20瓦就能運行下一代AI？科學家瞄上了神經形態計算

鷺羽 2025-06-16 16:36:22 來源：量子位

鷺羽 發自 凹非寺

量子位 | 公眾號 QbitAI

「西部世界」真的要來了！科學家們正試圖為AI裝上人類大腦。

最新進展由美國國家實驗室主導。科學家們正在試圖將科幻拉進現實：打造一臺占地僅兩平方米、神經元數量堪比人腦皮層的超級計算機。

更令人驚嘆的是，計算表明，這臺神經形態計算機的運行速度可能比生物大腦快25萬到100萬倍，而功耗僅需10千瓦 （僅略高于家用空調的能耗），這無疑是對當前AI發展困境的一劑強心劑。

目前人工智能正面臨一場“能源危機”，隨著大語言模型等技術的爆炸式發展，其驚人的耗電量已成為無法忽視的沉重負擔。

預測顯示，到2027年，僅運行這些模型的電費就可能高達25萬億美元——甚至超過美國當年的GDP。

然而相比之下，自然界最強大的智能體——人類大腦，每天只需消耗約20瓦，僅相當于家用LED燈泡的功率。科學家們不禁思考：能否讓AI也像人腦一樣高效？

答案是：神經形態計算。

這項旨在模擬人腦結構和運作方式的前沿技術，正被視為下一代AI的關鍵方向，其核心目標之一，就是用“燈泡級”的能耗驅動強大的智能。

神經形態計算：向大腦學習

在人類大腦中，約有860億個復雜神經元相互工作，并通過100萬億個突觸共同構建起一張巨大的信號傳遞網絡。

神經形態計算受其結構和功能啟發，采用模仿生物神經網絡的節能型電子和光子網絡，即脈沖神經網絡 （SNN）構建，旨在將記憶、處理和學習整合到一個統一的設計中。

其主要特點包含：

1. 事件驅動型通信：僅在峰值和事件驅動下激活必要的電路，從而降低功耗。
2. 內存計算：數據處理發生在存儲位置以減少傳輸延遲。
3. 適應性：系統會隨著時間的推移自行學習和發展，而無需集中更新。
4. 可擴展性：神經形態系統的架構允許輕松擴展，可以容納更廣泛和復雜的網絡，同時不會大幅增加資源需求。

與當前依靠二進制超級計算機處理的人工智能模型不同，它可以根據對世界的認知進行動態調整，更智能、更靈活，也更不容易被干擾。

舉個例子，當測試員穿著印有停車標志的T恤在自動駕駛汽車面前走過，由傳統AI控制的汽車因為無法辨別上下文，做出了停車反應。

相反的是，神經形態計算機是通過反饋循環和上下文驅動的校驗來處理信息，它能明確判斷出停車標識位于T恤上，從而讓汽車繼續行駛。

這種差異并不讓人意外，畢竟神經形態計算模擬的是自然界中最高效、最強大的推理和預測引擎，科學家們也由此相信，下一波人工智能的技術爆發必定是物理學與神經科學的結合。

新一輪技術革命前瞻

目前，相關研究正在如火如荼展開。現有的神經形態計算機，擁有10億多個神經元，由1000多億個突觸連接，雖然和人類大腦的復雜程度相比還只是九牛一毛，但它也合理證明了，該項技術完全可以實現大腦級擴展。

美國國家標準與技術研究院的Jeff Shainline表示：

一旦我們能夠在商業鑄造廠實現創建網絡的完整流程，我們就可以迅速擴展到非常龐大的系統，能制造出一個神經元，那么制造一百萬個神經元就相當容易。

而IBM和Intel等科技公司正處于這場技術革命的最前沿，IBM于2014年研發的TrueNorth芯片以及英特爾在2018年推出的Loihi芯片，都是旨在模擬大腦神經活動的硬件產品，為后續的新AI模型鋪平了道路。

此外，一些專注于研究神經形態計算的初創公司也開始嶄露頭角，例如BrainChip推出了Akida神經形態處理器，專為低功耗但功能強大的邊緣AI設計，可以廣泛應用于始終在線的智能家居、工廠或城市傳感器。

同時據The Business Research Company預計，到2025年，全球神經形態計算市場規模將呈指數級增長，達到18.1億美元，復合年增長率高達25.7%。

而從更長遠來看，科學家們希望神經形態計算將會超越人工智能傳統界限，更接近人類智能推理模式，為下一代智能系統乃至于AGI帶來全新的技術突破。

參考鏈接：
[1]https://www.lanl.gov/media/publications/1663/1269-neuromorphic-computing
[2]https://news.ycombinator.com/item?id=44194469
[3]https://www.linkedin.com/pulse/neuromorphic-computing-end-quantum-computingor-even-human-yjhac/
[4]https://www.prodigitalweb.com/neuromorphic-computing-brain-inspired-ai/
[5]https://exoswan.com/neuromorphic-computing-startups?ref=quuu&utm_content=bufferede84&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer