立品牌之基
筑百年之石

芯片不想当计算器了,它想学大脑——说说神经形态芯片

夏天刷手机,最容易注意到两件事:屏幕烫手,电量掉得比心情还快。你可能也想过,明明只是刷个视频,芯片怎么就跟刚跑完一场短跑似的。

答案其实挺朴素:今天的芯片大多在“搬家”。计算和存储被放在两个地方,每算一步,数据就得来回跑一趟。路不算长,但趟数太多,热量和功耗就都堆上来了。而人脑里近千亿个神经元组的那团“湿件”,做同样级别的活儿,功耗大概相当于一只灯泡,因为它不搬家,记忆和运算就在原地完成。

于是有人琢磨:既然大脑这么会省电,能不能把芯片也照着大脑的样子做一颗?这差不多就是神经形态芯片的出发点。

它不是把电路刻成大脑的形状

先破个常见的误会。听见“仿脑芯片”,不少人以为是在硅片上刻出神经元的形状,其实不是。它模仿的是信息传递的方式:大脑靠电脉冲说话,谁被激活谁才发信号,没被叫到的那部分安安静静,几乎不耗电。这种“有事才开口”的模式,专业上叫事件驱动,翻成人话就是——不干活的时候真的不干活。

普通芯片更像一间二十四小时开灯的办公室,时钟节拍一响,所有人都得待命。神经形态芯片则接近一个随叫随到的团队,信号来了才有人应声。再叠上一层“存算一体”的设计,把记忆和运算塞在同一处,数据不必来回跑,功耗自然能压下一大截。

目前已经落在哪些场景

这条路在实验室和产品里已经跑了好几年,常见的落点有这几个:

  • 动态视觉传感器。它不像普通摄像头那样一帧一帧地拍,而是只记录画面里“变了”的像素,静止的墙面它压根不理。省电之外反应还快,遇到快速移动的物体不容易糊成一片。
  • 可穿戴与听觉设备。一些原型耳机靠这类芯片在本地做声音识别,不用把数据往云端传,既省电,也少了一层上传的顾虑。
  • 机器人的触觉。机械手抓东西时,得判断“捏得够不够紧”,这种高频、低延迟的小判断,很适合交给靠近传感器的芯片本地处理。

前几年有研究团队展示过一辆能听懂指令、自己绕开障碍的自行车,核心就是用这类芯片同时跑多种任务,算是把“一颗芯片兼顾感知和决策”摆到了台面上。

但它现在还不够好用

说到这儿容易上头,得泼点水。神经形态芯片目前的精度和成熟度,跟主流芯片不是一个量级;更要命的是软件生态——写惯了常规代码的工程师,得重新学一套“脉冲怎么编码、网络怎么训练”的思路,工具链也远谈不上顺手。对企业来说,换一套架构意味着重写、重调、重新验证,成本摆在那儿,不是有热情就推得动的。

所以短期内它不太可能取代你手机里那颗芯片。更现实的定位是补位:在对功耗极度敏感、对延迟又很苛刻的边角场景里,先站住脚。

换个角度看,今天的神经形态芯片有点像十几年前的神经网络——方向看着对,手感还很粗糙,能跑通的东西不多,但每跑通一个,就多一分说服力。它会不会成为主流,现在下结论太早;不过“让芯片少搬点数据”这个念头本身,已经挺值得琢磨了。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:芯片不想当计算器了,它想学大脑——说说神经形态芯片
文章链接:https://nusanedannualreport.com/tech/vi2792v9.html