摘要：最近科技圈又出了个大新闻！8月初浙江大学发布了新一代神经拟态类脑计算机“悟空”，它的神经元数量突破20亿，直接拿下全球规模最大类脑计算机的头衔。
最近科技圈又出了个大新闻！8月初浙江大学发布了新一代神经拟态类脑计算机“悟空”，它的神经元数量突破20亿，直接拿下全球规模最大类脑计算机的头衔。
可能有人会问，类脑计算这东西到底有啥用？说直白点，它对AI计算的加持可不是一星半点，甚至有可能成为推动AI迎来“觉醒时刻”的关键力量。
今天咱们就用大白话聊聊，这台“悟空”到底牛在哪，类脑计算又能给AI带来哪些新改变。
要搞懂“悟空”的厉害，得先明白啥是类脑计算。简单说，就是模仿咱们大脑的工作方式，让计算机处理信息的能力更“聪明”。
咱们现在用的电脑，不管是笔记本还是服务器，都离不开冯・诺依曼架构，核心的CPU得靠全局时钟同步，所有电路按固定周期干活，就算没任务也得“空转”保持同步，功耗一直下不来。
但类脑计算不一样，它是“事件驱动”的，信息靠脉冲传播，没有全局时钟，走的是“全局异步、局部同步”的路子，就像咱们大脑一样，没事不折腾，有事才响应。
这就引出了类脑计算的第一个大优势——低功耗。
咱们的大脑多省电？也就20瓦功率，还没手机快充功率大，秘诀就是“稀疏计算”：只有1%-4%的神经元时刻活跃维持基本功能，处理特定任务时只调动对应的神经回路。
类脑计算就学了这招，比如“悟空”，整体功耗才2千瓦，跟传统GPU集群比起来，简直是“节能小能手”。
而且实现类脑计算有两条主要路线，数字神经拟态和模拟神经拟态。
数字路线用数字电路仿照大脑原理，跟现有半导体工艺兼容，能和CPU、GPU这些芯片配合工作，离商业化更近，像浙大、清华还有IBM、英特尔都在这条路上深耕；
模拟路线则靠器件物理特性模拟神经元，虽然更贴近真实大脑，但技术难度大，目前还在探索阶段。
“悟空”就属于数字路线里的“网络结构体”设计，和清华大学之前的“天机芯片”思路类似，由15台刀片服务器组成，用了960颗浙大自主研发的“达尔文三代”芯片。
单颗芯片能虚拟出235万个神经元，960颗一叠加，总神经元数就达到了22.56亿，比英特尔2024年4月发布的系统（11.5亿神经元）翻了近一倍，实力相当能打。
那么这台“悟空”是怎么干活的？关键在于它的硬件设计和数学模型。、从硬件上看，“达尔文三代”芯片里有24×24的二维网格，576个计算节点互联互通，除了1个负责管理的RISC-V处理器，剩下575个都是专门的神经元核心，每个核心能靠“时分复用”虚拟出4096个逻辑神经元，算下来单颗芯片就能支撑235万个神经元。
而软件层面，最核心的是神经元模型，类脑计算领域最经典的LIF模型（泄露积分-发射模型）就是基础——输入脉冲像电流一样积累在“电容器”上，让“膜电位”上升，要是电位超过阈值，就会发出一个输出脉冲，同时电位重置，还会有段“不应期”不能再触发，就像大脑神经元的工作节奏。
“悟空”用的是更先进的模型，能模拟大脑对刺激的适应性，比如疲劳、突发反应，比基础模型更贴近真实大脑。
对当下火热的AI大模型来说，“悟空”这类类脑计算机的价值可不小。
首先是推理场景，它能运行DeepSeek这类传统GPU训练的大模型（通过编译工具转换，精度损失可控），而且功耗低到惊人。
英特尔之前的Loihi芯片在边缘计算时，推理功耗只有传统芯片的1/100，机器人视觉任务用“瓦级”功耗就能搞定，换成GPU得几百瓦。
其次，虽然现在类脑计算还不适合训练大模型（GPU在密集计算、高精度浮点数算力上更成熟，类脑芯片目前没商业优势），但它有个独门绝技——在线学习。
传统GPU运行大模型是“静态”的，要优化模型得先在训练端改好再部署，参数没法实时更-新；可类脑计算仿照大脑原理，能动态更新模型，不用重新训练。
比如靠STDP（基于脉冲时序的可塑性）机制，根据神经元脉冲的先后顺序调整连接权重，先触发的加强、后触发的削弱，就像大脑“用进废退”的神经调节方式，部署在边缘侧的大模型能本地强化，不用从云端加载新版本。
像自动驾驶遇到雨天，传统GPU得全帧计算，类脑计算只处理局部像素变化，既省功耗又快，还能实时适应新场景，不会出现“灾难性遗忘”的问题。
现在AI大模型还在不断进化，传统计算架构在功耗、实时学习上的瓶颈越来越明显，而类脑计算就像打开了一扇新大门。
浙大“悟空”的突破，不仅是数量上的领先，更让我们看到了AI朝着“更像大脑”方向发展的可能——低功耗、能终身学习、可实时适应环境，这些特性或许就是AI实现“觉醒”的关键一步。
未来随着技术不断成熟，类脑计算说不定会给AI领域带来更多颠覆性改变，让我们一起期待那一天的到来。
来源：贾老师说的不假
