4 min read

大脑凭什么比 GPU 高效 100 万倍?

Source: http://x.com/i/article/2052369987017584640

刚听完 Frontier Talks

这期 Naveen Rao 的演讲,感觉像被当头一棒。

Naveen 以前是神经科学 PhD,后来做了最早一批 AI 芯片公司,还带过 Mosaic ML、Databricks AI,现在自己创业做 Unconventional AI。他直接扔出一句大实话: 我们现在这条 AI 路,已经快走到头了。

不是模型不够聪明,而是物理世界快没电了。

1. 先看最扎心的数字

全球 80 亿人,人脑每人只用 20 瓦,总共才 160 吉瓦。而今天 AI 训练 + 推理已经烧掉好几吉瓦,未来两三年就会把全球电力逼到极限。

Naveen 说,我们现在用的计算范式,是 80 年前定下来的:数字、浮点、冯诺依曼架构。它本来就不是为「智能」设计的,现在硬拿来跑 AI,效率低得离谱。

2. 大脑 vs 现有芯片:差距有多离谱

大脑和现有芯片的能效差距,已经不是「差一点」,而是差了好几个数量级。

  • 大脑:20 瓦,就能干出极其复杂的智能。
  • 猴脑:不到 1 瓦。
  • 松鼠跳树:不到 10 毫瓦。

而我们现在的芯片,哪怕是最新一代,1 瓦都干不了大脑百分之一的事。

他画了一条曲线:我们现在还在「非常低效」的区间,离物理极限差了好几个数量级。

3. 他的解法:彻底抛弃冯诺依曼,用非线性动力学

传统芯片的本质,是「把数据搬来搬去、做矩阵乘法」。

但大脑不是这样。

大脑是一个非线性动态系统:神经元之间随时在互动、同步、变化。计算就藏在这些动态交互里,而不是单独的「1 和 0」。

Naveen 的芯片,就是把「振荡器 + 可训练的耦合」做成硬件,让物理本身去跑动态计算,不再需要反复读写内存。

4. 现场演示:用动力学直接生成图像

他现场放了个 demo: 随机噪声 → 时间自然演化 → 直接生成猫、马等图像。

不需要一步步矩阵运算,只需要「踢一脚」让系统自己跑,状态就自然收敛到有意义的图案。

他说,这就是大脑式计算:状态和计算是融合在一起的,物理自己就在算。

5. 为什么这才是未来

传统芯片每一步都要搬数据、写回内存,所以能耗爆炸。

他们的新范式,是把时间维度交给物理,让系统自己演化,省掉几乎所有搬运开销。

Naveen 说: 我们不是在做「又一个 AI 芯片」,我们是在重新定义计算的底层基石。

而且因为是初创公司,没历史包袱,能几个月就出原型,传统大厂几年都干不成。

6. 一句话总结他的核心观点 AI 不是缺算力,而是缺能效。

大脑用 20 瓦就能干的事,我们现在要烧几吉瓦。

要真正实现 ASI,也就是超级智能,必须回到物理层面,造出像大脑一样「动态、高效、随机」的计算系统。

Naveen 直接说:我们现在走的路,其实是错的,只是大家还没意识到。

7. 对普通开发者、创业者和投资人的启发

别只卷模型参数和 benchmark,先想想: 这玩意儿到底要烧多少电?

未来真正的护城河,不是谁先做出更强的模型,而是谁先把智能做到「瓦级」。

神经科学 + 硬件的交叉点,可能才是下一波大机会。

Naveen 自己从神经科学转芯片再创业,就是活例子。

最后

听完这期我最大的感受是:我们以前总觉得 AI 进步是「越算越强」,但其实已经快到物理天花板了。

Naveen 不是在吹牛,他是真正在从底层物理重新思考「智能该怎么算」。

以后谁能把「大脑级能效」做出来,谁就可能把整个行业重新洗牌。

你觉得未来 AI 最大的瓶颈是算力、数据,还是真的会卡在电上?

欢迎评论区一起讨论。

想看完整演讲视频或逐字稿,可以去 Frontier Talks 在

*Podwise*

的官方页面查看。