网易首页 > 网易号 > 正文 申请入驻

人脑运行功耗真的很低吗?

0
分享至


这一标题放出来,不可避免会引起一些非议,因为“人脑比电脑聪明高效千百倍”是当下学界的认知。笔者作为物理人,耿耿于怀这一认知。事实上,智慧超群卓绝的物理人,竭尽半个多世纪玉成的、以量子力学和半导体为基础的信息智能产业,不应该会输给生物学的人脑智能那么多。这种认知,令物理人沮丧和难以接受!于是,笔者炮制了这篇主观意念小文,希望能起到争鸣之效。观点争论,乃学术的精髓,希望没有令读者感到不满!若有,笔者在此谨表歉意!

1.引子

昨天,南京大学物理学院致力于人工智能硬件卓越研究的缪峰教授,主导召开了“2026国际生物智能创新大会”。笔者有幸参与学习,听了这一人工智能硬件(Sciences for AI)之新兴交叉学科领域几位名家的演讲,收获很多,对这一领域的飞速发展印象深刻。

过去一些年,笔者在追随这一领域同行们不断学习的进程中,感受到这一前沿学科总是被有形无形地对标一个参考对象,即人脑!粗暴地说,就是人脑被赋予这一领域至高无上的标杆地位,指引或牵引着人工智能研究的大方向。其中,一个经常被提及的有些“误导”的观点是:人脑经历数万年的演化,最终形成当前这种智能化层次极高、思索推理架构深邃、功耗极低的超级智慧系统。科学界正在高度关注的那些“小打小闹”智能器件或系统,与人脑无可比拟、被甩开很远很远!

笔者作为小半个物理人,对物理学科的卓越深信不疑,对物理学所生产的科技精品之卓越亦深信不疑。因此,虽然笔者也偶尔会附和对人脑“功能之卓越、能耗之低下”的赞美,但心底里却还是有些“不服气”、有些不以为然。

为阐述逻辑清晰计,不妨整理几条关于人工智能与人脑智能的定性讨论,呈现如下:

(1) 人,被认为是地球中最高级的动物或生命。人以大脑为中枢,横行世界、霸道万年,解决具体科学问题的能力已无与伦比。结果,到了当下人工智能AI大模型基于海量数据不断迭代提升的时代,人脑在解决问题的能力与效率方面已不敢再傲视群雄、自以为是!至少在解决数学问题的能力方面,AI大模型已得到人类难得的欣赏与respected!

(2) 到目前为止,在提出科学问题的能力方面,人类大脑尚未受到AI大模型的挑战,这是人类目前还可以得意一下的地方。AI大模型,在未来能否通过自己迭代、训练而拥有提出科学问题并解决问题的能力,是值得高度关注的重大问题!

(3) AI大模型目前最被诟病的,就是其能耗太高!AI消耗吞噬人类能够拥有的能源之能力正在急剧上升,甚至形成一种恐怖景象!之所以被诟病,最好的说辞就是,人脑运行时平均能耗只有25 W,而电脑力不能及人脑、功耗却远超人脑。

图1 所示,乃知乎直答总结提炼的人工智能与人脑在几个维度上的比较。由此可见,它们在诸多基本层面和机制上还存在很大差别。本文只是粗暴讨论几句人脑与电脑的功耗问题,所以就有了如此标题“人脑运行能耗真的很低吗”。读者不妨抱着茶余饭后的心态,以定性的视角浏览本文,不必提升到定量层次求全责备。


图1. 知乎直答给出的“人工智能”与“人脑”在几个维度上的比较

2.人脑和电脑

在考量这一问题的过程中,笔者对冯‧ 诺依曼先生创造性提出存算分离计算机架构充满敬意!正因为有这一架构运行数十年,我们才可能有一条溪流,蜿蜒流淌过其中的纠结。

笔者将先讨论电脑,后讨论人脑。

2.1. 外行议论电脑运行架构

众所周知,自1950年代冯‧ 诺依曼提出通用电脑运行架构以来,存算分离是最符合当时固体物理(凝聚态物理) 学科内涵的选择。笔者虽然是外行,但亦了解一些表浅知识:

