类脑芯片研发：我们离真正的"人造大脑"还有多远？

去年在上海松江的半导体论坛散场，我蹲在展馆门口抽烟，旁边一个做硬科技投资的老哥拽我递烟，劈头就问：“现在英伟达GPU卖得飞起，大模型都靠堆卡，你们这群人折腾类脑芯片，到底折腾个什么劲？” 我当时没直接回答。现在想想，这个问题其实九成普通人都想问。

放着成熟路线不走，为什么要砸钱搞类脑？

本质上，就是冯诺依曼瓶颈已经卡得我们喘不过气了。你现在用的所有电脑手机，核心架构都是几十年前冯诺依曼提的：储存和计算分开，干活的时候数据来回跑。跑小任务没问题，跑现在千亿参数的大模型呢？OpenAI的数据中心，几千张A100连轴转，一年的电费够给一个小县城供暖，动不动就过亿美金。 人脑呢？你每天认人、走路、想问题，甚至做复杂的逻辑推理，功耗才多少？20瓦左右，还不如一个普通灯泡。 这就是类脑研发最核心的逻辑：模仿人脑神经元工作的方式，把储存和计算做在一起，从根上解决功耗问题。 冯诺依曼架构与类脑架构原理对比图 很多人有误区，觉得类脑就是要做一个和人类大脑一模一样的人造器官。其实不是。现在全球的类脑芯片研发，路线分了好几种：有纯数字类脑，兼容性好容易做大规模；有模拟类脑，更贴近真实神经元，功耗更低；还有数模混合的，取两边的好处。国内清华的天机系列，IBM的TrueNorth，英特尔的Loihi，都是这条路上走在前面的选手。 说白了，我们不是要造一个活的大脑，是要抢人脑低功耗高效能的优点，给AI降本降温。

类脑芯片研发的卡点，比你想的更棘手

说出来可能不信，现在类脑研发最大的卡点，不是光刻机，不是制造工艺，是我们自己对人脑的了解太少了。 人脑有860亿个神经元，还有近百万亿个突触连接，这些连接怎么工作，怎么存储记忆，现在科学界还说不太清楚。我们现在做的类脑芯片，说白了就是模仿了一个最粗浅的神经元模型，离真实的人脑复杂度差了十万八千里。现在最顶级的接近量产的类脑芯片，也才做到百万级神经元，差了快四个数量级。 其次是生态。现在做AI开发，所有人都用CUDA，工具链成熟，开发者拿来就能用。类脑芯片呢？编程模型和传统架构完全不一样，没有成熟的开发框架，也没有多少现成的应用案例，除了少数搞科研的，谁愿意花精力去踩坑？ 我见过不少顶会论文上吹得神乎其神的类脑芯片，测来测去就是Mnist手写数字识别那几个经典小任务，真拉到实际的大模型场景跑一下，误差直接飙到没法看。 实验室类脑芯片神经元阵列晶圆实拍图 还有成本。流片一次先进工艺的类脑芯片，小几千万就打了水漂，要是失败了，团队三四年的成果可能就没了。除了国家队和头部科技公司，小创业公司根本玩不起。 不过话说回来，最近两年的进展真的超出我预期。去年清华大学类脑团队发的新款天机芯，能同时支持多个大模型的稀疏推理，相同推理性能下，功耗比主流GPU低了近100倍，我看到数据的时候真的倒吸一口凉气。这已经不是实验室玩具了，已经摸到实用化的门口了。

类脑芯片的未来，从来不是替代冯诺依曼

类脑芯片的未来，从来不是替代冯诺依曼 现在很多媒体吹，说类脑十年内就能替代传统芯片，颠覆整个半导体行业。我告诉你，这话听听就得了。至少未来二三十年，传统冯诺依曼架构还是主流，类脑抢不了它的位置。 那搞类脑的意义在哪？在于找新的赛道，在特定场景切下一块大蛋糕。最直接的就是低功耗边缘AI场景。你家里的智能摄像头，戴的无线耳机，车载的自动驾驶计算单元，这些设备都不需要跑千亿参数的大模型，就需要识别个声音、认个人、做个简单决策，对功耗要求极高，不能天天插着充电。类脑芯片天生就适合干这个。 现在国内已经有头部手机厂商在和类脑研发团队接触，据说下一代AI手机的离线语音功能，就打算尝鲜类脑方案，到时候续航能提好几个点。对普通用户来说，这就是实打实的好处啊。 还有更深层的意义，类脑研发和脑科学是双向推动的。你做芯片要模仿人脑，就得把人脑的工作机制摸得更清楚，反过来，搞懂了人脑，又能做出更好的类脑芯片。这条路走通了，未来我们说不定真能搞清楚意识怎么产生的，这已经不是普通的科技进步了，这是人类对自身的探索啊。 我认识一个在中科院读类脑方向的博士，去年跟我吐槽，流片三次失败，头发掉了快三分之一，课题组经费都快烧完了，第四次流片成功测出来数据的时候，他在实验室走廊抱着师兄哭。说白了，哪有什么凭空冒出来的科技突破，不就是一群人啃硬骨头，一口一口啃出来的吗？ 难吗？真难。 但要因为难就不做了吗？那不可能。现在海外卡我们高端GPU的脖子，我们总不能一直在别人制定的规则里玩，换一条赛道试试，说不定就趟出一条新路了。 你说十年后我们能用上多大规模的类脑芯片？谁也说不准，但至少现在，这群人已经迈出第一步了。