实验室意外或是计算革命的开端

- 这篇文章讲的是一家欧洲研究团队在探索"神经形态计算"时的一次意外发现，有望大幅提升AI芯片的能效。 - 神经形态计算（neuromorphic computing）是一种模仿生物神经系统结构的芯片设计思路，目标是让计算机像人脑一样高效（人脑功耗约20瓦，而传统AI芯片动辄数百瓦）。 - 核心人物是荷兰特温特大学（University of Twente）的科学家，他们原本在研究一种名为"忆阻器"（memristor）的电子元件——一种可以"记住"流过它的电荷的电阻，被视为模拟神经突触的理想器件。 - 他们的研究无意中揭示了如何让硅基芯片上的"人工神经元"更真实地模拟生物神经元的放电行为，而不是简单输出数字信号（0或1）。这解决了神经形态计算长期以来的一个瓶颈：过于精确模拟生物行为通常需要特殊材料（如相变材料或铁电体），很难在标准CMOS硅工艺上量产。 - 之所以重要，是因为当前AI大模型的训练和推理消耗巨大电力和算力资源。如果能在标准芯片上实现高效的类脑计算，可能改变整个AI硬件产业格局，让边缘设备（手机、传感器）也能跑复杂AI任务。