(1) 存算分离之一部,是CPU + RAM,即我们常说的芯片。晶体管运行速率极高,运算时间短于ps毫无问题。RAM存取刷新速度也很快,特别是在尺寸越来越小而充放电电量越来越少的情况下。也就是说,整个芯片本征运算速率极高,不是电脑运行的瓶颈环节。

(2) RAM中的电容器漏电放电,是芯片动态存储数据(易失性存储) 面临的本征问题,需要不断进行状态刷新,以避免0/1数据状态丢失。因此,CPU开/关和RAM刷新,是电脑能耗的一大来源,大约各占芯片运行能耗的50%左右。如果能将RAM替换为非易失性内存,如铁电RAM (FeRAM)、磁性RAM (MRAM),也许会克服电容器刷新带来的“无用功”能耗。这是从事非易失存储研发的物理人坚定不移的信念,虽然笔者感觉这些非易失RAM的读写能耗可能并不低,甚至比传统易失RAM的本征能耗高。当然,这里不计及状态刷新带来的能耗。

(3) 存算分离之另一部,是硬盘(不仅仅是磁盘、闪存盘)。以磁盘为例,在容忍存储密度不断提升(存储单元尺寸不断微缩) 的前提下,物理人追求数据存储的读写稳定性(读写1014次)、长寿命(数据保存1000年甚至永不消退)。这种稳定性依靠什么来实现的呢?就依靠磁矩或铁电的双势阱存储态之稳定性。势阱越高,稳定性就越高,翻越势阱进行数据“写”就变得越难、越慢。数据存储的稳定性和读写速率,是一对相爱相杀的对手(trade-off opponents),带来的副作用自然就是硬盘读写能耗大、速率慢。早期的电脑,磁盘写一个数据的特征时间是ms,现在也不过是μs。电脑有一半甚至70%的能耗,消耗在总线和硬盘读写操作上。如果将芯片中的RAM刷新能耗和数据总线传输损耗加上,则整个数据存储能耗就占到电脑总能耗的80%以上了。

(4) 存算分离的电脑运行能耗高,当下AI大模型运算牵涉到的显卡HBM运算能耗同样很高,道理是类似的。这大概是当下AI大模型成为用电大老虎的主要原因之一。

图2 所示,乃当下物理人认知的电脑之冯‧ 诺依曼架构与人脑之神经形态计算架构之比对。此时,人们自然就会提出这样的问题:物理人干嘛不能学习人脑运行?看看,人脑又能运算、又善思考、还可记忆、更会知识情感输入输出。即便如此丰富多彩的功能,人脑的能耗竟然只有25W!

物理人既然学不来大脑,又怎么敢宣称自己是自然科学最上游的那一帮人?!事实上,很多物理人都不得不认同这种“调侃”和“自嘲”^_^,没脾气!


图2. 存算分离的冯‧诺依曼电脑架构和人脑神经形态运算架构

https://www.tutorialspoint.com/neuromorphic-computing/neuromorphic-computing-difference-from-traditional-computing.htm。

2.2. 外行议论人脑运行架构

真的是如此吗?

笔者不妨在此进行一个思维实验:在一张白纸上写下一个数,例如“184688496754”,给某位实验者看一看、背下来;然后我们收起白纸,等半小时,再请这位实验者重复出这个数字。有多少人能做到正确复述?即便这半小时内,这位实验者啥事也不做,只是集中注意力在角落里振振有词、念念不忘、不断重复这个数字,大概率80%以上的可能也会出现错误复述。

这就是人脑!25W功耗的人脑!

笔者想表达什么想法呢?罗列如下:

(1) 人脑记不住这个数字,但电脑可以!1000年以后,电脑硬盘里还可以有这个数字,只要开机读出这个数字,它就在那里!

