类脑计算：摩尔定律终点前，算力破局的真方向还是资本泡沫？

最近大模型圈吵得最凶的事儿，除了大模型降本，就是下一代算力在哪。GPU涨得比房价还疯，摩尔定律已经摸到物理极限，3nm之后再往下走，每一代性能提升挤牙膏，成本涨三倍。 所有人都在找破局点。类脑计算就是最近站在聚光灯下的那个。

别被“类脑”两个字骗了，它不是要造一颗人脑

很多人一听名字，就觉得科学家要复制人脑的结构，造出和人一样会思考的机器。说实话，想多了。 现在我们说的商用化阶段的类脑计算，核心其实只有一点：推翻冯诺依曼架构“存储计算分离”的老规矩，做存储计算一体化。 传统计算架构里，数据要先从内存搬到计算单元，算完再搬回去。跑大模型的时候，90%以上的功耗和时间，都浪费在来回搬数据的路上，真正用来计算的不到10%。这个就是冯诺依曼瓶颈，拖了整个行业几十年。 类脑怎么改？模仿人脑神经元的工作方式：只有当脉冲信号积累到一定阈值，神经元才会放电传递信号，大部分时候神经元都处于休眠状态，不耗电。同时，每一个神经元本身就兼具存储和计算的功能，不需要来回搬数据。 冯诺依曼与类脑计算架构对比示意图 就这一点改进，同算力下的功耗直接能降到传统芯片的十分之一甚至百分之一。这个诱惑太大了。 不过话说回来，现在的类脑技术，离“复刻人脑”还差了至少一个数量级。人脑有860亿神经元，现在最先进的类脑芯片，神经元数量也就百亿级别，还是用数字技术模拟的，连接方式和人脑的稀疏动态连接根本没法比。它是解决功耗问题的新思路，不是什么开天辟地的人造大脑神话。

一半资本热捧，一半落地难，产业现状比你想的骨感

这两年类脑计算的融资热度，肉眼可见的疯涨。国内去年公开的类脑方向融资，总额超过40亿，是五年前的十倍还多。国外IBM、英特尔早早布局，国内中科院、清华早有技术积累，创业公司也冒出来十好几家。 进展确实有。国内的天机芯已经能做到在毫米级芯片上集成数万个神经元，跑小型图像识别、自然语言模型毫无压力，功耗低到能靠纽扣电池跑半年。海外英特尔的Loihi 2，已经支持开发者做云端测试。 第二代天机芯类脑计算芯片实物图 但是好看的数据背后，落地的坎一个比一个大。 第一个坎就是生态。现在整个AI产业的工具链、模型、开发习惯，全都是给冯诺依曼架构做的。你一个新的类脑芯片出来，要把一个成熟的Transformer模型移植上去，得重新适配所有算子，重新训练调整，开发成本翻好几倍，没有哪个公司愿意没事折腾这个。除非你的性能优势大到没办法拒绝，现在显然还没到那个地步。 第二个坎是规模跟不上当前的AI热潮。现在大模型都是千亿万亿参数，现在大部分类脑芯片，最多也就支撑亿级参数的小模型，想要做大模型推理，还得多个芯片拼接，延迟和通讯开销又上去了，把功耗优势抵消了大半。 现在真正落地的项目，几乎全都是低功耗边缘场景：野外物联网监测节点、植入式医疗设备、智能家居的离线语音控制。这些地方对算力要求不高，对功耗要求到极致，刚好是类脑的舒适区。至于大家最关心的云端大模型训练加速，现在还停留在实验室概念阶段，离商用远得很。

未来三年：不会颠覆，但会成为刚需补位

未来三年：不会颠覆，但会成为刚需补位 很多人一提到新技术就问，会不会颠覆现有格局？会不会取代GPU？ 我觉得不会，至少未来三五年不会。类脑计算的定位，从一开始就是补位，不是革命。 最可能的路线就是异构混合计算架构：CPU管通用调度，GPU管大算力密集训练，类脑芯片专门管低功耗的边缘推理，或者大模型里的稀疏激活部分，各自干擅长的活。 风险也不能不提。第一个是安全可靠性问题，类脑的脉冲计算是动态的，同样的输入两次跑出来的结果可能有细微差别，对于自动驾驶、医疗诊断这种容不得错的场景，怎么建立统一的测试验证标准？现在还没人能给出答案。第二个就是资本泡沫，现在只要沾类脑两个字，就能拿到融资，不少PPT芯片公司拿着概念圈钱，最后一地鸡毛的情况肯定会有。 那未来三五年，我们能看到什么？ 我觉得三件事是大概率会发生：第一，边缘端类脑AI芯片出货量破千万级，在物联网、可穿戴设备上大规模应用，这个最多三年就能实现。第二，会有厂商推出支持百亿参数大模型推理的类脑加速卡，把云端推理的功耗降一半以上，五年内就能看到。第三，整个产业会慢慢建立起适配类脑架构的开发工具链，开发者移植成本降下来，才会有更多玩家进场。 说白了，摩尔定律慢下来之后，整个计算产业都在试各种方向，有人做光子计算，有人做量子计算，类脑是其中路线最清晰、离商业化最近的那个。 它不是拯救算力危机的银子弹，但绝对是未来计算版图里，不可缺少的一块。