类脑计算：下一代算力换道，距离落地还有多远
ChatGPT把大模型推到了万亿参数时代，你有没有算过，训练一次GPT-3级别的模型，要烧掉差不多500万度电。这些能耗，大半耗在了数据在内存和处理器之间来回搬的路上。现在的芯片，都是照着冯诺依曼架构画的，存算分离的老底子，走到今天终于碰到了绕不开的墙——功耗墙、内存墙。要挖算力的新蓝海，得换一条路走。类脑计算就是被喊得最多的那一条。
冯诺依曼与类脑计算架构对比示意图
当然，现在的类脑计算还远没摸到人脑的皮毛。别说860亿神经元，现在能做出亿级神经元的芯片，已经是顶级水平了。很多人误会类脑就是要造一个人造大脑，其实不是。现阶段的类脑，核心就是抄人脑“存算一体”和“事件驱动”这两个特点，解决传统架构的功耗问题，不是真的要复刻一个人脑出来——那还早着呢。
第三代类脑计算天机芯片实物图
但是好看的论文不代表能赚钱。现在产业化的坎，一个比一个难跨。
第一个坎是材料和硬件。现在大部分类脑芯片还是用传统CMOS工艺做的，模拟突触的可塑性精度不够，稳定性也差。真正适合做突触的新型存储材料，比如阻变存储器、相变存储器，良率上不去，做大批量量产成本降不下来，根本玩不起。流片一次类脑芯片，小团队砸进去几千万连水花都看不见。
第二个坎是软件生态。现在整个AI开发，从框架到模型，全都是为冯诺依曼架构攒出来的。TensorFlow、PyTorch，没有一个原生支持类脑计算。开发者要把现有的模型迁移到类脑芯片上，得重新改架构，重新调参数，成本太高。没多少公司愿意冒这个险，毕竟用GPU跑推理，虽然贵点，但是成熟省事。
第三个坎是定位模糊。不少创业公司上来就说我要取代GPU，要做下一代AI。这饼画得太大了。现在类脑芯片的计算精度，本来就比不过GPU，做大规模的模型训练，根本拼不过。定位错了，自然找不到落地的场景。
不过话说回来，现在资本对类脑的热情确实起来了。国内每年新成立的类脑相关公司不下十家，各地政府也建了不少类脑研究院，钱砸进去了，总能冲出一两个能打的。
未来3-5年，哪些场景能先落地
我接触过的几个做产业的投资人，都达成了一个共识：未来三五年，类脑计算不可能取代传统GPU，只会走互补路线。大模型训练还是得靠英伟达堆GPU，类脑的机会，在低功耗的边缘端推理场景。
第一个能跑出来的场景，就是物联网和边缘智能。现在到处都是摄像头、传感器，很多设备要靠电池供电，对功耗要求极高，不可能连云端处理，要本地做推理。类脑芯片几十毫瓦就能跑一个人脸识别，比传统芯片低几十倍功耗，太适合这个场景了。现在已经有不少安防厂商在测试类脑芯片的边缘摄像头了，再过两年说不定就能大规模用上。
第二个是医疗脑机接口。植入式的脑机接口要放在脑子里，功耗大了会损伤脑组织，还得频繁充电，根本不现实。类脑芯片本身低功耗，还能和生物神经信号更好兼容，国内已经有团队在做类脑的植入式脑机接口，用来治疗渐冻症和癫痫，已经进临床了，这个方向的潜力真的很大。
还有自动驾驶的感知端。车载的域控制器对延迟和功耗要求都很高，类脑芯片做实时的环境感知，速度比传统芯片快，功耗还低，不少车企已经在做预研了。
当然，风险和问题也得说。一方面，类脑计算的发展，绕不开伦理问题。当芯片能集成十亿级甚至百亿级神经元，能自主学习进化的时候，会不会产生接近人类的自主意识？现在听起来玄乎，再过十年可能就是真问题了。另一方面，类脑的本地处理特性，让数据不用流出设备，反而给监管带来了难题，偷偷采集生物特征数据做分析，比现在更难追查。
对于未来3-5年的判断，我觉得不用吹得太神，也不用一棍子打死。会有一批低端泡沫破掉，那些拿着PPT圈钱的公司会死掉，但是真正扎根硬件和场景的团队，会在边缘端跑出几个小范围落地的案例。整个产业会从“拼论文发顶会”转到“拼量产拼落地”，整个行业的重心会从学术界慢慢转到产业界。
算力的换道，从来不是一朝一夕的事。当年晶体管取代真空管，花了二十年才普及。类脑计算现在还处在少年期，能不能长成参天大树，还要看能不能跨过量产这道鬼门关。
别被名字唬住，类脑计算到底抄了人脑的什么作业
说白了，现在搞类脑，就是照着人脑的运行逻辑改芯片架构。人脑里有860亿个神经元，靠突触连接，信号够强才会往下传，处理信息的时候存储和计算本来就是一体的。你看你认一张脸，眨个眼就完事，功耗才十几瓦，比你手机开五分钟抖音还省。 传统芯片呢？计算归计算，存储归存储，要算个东西就得把数据从内存搬到计算单元，算完再搬回去。来回跑的路上，能耗和延迟都堆上去了。类脑芯片反其道而行之，用硬件直接模拟神经元和突触，存算一体就是它最核心的杀招。大部分信息处理直接在存储单元里完成，不用来回搬，功耗直接降一两个数量级都不是梦。冯诺依曼与类脑计算架构对比示意图