(2) 人类从3000年前就开始结绳计数,经过泥板雕刻计数、甲骨文雕刻计数,到“留取丹心照汗青”,再到纸张书写、活体印刷、书籍、书架、书橱、图书馆,及至复印机、电子图书馆、数据硬盘、网络,如此进化数千年。这些事情都是为了什么了?!哦,都是在存储数据、折腾数据、捣鼓数据!谁能大概估算一下,这3000年历程,耗费了多少能量?!且不讨论数千年来无数的文人墨客在写作、练字、吟诵、撰写。他们发展文言文、凝练只词片语、发明各种语言表达,如此等等,耗费了多少能量?!

(3) 为什么会这样呢?人脑为何不能永久记载下来那些思考和知识?为何不能在死亡之前将某块大脑组织保留下来、汇集起来?为何没有发展出以大脑直接存储为中心的数据存储产业?道理很简单,因为人脑演化选择的模式是只注重推理、运算、交叉联想等动态进程(dynamic sequences),因为人脑不管、不会、不擅长期准确地存储记忆!所有这些知识数据,都扔给了如上所述的3000年记录之历史沧桑!

(4) 当然,笔者无意将人脑中少量长期记忆的功能全数抹去。有些数据或知识、真的是很少量的数据或知识,人脑还是可以记住很长久的。例如,父母是谁、孩子在哪里、家在何方、自己年龄和生日、家里藏私房钱的地方,如此等等。不过,这些长久记忆,来自于不断复习、刷新、重复所致,与电脑CPU + RAM的功能“出奇”地一致!假定一副大脑,有20年从未revisit与父母相关的任何信息(数据),那么这副大脑很可能早就忘记其父母是谁了。

一切等同此理、难有例外!此时,得出如下结论就有些不那么厚实之感:大脑功耗只有25W,却能超越当下功耗高很多的存算分离的电脑之能力!人脑架构其实是一个舍弃了精确、舍弃了大量数据直接迭代的方案,存在其自身的缺点和不足,虽然也有其优势。这一模式,被物理人称之为“知识稀疏”的模式,真所谓一语中的。

3.智能硬件研究的启示

事实上,物理人很早就开始从生物医学同行那里,学习人脑运行的功能与机制,并开始对其展开“仿真”研究。这些,包括今天的所谓“类脑计算”或“神经形态”研究。类脑智能计算成败如否、进展到了什么水平,非笔者能评论之。但是,这类研究至少告诉我们,大脑运行机制的物理语言核心大约可以用“神经元”与“突触”构成的基本单元结构来描述(假定这是基本正确的描述)。

笔者外行,开始“胡言乱语”:

(1) 从生物化学角度理解,由神经元/ 突触结构构成的功能进程,其能标很小。按照生物医学测量,人的大脑电脉冲一般在0.1 mV。假定一个神经元携带一个电子电荷(Na+ / K+等),动用大约0.1mV 的脉冲,应该就可以驱动一个神经元运动。留点余量,假定脉冲较0.1 mV大10倍,达到1.0 mV,则这一能标就是1.0 meV。人脑运行的室温,其热激活能是30 meV。也就是说,这一物理事件发生后,要在室温下稳定存在一个小时是完全不可能的!

(2) 再以生物医学广为认可的、单个神经元细胞膜内外两侧电位差约为-70 mV的事实为基准来估算。在外来超越这一电位差的电脉冲驱动下,神经元细胞膜穿越过程就会发生。这一过程,需要的能标就大约是70 meV,与室温热激活能30 meV差不多。这样的穿越发生后,要能在室温下稳定存在一年,大概很难、很难。

(3) 笔者参与的智能材料研究提示,类脑智能计算的主要驱动方法,就是施加电压脉冲序列。这一序列,驱动智能材料的导电或充放电状态,并不断积累、递进,形成不断学习的进程。如果此时终止脉冲进程,接下来就是弛豫进程,体系逐渐归于原始状态。这一进程特征时间大约在“秒、分”量级,近似于人脑“记忆学习”的时间和“逐渐忘记”的时间。按照笔者粗暴理解,类脑智能过程研究,就是关注动力学序列(dynamic sequence) 及其效果,达到长期固定记忆状态的可能性不高。

