类脑芯片研发：我们离真正的通用人工智能还有多远

上周去清华听了一个类脑方向的闭门分享，散场的时候跟一个做了二十年流片的老教授闲聊，他点着十块钱一包的烟说，这行终于不是靠PPT圈钱的概念了。

别被名词忽悠，类脑芯片到底跟普通AI芯片差在哪

现在大家熟的AI芯片，不管是GPU还是ASIC，根子上还是冯·诺依曼架构。存储和计算是分开的，算一次就要搬一次数据，搬数据比算数据还费电，这就是大家常说的冯·诺依曼瓶颈。 类脑不一样。它是仿照人脑的神经元和突触连接做的，核心是两个东西：存算一体和事件驱动。数据存在突触里，算的时候直接在存储单元里算，不用来回搬。只有脉冲信号过来的时候才工作，不像传统芯片一直跑功耗。 你知道人脑处理一整天的信息，功耗才多少？20瓦。就够你走路、认人、聊天、想问题，现在GPT跑一次大模型推理，功耗抵得上普通人一个月的用电量。 这个差距，想想都吓人。 冯诺依曼架构与类脑存算一体架构对比图 说实话，现在很多厂商喊的类脑，根本不是真类脑。就是改了个网络结构，换个名字蹭热度，本质还是原来的AI芯片换皮。这种操作，业内人看了都摇头。

当下类脑芯片研发，到底卡在哪了

第一个卡脖子的地方，是材料。现在主流还是用硅基材料做类脑芯片，突触的模拟精度不够，稳定性也差，想要做到人脑那样千亿级的突触连接，成本和功耗都下不来。新型材料比如忆阻器，现在还在实验室阶段，离大规模量产还远得很。 第二个卡的，是我们连人脑本身都没搞懂。现在用的脉冲神经元模型，都是简化到不能再简化的版本，真正的人脑神经元有多复杂？不同神经元之间的突触连接怎么学习怎么存储？我们现在知道的，可能连十分之一都不到。说白了就是，我们现在仿的只是个骨架，灵魂还摸不着边。 第三个卡的，是工具链和流片成本。做传统芯片有成熟的EDA工具，流片有成熟的产业链，类脑不一样，全流程都是各个团队自己攒工具，兼容性差，错一点就要全部推翻重来。流片一次，几百万就砸进去了，成了皆大欢喜，败了整个团队三五年都翻不了身。 硅基类脑芯片晶圆裸片实物图 老教授跟我说，前几年他带团队做一款面向端侧的类脑芯片，流片回来测试，发现设计的时候一个微小的误差，导致整个芯片的功耗比预期高了十倍，直接报废。那一次，把整个项目的经费都烧完了，他在实验室楼下的小卖部坐了一晚上，烟抽了半盒，啥话也说不出来。 这种心酸，外人根本体会不到。

为什么所有人都在往类脑芯片研发砸钱

为什么所有人都在往类脑芯片研发砸钱 摩尔定律快走到头了，这个是业内共识。传统芯片的性能提升越来越慢，功耗越来越高，但是AI对算力的需求，半年翻一番，根本停不下来。下一代计算架构在哪？大家都盯着类脑。 最近两年好消息其实不少。清华的天机芯，能同时支持脉冲神经网络和人工神经网络，做无人车的实时目标检测，功耗比传统芯片低两个数量级。国内中科院团队做的忆阻器类脑芯片，手写数字识别准确率做到了97%以上，功耗只有传统GPU的千分之一。 这些进展，放在十年前想都不敢想。 资本扎堆，大厂下场，不是没有道理的。如果类脑芯片真的能成熟，最先落地的肯定是端侧设备，智能手表、无线耳机、车载传感器，这些对功耗要求极高的场景，类脑天生就是王者。以后你的智能手表，不用天天充电，能跑本地大模型，不用把数据传到云端，隐私也有保障，这不就是大家想要的未来？ 不过话说回来，热归热，泡沫肯定也不少。我见过太多团队，拿着个实验室的原型，就吹自己能颠覆AI行业，融完资就没下文了。风口上猪都会飞，但风停了，摔死的都是这些混子。 那天散场的时候，老教授跟我说，他干了一辈子，就想做一块真正能用在普通人身边的类脑芯片，现在年纪大了，希望能在退休前看到这一天。 我想，会的。毕竟那么多人在往前拱，总有人能把这块硬骨头啃下来。 对吧？