神经形态计算：为什么它是AI下一代的破局关键

前阵子去半导体行业峰会蹭饭，邻座坐了个做创投的老哥，全程嘴巴不离神经形态计算，张口就是颠覆冯诺依曼，闭口就是万亿新赛道。我扒拉了两口牛排，心里犯嘀咕，这概念炒了快四十年，怎么突然就成香饽饽了？

其实说白了，还不是现在的大模型把大家逼得没路走了。训一次GPT级别的模型，烧掉上千万度电，你哪怕家大业大如微软，也扛不住这么造对吧？总得找个新路子。

别被名词唬住，神经形态其实抄的是人脑的作业

你要是看不懂专业论文里绕来绕去的定义，记住一句话就够了：传统电脑是冯诺依曼架构，存储和计算是分开的，算一个数就得把数据从内存搬到计算单元，搬来搬去不光慢，还费电，就像你每次查资料都得跑几十公里去图书馆取，来回折腾。

神经形态计算不一样。它直接抄了人脑的作业。人脑的神经元和突触，本身就是同时做存储和计算的，八十多亿个神经元一起并行干活，你认一张脸，眨个眼的功夫就干完了，功耗还不到二十瓦。就这么神奇。

说实话这概念真不新鲜。早在上世纪八十年代，就有科学家提出来了。只是那时候传统AI还没那么费电，摩尔定律还能打，没人把这当回事。直到这两年大模型横空出世，GPU功耗翻着跟头往上涨，大家才回头发现，哦，原来几十年前就有人给我们留了后路啊。

现在正经做出来的产品不少，英特尔的Pohoiki Springs，IBM的TrueNorth，国内清华大学的天机芯片，都是已经流片验证的东西，不是PPT上画的大饼。去年英特尔还推出了第二代神经形态开发平台，给开发者免费玩，门槛已经降了很多了。

吹归吹，现在的痛点真的很现实

你别听那些分析师瞎吹什么马上替代GPU，真没那么快。我见过太多创业公司拿这个概念拉融资，开口就是三年颠覆行业，我每次都想问，你知道现在神经形态芯片最大的痛点是什么吗？

第一个，神经元规模很难做大。现在性能最强的神经形态芯片，也就不到一亿个神经元，你算算，人脑是八十六亿，差了两个数量级还多。想做大，神经元之间的互联就是绕不开的坎，线路一多，功耗又上去了，等于绕回原点了。

第二个，软件生态适配严重滞后。现在几乎所有的AI模型，都是给传统冯诺依曼架构设计的，要改到神经形态架构上，等于重新写一遍，中小公司没这个钱，大公司没这个动力，谁愿意动现有的盘子啊？

不过话说回来，也不是完全不能落地。现在很多小场景已经用得很香了。比如工业现场的 always-on 状态监测，不需要一直联网传数据，神经形态芯片本地就能做异常检测，功耗只有几个毫瓦，一块电池用好几年，这不比传统芯片香多了？还有可穿戴设备里的脑电监测，要实时处理信号，功耗高了根本没法做，现在用神经形态芯片刚好解决问题。

步子得一步步走，先吃小场景，再碰大问题，上来就要干翻GPU，那不叫创新，那叫圈钱。

第一波红利，会落到谁口袋里？

现在资本其实已经冲进来了。去年国内光神经形态计算方向的创业公司，就完成了不下五笔融资，投资方不是半导体大厂就是顶级风投，眼睛都亮着呢。

我个人判断，最先赚到真金白银的，肯定不是做通用大芯片的，一定是做场景定制化方案的。

比如说仿生机器人，现在机器人要实时处理视觉、触觉、力控一堆信号，传统芯片延迟高功耗大，揣个电池跑半小时就没电了。神经形态本来就是仿生物神经设计的，天生适合处理这种多模态的并行信号，延迟能压到微秒级，功耗砍十分之一都不止，你说机器人厂商香不香？

再比如说端侧大模型推理，现在大家都想把7B、13B的大模型放到手机、汽车里面跑，不用传云端，隐私性好还不卡网，可是现在的芯片跑起来，分分钟就把电耗完了。如果神经形态芯片能把推理功耗压到原来的十分之一，这个市场有多大？不用我算吧。

哦对，还有一个很多人没注意到的方向，就是神经形态计算反过来帮神经科学研究。去年MIT的团队用神经形态芯片，模拟了小鼠的部分视觉皮层，居然自发产生了类似生物大脑的同步放电活动。你想想，我们以后能不能用这种芯片，一点点拼出接近人脑的模拟系统，搞清楚意识到底是怎么产生的？本来是做工程的，结果给基础科研开了一扇新大门，这事想想就太酷了。

现在很多人搞不清，把神经形态计算和存算一体混为一谈，其实不对。存算一体只是实现神经形态计算的其中一条技术路线，还有忆阻器、相变存储好多路线呢，别混在一起被人割了韭菜。

说不定再过两年，你用的真无线降噪耳机，里面就藏着一颗神经形态芯片，续航直接翻一倍，价格还涨不了多少。你那时候就知道，这东西不是远在天边的黑科技，已经进到你口袋里了。

下一个十年，AI拼的绝对不只是模型参数，更多是底层架构的革命。神经形态计算这张牌，现在看来，大概率是那张能改变格局的王牌。