(4) 正因为如此,物理人进行类脑智能研究时,输入到功能单元中去、或者从功能单元中取出的过程,都被物理人用“电脑”而不是另外一个“人脑”存储记录下来。没有电脑的辅助,类脑智能研究大概也只是一个短时间的dynamic sequence。类脑智能数据,不可能自己在其体内存储下来千百年不变。事实上,纯粹从类脑芯片角度,物理人亦可将单个类脑单元功耗降低到很低水平,例如Intel Loihi、IBM TrueNorth、清华“天机芯”等。

笔者作为外行,认为当下的智能研究所走的道路,无疑是正确的道路,是物理人充满智慧的道路。道路的终点,如果要最终比肩人的大脑并超越之,还是需要与人工智能大模型结合在一起。或者说,人脑作为一个完备的智能体,并不漂亮完美,因为其自身没有长期、可靠、大容量的数据存储处理功能,而AI大模型则在这方面具有优势。因此,未来人工智能发展应该结合两者各自的优势,正如缪峰教授他们开展的研究那般。

4. AI大模型为何耗能?

诚然,不管如何为当下的人工智能研究模式辩护、为AI for Science辩护,AI大模型运行的耗能的确巨大,这是事实。笔者当然认可,目前人脑的运算模式,的确优于当前AI大模型那种基于大数据迭代、卷积、蒸馏的低效耗能模式。但是,这些大数据的迭代、卷积、蒸馏过程中的数据存取量巨大,完全不是人脑可比拟,也是事实。

正是这种集中式的、虽然耗能高效率低的模式,才使得时间上浓缩、并行和集成起来的运算推理成为可能。这种模式,反而成就了一种高效架构。人类的大脑,不可能长期不停歇地持续数据运算、推理和存储进程,其中必然出现时间序列断裂、丢失。这些可能是人类存在一些长达百年无解问题的原因。AI大模型的模式,使得这种断裂、丢失过程得到根本克服。一些大而难的“数学”问题,因此能够得到很快解决。

笔者强词夺理,以为将这些在短时间承载的巨大能耗,平摊到百年时光中,则平摊效果就会显著压缩与人脑的25W之间的gap。注意,这里说“强词夺理”,是因为完全没有考虑大模型内部的AI逻辑与智慧,只是粗暴地进行“加减乘除”运算。

诚然,这种集中的、并行的、耗能巨大的模式,解决已被研究多年的问题会很有成效,但能否提出或预言科学发展进程中存在的新问题、新趋势、新未来,则是物理人亟待思考解决的课题。这些课题,自然非笔者可以涉及,亦或在未来再加强学习和写几页读书笔记,但学习人脑计算的一些模式,应该是有帮助的。

5.不是结论的结尾

无须讳言,当前的AI大模型运行所需的硬件似乎不尽人意,需要物理人提出改进之法。其中一种方案,也许还是前文有所提及的CPU/GPU + 非易失RAM。由此,可以去掉硬盘、去掉存算分离,从而大幅度提升速率、降低能耗。其次,非易失存储,还可实现多态存储,从而显著提升RAM的存储效率和寿命。

特别注意到,非易失存储,终归是比当下基于电容器的易失RAM之本征能耗高(不计入刷新能耗),因为非易失为了保证存储态稳定性而不得不提升读写势垒、牺牲速率。

人工智能应该还有很多降低功耗提升功能之路,例如“感存算一体化”算是一条。将当下的感知与运算存储功能集成起来,从多个功能单元串联变成集成并联,也可显著降低功耗提升速度。这些更新方案,无疑将会缩减人工智能与人脑之间的gap,让物理人原来不得不认同的“调侃”和“自嘲”变得真的没了脾气^_^。

