神经形态计算：AI换道超车的下一个突破口

ChatGPT爆火之后，所有人都在拼大模型，拼参数，拼显卡产能。你有没有想过，现在这条路，其实快走到头了？

训练一次千亿参数大模型的电费，够一个小县城用半年。跑一次推理的功耗，够你手机用一个月。现在的AI，看起来越来越强，其实也越来越臃肿，快要被自己的重量压垮了。

而解决这个问题的答案，早在几百万年前就被演化出来了——我们自己的大脑。

为什么现有AI架构跑不动了？

我们现在用的所有计算机，从手机到超算，本质还是几十年前的冯·诺依曼架构。这个架构最核心的特点就是存储和计算分开，你要算个东西，得先把数据从内存搬到计算单元，算完了再搬回去。

就好比你做个饭，每放一勺料都要跑一公里去仓库拿，来回折腾，大部分时间和油都耗在路上了。

人类大脑完全不是这么玩的。一千亿个神经元，通过百万亿个突触连在一起，计算和存储就放在突触这个地方，信号过来直接处理，根本不用来回搬。整个大脑工作一天，功耗才20瓦，也就点亮一个节能灯泡。

神经形态计算说白了就是照着人脑的样子做计算。抄演化的作业，总没错吧？

说实话，这个概念其实提了几十年了，之前一直不温不火，为啥最近突然火了？还不是大模型把功耗墙撞得咚咚响，大家才想起还有这么条路。

神经形态计算现在走到哪一步了？

很多人觉得神经形态计算还停留在论文里，其实早就有能用的成品了。

最出名的应该就是清华团队研发的第二代天机芯，这个芯片本身就是按照神经形态做的，上面集成了十几万个人工神经元，能同时跑不同种类的神经网络。我之前看到过一组测试数据，它做图像分类任务，功耗只有常规GPU的千分之一不到。

千分之一啊。你敢信？

英特尔也推出了好几代神经形态芯片，叫Pohoiki系列，现在已经给科研机构用了，用来做机器人的低功耗实时控制，效果比传统芯片好太多。国内还有好几家创业公司，去年拿了好几亿融资，做面向端侧的神经形态AI芯片，已经给安防摄像头、物联网节点供货了。

不过话说回来，现在的神经形态计算还不够完美。大部分落地场景都是低功耗的小模型推理，真要跑千亿参数的大模型，现在的芯片规模还不够。还有生态问题，现在所有AI软件都是给GPU写的，新架构想要适配，还要花好几年功夫磨。

但是架不住它天生优势大啊。

现在端侧AI的需求涨得比什么都快，苹果、高通都在拼了命往手机芯片里堆AI算力，就是想让大模型能跑在本地，不用什么都传云端——既保护隐私，响应又快，还不用耗流量。神经形态计算天生就是干这个的，对吧？

现在已经有智能穿戴设备用上了神经形态芯片做心率异常检测，准确率比传统算法高十个百分点，功耗直接砍了一半，电池续航从一周变两周，用户体验提升不要太明显。

神经形态计算真能改变AI的未来吗？

我之前跟一个做AI芯片的朋友聊天，他说现在行业里都清楚，堆参数堆GPU这条路走不远了，再往下走，成本高到连巨头都扛不住，下一个大的技术拐点肯定在新架构。

神经形态就是最有希望的那个方向，没有之一。

最近一年的突破真的很多，麻省理工做了相变材料人工突触，能模拟人脑突触的可塑性，硬件自己就能在线学习，不用反复擦写数据，寿命长了好多功耗还更低。国内团队做的类脑突触，已经能做到单芯片集成上亿个突触，规模比之前大了一个数量级。

你可以想象一下，十年之后，如果我们能把千亿参数的大模型，做到一块巴掌大的神经形态芯片里，整个芯片跑起来功耗才几十瓦——那是什么场景？

你口袋里的手机，就能跑GPT-4级别的AI，不用连网，不用担心你的聊天记录被上传，响应速度比现在云端快好几倍。自动驾驶不用在车上装个半人高的算力箱，一块芯片就搞定所有感知决策，功耗降90%，成本砍一半还多。偏远地区的物联网监测节点，一块电池用十年，不用人去换，就能一直跑AI监测环境。

当然，现在还有一堆绕不开的问题，成本降不下来，生态没建起来，大模型适配的算法还没搞明白。但是哪项新技术刚出来的时候不是这样？第一台晶体管计算机刚做出来的时候，一堆人说这东西也就军方能用，谁能想到现在人人兜里都揣着一台？

科技的发展从来不是一条道走到黑的。当大家都挤在GPU拼参数的独木桥上的时候，不妨抬头看看，模仿人脑的神经形态计算，早就长出了一条新的路。就看谁先跑通了。