类脑计算：跳出冯诺依曼陷阱的下一代算力革命
为什么我们需要跳出传统架构？
现在我们用的所有通用芯片，从手机SOC到数据中心的GPU，走的都是冯·诺依曼的老路子。存储和计算分离，算的时候要把数据从存储搬到计算单元，算完再搬回去。你传一次数据就要耗一次电，参数越大，搬得越勤，功耗堆得越离谱。
人脑呢？总共一千亿个神经元，十万亿个突触连接，记忆和计算就在同一个地方完成，干一整天活功耗才20多瓦。比你手里的智能手机还低。类脑计算的核心逻辑，就是模仿人脑这个特性，做存算一体的硬件架构，从根上解决存储墙的功耗问题。
冯诺依曼架构与类脑存算一体架构对比图
说实话，现在圈里对类脑计算的误解挺多。有人说类脑就是造一个人造大脑，能有意识那种。扯远了。现在的技术发展，还停留在模仿人脑的结构和工作模式解决算力问题，离所谓的人造意识还有十万八千里。
目前主流的技术路线分两类，一类是结构类脑，就是真的在芯片上堆神经元突触，用物理器件模拟脉冲信号的传递，另一个是功能类脑，就是在传统芯片上跑类脑算法，不纠结硬件结构。前者才是真正能榨取功耗优势的方向，也是现在产业投钱最多的地方。
现在已经有不少能拿出来的样品了。国内清华的天机芯，IBM的TrueNorth芯片，还有欧洲的BrainScaleS项目，都已经流片成功，能跑简单的AI任务。功耗确实低，同精度下能做到传统GPU的几十分之一。不过话说回来，大部分样品都还躺在实验室的净化台里，离大规模量产还差得远。
类脑计算的第一块落地蛋糕在哪？
别听资本吹什么颠覆通用计算，至少十年内，类脑计算碰不动GPU和CPU的基本盘。它的优势本来就是低功耗，不是高算力，第一波落地肯定是在对功耗敏感，对通用性能要求不高的细分场景。
最明确的方向就是边缘端低功耗智能场景。比如放在野外的工业传感节点，要监测山体滑坡、油气管道，一放就是十几年，不可能拉电网，也不可能天天去换电池。还有植入式的医疗设备，比如脑机接口芯片，放脑子里总不能隔几年开颅换电池吧？还有可穿戴的智能设备，要一直跑AI监测健康，又不想天天充电，这些地方，类脑计算天生适配。
类脑计算芯片边缘智能传感应用场景图
去年我接触过一个从科研院所出来的创业团队，他们做的类脑语音识别芯片，用在智能门锁上，待机功耗做到了微瓦级，一块纽扣电池能用五年。传统芯片做得到吗？做不到，至少现在做不到。这就是切切实实的优势。
现在整个产业链还非常早期。上游依赖新的存储材料，比如阻变存储器RRAM、相变存储器PCM，这些材料本身的良率还上不去，成本是传统存储的好几倍。中游是芯片设计，能做类脑芯片全流程设计的团队，掰着手指头都能数过来。下游是应用集成，现有的AI框架根本不支持类脑架构，所有算法都要重新适配，相当于从零搭生态。
还有一个很现实的问题，现在大部分类脑芯片只能跑定点的轻量级AI模型，大模型根本跑不动，很多人吹的类脑加速大模型，还停留在论文阶段，连样品都没有。
未来三五年，能期待什么？
未来三五年，能期待什么？
我接触过很多投资人，开口就问什么时候能颠覆现有算力体系，什么时候能出千亿规模的市场。太急了。任何新的计算架构从实验室到产业化，都要走二三十年的路，现在类脑计算刚走完前十分之一。
未来三五年，我觉得最靠谱的预期，就是类脑计算能在几个细分边缘场景完成商业化落地，赚到第一笔钱，养活一批创业公司，把产业链跑通。不可能替代GPU，不可能撼动冯诺依曼架构的地位，更不可能出什么人造意识。
瓶颈摆在那。第一个是材料瓶颈，突触器件的一致性、稳定性都太差，一块芯片做出来，总有三分之一的突触不能用，良率上不去，成本就降不下来，没法大规模出货。第二个是软件生态瓶颈，现在所有的AI开发工具都是给传统架构做的，类脑要重新做编译器，重新做算法库，没有足够多的开发者，就滚不起生态雪球。
还有绕不开的伦理问题。如果未来真的能造出结构接近人脑的类脑系统，它会不会产生自主意识？会不会出现我们没法控制的行为？这个问题现在讨论还有点早，但规则和治理的框架，得提前铺，不能等东西做出来了再补漏洞。
说实话，我对类脑计算的长期前景是乐观的。现在的AI越发展，越能体现冯诺依曼架构的瓶颈，类脑计算是目前能看到的，为数不多能破局的方向。但短期别炒概念，别把十年后的饼画到现在给投资人套现。真正蹲下来做材料，做工艺，磨场景的团队，才有可能笑到最后。
对吧？下一代算力的牌桌上，类脑计算肯定有一个位置，只不过现在才刚发牌，谁能赢，还早着呢。
