑计算存算一体对比图
现在的类脑计算，已经能落地做什么？
别觉得这都是实验室里骗经费的概念，真不是。现在很多低功耗的边缘智能设备，已经偷偷用上类脑方案了。
比如放在深山里的生态监测摄像头，靠一块巴掌大的太阳能板就能一整年不停机，要是换传统芯片，别说一年，一个月就得找人爬山换电池。为什么？因为类脑芯片只有检测到陌生目标的时候才会全功率跑起来，平时就是低功耗待机，和你我发呆放空的时候差不多，不会瞎耗电。
还有做机器人触觉识别的，用类脑方案，摸一下物体就能分出来是塑料还是棉布，反应速度比传统架构快很多，耗电只有原来的十分之一。这种性能放在需要实时反应的服务机器人上，真的太香了。
野外监测用低功耗类脑智能摄像头实拍
不过话说回来，别听那些吹风的，说类脑计算马上就要取代CPU GPU了，哪有这种事。你现在写文档，做PPT，打游戏，传统架构快得很，成熟度不知道高到哪去，类脑根本比不了。它就是补了传统架构的短板，在那些对功耗要求高、需要实时做感知推理的场景，才轮得到它出马。不是谁取代谁，是搭伙干活。对吧。
我们离好用的类脑AI，还有多少坑要填？
我们离好用的类脑AI，还有多少坑要填？
最大的坑，其实是我们自己都没完全搞懂人脑。现在说模仿人脑，也就模仿了个最表层的存算一体和神经元连接，人脑突触到底怎么调整、记忆怎么存、情绪怎么影响决策，我们现在知道的还不到十分之一。连模仿对象都没摸透，你说难不难。
硬件上的坑也够头疼。现在做类脑芯片常用的忆阻器，良品率一直上不去，一块大一点的芯片做出来，一半以上用不了，成本降不下来，就没法大规模量产到消费级设备里。
软件更头疼。我们现在所有的AI算法，全都是给冯诺依曼架构写的，大模型也好，小模型也好，全是适配原来的体系。要重新做一套适配类脑架构的算法框架，整个生态都要推倒重来，哪有那么容易。多少博士生读了四五年，就熬出来一个能跑小网络的原型，说出去都没人信有多熬人。
我上次刷到一个新闻，说国内团队做了亿级神经元的类脑芯片，能跑端侧小大模型，当时还挺惊喜的。终于不是天天吹概念，拿出实在东西了。
不过话说回来，现在很多人一提到类脑计算，就把它和通用AI绑在一起，说造出来类脑芯片就有真正的自主智能了，我倒是觉得没必要这么急。现在大模型堆参数堆得疯，一张训练卡好几万，训一次模型几百万电费，普通人用个AI还得联网等半天，要是类脑计算能先把终端AI的功耗降下来，让我们的智能手表、门锁、汽车都能跑本地AI，不用什么都传去云端，这就已经赚大了。
走出咖啡馆的时候，朋友说，现在做这个行当，就像摸黑走胡同，不知道前面有没有出口，但大家都愿意走，因为知道原来的路，走不远。风刮过巷子口的梧桐树，落了一片叶子在我空了的咖啡杯里。我想也是，比起堆参数的狂欢，这种慢腾腾的拓荒，反而更值得等下去。
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：巷口咖啡厅的奇思：类脑计算为什么不是“抄人脑”
文章链接：https://www.lfdjt.com/p/keji/a/8710.html