类脑计算：被捧成下一代算力核心的技术，现在卡在哪一步了？

上周去苏州蹭了一场小范围的半导体闭门会，席间有个做流片的工程师喝多了，拍着桌子说现在行业里但凡讲算力的，不拽两句类脑计算都不好意思出门见人。我当时没接话——毕竟他手里攥的那版7nm类脑芯片，上个月刚在实验室跑通了100万神经元的模拟，离量产还差十万八千里。

说真的，过去三年类脑计算的热度涨得太快了。从大厂的技术发布会到地方的产业园招商，从高校的顶会论文到创业公司的融资PPT，类脑成了继GPU、存算一体之后，又一个被捧成“下一代算力核心”的概念。但很少有人真的坐下来聊：这个技术到底能干嘛，现在卡在哪，离普通人的生活到底有多远。

类脑不是“复刻人脑”，别被营销话术绕进去

很多人对类脑计算的第一印象，是“把人脑搬到芯片上”，甚至有厂商吹自己的芯片能模拟人脑860亿个神经元，未来能产生意识。纯扯淡。

现在全世界所有已经流片的类脑芯片，核心逻辑其实和人脑的相似度，还比不上你家的智能门锁和人脑的相似度。它真正要解决的问题，是传统冯诺依曼架构的天生缺陷：计算和存储分离，跑大规模AI模型的时候，数据要在两个单元之间来回搬运，这部分无效传输的功耗往往占到整体功耗的90%以上，哪怕你把计算单元的能效提得再高，架不住来回搬数据的能耗黑洞。

类脑的核心设计思路很简单：把计算单元和存储单元揉在一起，用脉冲神经元的异步触发机制代替传统芯片的同步时钟驱动——有信号的时候才触发计算，没信号的时候就进入休眠状态，功耗能压到传统同性能芯片的几十分之一。

但这里有个非常清晰的技术边界，很多人故意不说破：我们现在对人脑本身的认知，连海马体怎么完成长期记忆存储、视觉皮层怎么处理边缘信息这些基础问题，都还没搞出确定的结论。现在的类脑芯片，本质上是借用了人脑“脉冲触发、存算一体”的几个工程化特征，离真正的“类脑”差了十万八千里。

我前两年也被几个厂商的PPT忽悠过，听对方说他们的类脑芯片能做到和人脑相当的能效比，后来找圈内人问，人家说那是把仿真软件跑在高端GPU上算出来的理论值，和真正的片上神经元实现半毛钱关系没有。真要算实际能效，现在最顶尖的类脑芯片，能效大概是人脑的1%都不到。

别被数字吓到。这已经是过去二十年里，这个领域能拿到的最好结果了。

现在的类脑产业，卡在了“没人用”的死循环里

技术原理说起来都好听，落到产业端就是另一回事了。

现在国内能拿出实际流片成果的类脑团队，掰着手指头数得过来：清华的天机芯系列、中科院微电子所的脉冲神经形态芯片、还有几个高校孵化的创业团队，最早的成果出来的时候，大家都吹，说能做自动驾驶、能跑通用大模型、能把边缘端的算力成本打下来。结果呢？

生态没跟上。

你花大价钱买了一块类脑开发板，想跑个最基础的目标检测任务，发现现在主流的PyTorch、TensorFlow训练出来的模型，根本不能直接往上面部署。你得把卷积层、全连接层一层一层拆解开，转换成脉冲神经元的连接权重和触发逻辑——一个普通的ResNet50模型，没有两三个月的专门适配，根本跑不起来，最后跑出来的精度，还比在传统GPU上低5%到10%。

谁愿意干这个？

英特尔最早在2017年就推出了第一代Loihi类脑芯片，到现在快7年了，一共就给全球几十家高校和科研机构送了开发板，连个正经的商业化客户都没有。不是芯片不好，是软件栈太残缺了：没有成熟的编译器，没有现成的算子库，没有针对不同场景的适配工具，你总不能让客户对着寄存器写汇编吧？

