美媒解密《黑客帝国》：“脑内世界”何时成真？
来源：环球时报
美国“每日科技” 3月23日文章，原题：微型类脑设备或可解决人工智能面临的最大能耗难题 经典电影《黑客帝国》中由计算机创造的脑中世界或正突破科幻的次元壁。近日，剑桥大学的研究人员研发出一款模拟人脑物理特性的设备，能够将AI的能耗降低70%，旨在阻止数据中心巨大的电力消耗并防止系统崩溃。
AI的指数级增长带来了一个传统计算机系统难以解决的问题——当前的数据中心正在消耗大量电力，这主要是因为现代芯片设计中的一个根本性缺陷。在这一背景下，一种新的生物学需求应运而生，也就是开发模拟人和动物神经计算行为的新兴技术。剑桥大学研究团队取得突破性进展，打破了这一历史性障碍，并将成果发表在美国《科学进展》期刊上。研究人员巴博克·巴希特率领团队开发了一种基于氧化铪的新型忆阻器，它允许信息在同一物理介质上进行处理和存储，从而将AI的能耗降低了70%。这项研究受到了人脑工作机制的启发——人脑中的神经元和突触能够以最小的能量消耗同时执行储存信息和处理信息这两种功能，因此能以极高的效率运行。
为何与生物大脑相比，当前的计算机效率“并不高”？这与数据的传输方式密切相关。在传统的电脑芯片中，信息必须在处理器和内存盘之间来回不断地传输，这个过程既耗时又会产生大量热量，这也是数据中心耗电量大的原因。而剑桥大学开发的这款“类脑”设备，能够记住流经自身的电荷量。同时，研究团队引入一种创新机制，让数据流更加稳定，精度也比普通计算设备高数百万倍，而这一过程仅需要极小的电流。通过施加电脉冲，该设备能够逐渐调节其导电率，而不需要通过传统计算机的二进制系统。实验数据表明，该设备能够使计算机的硬件设施以类似人类大脑神经连接的方式进行“真正的学习”。
尽管这一新技术并不能立即进入应用市场、进行商业化，但它为未来10年的计算系统奠定基础。这一突破也为新一代信息处理设备的设计思路打开了大门。在不远的将来，从智能传感器到自动驾驶系统，或许都能最大限度降低能耗。（立夏译）
相关攻略
新车价格，正成为横在美国消费者面前的一道坎。最近，福特汽车公司首席执行官吉姆·法利在接受采访时直言不讳：让汽车变得更可负担，必须成为整个行业的优先任务。 当被问及美国消费者是否还能负担得起新车时，法利的回答很现实：“一部分人可以。但无论是作为福特这个品牌，还是整个汽车行业，我们都必须把‘让汽车更可负
近期，美国汽车市场格局正经历显著变化。一个明显的趋势是，主流汽车制造商——无论是美系还是日系品牌——都在同步缩减平价入门车型的投放，转而将核心资源聚焦于研发与生产尺寸更大、定位更高端甚至豪华的车型。 这一战略转向的直接结果是，美国市场上面向大众的经济型轿车选择日益稀缺，新车售价低于2万美元的选项已寥
美国两党议员分别在众议院和参议院提出法案，意图将现有对中国汽车的行政限制升级为正式法律，以彻底阻止中国汽车进入美国市场。法案获得汽车行业支持，旨在巩固禁令法律效力，防止被后续政府推翻。此举反映了美国对中国汽车产业竞争力与所谓国家安全问题的担忧。
突然！美国FCC禁止进口所有外国制造消费级路由器 3月24日，一则来自美国联邦通信委员会（FCC）的消息，在科技和贸易领域投下了一颗不大不小的石子。根据最新更新的受管制清单，FCC宣布将禁止进口所有外国制造的消费级路由器。 官方的理由听起来相当严肃：这类设备被认定“对美国国家安全或人员安全构成不可接
大疆正式起诉FCC，挑战“受管制清单”决定 美国东部时间2026年2月20日，大疆创新（DJI）向美国第九巡回上诉法院正式提交了诉状。这场法律挑战的矛头，直指美国联邦通信委员会（FCC）在去年12月23日做出的一项决定——将大疆及其产品列入所谓的“受管制清单”。大疆此举的目的很明确：维护自身合法权益
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限