最后指出,本文描述可能多有夸张、不周之处,敬请读者谅解。笔者所在团队也曾开展一些智能计算硬件的研发工作,这里罗列两篇。对其详细内容感兴趣的读者,可参考如下信息,御览相关工作的论文原文。

In-sensor image memorization, low-level processing, and high-level computing by using above-bandgap photovoltages

Kun Liu, Shan Tan, Zhen Fan(樊贞), Haipeng Lin, Jiali Ou, Haoyue Deng, Jinghao Chen, Wenjie Li, Wenjie Hu, Boyuan Cui, Zhiwei Chen, Ruiqiang Tao, Guo Tian, Xubing Lu, Guofu Zhou, Xingsen Gao & Jun-Ming Liu

Nature Communications 17, Article number: 408 (2026)

https://www.nature.com/articles/s41467-025-67103-x

In situ training of an in-sensor artificial neural network based on ferroelectric photosensors

Haipeng Lin, Jiali Ou, Zhen Fan(樊贞), Xiaobing Yan, Wenjie Hu, Boyuan Cui, Jikang Xu, Wenjie Li, Zhiwei Chen, Biao Yang, Kun Liu, Linyuan Mo, Meixia Li, Xubing Lu, Guofu Zhou, Xingsen Gao & Jun-Ming Liu

Nature Communications 16, Article number: 421 (2025)

https://www.nature.com/articles/s41467-024-55508-z

七律·仙林存储

清晨铁马跨西东,且为初秋采楚风

有色芭蕉黄伫立,无颜瘦木绿垂空

貔貅俯仰临江海,格物蜿蜒躬化通

隐憾存储何所效,呼吁学子破鸿蒙


(1) 笔者Ising,任职南京大学物理学院,兼职《npj Quantum Materials》执行编辑。

(2) 小文标题“人脑运行功耗真的很低吗”乃宣传式的言辞,不是物理上严谨的说法。这里只是拽住人脑运行功耗到底是不是很低这一“噱头”写几段讨论,如此而已。

(3) 为撰写本文,作为外行的笔者参阅过一些网络神文名篇及AI问答。在此谨致谢意!本文夹塞了笔者粗知陋见,请读者不以为意!

(4) 文底图片拍摄于南大鼓楼校园(20251117),展示了百年枫藤缠附于百年大楼的场景,是类脑神经形态的样子么?文底小诗 (202600915) 原本写为给物理学院大学生作的一场科普报告而写,放在这里很切合主题。

(5) 封面图片展现了物理人梦想中未来超低功耗AI计算硬件的模样。图片来自https://sherakatnetwork.com/complete-guide-neuromorphic-computing-brain-inspired-ai-energy-efficient/。

文章转载自"量子材料QuantumMaterials"公众号

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
俄罗斯被曝将芬兰退出北约列为结束俄乌战争的条件之一,芬兰国防部长公开表示:没有谈判余地,俄罗斯心知肚明,提出这种要求简直荒谬至极

俄罗斯被曝将芬兰退出北约列为结束俄乌战争的条件之一,芬兰国防部长公开表示:没有谈判余地,俄罗斯心知肚明,提出这种要求简直荒谬至极

吉刻新闻
2026-11-15 18:22:34
争议!中国女排队员:国外没有瘦肉精 网友:中国食品安全不容抹黑

争议!中国女排队员:国外没有瘦肉精 网友:中国食品安全不容抹黑

念洲
2026-11-19 08:21:57
取代 B 费!波切蒂诺锁定英超新核!曼联队长该让位了

取代 B 费!波切蒂诺锁定英超新核!曼联队长该让位了

澜归序
2026-11-19 10:24:58
红果成为全国第四大 APP,那么前三大 APP 是啥?

红果成为全国第四大 APP,那么前三大 APP 是啥?

正经说个事儿
2026-10-30 06:47:41
八国联军中,有七国主动退还赔款,唯独一国分文不退,是哪个?

