类脑芯片研发：我们离真正的「人造大脑」还有多远？
说实话，我前几年逛科技展，看到展台摆着「类脑芯片」的牌子，第一反应就是——又来炒概念了？不就是换了个名字的AI芯片吗？
直到去年跟一位在中科院微电所做研发的师兄吃火锅，酒过三巡他吐了一肚子苦水，我才知道自己错得离谱。
冯诺依曼架构与类脑芯片架构对比示意图
类脑芯片走的完全是另一条路。它模仿人脑的运行机制，把神经元和突触做进芯片里，存储和计算是一体化的，不需要来回搬数据。
人脑满负荷运转一天，才消耗不到25瓦的能量。换GPU做同样的推理任务，耗电是它的几万倍。这个差距，懂行的人一看就知道意味着什么。
很多人吐槽说，不就是降功耗吗？至于吹得这么神？
你想想，要是植入式脑机接口能用类脑芯片，一块纽扣电池能用好几年，不用开刀换电池，这能救多少瘫痪病人？你再想想，边缘端的物联网传感器，不用连云端，本地就能做智能分析，一块太阳能板就能跑一辈子，这对工业物联网来说是什么概念？
当然，现在的类脑芯片还做不到模拟人脑千亿级神经元。大部分商用的也就百万级，好一点的到亿级。还差得远呢。
但方向对了，就不怕路远。对吧？
国产类脑芯片实验室流片实物图
但问题也真的不少。
现在最大的瓶颈，一个是材料，一个是工艺。我们现在说的类脑芯片，大部分还是用传统的硅基工艺做的，真正理想的突触材料是忆阻器，可忆阻器现在良率上不去，成本降不下来，只能在实验室做小批量，没法大规模量产。
另一个问题是跨学科太难了。做芯片设计的不懂神经科学，做神经科学的不懂芯片流片，两边坐在一起开会，说的术语都不是一套，经常要翻译半天。我那个师兄就跟我吐槽，每周一次交叉学科讨论会，比流片一次还累。
还有就是标准不统一，各家做的架构不一样，软件生态也没建起来，现在想用类脑芯片做开发，门槛比传统AI芯片高太多了。
别炒概念也别踩死，类脑的未来不在GPU的地盘
现在网上两种声音，一种吹得神乎其神，说五年内推翻冯诺依曼架构，十年搞出人造大脑；另一种踩得一无是处，说全是骗经费的骗局。
我说实话，这两种说法都不对。
类脑芯片根本不是来抢GPU饭碗的，至少现在不是。大模型训练还是得靠GPU堆，类脑芯片抢不走这个市场。它的优势，是低功耗边缘侧智能，是那些不需要大算力、但要求省电、实时响应的场景。
你戴的智能眼镜，要做实时翻译，不能动不动就连云端，还耗电快一天一充吧？用类脑芯片，本地就能跑，一次充电用一周，这不香吗？你家里的监控摄像头，要本地识别异常行为，不用把所有视频都传到云端，省了带宽省了存储，还保护隐私，这不就是实实在在的落地吗？
不过话说回来，我还是挺期待长期的。毕竟现在的AI都是训练好的，只能做特定任务，类脑的异步学习机制，其实更接近人脑真的学习方式，说不定几十年后，真正的通用人工智能，就是从类脑芯片这条路线走出来的呢？
急什么。
我们才研究了不到六十年。人脑可是花了几百万年才进化成现在这样。
慢慢来就好。
类脑芯片根本不是换皮的AI芯片
现在我们用的所有芯片，从手机到GPU，本质上都是冯·诺依曼架构：计算归计算，存储归存储，俩地方分开干活。 这个架构用了七十多年，没问题。但是现在跑大模型，缺点一下子暴露了。数据要来回在存储和计算单元之间跑，不仅慢，还费电。你知道ChatGPT一天的电费要多少钱吗？几十万美金都打不住。冯诺依曼架构与类脑芯片架构对比示意图
类脑芯片走的完全是另一条路。它模仿人脑的运行机制，把神经元和突触做进芯片里，存储和计算是一体化的，不需要来回搬数据。
人脑满负荷运转一天，才消耗不到25瓦的能量。换GPU做同样的推理任务，耗电是它的几万倍。这个差距，懂行的人一看就知道意味着什么。
很多人吐槽说，不就是降功耗吗？至于吹得这么神？
你想想，要是植入式脑机接口能用类脑芯片，一块纽扣电池能用好几年，不用开刀换电池，这能救多少瘫痪病人？你再想想，边缘端的物联网传感器，不用连云端，本地就能做智能分析，一块太阳能板就能跑一辈子，这对工业物联网来说是什么概念？
当然，现在的类脑芯片还做不到模拟人脑千亿级神经元。大部分商用的也就百万级，好一点的到亿级。还差得远呢。
但方向对了，就不怕路远。对吧？
国内类脑芯片研发现在走到哪了
别觉得类脑芯片还是欧美领先，说实话，国内这十几年的进度，真的超出很多人想象。 最早清华的天机芯系列，大家应该都听过吧？第二代天机芯就能支持十几个神经网络模型同时运行，功耗不到1瓦。今年上半年我还看到清华团队发的新成果，用类脑芯片做自主移动机器人的导航，能耗还不到传统方案的百分之一，反应速度还更快。 除了清华，还有中科院、复旦大学，还有不少商业公司也在跟进。去年我就拿到过一块国内厂商出的面向边缘端的类脑芯片样片，用来做语音唤醒，功耗比传统AI芯片低了快一个数量级。国产类脑芯片实验室流片实物图
但问题也真的不少。
现在最大的瓶颈，一个是材料，一个是工艺。我们现在说的类脑芯片，大部分还是用传统的硅基工艺做的，真正理想的突触材料是忆阻器，可忆阻器现在良率上不去，成本降不下来，只能在实验室做小批量，没法大规模量产。
另一个问题是跨学科太难了。做芯片设计的不懂神经科学，做神经科学的不懂芯片流片，两边坐在一起开会，说的术语都不是一套，经常要翻译半天。我那个师兄就跟我吐槽，每周一次交叉学科讨论会，比流片一次还累。
还有就是标准不统一，各家做的架构不一样，软件生态也没建起来，现在想用类脑芯片做开发，门槛比传统AI芯片高太多了。
别炒概念也别踩死，类脑的未来不在GPU的地盘
别炒概念也别踩死，类脑的未来不在GPU的地盘
现在网上两种声音，一种吹得神乎其神，说五年内推翻冯诺依曼架构，十年搞出人造大脑；另一种踩得一无是处，说全是骗经费的骗局。
我说实话，这两种说法都不对。
类脑芯片根本不是来抢GPU饭碗的，至少现在不是。大模型训练还是得靠GPU堆，类脑芯片抢不走这个市场。它的优势，是低功耗边缘侧智能，是那些不需要大算力、但要求省电、实时响应的场景。
你戴的智能眼镜，要做实时翻译，不能动不动就连云端，还耗电快一天一充吧？用类脑芯片，本地就能跑，一次充电用一周，这不香吗？你家里的监控摄像头，要本地识别异常行为，不用把所有视频都传到云端，省了带宽省了存储，还保护隐私，这不就是实实在在的落地吗？
不过话说回来，我还是挺期待长期的。毕竟现在的AI都是训练好的，只能做特定任务，类脑的异步学习机制，其实更接近人脑真的学习方式，说不定几十年后，真正的通用人工智能，就是从类脑芯片这条路线走出来的呢？
急什么。
我们才研究了不到六十年。人脑可是花了几百万年才进化成现在这样。
慢慢来就好。