我上次见个做类脑创业的CEO，聊到最后他自己都笑，说现在做类脑就像1995年的安卓团队——硬件先折腾出来了，软件生态、开发工具、第三方适配全是空白。你出去找客户，客户第一句话就问：你这个芯片比我现在用的ARM Cortex-M系列强在哪？功耗低？哦，只低30%？那我为啥要换？换芯片意味着我要改整个产品的软件逻辑，研发成本涨一倍，售后的兼容问题能把我拖死。

现在整个行业就在死循环里转：没有足够的客户用，就没钱投软件生态建设；软件生态跟不上，就永远没有足够的客户愿意换。

别等通用类脑，先盯着三个真能落地的场景

当然，我不是说类脑计算是个伪需求。恰恰相反，它的优势太明显了——低功耗、低延迟、异步触发，这些特性在很多细分场景里，是传统架构根本比不了的。只是现在很多人对它的期待错了，总想着类脑要取代GPU做通用算力，根本不现实。

真要落地，就得盯着那些对功耗、延迟敏感度极高，而且不需要跑复杂通用大模型的场景。

第一个是野外低功耗传感节点。比如装在原始森林里的生态监测站，靠太阳能供电，要24小时监听有没有盗猎的枪声、有没有山火的异常声响，传统的MCU跑这个识别算法，一周就要换一次电池，维护成本高到离谱。换类脑芯片的话，因为平时没有异常声音的时候，芯片几乎不耗电，只有当检测到符合特征的脉冲信号时才触发计算，一套节点能撑3到5年不用换电池。这个场景现在已经有国内的团队在和自然保护区做联合测试了，不是PPT。

第二个是工业端的微秒级故障检测。工厂里的电机、轴承在运转的时候，会产生连续的振动信号，传统的检测方案要一直高速采样、一直计算，功耗高，延迟还做不到毫秒级以下。类脑芯片能把连续的振动信号转换成脉冲序列，只有当振动频率出现偏离正常阈值的变化时才触发计算，平时几乎不耗电，检测延迟能压到微秒级，比传统方案快两个数量级。

第三个是侵入式脑机接口的信号解码。现在的侵入式脑机接口，要把几百个电极采集到的神经脉冲信号实时转换成操作指令，传统的芯片戴在人头上，半小时就发烫，功耗高到根本没法长期佩戴。类脑芯片本身就是处理脉冲信号的逻辑，和神经信号的特性天生匹配，现在已经有团队在和临床机构合作，测试用类脑芯片做脑机接口的前端解码单元了。

这些场景都不需要类脑芯片跑复杂的大模型，也不需要和GPU拼通用算力，只要把低功耗、低延迟的优势发挥出来，就有客户愿意买单。

说点不好听的。

现在很多地方政府把类脑计算当成下一代算力的标杆，砸了几个亿建产业园，结果招进来的一堆公司，根本没有核心的流片能力，就是拿高端GPU跑脉冲仿真，套个类脑的壳子拿补贴。这种泡沫不戳破，最后受伤的还是真正做技术的团队。

还有伦理层面的隐忧。现在的类脑芯片还只是个低功耗的信号处理单元，离产生认知能力差得远，但如果未来真的做到了能模拟人脑的认知逻辑，那基于类脑芯片做的深度伪造、人机交互接口，根本没法用现在的检测手段识别——因为它的信号处理逻辑和人脑本身是一样的。这个问题现在还没人认真讨论，等技术真的到那一步了，再补政策就晚了。

我从来不觉得类脑计算能在3到5年里取代GPU，成为通用算力的核心。毕竟现在GPU的生态已经成熟到卷出花了，你一个新架构想抢通用市场，难如登天。

但3到5年里，类脑芯片一定会在低功耗边缘计算的细分赛道里，拿下10%到15%的市场份额——特别是那些对功耗、延迟要求极高的场景，它的优势是传统架构根本打不过的。

别信那些说类脑要在2030年造出人工大脑的鬼话。我们现在对人脑的认知程度，就相当于莱特兄弟刚造出第一架飞机的时候，想造超音速客机。

方向是对的。

路还长着呢。