AI的能耗危机有解了！首款人造神经元成功问世

近几年机圈也好，整个科技圈也罢，聊起AI大家最常挂在嘴边的两个字就是算力。

今天这家发布了多少P算力的模型，明天那家又囤了几万张英伟达的卡。

给人的感觉就是AI这玩意就是一场简单粗暴的军备竞赛，谁的卡多，谁的服务器多，谁的声音就大。

但这场竞赛背后，是一个越来越让人头疼的问题——能耗。

有研究机构估算过，按现在的路子走下去，要不了几年，全世界AI模型的耗电量，可能比很多国家一年的总用电量还多。

所以，圈内一直有另一派声音在琢磨：有没有可能，换个赛道？不跟GPU硬拼肌肉，而是学学真正的大脑，玩点脑力？

就在前两天，《自然·电子学》期刊上发表的一篇论文，好像就给这条路点亮了一盏极亮的灯。

首款人造神经元成功问世

它的名字巨长，也巨拗口——集成化人工神经元1M1T1R。

由美国南加州大学的团队联合多国机构搞出来的，果子也啃了啃相关的报道和资料，大概明白了这玩意想干嘛，简单说，它就是在物理层面，造出了一个跟我们大脑里神经元工作方式极其相似的电子神经元。

之所以非常省电，因为它从根上就没打算跟GPU玩一个游戏。

要理解这个，咱得先聊一个困扰了计算机科学几十年的老毛病，叫冯·诺依曼瓶颈，就是说我们现在所有的电脑、手机，包括那些最牛的AI服务器，它的大脑（计算单元CPU/GPU）和仓库（内存）是分开的，AI干活需要不停地从仓库里把海量的数据搬到大脑去计算，算完了再搬回去。

这一来一回的搬运过程，又慢、又耗电，慢到很多时候，大脑都闲得发慌，就搁那干等着搬运工把数据送过来。

而咱们的大脑工作，可不是这么干的，大脑的神经元本身既是计算单元，也是存储单元，信息处理和记忆是在同一个地方完成的，几乎没有数据搬运。

这次南加州大学的团队，就是想在硬件上复现这个过程，他们用了一种叫扩散型忆阻器的核心元件，通过控制银离子在里面的移动，来模拟生物神经元细胞膜内外钾、钠离子的流动，从而实现了在一个单个晶体管大小的空间里，复现出生物神经元那种漏电积分、阈值放电等六大核心特性。

简单说，他们造出了一个真正会思考而不是纯计算的最小单元，1M1T1R是在模仿真正的大脑。

效果方面，数据有点吓人

在能耗上，这个人工神经元完成一次放电（相当于一次基础思考动作），只消耗1皮焦耳的能量，1皮焦耳大概是蚊子扇一下翅膀所需能量的千分之一。

而且研究团队说了，如果用3纳米工艺去优化，未来能耗有望降到艾焦耳级别，果子我专门去查了下换算单位，1皮焦耳等于100万艾焦耳，也就是说，未来的能耗还能再降六个数量级，比人脑神经元还要节能数千倍，未来由几十亿个这种神经元组成的电子大脑，可能只需要一块手表电池，就能持续处理现在需要一整个服务器机房才能搞定的AI任务。

性能上，在处理喷发脉冲海德堡数字的语音识别任务时，它的准确率达到了91.35%，这个任务的难点在于要同时处理声音的时间和空间信息，传统AI算法干这个很费劲，而这种类脑的方式，处理起来就得心应手。

这玩意到底有什么用

在参与这项研究的机构名单上，果子发现了两个有意思的名字：美国空军研究实验室（AFRL）和NASA。

这就很说明问题了，对于航空航天，军事这些领域来说，AI的能耗和体积，是比绝对算力更要命的指标，这种超低功耗的类脑芯片，简直就是为它们量身定做的。

当然，对咱们普通人来说，它最大的想象空间，在于可穿戴设备或医疗监测装置，未来的Apple Watch，或者某个植入你身体的健康传感器，可能就用上了这种芯片，它不需要连接云端，就能在本地实时、低功耗地分析你的健康数据，甚至提前预警疾病风险。

目前，研究团队正在和半导体企业合作，推进7纳米制程的开发，模拟显示用先进制程造出来的芯片，神经元密度能比现在的GPU高三个数量级，他们预计这项技术有望在五年内实现商业化。

最后

AI的发展可能真的走到了一个十字路口，一条路是现在大家都在走的，继续大力出奇迹，用更强的GPU，更多的服务器，去堆砌更高的算力。

这条路，短期内效果显著，但长远看，能耗的墙就在那儿立着。

而另一条路，就是1M1T1R指出的方向，回归本源向那个已经进化了数亿年，功耗极低的超级计算机——我们自己的大脑学习。

这条路，更难，更慢，但也可能更接近智能的本质。

不知道大家怎么看呢？你觉得AI的未来，是属于肌肉，还是属于大脑？