大讲堂
2026年3月CES亚洲展的展台走廊里，我蹲在地上啃便利店的咸饭团，旁边两个穿比亚迪工服的工程师正对着手里的样品册骂娘。那册子上印着国内某初创公司刚发布的车端神经形态域控制器，封面上烫金的大字写着“单瓦时推理吞吐量是英伟达Orin X的17倍”。
骂的原因很简单。这玩意儿上周刚拉去重庆的测试场跑城区NOA，一到下小雨的傍晚，就直接把路边的交通指示牌识别成了横穿马路的行人，急刹得后排的测试员把保温杯都摔裂了。事后拉数据才发现，神经形态芯片的事件驱动逻辑，对光线骤变的场景容错率极低，连最基础的L2+冗余要求都过不了。
没人信那些吹出来的参数。真的。
现场我特意找展台的技术人员要了实测报告：Orin X单芯片功耗45W，可部署最大16B参数的通用Transformer模型；那款神经形态域控制器实测功耗2.7W，最多只能跑1.2B参数的定制化类脑模型。算下来每瓦时能跑的模型参数量确实是17倍，但这个“效率”的前提是，你得把原来的自动驾驶算法全部推翻重写，连之前训练好的模型权重都没法直接用。
吹了十年的技术，根本不是来卷大模型的
很多人到现在还搞不清神经形态计算到底是干嘛的，总觉得它是来抢GPU饭碗、颠覆大模型的。扯犊子。
现在的通用芯片不管是英伟达的GPU还是AMD的卡，本质上还是冯诺依曼架构的功耗黑洞——计算和存储是分开的，每次算数据，都要把数据从内存搬到计算单元，算完再搬回去。现在跑千亿大模型的功耗，80%都耗在这个来回搬数据的路上，真正用来计算的电，连20%都不到。
神经形态计算的底层逻辑，就是把人脑的结构直接搬到芯片上：每个神经元单元既存数据又算数据，而且是事件驱动——只有当输入的信号超过阈值，神经元才会被激活耗电，没信号的时候直接躺平，功耗几乎为零。这玩意儿的设计初衷，本来就不是用来跑那种需要海量并行计算的大模型训练，而是用来处理边缘场景下的碎片化、低负载的推理需求。
说到国内的玩家，绕不开灵汐科技。这家从清华类脑中心出来的公司，2025年刚量产了第三代类脑芯片，单颗集成了500万神经元，功耗只有100mW。现在国内已经有三家工业传感器厂商在用他们的芯片，用来做工厂里的设备振动监测——原来用通用MCU的传感器，每三个月就要换一次电池，现在换成类脑芯片之后，电池能撑三年，误差率还降了40%。
这里有个很有意思的类比：这就像军事战术里的轻重部队分工。GPU是正面战场的重装甲集群，靠堆算力、堆功耗啃下千亿大模型训练、云端推理这些硬骨头，哪怕每度电只能算1%的有效数据也认了，毕竟硬骨头只有它能啃。而神经形态计算就是敌后的轻装侦察兵，不需要厚重的装甲（也就是不需要通用算力），靠低功耗、长续航的优势，在边缘场景的复杂地形里扎下来，根本不需要去正面战场抢饭吃。
现在的问题是，很多资本和初创公司故意把这个分工搞混了，吹自己的类脑芯片能跑大模型，能替代GPU，纯粹是为了骗估值。毕竟2023年的时候，神经形态赛道的估值还只有现在的1/5，到2026年已经有不少公司拿到了上亿的融资，靠的就是“颠覆GPU”的PPT。
我手里有个行业统计数据：目前国内量产的16nm制程神经形态芯片，单颗成本是同制程通用GPU的3.2倍，适配的商用场景只有工业传感器、可穿戴设备这类低负载领域，覆盖的场景量只有通用GPU的1/12。说白了，现在这玩意儿还属于“高成本、窄场景”的阶段，离通用还远得很。
这波技术红利，根本轮不到云端的算法工程师
很多做云端大模型的工程师，看到神经形态计算的新闻就慌，觉得自己要失业了。慌个屁。这玩意儿跟你半毛钱关系都没有。
真正要被影响的，是做边缘嵌入式开发、做工业IoT、做可穿戴设备的那群从业者。
我之前接触过一个做智能手表的团队，他们原来用的是通用MCU做心率监测，每一周就要给手表充一次电，用户投诉率高得吓人。2025年底他们试了灵汐的类脑芯片，把心率监测的算法迁到类脑架构上之后，功耗直接降了90%，手表的续航从一周直接拉到了三个月。现在整个团队的开发重心，已经从原来的优化通用MCU的算法，转到了学类脑编程框架、写事件驱动的小模型上。
还有国内的几家智慧路灯厂商，原来的路灯上装的环境传感器，每个月就要爬上去换一次电池，人工成本高得离谱。现在换成神经形态芯片之后，传感器的电池能撑五年，连运维的团队都裁了一半。
说实话，现在很多人都在卷云端的大模型，卷来卷去都是拼谁的集群更大、谁的电费更多，根本卷不动了。反而是边缘端的这些低负载场景，原来因为功耗的问题一直没法落地，现在神经形态计算刚好踩中了这个痛点。
那些在2023年就all in神经形态赛道的初创公司，现在已经开始靠这些窄场景赚钱了——虽然赚的不多，但是至少不用像那些做云端大模型的公司，天天烧钱买GPU交电费。
现在很多车企也在偷偷用脚投票：他们不会把神经形态芯片放在主域控制器上跑NOA，但是会把它放在车内的疲劳监测、后排的乘客状态识别这些低负载的场景里，能省一点功耗是一点，毕竟车端的电量是有限的。
没人说破的真相
我个人觉得，现在整个行业对神经形态计算的认知，完全走偏了。大家都在吹它要颠覆、要替代，但是实际上它只是来补边缘端的功耗窟窿的。它不会干掉GPU，就像轻装侦察兵不会干掉重装甲集群一样。
现在那些砸了几百亿建云端GPU集群的厂商，天天在算每度电能出多少token，但是他们从来没想过，未来90%的AI推理，根本不会发生在云端，而是发生在你口袋里的手表、家里的传感器、路边的路灯上——这些场景不需要千亿大模型，只需要低功耗的小模型，而这些场景，刚好是神经形态计算的天下。
对了，还有个数据我没说：2025年国内所有边缘AI设备的总用电量，已经相当于整个贵阳市的全年居民用电量。如果神经形态计算能把这个功耗降90%，那相当于整个贵阳市一年的电费直接省下来了。
当所有的边缘设备都能靠神经形态芯片做到一年不换电池的时候，现在所有靠卖充电宝、卖快充技术的厂商，该去哪找饭碗？
作者|大讲堂
排版|大讲堂
审核|满满