类脑芯片研发：那些烧钱又迷人的“仿生大脑”实验
说实话，我每次看到“类脑芯片”这四个字，心里总有点说不清的躁动。你想啊，我们造了几十年电脑，从8086一路卷到千锤百炼的3nm工艺，核心思路都没变过：冯·诺依曼，存储和计算分家，指令一条条跑。可这事到了如今，越来越像搬砖——数据量爆炸，模型越堆越大，GPU集群烧电烧得人心虚。于是乎，一群科学家掉头开始学人脑。
人脑多聪明？90瓦特上下，大概就是一颗亮一点的灯泡，却能同时处理视觉、语言、运动、情感……乱七八糟一大堆信号，而且还能边吃瓜子边追剧。这种低功耗并行处理，拿传统架构去模仿，简直就是用铲子挖隧道，累死也跟不上。所以类脑芯片研发，说白了就是想把“神经元”和“突触”这两样东西直接焊在硅片上。
类脑芯片脉冲神经网络架构示意图
先说一个最直观的差别：我们平常跑的神经网络，在GPU上做卷积、矩阵乘法，其实还是数字逻辑那一套。但类脑芯片，尤其像斯坦福的Neurogrid、英特尔的Loihi，玩的却是脉冲神经网络——信息不靠连续数值，而是靠一个个尖峰信号，像摩尔斯电码一样“滴答滴答”。这看着很low对吧？但它有一种神奇的优势：事件驱动，有信号才处理，没信号就歇着。能耗就是这么省下来的。
不过话说回来，理想很丰满，现实却总是挤出一脸苦笑。我查了下相关论文，国内类脑芯片研发起步并不算晚，像清华的“天机”芯片，本来是想通吃人工神经网络和脉冲神经网络的，去年又出了“天机X”，我还专门找视频看过。杂合架构看起来很美，但真正卡脖子的，在工艺、在存储、在神经元电路的设计上。
类脑芯片忆阻器阵列功能模型图
你有没有想过一个问题：人脑里有几百亿个神经元，每个神经元又有上千个突触。哪怕简化到极致，你想在指甲盖大的芯片上集成这么多突触连接，光靠传统的SRAM存储权重，面积和功耗还是没法看。于是忆阻器成了香饽饽。这玩意儿相当于可变的电阻，通过电压调节阻值，正好模拟突触的可塑性。问题在于，忆阻器的良率、一致性、耐久度……唉，每一关都让人修修补补到崩溃。我有个仿生所的朋友跟我说，他们试过好几种材料，有时候同一个批次里几十颗芯片，特性漂移能差出十倍。能把人干自闭。
从底层架构到工具链，处处是坑
你以为硬件最难？其实更挠头的是软件生态。搞类脑芯片研发，光有芯片不行，你得让人能编程对吧？但传统深度学习框架比如PyTorch、TensorFlow，那都是为GPU定制的，你丢到Loihi上面，根本不认。于是各家都得自己搞一套编程框架、工具链、编译器。这东西的复杂度，不亚于重新发明一遍AI基础设施。说实话，我有时候觉得，做芯片的工程师和做框架的工程师，就像两个世界的人，凑在一起开会，经常鸡同鸭讲。
更别提算法层面的适配。你设计了一个超低功耗的脉冲神经网络芯片，却找不到合适的算法模型来跑，只能拿人工神经网络硬改权值映射到脉冲频率上，这样效率大打折扣。就好比你买了一辆越野车，结果只能在城市柏油路上跑，四驱系统压根用不上。
但为什么还有这么多人在死磕？
但为什么还有这么多人在死磕？
当然是因为有甜头。类脑芯片研发一旦打通了功耗这堵墙，边际效应太诱人了。边缘计算要的是什么？端侧AI，比如手机、耳机、智能手表、甚至是植入式医疗设备，不能总背着充电宝吧。一块毫瓦级的类脑芯片，就能做实时语音识别或手势识别。这比现在屏上那颗NPU还夸张。
另外，还有一层更深的原因，那就是对大脑工作机制的探索。你造一个类脑芯片，其实是在验证你对生物学模型的理解对不对。这种交叉研究，往往能歪打正着带出新的范式。好比说，有很多团队在研究让芯片在片上做在线学习，也就是不靠云端训练，自己根据环境调权重。这要是真搞成了，设备就能像动物一样，越用越顺手，而不是出厂即终版。
接下来，我们离落地还有多远？
坦白说，我并不是个盲目乐观的人。类脑芯片研发这么多年，真正能拿出来量产商用的，少得可怜。Loihi 2做了几年，也主要是在研究圈子里流传。国内也有不少初创公司拿了融资，但大多还在样片阶段。这里面有一个很现实的问题——标准和生态的碎片化。每家都有自己的架构、自己的编程语言，谁都不愿意先让一步。要知道当年ARM和x86能胜出，靠的就是统一生态啊。
不过换个角度，这轮AI大模型的军备竞赛，反而催生了对NPU和加速器的需求，投资人现在看到“智能芯片”三个字就眼睛发绿。类脑芯片作为极具差异化的路线，倒是引了不少热钱。只是热钱能不能熬到技术成熟，那就看各位老哥的胸肌了。
最后我想说一个有意思的点。今年有一篇Nature论文，讲的是用类脑芯片实现了对猴子手臂运动的部分实时解码，这放在以前根本不可想象。虽然只是实验室里的灵光，但那种感觉就像是，你终于在一堆噪音里听到了一丝清楚的旋律。
英特尔Loihi类脑芯片实物封装照片
也许未来真正的AGI，并不是靠更大的Transformer堆出来的，而是靠这种极其省电的异步脉冲网络，一点点摸出大脑的脉络。当然啦，这可能只是我一厢情愿的浪漫。但如果你问我要不要持续关注类脑芯片研发，我会毫不犹豫说：值得。
毕竟，在这个连手机都要天天充电的时代，一个能自己思考又不费电的“脑瓜子”，谁能不爱呢？