当然，现在的类脑计算还远没摸到人脑的皮毛。别说860亿神经元，现在能做出亿级神经元的芯片，已经是顶级水平了。很多人误会类脑就是要造一个人造大脑，其实不是。现阶段的类脑，核心就是抄人脑“存算一体”和“事件驱动”这两个特点，解决传统架构的功耗问题，不是真的要复刻一个人脑出来——那还早着呢。
论文堆了一大堆，产业化卡在哪了
说实话，类脑不是新概念，攒论文攒了快三十年了。这两年火起来，一方面是大模型的功耗问题太刺眼，另一方面是芯片工艺走到3nm，摩尔定律放缓，大家都想找新方向。 现在能看到的成果不算少：清华的天机芯已经做到了第三代，能支持脉冲神经网络，还能同时跑多个视觉任务；Intel推出的Pohoiki Springs系统，已经能集成上亿个神经元；IBM早年的TrueNorth，也早就在低功耗图像处理场景做过验证。第三代类脑计算天机芯片实物图
但是好看的论文不代表能赚钱。现在产业化的坎，一个比一个难跨。
第一个坎是材料和硬件。现在大部分类脑芯片还是用传统CMOS工艺做的，模拟突触的可塑性精度不够，稳定性也差。真正适合做突触的新型存储材料，比如阻变存储器、相变存储器，良率上不去，做大批量量产成本降不下来，根本玩不起。流片一次类脑芯片，小团队砸进去几千万连水花都看不见。
第二个坎是软件生态。现在整个AI开发，从框架到模型，全都是为冯诺依曼架构攒出来的。TensorFlow、PyTorch，没有一个原生支持类脑计算。开发者要把现有的模型迁移到类脑芯片上，得重新改架构，重新调参数，成本太高。没多少公司愿意冒这个险，毕竟用GPU跑推理，虽然贵点，但是成熟省事。
第三个坎是定位模糊。不少创业公司上来就说我要取代GPU，要做下一代AI。这饼画得太大了。现在类脑芯片的计算精度，本来就比不过GPU，做大规模的模型训练，根本拼不过。定位错了，自然找不到落地的场景。
不过话说回来，现在资本对类脑的热情确实起来了。国内每年新成立的类脑相关公司不下十家，各地政府也建了不少类脑研究院，钱砸进去了，总能冲出一两个能打的。
未来3-5年，哪些场景能先落地
未来3-5年，哪些场景能先落地
我接触过的几个做产业的投资人，都达成了一个共识：未来三五年，类脑计算不可能取代传统GPU，只会走互补路线。大模型训练还是得靠英伟达堆GPU，类脑的机会，在低功耗的边缘端推理场景。
第一个能跑出来的场景，就是物联网和边缘智能。现在到处都是摄像头、传感器，很多设备要靠电池供电，对功耗要求极高，不可能连云端处理，要本地做推理。类脑芯片几十毫瓦就能跑一个人脸识别，比传统芯片低几十倍功耗，太适合这个场景了。现在已经有不少安防厂商在测试类脑芯片的边缘摄像头了，再过两年说不定就能大规模用上。
第二个是医疗脑机接口。植入式的脑机接口要放在脑子里，功耗大了会损伤脑组织，还得频繁充电，根本不现实。类脑芯片本身低功耗，还能和生物神经信号更好兼容，国内已经有团队在做类脑的植入式脑机接口，用来治疗渐冻症和癫痫，已经进临床了，这个方向的潜力真的很大。
还有自动驾驶的感知端。车载的域控制器对延迟和功耗要求都很高，类脑芯片做实时的环境感知，速度比传统芯片快，功耗还低，不少车企已经在做预研了。
当然，风险和问题也得说。一方面，类脑计算的发展，绕不开伦理问题。当芯片能集成十亿级甚至百亿级神经元，能自主学习进化的时候，会不会产生接近人类的自主意识？现在听起来玄乎，再过十年可能就是真问题了。另一方面，类脑的本地处理特性，让数据不用流出设备，反而给监管带来了难题，偷偷采集生物特征数据做分析，比现在更难追查。
对于未来3-5年的判断，我觉得不用吹得太神，也不用一棍子打死。会有一批低端泡沫破掉，那些拿着PPT圈钱的公司会死掉，但是真正扎根硬件和场景的团队，会在边缘端跑出几个小范围落地的案例。整个产业会从“拼论文发顶会”转到“拼量产拼落地”，整个行业的重心会从学术界慢慢转到产业界。
算力的换道，从来不是一朝一夕的事。当年晶体管取代真空管，花了二十年才普及。类脑计算现在还处在少年期，能不能长成参天大树，还要看能不能跨过量产这道鬼门关。 