八国联军中,有七国主动退还赔款,唯独一国分文不退,是哪个?

千秋文化
2025-03-28 10:37:53
美名记提4换1交易方案,申京加盟掘金,约基奇联手杜兰特?

美名记提4换1交易方案,申京加盟掘金,约基奇联手杜兰特?

弄月公子
2026-11-19 11:05:46
“仇人都干不出这种事”,宝妈晒小学女儿新发型,满满的恶意传来

“仇人都干不出这种事”,宝妈晒小学女儿新发型,满满的恶意传来

熙熙说教
2026-10-20 17:34:26
因“校名”被误认是三本院校的985大学

因“校名”被误认是三本院校的985大学

教书心
2026-11-05 07:02:16
底牌亮了!诗妮娜贵妃一双儿女都到人前了,王后独子却连影儿都没

底牌亮了!诗妮娜贵妃一双儿女都到人前了,王后独子却连影儿都没

乡野小珥
2026-11-19 14:28:56
我是博士,我两个儿子都大学毕业,我坚决不让他们念研究生

我是博士,我两个儿子都大学毕业,我坚决不让他们念研究生

千秋文化
2026-11-18 20:50:54
太惨了!安徽男子带着4岁孩子去跳楼,爸爸当场身亡,孩子妈患癌

太惨了!安徽男子带着4岁孩子去跳楼,爸爸当场身亡,孩子妈患癌

水晶的视界
2025-01-16 05:10:07
胜任了,以色列宣布了!

胜任了,以色列宣布了!

故事终将光明磊落
2026-11-18 16:01:07
2006年,山西一男子在地摊上买了个“大蘑菇”,当摆件放了19年。直到2025年,他才发现,这竟是千年古佛的眼睛

2006年,山西一男子在地摊上买了个“大蘑菇”,当摆件放了19年。直到2025年,他才发现,这竟是千年古佛的眼睛

扶苏聊历史
2026-10-28 11:42:06
为什么祁同伟开枪的那一刻,沙瑞金这个省委书记就位子不保了?

为什么祁同伟开枪的那一刻,沙瑞金这个省委书记就位子不保了?

剧有梗
2026-11-18 06:57:43
伊朗警告地区国家不要为美打击伊朗提供领土设施

伊朗警告地区国家不要为美打击伊朗提供领土设施

新华社
2026-11-19 10:08:08
创业最怕自我感动,夫妻俩投资350万开三百平餐厅,不到一年半就关门大吉。光灯光就花了三十万,一个碟子一百块。

创业最怕自我感动,夫妻俩投资350万开三百平餐厅,不到一年半就关门大吉。光灯光就花了三十万,一个碟子一百块。

捣蛋窝
2026-11-17 17:50:23
普京在深圳真情流露,一落地他什么都懂了,难怪中国选在这开会

普京在深圳真情流露,一落地他什么都懂了,难怪中国选在这开会

画夕
2026-11-19 17:15:22
震惊!甘肃男子按摩时撕扯技师丝袜、强行触碰私处,被反抗后打到对方子宫出血,最终只赔3000余元

震惊!甘肃男子按摩时撕扯技师丝袜、强行触碰私处,被反抗后打到对方子宫出血,最终只赔3000余元

火山詩话
2026-11-18 06:58:38
冷空气到了!广州最高降8℃,还会下雨

冷空气到了!广州最高降8℃,还会下雨

FM96.2广州新闻电台
2026-11-19 09:17:21
解放台湾最大的阻力,或许不是美国,不是台独分子,而是另一邻国

解放台湾最大的阻力,或许不是美国,不是台独分子,而是另一邻国

文史道
2025-04-17 12:35:42
2026-11-19 18:20:49
中国物理学会期刊网 incentive-icons
中国物理学会期刊网
最权威的物理学综合信息网站
4538文章数 21981关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

本地
旅游
时尚
房产
公开课

本地新闻

乌兰察布:以前种土豆,现在种Token

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

房产要闻

6.6亿!海口卖地!

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版