立品牌之基
筑百年之石

芯片为什么比大脑费电?聊聊类脑计算这件事

你有没有过这样的体验:手机玩半小时游戏就开始烫手,插着充电宝刷视频,电量还是一格一格往下掉。我们早就习惯了电子设备费电,甚至觉得理所当然。可抬头看看自己——大脑连轴转一整天,消耗的功率大约二十瓦,比一只普通灯泡还省。

这个反差,正是类脑计算想解决的事。

先说说现在的芯片卡在哪

今天绝大多数芯片都是冯·诺依曼结构:负责算的地方和负责存的地方是分开的,数据得在两处之间来回搬运。就像厨房和仓库隔着一条街,每次做菜都要跑一趟取食材。人工智能的模型越做越大,搬运量就越来越夸张——跑一次推理,大部分能量其实花在搬数据上,而不是算本身。

大脑不这么干活。神经元和突触既是存储也是计算,信号来了就地处理,仓库和厨房是同一间屋子。

大脑的省电秘诀:大部分时间在待机

更关键的是,大脑并不是所有神经元一直在放电。它平时安安静静,只有当输入信号累积到一定程度,神经元才啪地发出一个脉冲。这种阶梯状、稀疏的信号方式,业界叫脉冲神经网络。

打个比方。现在的芯片像一支全天满场跑的保安队,不管有没有情况都在巡逻;类脑芯片更像楼道里的声控灯,绝大多数时候一声不吭,只有真有人经过才亮一下。事件驱动的思路,让闲置几乎等于不耗电。

所以类脑计算的核心,其实就两件事:把存储和计算放在一起,让信号只在需要时才产生。

它已经悄悄用在一些地方了

听起来像实验室里的东西?其实已有落地案例。

  • 事件相机:普通摄像头每秒拍几十帧,画面没变化也在拍。事件相机只记录哪个像素亮度变了,输出数据量能小一两个数量级,特别适合高速运动场景。
  • 助听器与健康手环:这类设备电池小、又不能老充电,低功耗神经形态芯片正好对口。
  • 机器人避障、无人机:反应要快、耗电要省,脉冲式的处理方式天生适配。
  • 科研层面,国内外都推出过专门的神经形态芯片和计算平台,用来验证大规模脉冲网络怎么跑起来。

几个常见的误会

第一个误会:类脑计算是要造一个电子大脑,甚至造出意识。不是。它借的是大脑处理信息的方式,不是大脑的全部。

第二个误会:它会取代现在的芯片。短期内不太可能。传统芯片在数值计算和通用任务上依然强得离谱,神经形态芯片更像是补上一块拼图。

第三个误会:它一定又快又准。其实它的强项是省电和实时响应,在某些任务上精度反而不如成熟的深度学习模型。

那它现在难在哪

难点不少,而且都挺实际。

怎么训练。传统神经网络有反向传播这套成熟算法,脉冲网络因为信号是离散的有或没有,梯度不好传,训练方法还在摸索。

怎么写代码。硬件有了,工具链和编程框架却远不如图形处理器生态完善,开发者上手门槛高。

怎么统一。各家芯片的脉冲规则、接口都不一样,没有形成通用标准,做出来的东西很难互相迁移。

再加上现成的人工智能生态太强,新技术要证明自己值得被换掉,还得拿出更硬的成绩。

写在后面

回头看,人类造飞机并不是靠扇动翅膀,而是理解了升力这件事。类脑计算也类似——它未必会做出一个人脑,但很可能从中提炼出几条真正管用的思路,塞进我们未来的设备里。

至于它最终会长成什么样,现在下结论还太早。倒是可以先记住那个数字:二十瓦。当一个系统能用这么少的能量做这么多事,它身上一定有些东西,值得我们慢慢学。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:芯片为什么比大脑费电?聊聊类脑计算这件事
文章链接:https://m.nusanedannualreport.com/tech/co7zfhtc.html