AI到底能不能像人脑一样运作？这个问题，研究人员已经追问了几十年。有人觉得它荒谬，有人嗤之以鼻，也有人干脆不屑一顾。但最近，神经形态计算的进展让这个梦想变得不那么遥不可及了。越深入了解它的潜力，就越会发现：机器学习和AI的未来，很大程度上就系于这个方向。

先说神经形态计算对当代AI的核心价值。未来的技术——比如自动驾驶汽车和机器人——需要实时处理海量数据。目前，这事靠的是超级计算机级别的算力。但问题在于，速度、功耗和规模正在成为难以翻越的坎。而神经形态计算芯片呢？它能高速并行处理多个任务，同时自主学习模式和规律。关键是，它的功耗能降低上千倍，效率却可以和超级计算机叫板。体积小、能耗低、性能强，这正是机器学习和AI模型梦寐以求的搭档。

正因为看到了这个前景，科研人员才不计成本地投入进来。有人走“复刻人脑物理结构”的路子，有人则更关注“复刻人脑功能”。相比之下，后一条路似乎更值得押注——它有望打破戈登·摩尔那个“把晶体管越塞越密”的老框架。所谓神经形态计算，核心就是创造和使用神经网络，让它像人脑一样决策、存储信息、分析事实。用同行的话说，它“展示了史无前例的低功耗计算基板，能在大量场景中落地”。

神经形态计算近期发展

这条赛道上选手不少，但真正跑在前面的，也就那么几个。来看几项关键进展：

英特尔Loihi——GPU的未来对手？
这是一款14nm芯片，集成了超过20亿个晶体管和三个Lakemont管理内核。它的核心是一个可编程微代码引擎，支持异步尖峰神经网络（SNN）的片上训练。128个核心包，每个都内置学习模块，总共约13.1万个计算“神经元”彼此通信，让芯片能理解外部刺激。Loihi能比嗅探犬还快地识别十种有害物质，还能检测有毒烟雾和疾病，并自我调节以适应不同学习任务。未来，它有望通过经验自主学习、实现自主决策。更关键的是，功耗极低——这话要是真能落地，GPU的江山怕是要被动摇了。

IBM TrueNorth——晶体管数量的大力神
TrueNorth拥有4096个内核，采用三星28nm工艺，集成了54亿个晶体管——这是IBM历史上晶体管密度最高的芯片。在模拟复杂递归神经网络时，功耗不到100mW，功率密度只有20mW/cm²。IBM表示，它的架构可以处理“视觉、听觉和多传感器融合问题”，并且有可能通过把类脑功能集成到受功耗和速度限制的设备里，彻底改变计算机行业。更重要的是，它能实时处理高维、嘈杂的感官数据，能耗比普通计算机低得多。

麻省理工学院——芯片上的大脑
这是一款由硅基底制成的芯片，拥有超过100万亿个突触来介导神经元信号。在模拟实验中，它能以95%的准确率精准模仿人类笔迹。这种技术未来可以用于类人生物和自动驾驶。

高通Zeroth处理器
高通的Zeroth芯片聚焦“生物启发性学习”的三个目标：让设备能像人类一样观察和感知世界；创建并定义神经处理单元（NPU）；构建打破传统模式的新型计算机体系结构。

神经形态计算的未来

神经形态计算对机器学习和AI的影响将是碘伏性的。德勤的市场分析指出：“这些新型芯片应极大地增加机器学习的使用，降低应用能耗，同时加速响应速度。”可以确定的是，借助神经形态计算，人工智能的下一轮飞跃已经近在眼前。

小常识

神经形态计算被称为第五代AI：
第一代AI：定义规则，遵循经典逻辑，在狭义问题域内得出结论。
第二代AI：使用深度学习网络分析输入，专注感官与感知能力。
第三代AI：像人类一样思维，进而解释和适应调整。
第四代AI：结合不同机器学习算法和其他AI算法来实现目标或任务。